고객 문의
문장으로 들어온 요청을 읽습니다.
입력01 / 큰 그림
먼저 분류하고, 필요한 답변을 작성합니다
Jev · 판단
유형·감정·긴급도·심각도를 정리합니다.
분류 결과Gemini · 생성
분류 결과에 맞는 답변을 작성합니다.
응대 문장핵심은 역할 분담입니다. 대량 문의를 모두 긴 문장으로 처리하기 전에, 분류 결과로 담당자와 다음 작업을 정합니다.
| 구분 | 판단 단계 · Jev | 생성 단계 · Gemini 등 |
|---|---|---|
| 핵심 질문 | 어떤 문의이며 어디로 보낼까? | 어떤 말로 답변할까? |
| 결과 형태 | 카테고리·확률·점수 등 구조화 데이터 | 고객에게 전달할 자연어 문장 |
| 활용 | 분류·필터링·담당자 배정 | 상황에 맞는 답변 작성 |
02 / 판단 과정
원문 + 판단 기준 → 구조화된 결과
무엇을 읽나요?
“어제 출발했다는 무선 이어폰이 아직 도착하지 않았습니다. 조회도 안 됩니다. 처리 방법을 알려주세요.”
무엇을 판단하나요?
긴급한가?
문의 유형과 감정은?
심각도는 0~3 중 얼마인가?
시스템이 읽는 값
긴급도: 39%
유형: 배송
감정: 답답함
심각도: 2.05 / 3
03 / 결과의 종류
같은 숫자라도 의미는 다릅니다
조건에 해당하는가?
예·아니오 성격의 판단을 확률로 표현합니다.
예: 긴급성 39%어떤 종류인가?
정해진 후보에서 유형이나 감정을 선택합니다.
예: Delivery · Frustrated어느 정도인가?
정한 범위 안에서 강도나 심각도를 표현합니다.
예: 2.05 / 3.0긴급성 ≠ 확신도. 긴급성은 문의의 긴급 정도에 대한 판단이고, Confidence는 그 판단에 대한 확신도입니다. 두 값을 같은 의미로 읽지 않습니다. 확신도가 높아도 오류가 없음을 보장하지는 않습니다.
04 / 처리 경로 체험
문의와 기준을 바꾸면 경로가 달라집니다
두 사례를 사용하는 학습용 모의 화면입니다. 실제 AI 분석이나 API 호출은 하지 않습니다.
어제 출발했다는 무선 이어폰이 아직 도착하지 않았습니다. 조회도 안 됩니다. 처리 방법을 알려주세요.
긴급성39%
유형배송
감정 / 심각도답답함 · 2.05/3
확신도미제시
90%는 학습용 예시 기준입니다. 슬라이더는 기준 변화에 따른 분기를 설명합니다.
39% < 90% → Gemini 답변 생성
배송 문제와 답답한 감정을 반영해 사과하고 주문번호를 요청하는 답변을 작성하는 흐름입니다.
05 / 시스템 연결
한 번의 분류 결과를 두 화면에서 활용합니다
개발자는 구조화 데이터로
API 응답의 값을 읽어 다음 작업을 연결합니다.
{
"category": "Delivery",
"emotion": "Frustrated",
"urgency": 0.39,
"severity": 2.05
}사례 수치를 설명하기 위해 재구성한 JSON 예시이며, 실제 API 필드 규격은 아닙니다.
관리자는 태그와 필터로
배송·답답함·심각도 같은 태그로 문의를 모아 담당자에게 배분합니다.
| 문의 | 분류 |
|---|---|
| 무선 이어폰 미도착 | 배송 · 답답함 |
| 처리 경로 | 일반 문의 → 답변 생성 |
06 / 구축 순서
작은 분류 실험에서 전체 흐름으로
발급·테스트
TypeSafe AI에서 API 키를 발급받고 Playground에서 원문과 판단 기준을 시험합니다.
판단 기준 설계
Claude로 판단 기준과 앱 개발용 연동 요청을 정리합니다.
연결·배포
Jev 분류 → 업무 규칙 → Gemini 답변 생성을 연결합니다.
이 페이지는 개념과 설계 흐름을 설명합니다. 실제 구축에는 API 주소·인증 방식·현재 지원 기능 확인이 필요합니다.
설계에서 기대하는 효과
- 분류 처리 속도 향상
- 불필요한 생성 비용 감소
- 담당자 배정과 필터링 개선
- 판단과 생성 도구의 연계
수치를 읽을 때
처리 속도와 비용 절감 정도는 실제 환경에서 측정해야 합니다. 빠른 분류나 높은 확신도가 오류 없는 결과를 뜻하지는 않습니다.
39%, 91%, 2.05/3, Confidence 1.0은 학습용 사례값이며 성능 평가 결과가 아닙니다.