AI 요약
2026년 3월 20일 공개된 이 프로젝트는 업무 중 전화를 받지 못해 발생하는 비즈니스 손실을 막기 위해 시작되었습니다. 개발자는 'Axle'이라는 이름의 맞춤형 음성 AI 에이전트를 구축하여, 기술자인 형이 작업 중일 때 발생하는 주당 수백 건의 놓치는 전화를 대신 응대하도록 설계했습니다. 핵심 기술은 할루시네이션(환각)을 방지하는 RAG(검색 증강 생성) 파이프라인으로, 정비소의 실제 가격과 정책 데이터를 기반으로만 답변하도록 통제합니다. 이를 위해 웹사이트에서 수집한 21개 이상의 서비스 및 가격 문서를 MongoDB Atlas 벡터 검색 엔진에 통합했습니다. 최종적으로 Anthropic의 Claude 모델을 통해 고객에게 짧고 대화 지향적인 응답을 제공하며, 시스템이 답변할 수 없는 내용은 메시지를 남기도록 유도합니다. 이 시스템은 전문 기술자가 작업에 집중하면서도 잠재적인 고수익 예약 기회를 놓치지 않게 돕는 실무적인 해결책을 제시합니다.
핵심 인사이트
- 비즈니스 가치: 전화 응대 부재로 인해 발생하는 주당 수백 건의 콜 누락과 월 수천 달러 규모의 매출 손실(브레이크 서비스 $450, 엔진 수리 $2,000 등)을 AI로 방어함.
- 데이터 구조화: 정확한 정보 제공을 위해 정비소 웹사이트의 서비스 페이지, 가격, 소요 시간, 결제 방법 등을 포함한 21개 이상의 마크다운 문서를 지식 베이스로 구축함.
- 기술 스택: Voyage AI의 'voyage-3-large' 모델을 사용하여 1024차원 벡터 임베딩을 수행하고, 이를 MongoDB Atlas Vector Search를 통해 관리함.
주요 디테일
- RAG 파이프라인: LLM이 임의로 가격을 추측하는 할루시네이션을 방지하기 위해, 검색된 지식 베이스 내에서만 답변하도록 엄격한 시스템 프롬프트를 적용함.
- 시맨틱 검색: 고객이 "브레이크 작업 비용"이라고 물을 경우, 정확한 키워드가 일치하지 않더라도 의미론적으로 가장 유사한 상위 3개 문서를 추출하여 답변의 근거로 활용함.
- 응답 모델: Anthropic의 Claude(claude-sonnet-4-6) 모델을 연동하여 지식 베이스의 컨텍스트를 바탕으로 간결하고 친절한 대화형 응답을 생성함.
- 예외 처리: AI가 답변할 수 없는 질문에 대해서는 솔직하게 모른다고 답한 뒤, 담당자에게 전달할 콜백 메시지를 수집하는 기능을 포함함.
향후 전망
- 음성 기술 결합: 현재 완성된 텍스트 기반 RAG 파이프라인을 바탕으로, 실제 전화를 수신하고 대화할 수 있는 음성 에이전트(Voice Agent) 단계로 확장될 예정임.
- 소상공인 AI 도입: 기술 기반 자영업자들이 업무 몰입도를 높이면서 고객 서비스를 자동화할 수 있는 맞춤형 AI 비서 모델의 표준이 될 것으로 기대됨.