ThanoSQL(타노시퀄)의 대화형 분석 서비스를 소개합니다.

대화형 분석 서비스는 AI가 사용자의 질문을 자연어로 받아서 데이터베이스를 사용하여 답변을 해주는 서비스입니다.

위 영상에서는 ThanoSQL을 사용하여 콜 센터의 상담 통화를 분석하는 과정을 보여드리고 있습니다.

영상에서 설명드리는 분석 과정은 아래 흐름과 같습니다.

1) 영상에서 사용할 데이터는 상담원 기본 정보가 들어 있는 agents 테이블, 통화 기록이 들어 있는 calls 테이블, 그리고 실제 통화 내용이 기록되어 있는 transcript 테이블 이렇게 3개의 테이블을 사용합니다.

2) 챗봇에게 질문을 하기에 앞서 어느 데이터베이스 테이블을 활용할 것인지 선택합니다. 그리고 가장 평균 통화 시간이 긴 상담사가 누구인지 물어보도록 하겠습니다.
LLM이 사용자의 질문을 이해하고 데이터베이스에서 답을 찾아서 제니퍼라고 답을 하였습니다.

3) 쿼리 에디터 창을 열어서 내가 한 질문이 데이터베이스 쿼리로 어떻게 바뀌었는지 볼 수 있으며 그 결과도 볼 수 있습니다.

4) 통화 내용이 기록되어 있는 transcript 테이블을 활용해보겠습니다.
해당 테이블을 선택한 후 필요하다면 테이블 미리 보기 기능을 이용하여 테이블에 어떤 데이터가 들어 있는지도 살펴볼 수 있습니다.

5) 다음으로 5분 이상 통화한 내용을 모두 뽑아서 통화 내용을 분류하도록 시켜보겠습니다. 기술적인 질문부터 환불이나 배송 등 여러 질문이 있다는 것을 알 수 있습니다.
앞의 질문과는 달리 이 질문을 처리 하기 위해서는 통화 내용을 분류할 수 있어야 하는데 데이터베이스의 기본 기능에는 이러한 기능이 없습니다. ThanoSQL은 LLM 등의 인공지능을 데이터베이스에서 바로 활용할 수 있는 기능을 제공하고 있으며 그러한 기능 덕분에 분류가 가능하게 된 것입니다.

6) 다음으로는 각 분류 별로 몇 건의 통화가 있었는지 집계를 하려고 합니다. ThanoSQL에서는 질문과 결과를 자동으로 저장해주기 때문에 앞의 분류 결과를 이용해서 바로 집계가 가능합니다. 앞의 질문에서 분류한 결과가 저장된 컬럼의 이름을 확인해둡니다.

7) 그리고 앞 질문의 결과 테이블을 활용하겠다는 것을 표현하기 위해서 앞 질문의 결과에서 ‘reply’ 버튼을 눌러 준 뒤 질문을 입력하면 됩니다. 이렇게 함으로써 시간이 오래 걸리는 분류 작업을 건너 뛸 수 있게 됩니다.

8) 챗봇이 분류별로 몇 건의 통화가 있었는지 잘 정리해서 보여주고 있습니다.

9) 마찬가지로 파워 유저들은 쿼리 편집기 기능을 이용하여 좀 더 자세히 살펴볼 수 있고 필요하다면 쿼리를 직접 변형하여 추가적인 인사이트를 도출할 수 있습니다.

ThanoSQL Implementation Inquiry