플러스프로젝트 배경
1. 문제점 • 환자들의 반복적인 문의로 인해 상담 인력이 과부하 상태였음 • 기존 챗봇은 FAQ 수준의 답변만 제공, 실제 의료 데이터 기반의 정밀 응답이 어려움 • 시스템 확장성이 낮고 정확도 또한 신뢰할 수 없는 수준 2. 목표 • 의료 데이터를 벡터화하여 의미 기반 검색이 가능한 RAG 시스템 구축 • LLM 모델 통합을 통해 자연스러운 언어로 응답 제공 • HIPA
프로젝트 성과
응대 속도와 정보 정확도
RAG 기반 챗봇 구축을 통해 환자 응대 속도와 정보 정확도를 대폭 향상시켰습니다.
상담 대기 시간, 환자 참여율
상담 대기 시간은 80% 이상 단축되었고, 환자 참여율은 40% 증가했습니다.
정보 제공의 정확도
정보 제공의 정확도는 기존 시스템 대비 30% 향상되었으며, 고객 지원 비용은 35% 절감되었습니다.
의료자원 효율성
불필요한 진료 예약이 줄어들어 의료 자원 활용 효율성도 함께 개선되었습니다.
고객 신뢰도 상승 및 고객 증가
최종적으로는 24시간 운영 가능한 가상 의료 비서로써 신뢰를 얻었으며, 실제 사용자 10,000명 이상이 동시에 접속해도 성능 저하 없이 응답이 가능한 구조로 설계되었습니다.
핵심 기능
RAG 기반 질의응답 시스템
사용자 질문에 대해 벡터 DB에서 의미적으로 가장 적절한 정보를 검색하고, 이를 기반으로 LLM이 자연어 응답을 생성하는 RAG 기반 질의응답 시스템을 제공합니다.
진행 단계
초기 요구사항 분석 및 전략 수립
2024.02.
초기 요구사항 분석 및 도메인 데이터 수집 전략 수립
프로젝트 상세
해당 프로젝트는 헬스케어 전문 기업이 보유한 자체 데이터베이스를 활용하여 환자 응대 자동화를 위한 LLM 기반 챗봇을 구축하는 것이 목적이었습니다. 기존 시스템은 정형화된 응답만 제공할 수 있었으며, 실제 의료 데이터를 바탕으로 환자 문의에 자연스럽고 정확하게 응답하는 시스템으로의 전환이 요구되었습니다. 저희 해당 요구에 맞춰 RAG 기반 질의응답 시스템을 설계하고, 최신 LLM(Mistral-7B)을
