1) 문제점
자사몰 운영 중 사이즈/배송/교환·환불/소재·관리법 등 반복 문의가 많아 CS 대응 비용·시간이 지속적으로 발생
상품/정책 정보가 상품 상세, FAQ, 공지, 내부 메모 등 여러 위치에 흩어져 있어 일관된 답변 유지가 어려움
기존 “일반 AI 챗”은 근거 없는 추측(환각) 답변 위험이 있어, 실제 고객 대상 서비스에 바로 적용하기 어려움
프로모션/정책 변경 시 최신 정보 반영이 늦으면 오안내 → 클레임/환불/브랜드 신뢰 하락으로 이어질 수 있음

2) 프로젝트 목표
고객이 자주 묻는 질문을 24/7 즉시 응대하여 CS 부담을 줄이고, 구매 결정을 돕는 자사몰 AI 챗 기능 구축
FAQ/정책/상품 정보를 RAG(검색증강) 방식으로 연결해 근거 기반 답변 제공 (Supabase VectorDB 활용)
“실제 고객 대상” 특성상 오답을 최소화하기 위해 가드레일 + 운영 제어 기능을 포함
AI 챗 ON/OFF 토글로 상황에 따라 즉시 비활성화 가능
답변은 관리자 텔레그램 승인 후 전송(Human-in-the-loop)으로 리스크 차단

3) 주안점
정확도/안전성 최우선: LLM이 추측하지 않도록 RAG 근거가 있을 때만 답변, 불확실하면 안내/추가정보 요청으로 전환
운영 리스크 관리:
ON/OFF 토글로 이벤트/정책 변경/CS 폭주 시 즉시 제어
텔레그램 승인 워크플로우로 오안내 가능성이 있는 답변은 사람이 최종 확인
운영 효율: 텔레그램 승인 메시지에 고객 질문/요약/추천 답변/근거를 함께 제공해 짧은 시간에 판단 가능하도록 설계
유지보수/확장성: 상품·정책 문서가 바뀌어도 빠르게 반영되도록 문서 구조화 및 벡터 인덱싱 흐름을 고려

1) 포트폴리오 소개
AI(RAG) 기반으로, **자사몰 방문 고객(구매 전 문의/정책 문의 중심)**을 위한 AI 상담 챗 기능을 구축했습니다.
Supabase 벡터DB로 자사몰 문서(FAQ/정책/상품 정보)를 검색증강(RAG)하여 답변 정확도를 높였고, 운영 리스크를 줄이기 위해 기능 ON/OFF와 텔레그램 승인 기반 응답 전송 워크플로우를 적용했습니다.

2) 작업 범위
RAG 챗봇 기획 및 전체 아키텍처 설계
자사몰 문서(FAQ/정책/상품) 수집/정제 → 청크 분리 → 임베딩/인덱싱
Supabase Vector(DB) 기반 검색(Top-K, 유사도 기준) 및 답변 생성 파이프라인 구현
자사몰에 챗 위젯 UI 임베딩 및 상태 관리(ON/OFF)
관리자 승인 플로우 구축: 텔레그램으로 승인 요청 → 승인 시에만 답변 전송
운영 로그/에러 처리 및 기본 가드레일(불확실 시 안내/에스컬레이션)

지원환경
자사몰 반응형 웹(PC/Mobile) 적용

3) 주요 업무(주요 기능/페이지)
주요 기능
RAG 기반 답변: FAQ/정책/상품 문서를 검색해 근거 기반으로 응답
AI 챗 기능 ON/OFF: 운영 상황(이벤트/CS 폭주/정책 변경 등)에 따라 즉시 활성화/비활성화
텔레그램 승인형 응답 전송
고객 질문 → AI가 초안 생성
관리자에게 텔레그램으로 승인 요청(요약/초안/근거 포함)
관리자가 승인하면 고객에게 답변 전송(미승인 시 미전송)
예외 처리: 답변 불확실/근거 부족 시 고객센터 안내 및 추가 정보 요청
로그 기반 개선: 질문 유형/승인율/미승인 사유를 수집해 문서/프롬프트 개선

주요 적용 페이지
전 페이지 공통 위젯(상품 상세/장바구니/FAQ 등)

4) 주안점(중점 사항)
정확도와 신뢰성 확보: LLM이 추측하지 않도록 RAG 기반으로 답변 근거를 우선했고, 근거 부족 시에는 답변 대신 안내로 전환
운영 리스크 최소화:
ON/OFF 토글로 운영자가 즉시 기능을 제어 가능
텔레그램 승인 워크플로우로 잘못된 답변/정책 오안내를 사전에 차단
운영 효율: 고객 질문을 자동 분류/요약해 관리자가 빠르게 승인할 수 있도록 승인 메시지 구성 최적화
확장성: Supabase 벡터DB를 통해 문서가 늘어나도 검색/응답 구조를 유지하며 운영 가능(추가 문서 인덱싱으로 확장)