AI, 정비소 전화 응대 자동화에 도전하다!
AI 기반 전화 응대 시스템(AI-powered Phone Receptionist) 구축을 통해 정비소의 수신 전화 누락 문제(Missed Calls) 해결 시도
RAG(Retrieval-Augmented Generation) 파이프라인을 활용하여 정확한 정보 제공 및 AI 환각(Hallucination) 방지
Vapi, Deepgram, ElevenLabs 등 다양한 음성 기술을 통합하여 자연스러운 음성 응대(Natural Voice Interaction) 구현
커뮤니티에서는 시스템의 정확성, 가격 정보의 동적 업데이트, 기존 솔루션과의 비교 등에 대한 다양한 의견(Diverse Opinions) 제시
RAG(Retrieval-Augmented Generation) 기반의 지식 관리
본 시스템은 RAG(Retrieval-Augmented Generation) 방식을 통해 AI가 정확한 정보를 제공하도록 설계되었다. 구체적으로, 정비소의 웹사이트 데이터를 스크래핑하여 지식 베이스(Knowledge Base)를 구축하고, 이를 MongoDB Atlas에 임베딩하여 벡터 검색(Vector Search)을 수행한다. 이를 통해 AI는 AI 환각(Hallucination) 없이 정비소의 가격, 정책 등 정확한 정보를 제공할 수 있다. 하지만, 지식 베이스의 지속적인 업데이트(Continuous Knowledge Base Update)가 필요하다는 점이 과제로 남는다.
음성 인터페이스(Voice Interface) 최적화
개발자는 ElevenLabs의 다양한 AI 음성을 테스트하여 정비소에 적합한 음성을 선택하고, 음성 응대에 최적화된 시스템 프롬프트(System Prompt)를 구성했다. 특히, 텍스트 기반 응답(Text-based Responses)과 달리 음성 응답은 짧고 간결해야 하며, 자연스러운 어조를 유지해야 한다. 음성 톤(Voice Tone)을 맞추는 데 많은 노력을 기울였다는 점이 특징적이다.
정비소 AI의 실질적 효용성 논쟁
커뮤니티에서는 AI가 제공하는 견적의 정확성, 부품 재고 관리, 새로운 작업에 대한 견적 생성의 어려움 등 실질적인 문제(Practical Challenges)를 지적한다. 특히, 동적 가격 변동(Dynamic Pricing) 및 부품 수급(Parts Sourcing) 문제를 해결해야 한다는 의견이 제시되었다. 또한, AI가 고객과의 신뢰를 구축하는 데 어려움이 있을 수 있다는 점도 언급되었다.
기존 솔루션 및 기술적 대안 검토
일부 댓글에서는 기존의 아웃소싱된 접수원(Outsourced Receptionist) 서비스와 비교하며, AI 시스템 구축 비용 대비 효용성에 대한 의문을 제기한다. 또한, 더욱 스마트한 음성 사서함 시스템(Smarter Voicemail System)과 같은 대안을 제시하며, AI의 위험성을 최소화하면서 효율성을 높이는 방안을 모색해야 한다고 주장한다. 기존 솔루션과의 비교(Comparison with Existing Solutions)를 통해 AI 시스템의 장단점을 파악해야 한다.
