[협업] AIDE: 프로젝트 매니저

그로인해 나중에 특정 기록을 다시 찾아보려 해도 여러 형태로 저장되어 있는 자료들을 일일이 검색하고 취합해서 정리해야하는 심각한 비효율이 발생한다고 생각하여 이 점들을 해결하고자 하였습니다.

우선, 사용자가 Aide 챗봇을 호출하면 트리거에 맞게 내용을 요약하거나 일정 조율하는 테스크를 수행합니다. PDF와 같은 파일은 Upstage에서 제공하는 OCR모델을 이용하여 텍스트를 뽑아냅니다. 대화내용(txt), 음성 녹음본(mp3), 정제된 PDF 자료들을 각각 LLM 모델인 Solar Pro2를 활용하여 데이터들을 Json형태로 전처리하여 복잡한 데이터들을 자동으로 분석하고 요약합니다. 그리고 그 결과를 노션과 같은 단일 플랫폼에 체계적으로 정리해 줍니다.

Aide는 이렇게 축적된 데이터를 활용하는 데에서 진정한 강점을 보입니다. 모든 회의 기록은 자동으로 Upstage Embed모델을 사용하여 벡터화 과정을 거쳐 데이터베이스에 저장됩니다. 이후 사용자가 Slack 챗봇에게 ""지난주 회의 결정사항이 뭐였지?""처럼 과거 내용에 대해 질문하면, RAG 기술이 즉시 벡터 데이터베이스에서 가장 관련성 높은 기록을 찾아냅니다. 그러면 Solar Pro2 모델이 이 정보를 바탕으로 정확한 답변을 실시간으로 생성해 주면서 결과적으로 이러한 과정들을 통해 앞에서 정의했던 문제들을 해결하여 좀 더 효율적으로 프로젝트를 진행할 수 있도록 도울 수 있도록 하였습니다.

Slack API를 기반으로 사용자가 Slack 챗봇에 ""요약"", ""일정"", ""질문"" 등의 명령을 내리면 해당 의도를 Upstage Solar Pro2 (Chatbot)을 통해 파악하고 지정된 자동화 워크플로우를 실행합니다.

2. Solar Pro2를 이용한 지능형 의도 분류 및 요약

Upstage Solar Pro2 (Chatbot)를 ""에이전트 지시 라우터""로 활용하여 사용자의 텍스트를 분석합니다. ""요약""인지 ""일정""인지 의도를 분류하고, 각 분기에 맞춰 대화 내용이나 문서를 자동으로 요약/정리합니다.

3. Upstage Embed API와 RAG를 활용한 질의응답

Upstage Embed를 사용해 사용자의 질문을 벡터로 변환(임베딩)합니다. 이 벡터를 Supabase DB에서 검색(RAG의 Retrieval)한 후 유사도를 검사, Solar Pro2 (Chatbot)가 검색된 회의록을 바탕으로 이전 회의에 대한 질문에 정확한 답변을 생성합니다.

4. OCR과 LLM을 연동한 PDF 정제

Slack에 업로드된 PDF 감지합니다. Upstage Document OCR로 PDF의 텍스트를 추출한 뒤, 최종적으로 Solar Pro2 (Chatbot)가 이 데이터들을 분석하고 요약하여 활용 가능한 정보로 정제합니다.