이번 달에는 큰 회사들과 엄청난 파트너십을 맺어 AI 도구의 구독을 완전히 무료로 제공했습니다. 이러한 도구들은 귀하의 비즈니스 성장을 촉진하고 효율성을 높일 것입니다.

지난 달 후원자로 활동하셨다면 6개의 유료 구독을 완전히 무료로 이용하실 수 있습니다. 이러한 구독 외에도 상담, 네트워킹, 커뮤니티와의 협업, 그리고 저와의 협업 기회를 얻으실 수 있습니다. 또한 매일 AI 뉴스, 리소스, 경품 행사 등 다양한 혜택을 누리실 수 있습니다.

관심이 있으시다면 아래 설명의 Patreon 링크를 확인하여 이러한 혜택을 받으실 수 있습니다.

이 섹션에서는 표 데이터로 작업할 수 있는 AI 에이전트를 만드는 방법을 소개합니다. 이를 통해 대규모 언어 모델보다 숫자 값을 더 효과적으로 읽고 처리할 수 있습니다. 이러한 AI 에이전트는 재무제표와 같은 대량의 숫자 데이터를 처리하고 기업의 성과, 가격 구조 및 기타 관련 데이터에 대한 질문에 답변할 수 있습니다.

AI 에이전트를 만들기 위해 코딩 없이도 드래그앤드롭 UI로 쉽게 AI 에이전트를 만들 수 있는 Vector Shift 플랫폼을 사용할 것입니다. 이 과정은 다음과 같은 단계로 진행됩니다:

1. 입력 노드와 출력 노드: 자동화 흐름을 정의하기 위해 입력 노드와 출력 노드를 설정합니다.

2. OpenAI GPT-4 모델: 가장 우수한 성능의 대규모 언어 모델인 OpenAI GPT-4 모델을 활용하여 들어오는 질문을 분류하고 포드 자동차의 가격 또는 일반 정보와 관련되어 있는지 판단합니다.

3. 조건문: 질문을 적절한 처리 노드로 라우팅하기 위해 조건문을 추가합니다. 이는 OpenAI 대규모 언어 모델 또는 CSV 쿼리 로더로 보내집니다.

4. CSV 쿼리 로더: 포드 재무제표의 숫자 데이터를 처리할 수 있는 CSV 쿼리 로더 노드를 만듭니다. 이를 통해 AI 에이전트가 정확한 가격 정보를 제공할 수 있습니다.

5. 지식베이스: 포드 연간 보고서가 포함된 지식베이스를 통합하여 AI 에이전트가 기업에 대한 일반적인 질문에 답변할 수 있도록 합니다.

6. 출력 병합: 마지막으로 병합 노드를 사용하여 다양한 처리 노드의 출력을 결합하고 최종 응답을 출력 노드로 보냅니다.

이 과정을 따르면 숫자 데이터 쿼리와 포드에 대한 일반적인 질문을 모두 처리할 수 있는 다재다능한 AI 에이전트를 만들 수 있습니다. 이를 통해 고객이 채팅봇과 상호 작용할 때 원활한 사용자 경험을 제공할 수 있습니다.

AI 에이전트를 만들어 질문을 분류하고 숫자 데이터를 처리하려면 다음과 같은 단계를 따르면 됩니다:

1. 입력 노드: 사용자의 질문을 받는 입력 노드로 시작합니다.

2. 조건 노드: 질문을 두 가지 범주로 분류하기 위한 조건 노드를 추가합니다. 가격 관련 질문과 포드에 대한 일반 정보 질문입니다.

3. OpenAI GPT-4 노드: OpenAI GPT-4 노드를 사용하여 질문을 분류합니다. 모델에 대한 시스템 프롬프트를 설정하여 질문이 가격 관련인지 일반 정보 관련인지 식별하도록 합니다.

4. CSV 쿼리 로더 노드: 가격 관련 질문의 경우 포드 가격 정보가 포함된 CSV 파일의 숫자 데이터를 처리하는 CSV 쿼리 로더 노드를 추가합니다.

5. 지식베이스 노드: 일반 정보 질문의 경우 포드 연간 보고서가 포함된 지식베이스 노드를 추가합니다. 이를 통해 에이전트가 기업에 대한 맥락적 정보를 제공할 수 있습니다.

6. 대규모 언어 모델 노드: CSV 쿼리 로더의 출력을 개선하기 위해 추가적인 대규모 언어 모델 노드를 추가합니다.

7. 병합 노드: 다양한 브랜치의 응답을 결합하고 최종 출력을 출력 노드로 보내는 병합 노드를 사용합니다.

8. 채팅봇으로 배포: 파이프라인 설정이 완료되면 웹사이트나 다른 플랫폼에 통합할 수 있는 채팅봇으로 배포할 수 있습니다. 이를 통해 고객들이 가격 정보와 포드에 대한 일반 정보를 쉽게 접근할 수 있습니다.

이러한 접근 방식을 따르면 질문을 효과적으로 분류하고 숫자 및 맥락 데이터를 모두 처리할 수 있는 다재다능한 AI 에이전트를 만들 수 있습니다. 이를 통해 고객에게 원활한 사용자 경험을 제공할 수 있습니다.

다양한 브랜치를 병합하고 쿼리를 처리하기 위해 다음과 같은 단계를 거칠 것입니다:

1. 브랜치 병합: 우리의 파이프라인에는 조건 노드, CSV 쿼리 로더, 지식베이스 쿼리의 세 가지 주요 브랜치가 있습니다. "병합기" 노드를 사용하여 이 브랜치들의 출력을 결합하고 최종 응답을 출력 노드로 보냅니다.

2. 대규모 언어 모델 노드: 다양한 유형의 쿼리를 처리하기 위해 여러 개의 대규모 언어 모델 노드를 추가했습니다. 첫 번째 노드는 쿼리를 가격 관련 또는 일반 정보 관련로 분류합니다. 두 번째 노드는 CSV 쿼리를 처리하고, 세 번째 노드는 지식베이스 쿼리를 처리합니다.

3. CSV 쿼리 로더: 이 노드는 CSV 파일의 숫자 데이터를 처리할 책임이 있습니다. 자연어 SQL을 사용하여 사용자 쿼리에 따라 관련 정보를 추출합니다.

4. 지식베이스: 포드 연간 보고서가 포함된 지식베이스를 추가했습니다. 이를 통해 에이전트가 기업과 그 재무에 대한 일반적인 질문에 답변할 수 있습니다.

5. 채팅봇으로 배포: 마지막으로 이 파이프라인을 채팅봇으로 배포할 수 있습니다. Vector Shift를 사용하면 채팅봇의 외관, 통합 옵션(예: 웹사이트, WhatsApp, Slack) 및 기타 설정을 구성하여 사용할 준비를 할 수 있습니다.

이 솔루션의 핵심 측면은 숫자 및 맥락 쿼리를 모두 처리할 수 있는 능력, 응답을 특화하기 위한 다중 대규모 언어 모델 사용, 그리고 채팅봇으로 seamless 배포입니다. 이를 통해 최종 사용자는 포드의 가격 및 재무 정보에 대한 자세한 정보를 제공할 수 있는 강력한 AI 에이전트와 상호 작용할 수 있습니다.

이 튜토리얼에서는 Vector Shift를 사용하여 데이터, 특히 포드 자동차 회사의 재무 데이터를 쿼리하고 처리할 수 있는 AI 에이전트를 만드는 방법을 소개했습니다. 이 자동화의 주요 특징은 다음과 같습니다:

1. 질문 분류: AI 에이전트는 OpenAI GPT-4 모델을 사용하여 들어오는 질문을 두 가지 범주로 분류합니다. 가격 관련 질문과 포드에 대한 일반 질문입니다.

2. 숫자 데이터 처리: 가격 관련 질문의 경우 에이전트는 CSV 쿼리 로더를 사용하여 포드 가격 데이터가 포함된 사전 로드된 CSV 파일에서 관련 가격 정보를 추출합니다.

3. 일반 지식 쿼리: 포드에 대한 일반 질문의 경우 에이전트는 회사의 재무제표가 포함된 지식베이스를 활용하여 정보적인 응답을 제공합니다.

4. 응답 병합: 에이전트는 병합 노드를 사용하여 다양한 처리 노드의 응답을 결합하여 사용자에게 종합적인 답변을 제공합니다.

5. 채팅봇으로 배포: 완성된 자동화는 채팅봇으로 배포될 수 있어 사용자가 웹사이트, WhatsApp, Slack 등 다양한 채널을 통해 AI 에이전트와 상호 작용할 수 있습니다.

이 예제는 Vector Shift가 숫자 및 맥락 데이터를 모두 처리할 수 있는 실용적인 AI 기반 솔루션을 만들 수 있는 다재다능성을 보여줍니다. 기업의 재무 성과에 대한 질문을 자동화하여 응답하는 과정을 통해 기업은 고객 서비스를 향상시키고 고객에게 귀중한 통찰력을 제공할 수 있습니다.