미국교육2025 – 진행 중길드
카탈로그 아틀라스(Catalog Atlas), 프로그램과 제공 기관 질문에 답하는 사내 AI 에이전트
길드의 사내 AI 에이전트가 수동 QA 점검을 90% 이상 줄이고 연간 추정 450시간을 절감했다
문제
길드가 가진 교육 프로그램과 제공 기관 성과 정보는 대시보드, 스프레드시트, 위키, 슬랙 대화에 흩어져 있었다. 조회에 몇 시간이 걸리기도 했고, 직원이 슬랙 답변을 최대 24시간 기다리는 일도 있었다. 분야 전문가들은 같은 질문에 계속 답해야 했다. 범용 챗봇은 회사의 업무 규칙과 제공 기관 별칭을 알지 못했다.
접근 방식
길드는 데이터브릭스 AI와 에이전트 브릭스(Agent Bricks)로 특정 업무 영역용 에이전트인 카탈로그 아틀라스를 만들었다. 정형 및 비정형 프로그램 데이터를 유니티 카탈로그(Unity Catalog)로 통합하고, 예를 들어 코넬(Cornell)과 이코넬(eCornell)을 구분하도록 별칭 매핑과 업무 규칙을 추가했다. MLflow의 자동 AI 평가자가 답변에 점수를 매겨 수동 점검을 대체했다. 직원은 단일 로그인이 적용된 채팅 화면에서 질문한다.
주요 수치
시사점
길드는 자사의 명칭 규칙과 데이터를 에이전트에 반영하고 답변 점검을 자동화했으며, 그 덕에 전문가가 반복 질문에 쓰는 시간이 줄었다. 450시간은 추정치다.
분류
- 규모
- 중견·성장기업
- 산업
- 교육
- 경영 기능
- 사내 업무·지식관리
- 혁신 유형
- 프로세스 혁신
- 도입 방식
- 플랫폼·범용 도구 활용
- 근거
- 공급사 사례
출처
출처 요약
데이터브릭스는 길드가 교육 프로그램과 제공 기관에 관한 직원 질문에 답하는 AI 에이전트 카탈로그 아틀라스를 만든 과정을 설명했다. 연간 추정 450시간, 3만 3,750달러 상당의 절감과 수동 QA 점검 90% 이상 감소를 밝혔다. 길드 임원이 몇 시간이나 하루가 걸리던 요청이 이제 30초 이내에 해결된다고 말했다고 인용했다.
자세한 내용은 원문에서 확인하실 수 있습니다.