홈앤서비스 SK BROADBAND

1장. AI 도입, 어떻게 시작할까 1.1 AI 도입이 당연한 시대 1.2 AI를 도입할지 판단하기 1.3 AI 기술의 흐름과 LLM ___AI, 머신러닝, 딥러닝 ___LLM 1.4 데이터의 역할 변화 2장. LLM의 작동 원리와 한계 2.1 LLM의 개요 2.2 LLM의 작동 원리 2.3 LLM의 맥락 처리 방법과 토큰 비용 ___LLM이 맥락을 기억하는 방식 ___토큰 비용의 구조 ___AI 모델의 진화 과정 2.4 LLM의 한계 ___환각 ___지식 마감 ___기억력 부족 ___아부 현상 ___역전의 저주 ___프롬프트 인젝션 ___편향 3장. LLM을 서비스에 연결하는 방법 3.1 원하는 답을 얻기 위한 프롬프트 작성 전략 ___구역 나누기 ___예시 보여주기 ___판단 맡기기 ___원하는 답변을 받지 못했을 때 3.2 LLM만으로 부족한 부분을 보완하는 기술 ___LLM만으로 해결하기 어려운 문제 ___임베딩 ___RAG ___AI 에이전트 3.3 LLM으로 만드는 서비스 4장. 임베딩: 비슷한 의미 찾기 4.1 임베딩의 개요 ___임베딩 모델의 학습 방식 ___키워드 검색으로 충분한 경우 ___임베딩 검색 파이프라인 ___벡터 데이터베이스 4.2 임베딩을 입력 데이터로 활용하는 기술 ___임베딩×군집화 ___임베딩×RAG ___임베딩×추천 시스템 ___임베딩×이상 탐지 4.3 임베딩으로 문제를 해결한 사례 ___임베딩×검색: 검색 결과 개선 ___임베딩×군집화: 드러나지 않는 문제를 찾아 개선 ___임베딩×RAG: 챗봇의 답변 개선 ___임베딩×추천 시스템: 추천의 다양성 강화 ___임베딩×이상 탐지: 평소와 다른 고객 문의 발견 5장. RAG: 문서를 찾아 근거 있는 답변하기 5.1 RAG의 개요 ___RAG의 작동 과정 ___RAG로 해결 가능한 문제와 한계 ___RAG가 필요한 상황 5.2 RAG 서비스 설계 시 고려 사항 ___검색 대상 문서 선정 ___문서 분할 전략 ___검색 결과 전달 방식 ___메타데이터 설계 ___검색 방식 선택 5.3 RAG 서비스 운영 시 고려 사항 ___검색 성능 저해 요소 관리 ___RAG 운영 비용 최적화 ___답변 구성 ___출처 표시 ___검색 실패 시 답변 방식 ___RAG의 품질 평가 ___RAG 운영 리스크 ___GraphRAG 도입 기준 6장. AI 에이전트: 여러 단계를 연결해 실제 작업 수행하기 6.1 AI 에이전트의 개요 ___AI 에이전트의 작동 과정 ___AI 에이전트의 구성 요소 ___AI 에이전트의 구조 ___AI 에이전트로 해결 가능한 문제와 한계 6.2 AI 에이전트 설계 시 고려 사항 ___도구 분리 기준 ___도구 선택과 사용 규칙 ___스킬의 역할과 활용 ___자동화 범위 설계 ___오케스트레이션 설계 6.3 AI 에이전트로 만들 수 있는 서비스 ___업무 자동화형 에이전트 ___데이터 조회 및 실행 연결형 에이전트 ___RAG 결합형 에이전트 ___사람 협업형 에이전트 7장. AI 추천 시스템: 사용자에게 맞는 선택지 제안하기 7.1 추천 시스템의 개요 ___추천 시스템의 기본 구조 ___검색과 추천의 차이 ___추천의 목적 ___추천에 필요한 데이터 ___추천 품질 평가 7.2 기존 추천 방식과 임베딩 추천의 차이 ___인기 순 추천 ___협업 필터링 ___콘텐츠 기반 추천 ___연관 규칙 추천 ___임베딩 추천 7.3 추천 시스템이 해결해야 할 과제 ___콜드스타트 ___데이터 희소성 ___인기 편향 ___다양성 부족 ___상황 불일치 7.4 LLM이 결합된 추천 시스템 ___LLM 추천의 작동 과정 ___LLM 추천의 UX ___추천 조건을 좁히는 방법 ___추천 근거와 환각 관리 ___기존 추천 방식, 임베딩 추천, LLM 추천 비교 8장. 서비스에 맞는 AI 기술 선택하기 8.1 머신러닝이 적합한 서비스 ___지도 학습: 분류와 회귀를 이용한 서비스 ___비지도 학습: 군집화와 이상 탐지를 이용한 서비스 8.2 LLM, 임베딩, RAG, AI 에이전트에 맞는 서비스 ___LLM: 문장을 이해하고 생성하는 서비스 ___임베딩: 의미가 비슷한 콘텐츠를 찾는 서비스 ___RAG: 근거 문서를 바탕으로 답하는 서비스 ___AI 에이전트: 조회와 실행을 연결하는 서비스 ___AI 서비스 조합 8.3 서비스 운영과 검증 ___클라우드·온프레미스 방식 ___AI 기술 검증 9장. AI 서비스 기획 프로세스와 1페이지 기획안 9.1 AI가 필요한 문제인지 확인하기 ___사용자의 어려움 파악하기 ___규칙, 검색, 필터로 충분한지 살펴보기 ___기대 효과와 리스크 확인하기 9.2 AI 서비스 흐름 설계하기 ___AI 기능 사용 지점 정하기 ___필요한 데이터 확인하기 ___AI 참고용 데이터와 사용자에게 보여줄 데이터 구분하기 ___사용자가 확인하고 조정할 지점 만들기 ___사람의 최종 판단 영역 남기기 9.3 작게 만들어 검증하기 ___초기 버전의 사용 상황 정하기 ___테스트 질문과 성공 기준 만들기 ___서비스 공개 전 확인 사항과 출시 절차 ___1페이지 서비스 기획안