어시스턴트의 톤, 대답해야 할 것과 대답하지 말아야 할 것, 그리고 어떤 콘텐츠를 참조할지를 설정한 다음, 방문자에게 도달하기 전에 변경 사항을 안전하게 테스트합니다.
이 플랫폼의 "에이전트"는 단순한 AI 모델 이상입니다 — 구성된 개성, 규칙 세트, 정의된 지식 범위 및 행동 방식에 대한 정책 모음입니다. 항상 출처를 인용해야 할까요? 특정 주제 영역 외의 질문에 대답하지 말아야 할까요? 특정 톤으로 응답해야 할까요? 이 모든 것이 에이전트 구성에 캡처됩니다. 이 심층 분석에서는 에이전트가 어떻게 정의되고, 변경 사항이 어떻게 안전하게 이루어지며, 모든 사용자에게 배포되기 전에 개선 사항을 테스트할 수 있는 방법을 설명합니다.
귀하의 AI 에이전트는 고객 대면 제품입니다. 그것이 행동하는 방식 — 무엇을 말하고, 어떻게 말하며, 무엇을 거부하는지 — 는 고객의 경험과 브랜드 평판을 직접적으로 형성합니다. 그 행동을 부주의하게 변경하면 회귀가 발생할 수 있습니다: 하나의 사용 사례에 대한 개선이 다른 사용 사례를 깨뜨릴 수 있습니다. 이 기능은 자신감 있고 안전한 반복을 가능하게 하는 가드레일을 제공합니다.
에이전트 구성에는 다음이 포함됩니다:
- 이름 및 설명 — 이 에이전트의 용도
- 행동 정책 — "항상 출처를 포함", "이러한 주제 외의 질문에 대답하지 않음", "사용자가 불만을 표현하면 인간 에이전트에게 에스컬레이션"과 같은 규칙
- 지식 연결 — 이 에이전트가 참조할 수 있는 지식 기반
- 톤 및 형식 선호 — 응답이 구조화되는 방식
에이전트 구성 업데이트 시:
카나리아 롤아웃은 실제 사용자와 함께 프로덕션에서 변경 사항을 테스트하는 방법입니다. 이를 통제된 실험으로 생각해 보세요: 새로운 에이전트 행동이 이전 것과 함께 실행되며 결과를 비교합니다. 새로운 버전이 더 나은 성능을 보이거나 최소한 나쁘지 않으면, 점차적으로 트래픽의 비율을 증가시킵니다. 문제가 발생하면 단 한 번의 클릭으로 롤백합니다.
모든 에이전트의 모든 버전이 보존됩니다. 관리 대시보드에서 다음을 수행할 수 있습니다:
- 에이전트에 대한 모든 변경 사항의 타임라인 보기
- 두 버전을 나란히 비교
- 이전 버전을 단일 작업으로 복원
- 과거 변경 사항의 영향을 이해하기 위해 품질 메트릭과 버전 변경 사항을 상관관계로 분석
팀은 다음을 구축하고 있습니다:
라이브가 되면, 귀하는 모든 사용자에게 한 번에 모든 것을 깨뜨릴 위험 없이 에이전트 행동을 지속적으로 개선할 수 있는 안전하고 구조화된 방법을 갖게 됩니다.