디디(DiDi) 국제사업그룹이 AWS와 협력해 스페인어·포르투갈어 콜센터 품질관리(QA)를 불투명한 서드파티 솔루션에서 Amazon Bedrock 기반 자체 시스템으로 전환했다. 의도 검증·컴플라이언스 평가·VOC(고객의 소리) 분석 3개 파이프라인으로 구성되며, 핵심은 각 LLM 호출에서 모델이 보는 정보 범위를 정밀하게 통제하는 '컨텍스트 관리'다. 실서비스 검증 결과 의도 분류 정확도는 38%에서 86%로, 컴플라이언스 채점 정확도는 90% 이상으로 개선됐고, VOC 트렌드 분석은 수 시간 걸리던 수작업을 수 분으로 단축했다. Bedrock Guardrails로 개인정보를 마스킹하고 근거 기반 검증을 거쳐 환각을 줄였으며, 규칙 기반 항목은 프로그램적 후검증으로 모델 판단을 재확인한다.
- •의도 검증 파이프라인은 검증·분류 단계를 분리하는 '정보 격리' 설계로 정확도를 38%→86%로 개선
- •컴플라이언스 평가 파이프라인은 언어·사업라인별 설정을 동적으로 조립하는 단일 프롬프트 템플릿으로 90% 이상 정확도 달성
- •VOC 파이프라인은 추출-군집화-보고서 생성 3단계로 수천 건 대화의 트렌드를 수 시간에서 수 분으로 단축
- •Bedrock Guardrails로 PII 마스킹과 근거 기반 검증(grounding check)을 적용해 환각 판단을 줄임
- •라이드헤일링·음식배달·금융서비스 등 3개 사업라인, 14개국 티켓을 처리하는 규모에서 운영
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
How DiDi built intelligent contact center QA with Amazon Bedrock
- 1.DiDi가 Amazon Bedrock 기반 3중 파이프라인(의도검증·컴플라이언스·VOC)으로 콜센터 QA 시스템 구축
- 2.의도 분류 정확도 38%→86%로 개선, 컴플라이언스 채점 정확도 90% 이상 달성
- 3.정보 격리(information isolation) 기법으로 LLM의 과잉 수정 경향 완화, VOC 트렌드 분석은 수시간→수분으로 단축
- 4.Bedrock Guardrails로 PII 마스킹·근거성 검증, 규칙 기반 항목은 프로그램적 후검증으로 이중 확인
왜 중요한가?
불투명한 서드파티 QA 솔루션을 자체 LLM 파이프라인으로 대체해 정확도를 두 배 이상 끌어올린 사례로, 프롬프트 문구보다 컨텍스트 관리(모델이 보는 정보 범위 제어)가 LLM 애플리케이션 신뢰성의 핵심임을 보여준다.
언급 프로젝트
본문 미리보기
DiDi built a transparent, self-owned contact center quality assurance (QA) system on Amazon Bedrock, replacing an opaque third-party tool. Intent verification accuracy rose from 38% to 86%, compliance scoring topped 90%, and Voice of Customer trend analysis dropped from hours to minutes across Spanish and Portuguese support.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:02AI 초안

![[10월8일] “수학 문제 4000개에 AI 투입해 성과”…오픈AI가 보여준 과학연구의 변화](https://cdn.aitimes.com/news/photo/202610/216072_220045_048.png)

