LLM Wiki를 만들었는데, 여전히 사람이 문서를 최신화하고 있다면 문제는 그대로입니다.

여러 데이터를 연결하고
RAG를 붙여 질문에 답하게 만드는 것까지는 어렵지 않습니다.

그런데 정책이 바뀔 때마다 누군가는 관련 문서를 찾아 고쳐야 하고,
미처 고치지 못한 문서는 AI가 계속 참고합니다.

결국 AI를 도입했지만
AI가 읽을 지식을 관리하는 일은 여전히 사람의 몫입니다.

Catch Up은 문서가 바뀌어야 할 때 먼저 움직입니다.

새로운 정책, 기능 업데이트, 고객 요구가 들어오면
AI가 기존 지식과 비교해 영향받는 문서를 찾고
원문 근거가 붙은 변경안을 만듭니다.
담당자는 최종 반영 여부만 결정합니다.

AI가 문서를 마음대로 고치게 하지는 않습니다.
검토 없는 자동 갱신은 위키를 최신으로 만드는 것이 아니라,
아무도 믿지 않는 문서를 더 빠르게 만들 뿐이기 때문입니다.

위키가 계속 최신이면 두 가지가 달라집니다.
최신 정보를 확인하러 다니는 시간이 사라지고,
고객 문의 대응 자동화를 믿을 수 있게 됩니다.

응대 초안의 품질은 결국
AI가 참고하는 지식의 최신성이 결정하니까요.

8월에는 두 팀에 한해,
진단부터 첫 번째 LLM Wiki 구축까지 직접 진행합니다.

지식이 어디에서 낡고 있는지,
어떤 업무부터 시작해야 효과가 나는지 짚어드립니다.

LLM Wiki를 구축하고 있거나,
만들었지만 최신화에서 막히고 있다면
댓글에 “진단”이라고 남겨주세요.

DM으로 몇 가지 여쭤보면서
어디서부터 시작해야 할지 함께 논의해보면 좋겠습니다.

무료 진단 신청하기 - https://tally.so/r/QKa0JX