@ GS칼텍스VOC AI 대시보드 - GS칼텍스
VOC AI 대시보드 단독 설계·구현 — 수작업 → 1000+/day 자동 분류, 4채널 통합
마케터의 자유로운 한 줄을, 좋은 결과 그리고 법률 통과로 이어지는 정형 입력으로 번역한 사례.
마케터 손에 쥐어진 LLM은 "광고 문구 써줘" 한 줄을 받아 generic한 결과를 돌려줬다. 좋은 결과는 타겟·톤·용도·브랜드 맥락이 들어간 입력에서만 나왔는데, 그 맥락을 매번 정확하게 적어 넣는 일은 마케터의 본업이 아니었다. 답은 마케터에게 "프롬프트 엔지니어링"이라는 새 스킬을 가르치는 게 아니라, 입력 자체를 시스템 쪽에서 정형화해 주는 쪽이었다.
그리고 카피의 품질만 올린다고 끝이 아니었다. 광고는 표시광고법·심의 가이드를 통과해야 비로소 "쓸 수 있는 카피"였고, 그 체크를 매번 사람이 돌리는 건 비현실적이었다. 정형화의 끝점은 입력이 아니라 출력 검증까지였다.
관찰 노트
자유 입력이 자유롭지 않았다
"광고 문구 써줘" 한 줄로는 결과가 매번 generic했다
맥락이 입력에서 빠져 있었다
타겟·톤·용도·브랜드 4축 중 보통 1~2축만 채워져 들어왔다
프롬프트 엔지니어링은 본업이 아니었다
마케터에게 새 스킬 학습을 강요해선 답이 안 나왔다
카피 통과 ≠ 광고 통과
표시광고법·심의 가이드 체크를 매 카피마다 사람이 돌리고 있었다
tradeoff표현 자유도 ↓ vs 결과 일관성 ↑ — 일관성을 택함
사용자가 고른 옵션 조합을 받아, 시스템이 검증된 프롬프트 템플릿으로 합성. UI에는 옵션 6~7개만 노출되고, 그 뒤에서 정형화된 프롬프트가 작동. OpenAI · Claude 등 다중 모델을 톤·용도별로 분기해 비용·속도·결과 톤 트레이드오프를 시스템이 결정.
tradeoff사람 1:1 체크(정확하지만 느림+누락) vs RAG 자동(속도·커버리지 ↑, 시스템 보조 도구로 정의)
Spring Boot 3 + WebFlux로 LLM 응답 지연을 비동기로 흡수. 한 요청이 여러 톤 변형을 동시 호출해도 대기 시간이 누적되지 않게 했다. 리조트 광고 배너 케이스로 톤·길이·키워드 변수 조합을 돌려 합격선을 찾고, 그 패턴을 시스템 기본값으로 고정.

입력 형태
자유 → 선택형
6~7 옵션 분기
프롬프트 작성
사용자 → 백엔드
템플릿 합성 + 모델 분기
법률 체크
사람 → RAG
표시광고법·심의 가이드 임베딩
튜닝 방식
추측 → 실험 고정
리조트 배너 케이스
“자유로운 한 줄 입력을 정형화된 시스템 입력으로 번역해, 마케터에게 AI 를 숨겨준 풀스택 엔지니어.”
마케터의 진짜 부담은 카피 작성만이 아니라 광고 법률 통과까지였다
선택형 UI + 백엔드 프롬프트 합성 + RAG 기반 광고심의 적합 판단
MVP 구축, 리조트 배너 실험으로 합격 패턴 고정, 사람이 돌리던 법률 체크를 시스템이 가져감
More work