사용자 지정 지식 베이스를 TextCortex ZenoChat에 연결하면 팀은 검증된 조직 데이터를 기반으로 생성형 AI의 결과물을 생성할 수 있으며, 범용 모델의 답변을 정확하고 맥락이 풍부한 작성 및 신속한 리서치 워크플로로 대체할 수 있습니다. 제품 사양서, 브랜드 가이드라인, 고객 피드백, 사내 연구 보고서와 같은 내부 문서를 전용 지식 저장소에 중앙 집중화함으로써, 팀은 데이터 프라이버시를 침해하거나 환각(hallucination) 위험 없이 복잡한 문서 세트를 조회하고 타깃 맞춤형 콘텐츠를 생성하며 반복적인 분석 업무를 자동화할 수 있습니다.
TextCortex의 지식 베이스 작동 방식
TextCortex는 검색 증강 생성(Retrieval-Augmented Generation, RAG)을 활용하여 독점 문서를 대화형 AI 워크스페이스인 ZenoChat에 직접 연결합니다. 파운데이션 모델을 재학습하거나 미세 조정(fine-tuning)하는 대신, 시스템은 업로드된 문서를 벡터 표현으로 인덱싱합니다. 사용자가 ZenoChat에 프롬프트를 입력하면 플랫폼은 지정된 지식 베이스에서 의미론적으로 가장 관련성이 높은 텍스트 구절을 검색하여 프롬프트와 함께 모델의 컨텍스트 창에 제공합니다.
이러한 아키텍처는 다음과 같은 즉각적인 운영상의 이점을 제공합니다.
- 엄격한 사실 기반 근거: 답변은 연결된 파일의 특정 발췌문을 참조하므로 팀원은 사내 원본 자료와 대조하여 내용을 직접 검증할 수 있습니다.
- 동적 콘텐츠 업데이트: 사내 문서가 변경됨에 따라 고비용의 모델 미세 조정 과정 없이도 파일을 업데이트하거나 교체할 수 있습니다.
- 데이터 기밀성 유지: 업로드된 문서는 팀 전용 워크스페이스 내에 격리되어 유지되며, 공개 모델이나 파운데이션 언어 모델의 학습에 사용되지 않습니다.
단계별 설정 가이드: 지식 베이스를 ZenoChat에 연결하기
사용자 지정 지식 베이스를 설정하려면 TextCortex 워크스페이스 내의 관리자 권한 또는 생성자 권한이 필요합니다. 전체 프로세스는 저장소 생성, 데이터 수집, 채팅 활성화로 구성됩니다.
1. 전용 지식 베이스 생성
새로운 지식 저장소를 구축하는 방법은 다음과 같습니다.
- TextCortex 웹 애플리케이션에 로그인합니다.
- 왼쪽 탐색 사이드바에서 Knowledge 섹션으로 이동합니다.
- Knowledge Bases 탭을 선택하고 + New 버튼(또는 Create your knowledge base)을 클릭합니다.
Product Specs - Q3,Brand Voice & Editorial,Enterprise Sales Playbooks등과 같이 저장소의 범위와 대상을 반영하는 설명이 포함된 이름을 지정합니다.- 워크스페이스 공개 범위를 정의합니다. 개인 리서치를 위해 비공개로 설정하거나 특정 팀원 및 조직 워크스페이스 전체와 공유하도록 구성합니다.
2. 데이터 소스 수집 및 외부 연동
TextCortex는 다양한 엔터프라이즈 데이터 아키텍처를 수용할 수 있도록 여러 데이터 수집 방식을 지원합니다.
- 직접 파일 업로드: PDF, DOCX, CSV, PPTX, TXT를 포함한 표준 비즈니스 형식의 문서를 업로드합니다. 직접 업로드는 정적 참조 문서, 백서, 재무 보고서, 정형화된 스프레드시트에 적합합니다.
- 클라우드 스토리지 커넥터: Google Drive 및 Microsoft OneDrive와 같은 타사 클라우드 저장소를 연결합니다. 이를 통해 ZenoChat은 공유 폴더에 액세스하고 업데이트된 프로젝트 파일을 직접 가져올 수 있습니다.
- 엔터프라이즈 지식 허브: Notion, Microsoft SharePoint, Confluence를 포함한 협업 플랫폼을 연결합니다. 팀은 가져올 특정 워크스페이스, 페이지 또는 사이트를 선택할 수 있습니다.
- 사용자 지정 웹 URL: 공개 웹사이트 URL 또는 설명서 페이지를 입력합니다. TextCortex는 텍스트 콘텐츠를 스크랩하고 인덱싱하여 기술 문서, 공개된 경쟁사 페이지, 규제 관련 공시 자료 등을 즉시 검색 가능하게 만듭니다.
소스가 추가되면 TextCortex가 파일을 처리하고 인덱싱합니다. ZenoChat에서 지식 베이스를 조회하기 전에 동기화 상태가 Active로 표시되는지 확인하십시오.
3. ZenoChat에서 지식 베이스 활성화
데이터 인덱싱이 완료되면 팀원은 여러 상호 작용 모드를 통해 ZenoChat 세션에 지식 베이스를 연결할 수 있습니다.
- 전역 지식 토글: ZenoChat 대화 창 내 채팅 설정 표시줄에서 Knowledge 또는 Enable Search 토글을 클릭한 다음, 전체 대화 스레드의 활성 검색 소스로 사용할 하나 이상의 지식 베이스를 선택합니다.
- 컨텍스트 멘션(
@ Add Context): Auto Mode에서 메시지 입력창에@를 직접 입력하면 컨텍스트 선택 메뉴가 나타납니다. 특정 지식 베이스, 개별 문서 또는 외부 소스를 선택하여 단일 질의에 대한 검색 범위를 한정할 수 있습니다. - 채팅 내 빠른 업로드: 일회성 분석을 위해 단일 파일을 ZenoChat 입력 필드로 직접 드래그 앤 드롭합니다. 활성 세션 중에 업로드된 파일은 나중에 Upload History 패널을 통해 기존 지식 베이스에 영구적으로 저장할 수 있습니다.
| 데이터 소스 유형 | 지원 형식 / 서비스 | 팀 내 주요 사용 사례 | 동기화 방식 |
|---|---|---|---|
| 직접 문서 업로드 | PDF, DOCX, CSV, PPTX, TXT | 고정 매뉴얼, 분기별 공시 자료, 연구 논문 | 수동 재업로드 또는 버전 덮어쓰기 |
| 클라우드 스토리지 | Google Drive, Microsoft OneDrive | 활성 팀 드라이브, 공유 에셋, 공동 작업 초안 | 자동 / 예약 클라우드 동기화 |
| 워크스페이스 위키 | Notion, SharePoint, Confluence | 사내 엔지니어링 SOP, 인사 정책, 영업 플레이북 | 계정 수준 연동 동기화 |
| 실시간 웹페이지 | 공개 HTTPS URL | 경쟁사 페이지, API 참조 문서, 규제 포털 | 온디맨드 URL 크롤링 및 인덱싱 |
실무 워크플로: 맥락 중심의 작성 및 리서치
지식 베이스를 연결하면 ZenoChat은 단순한 대화형 챗봇에서 엔터프라이즈 맞춤형 리서치 및 문서 작성 보조 도구로 전환됩니다.
1. 사실에 입각한 콘텐츠 제작 및 문체 일관성 유지
마케팅 및 커뮤니케이션 팀은 여러 작성자 간에 일관된 브랜드 보이스를 유지하는 데 어려움을 겪는 경우가 많습니다. 브랜드 가이드라인, 메시징 매트릭스, 이전의 우수 콘텐츠를 ZenoChat에 연결하면 작성자는 다음과 같은 작업을 수행할 수 있습니다.
- 브랜드 규정을 준수하는 카피 작성: 정의된 어조, 스타일, 용어 제약 조건을 자연스럽게 따르는 블로그 게시물, 이메일 시퀀스, 보도자료를 작성합니다.
- 핵심 자료의 재가공: 긴 기술 백서나 제품 사양 PDF를 기술적 뉘앙스를 유지하면서 고객용 원페이저, 임원용 요약본, 소셜 미디어 게시물 등으로 변환합니다.
- 제품 정보의 정확성 확보: 모든 제품 관련 설명을 공식 사양서에 기반하도록 하여, 작성자가 실수로 없는 기능을 꾸며내거나 가격 정책을 잘못 기재하는 것을 방지합니다.
2. 다중 문서 종합 분석 및 정성적 리서치
연구, 제품 기획, 전략 팀은 수백 페이지를 직접 읽지 않고도 방대한 문서를 효율적으로 분석할 수 있습니다.
- 문서 간 팩트 추출: 업로드된 여러 파일에 걸쳐 비교 질문을 ZenoChat에 던져 각 지역별 로드맵 간에 충돌하는 제품 요구 사항 등을 식별합니다.
- 정형 데이터 요약: CSV 데이터 세트나 설문조사 기록을 분석하여 반복되는 고객 피드백 주제, 사용자 기능 요청 또는 경쟁사 언급을 파악합니다.
- 검증 가능한 출처 인용: ZenoChat의 인라인 인용을 검토하여 생성된 답변의 근거를 원본 문서의 정확한 섹션까지 추적함으로써, 경영진 보고 전에 모든 분석 결과를 검증할 수 있습니다.
3. 역할별 맞춤형 AI 페르소나 구축
팀은 지식 베이스를 TextCortex의 Custom Personas(맞춤형 페르소나)와 결합하여 활용 효과를 극대화할 수 있습니다.
- 영업 지원 페르소나: 컨설팅 영업 기법이 프로그래밍된 페르소나에 제품 가격표, 경쟁사 비교 배틀카드, 고객 성공 사례가 포함된 지식 베이스를 결합합니다.
- 고객 지원 페르소나: 공감 능력이 높고 간결한 커뮤니케이션 스타일에 기술 문제 해결 매뉴얼 및 환불 정책 문서를 연결하여 고객 문의 답변을 신속하게 작성합니다.
- 테크니컬 라이터 페르소나: 공식 기술 문체로 작성하도록 설정된 AI 페르소나가 엔지니어링 API 문서만을 참조하도록 하여 개발자 가이드 및 릴리스 노트를 작성하도록 합니다.
지식 구조화 및 팀 거버넌스를 위한 모범 사례
검색 정확도를 극대화하고 조직 전체의 데이터 무결성을 유지하기 위해 팀은 다음과 같은 운영 지침을 준수해야 합니다.
깔끔하고 구조화된 입력 데이터 관리
TextCortex는 비정형 텍스트를 효율적으로 처리하지만, 검색 품질은 입력 데이터의 명확성과 직결됩니다.
- 중복 초안 제거: 동일한 지식 베이스에 문서의 중복 버전이나 사용되지 않는 버전을 업로드하지 마십시오. 상충되는 정보는 답변의 정확도를 저하시킵니다.
- 명확한 제목 및 메타데이터 사용: 업로드된 DOCX 및 PDF 파일에 시맨틱 제목 구조(H1, H2, H3)가 포함되도록 하여 벡터화 엔진이 논리적 주제별로 문서를 효과적으로 분할(청킹)할 수 있도록 돕습니다.
- 도메인별 지식 베이스 세분화: 회사 전체를 위한 단일 저장소를 만드는 대신 부서나 프로젝트 단위로 지식 베이스를 분할합니다(예:
Legal & Compliance,Customer Success SOPs,Product Engineering).
구체적이고 맥락을 고려한 프롬프트 작성
연결된 지식 베이스의 활용 가치를 극대화하는 방법은 다음과 같습니다.
- 대상 문서 명시: 여러 파일이 포함된 지식 베이스에서 작업할 때는 프롬프트에 관련 자산을 명시적으로 지정합니다(예: "2분기 고객 피드백 CSV를 바탕으로 가장 많이 보고된 온보딩 병목 현상 3가지는 무엇인가요?").
- 출력 형식 정의: Markdown 비교표, 글머리 기호 요약 보고서, 단계별 구현 체크리스트 등 정형화된 출력 형식을 요청합니다.
- 불확실성에 대한 모델 지침 설정: "제공된 지식 베이스에만 근거하여 답변하십시오. 정보가 없는 경우 확인이 어렵다고 명시하십시오"와 같은 지침을 추가하여 무분별한 추측을 방지합니다.
엔터프라이즈 보안 및 접근 제어 유지
기업 환경 배포 시에는 민감한 지적 재산에 대해 명확한 보안 경계를 설정해야 합니다.
- 역할 기반 접근 관리: 보상 지침이나 미공개 지적 재산과 같은 민감한 저장소에 대한 접근 권한은 권한이 부여된 팀 관리자로 제한합니다.
- 활성 연결 정기 검토: 연결된 클라우드 드라이브 및 Notion 연동을 주기적으로 감사하여 퇴사한 직원이 공유 워크스페이스 지식 베이스로의 활성 데이터 피드를 유지하지 못하도록 관리합니다.
- 규정 준수(컴플라이언스) 유지: 수집된 모든 문서가 고객 개인식별정보(PII) 보호 및 사내 데이터 분류 기준과 관련된 회사 컴플라이언스 정책을 준수하는지 확인합니다.