품질 관리와 인간 개입을 포함한 노드 기반 멀티 에이전트 고객 지원 워크플로

실용적 조언

고객 지원 시스템 설계 시 Gemini 3 Flash Preview를 분류 및 QA 용도로 사용하면 비용을 절감할 수 있다.
리스크가 있는 응답에는 반드시 Human Approval 노드를 추가하여 사고를 방지하라.

섹션별 상세

시스템은 고객 메시지를 입력받아 Classifier 에이전트가 구조화된 라벨로 분류하는 단계부터 시작한다. Gemini 3 Flash Preview 모델이 텍스트를 분석하여 기술 지원이나 결제 문의 등으로 식별하면, 이 라벨 데이터가 원문과 함께 다음 단계로 전달된다. 분류 작업에 가벼운 모델을 사용하여 효율성을 높이면서도 후속 프로세스의 정확도를 보장하는 구조이다.

Responder 에이전트는 Gemini 2.5 Pro 모델을 사용하여 복잡한 추론과 초안 작성을 수행한다. 이전 단계에서 생성된 분류 정보와 고객 메시지를 종합하여 상황에 맞는 최적의 답변 초안을 생성하는 역할을 맡는다. 고성능 모델을 답변 생성 단계에 배치하여 응답의 품질과 논리적 일관성을 확보했다.

생성된 초안은 QA Reviewer 에이전트에 의해 다시 한번 검증 및 정제 과정을 거친다. Gemini 3 Flash Preview 모델이 답변이 회사의 표준을 준수하는지 평가하고 더 세련된 문장으로 다듬는 작업을 수행한다. 에이전트 간의 상호 검토를 통해 AI가 발생시킬 수 있는 오류나 부적절한 표현을 사전에 필터링한다.

최종 출력 전 단계에는 중간 위험 시나리오를 대비한 인간 승인(Human approval) 노드가 배치되어 있다. AI가 생성하고 검토한 답변이라도 실제 고객에게 발송되기 전 상담원이 수동으로 검토하고 승인해야만 최종 전송이 이루어진다. 이는 직접적인 고객 상호작용에서 발생할 수 있는 리스크를 관리하기 위한 필수적인 가드레일로 작동한다.

용어 해설

멀티 에이전트 아키텍처(Multi-Agent Architecture): — 하나의 거대한 모델 대신 특정 작업에 특화된 여러 AI 에이전트가 협력하여 복잡한 문제를 해결하는 구조이다. 각 에이전트가 분류, 답변 생성, 검토 등 분업화된 역할을 수행함으로써 전체 시스템의 정확도와 제어 가능성을 높인다.
인간 참여형 루프(Human-in-the-Loop): — AI의 자동화 프로세스 중간에 인간의 개입 단계를 포함시키는 설계 방식이다. AI가 생성한 결과물을 최종 전송하기 전 사람이 검토하고 승인하게 함으로써 오류를 방지하고 안전성을 확보하는 가드레일 역할을 한다.
분류 에이전트(Classifier Agent): — 입력된 텍스트 데이터를 분석하여 사전에 정의된 카테고리나 라벨로 분류하는 특화된 AI 유닛이다. 고객 문의가 기술 지원인지 결제 관련인지 식별하여 이후 적절한 처리 경로를 결정하는 기초 데이터를 생성한다.

언급된 도구

google/gemini-3-flash-preview추천

텍스트 분류 및 QA 리뷰

google/gemini-2.5-pro추천

복잡한 추론 및 답변 초안 생성

언급된 리소스

DemoSupport Triage Template Canvas