커스텀 상담원 만들기

커스텀 상담원을 만드는 방법, 시작하기 전에 준비해야 할 사항, 메시징, 의사 결정 및 고객 데이터 관리 전반에 걸쳐 상담원을 활용하는 방법에 대해 알아보세요. 자세한 내용은 Braze 에이전트를 참조하세요.

전제 조건

시작하기 전에 다음이 필요합니다:

• 워크스페이스에서 상담원 콘솔에 액세스합니다. 이 옵션이 보이지 않는다면 Braze 관리자에게 문의하세요.
• 커스텀 AI 에이전트를 만들고 편집할 수 있는 권한.
• 상담원이 달성하기를 원하는 목표에 대한 아이디어입니다. Braze 에이전트는 다음 작업을 지원할 수 있습니다:
  • 메시징: 제목란, 헤드라인, 제품 내 카피 또는 기타 콘텐츠를 생성합니다.
  • 의사 결정: 행동, 환경설정 또는 커스텀 속성을 기반으로 캔버스에서 사용자를 라우팅하세요.
  • 데이터 관리: 값을 계산하거나, 카탈로그 항목을 보강하거나, 프로필 필드를 새로고침할 수 있습니다.

작동 방식

에이전트를 만들 때 에이전트의 목적을 정의하고 에이전트가 어떻게 작동해야 하는지에 대한 가드레일을 설정합니다. 유지 시간이 지나면 에이전트를 Braze에 배포하여 개인화된 사본을 생성하고, 실시간 의사 결정을 내리거나, 카탈로그 필드를 업데이트할 수 있습니다. 대시보드에서 언제든지 상담원을 일시 중지하거나 업데이트할 수 있습니다.

상담원 만들기

커스텀 상담원을 만들려면 다음과 같이 하세요:

1. Braze 대시보드에서 상담원 콘솔 > 상담원 관리로 이동합니다.
2. 상담원 만들기를 선택합니다.
3. 팀이 목적을 이해하는 데 도움이 되는 이름과 설명을 입력하세요.
4. 상담원이 사용할 모델을 선택합니다.

Braze에서 커스텀 상담원을 만들기 위한 상담원 콘솔 인터페이스입니다. 화면에 상담원 이름과 설명을 입력하고 모델을 선택할 수 있는 필드가 표시됩니다.]( /docs/ko/assets/img/ai_agent/create_custom_agent.png?f59d05649740353579935bb7b0d55601 )

1. 상담원에게 지침을 제공합니다. 지침은 작성 지침을 참조하세요.
2. 상담원 출력을 테스트하고 필요에 따라 지침을 조정합니다.
3. 준비가 완료되면 상담원 생성을 선택하여 상담원을 활성화합니다.

다음 단계

이제 에이전트를 사용할 준비가 되었습니다! 자세한 내용은 상담원 배포하기를 참조하세요.

참조

모델

상담원을 설정할 때 응답을 생성하는 데 사용할 모델을 선택합니다. 두 가지 옵션이 있습니다:

옵션 1: Braze 구동 모델 사용

이 옵션은 별도의 설정이 필요 없는 가장 간단한 옵션입니다. Braze는 대규모 언어 모델(LLM)에 직접 액세스할 수 있습니다. 이 옵션을 사용하려면 자동을 선택합니다.

옵션 2: API 키 가져오기

이 옵션을 사용하면 OpenAI, Anthropic, AWS Bedrock 또는 Google Gemini와 같은 제공업체에 Braze 계정을 연결할 수 있습니다. LLM 제공업체로부터 API 키를 직접 가져오는 경우, 비용은 Braze가 아닌 제공업체를 통해 직접 청구됩니다.

설정하려면 다음과 같이 하세요:

1. 파트너 통합 > 기술 파트너로 이동하여 제공업체를 찾습니다.
2. 공급업체에서 받은 API 키를 입력합니다.
3. 저장을 선택합니다.

그런 다음 상담원에게 돌아가서 모델을 선택할 수 있습니다.

작성 지침

안내는 상담원에게 제공하는 규칙이나 가이드라인입니다(시스템 프롬프트). 에이전트가 실행될 때마다 에이전트가 어떻게 작동해야 하는지 정의합니다. 시스템 지침은 최대 10KB까지 가능합니다.

• best practices
• examples

1
2
3
4
5
6
7
From the survey text, classify overall sentiment toward product quality, delivery, and price as Positive, Neutral, or Negative
Always output a single string with just one label.
If any category is missing or unclear, treat it as Neutral.
If sentiment across categories is mixed, return Neutral.

Example Input: “The product works great, but shipping took forever and the cost felt too high.”
Example Output: Neutral

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
You are a customer research AI for a retail brand.  
Input: one open-text survey response from a user.  
Output: A single structured JSON object with:  
- sentiment (Positive, Neutral, Negative)  
- topic (Product, Delivery, Price, Other)  
- action_recommendation (Route: High-priority follow-up | Low-priority follow-up | No action)  

Rules:  
- Always return valid JSON.  
- If the topic is unclear, default to Other.  
- If sentiment is mixed, default to Neutral.  
- If sentiment is Negative and topic = Product or Delivery → action_recommendation = High-priority follow-up.  
- Otherwise, action_recommendation = Low-priority follow-up.  

Example Input:  
"The product works great, but shipping took forever and the cost felt too high."  

Example Output:  
{  
  "sentiment": "Neutral",  
  "topic": "Delivery",  
  "action_recommendation": "High-priority follow-up"  
}  

상담원 테스트

라이브 프리뷰 창은 구성 환경 내에서 나란히 있는 패널로 표시되는 상담원의 인스턴스입니다. 에이전트를 만들거나 업데이트하는 동안 이를 사용하여 최종 사용자와 유사한 방식으로 에이전트를 테스트할 수 있습니다. 이 단계를 통해 예상한 대로 작동하는지 확인할 수 있으며, 라이브를 시작하기 전에 미세 조정할 수 있습니다.

커스텀 상담원을 테스트하기 위한 라이브 프리뷰 창을 보여주는 상담원 콘솔. 인터페이스에는 예시 고객 데이터가 있는 샘플 입력 필드, 테스트 실행 버튼, 상담원 출력이 표시되는 응답 영역이 표시됩니다.]( /docs/ko/assets/img/ai_agent/custom_agent_test.png?cbcb4a30220153b8c967916bb89219ee )

1. 샘플 입력 필드에 상담원이 처리할 실제 시나리오를 반영하는 고객 데이터나 고객 응답의 예시를 입력합니다.
2. 테스트 실행을 선택합니다. 에이전트가 구성에 따라 실행되고 응답을 표시합니다. 테스트 실행은 일일 및 총 호출 한도에 포함됩니다.

비판적인 시각으로 결과물을 검토하세요. 다음 질문을 고려하세요:

• 카피가 브랜드에 어울리는 느낌인가요?
• 의사 결정 로직이 의도한 대로 고객을 라우팅하나요?
• 계산된 값이 정확한가요?

뭔가 이상하다고 느껴지면 상담원의 구성을 업데이트하고 다시 테스트하세요. 몇 가지 다른 입력을 실행하여 에이전트가 여러 시나리오, 특히 데이터가 없거나 잘못된 응답과 같은 엣지 케이스에 어떻게 적응하는지 확인하세요.