Botpress 엔진
이것이 다른 AI 엔진과 다른 점은 무엇인가요?
모든 AI 플랫폼은 LLM을 사용합니다. 하지만 그렇다고 해서 모두가 고객에게 동일한 수준의 AI 품질을 제공하는 것은 아닙니다.
우리 말을 믿지 마세요. 직접 측정해 보세요.
우리는 Botpress Engine을 저렴한 LLM에서 실행한 후, 업계 표준의 고가 LLM에서 실행한 결과와 비교했습니다. (네, 그만큼 자신 있습니다.)
2017년부터 AI 퍼스트.
우리는 LLM 개발로 시작했습니다.
이제 그 깊은 기술 전문성을 바탕으로 여러분이 고객을 더 잘 응대할 수 있도록 돕고 있습니다.
모든 에이전트 동작에 대해 툴 호출 대신 직접 코드 실행을 사용합니다.
모든 툴에서 LLM이 정확히 무엇을 기대해야 하는지 알려주는 스키마 라이브러리입니다.
사람의 피드백을 통해 에이전트의 정확도를 지속적으로 향상시킵니다.
LLMz 프레임워크
툴 호출이 아닌 코드 실행
대부분의 AI 에이전트는 툴 호출을 통해 세상과 상호작용합니다. 즉, LLM이 도구를 선택(주문 조회나 고객 기록을 가져올 때), 응답을 받고, 다음 도구를 선택하고, 이 과정을 반복합니다.
우리는 이렇게 하지 않습니다.
왜일까요? LLM은 툴 호출보다 코드를 작성하는 데 훨씬 뛰어나기 때문입니다.
그래서 LLMz Framework에서는 툴 호출 대신 여러분의 자연어 지시가 코드로 변환됩니다. 구체적으로는 Typescript로 변환됩니다.
즉, 요청에 여러 요소가 있다면(예: 고객 기록을 가져오고 그 다음 주문 상태를 조회하는 경우), 각각을 따로 툴 호출하는 대신 모든 요청을 하나로 묶어 처리합니다.
이게 고객에게 어떤 의미일까요?
더 비용 효율적임
당연히, 요청마다 실행을 한 번만 하면 각 작업마다 별도 요청을 보내는 것보다 비용이 적게 듭니다.
(경쟁사들이 왜 이렇게 하지 않는지 묻지 마세요. 저희도 모릅니다.)
더 안전한 추론
이렇게 코드로 구성된 하나의 큰 요청이기 때문에, LLM은 진행 중에 오류를 감지하고 수정할 수 있습니다. 단계 1에서의 가정이 단계 3에서 오류로 이어지는 일이 줄어듭니다.
ZUI 라이브러리
최선의 추측이 아닌, 정확한 출력
여러분의 AI 에이전트는 고객을 돕기 위해 도구를 사용합니다 — 예를 들어 CRM을 통해 고객 기록을 가져오는 것처럼요.
여러 도구가 필요한 요청(예: 고객 기록을 가져오고 그 다음 주문 상태를 확인하는 경우)에서는 LLM이 도구의 반환값을 추측할 때가 있습니다.
그리고 10단계의 툴을 연속으로 호출하면, 이런 추측이 누적되어 실패로 이어질 수 있습니다.
ZUI 라이브러리는 모든 도구에 엄격하게 정의된 출력값을 강제합니다. 그래서 LLM은 항상 어떤 결과가 반환될지 정확히 알 수 있습니다.
즉, 여러분의 AI 에이전트는 여러 단계가 필요한 요청도 매우 안정적으로 처리할 수 있습니다.
그리고 솔직히 대부분의 요청은 여러 단계를 포함합니다. 그래서 저희는 이 부분을 매우 중요하게 생각합니다.
툴 호출 vs. ZUI 라이브러리
표준 LLM 출력
LLM이 툴의 반환값을 추측합니다. 여러 동작이 연쇄적으로 이어질 때, 잘못된 입력이 누적되어 오류가 쌓이고, 에이전트가 진단하기 어려운 방식으로 실패할 수 있습니다.
ZUI 라이브러리 사용 시
모든 툴이 LLM이 신뢰할 수 있는 정확한 출력을 제공합니다. 동작이 깔끔하게 연결되고, 모델은 항상 다루는 데이터를 정확히 알며, 복잡한 다단계 작업도 안정적으로 실행됩니다.
ZAI 학습 루프
누적되는 피드백
대부분의 AI 플랫폼은 AI 에이전트가 시간이 지남에 따라 실질적으로 개선될 수 있는 메커니즘이 없습니다.
하지만 Botpress에는 모든 구성 요소에 피드백 레이어가 내장되어 있습니다: ZAI 러닝 루프.
우리의 러닝 루프는 “너무 격식적이야” 또는 “환불 처리 후에만 CRM을 업데이트해”와 같은 자연어 피드백을 받아, 사용 중인 시스템에 다시 반영합니다.
실제로 ZAI 학습 루프는 다음과 같은 의미입니다:
피드백을 주면 즉시 실제 개선이 이루어집니다.
AI 에이전트가 시간이 지날수록 점점 더 똑똑해집니다.
AI 에이전트가 같은 실수를 두 번 반복하지 않습니다.
