User Relevance Signal 도입을 통한 AI 요약 품질 최적화 전략

Context

기존 AI 회의록 도구는 전체 오디오를 전사한 후 단순 추출식 요약을 수행하는 모델에 의존함. 이러한 방식은 인간의 판단 기준이 결여되어 실제 업무에 즉시 활용 가능한 고밀도 요약본 생성에 한계가 존재함.

Technical Solution

• notes = summarize(transcribe(audio)) 구조의 단순 전사-요약 파이프라인 탈피
• notes = enhance(user_bullets, transcribe(audio)) 형태의 조건부 생성 구조 설계
• 사용자가 입력한 불렛 포인트(User Bullets)를 Relevance Signal로 활용하여 LLM의 컨텍스트 윈도우 내 우선순위 지정
• 인간의 판단이 개입된 seed 데이터를 통해 모델이 중요 정보를 식별하도록 유도하는 Conditioning 기법 적용
• 원본 전사 데이터(Raw Transcript)를 보조 수단으로 활용하여 누락된 세부 수치 및 맥락을 보충하는 증강 구조 채택
• 오디오 데이터의 일시적 활용 후 삭제를 통한 데이터 처리 효율성 및 프라이버시 최적화