상주형 AI 에이전트가 여러 채널에서 같은 질문을 받았을 때의 중복 감지 및 통일화 설계

Slack / Teams / Chatwork / 이메일 등 여러 채널에 상주하는 AI 에이전트를 만들 경우, 단일 채널 운영에서는 발생하지 않았던 문제에 직면하게 됩니다. 바로 같은 이용자가 같은 내용의 질문을 여러 개의 채널에 거의 동시에 던지는 케이스입니다. Slack에서 물어본 후 5분 뒤에 답장이 오지 않아 만약을 대비해 이메일로도 묻거나, 상사에게도 같은 내용을 채팅으로 상담하는 경우처럼요. 이용자 측에는 악의가 없더라도 에이전트 측은 이를 '별개의 질문'으로 취급하여 미묘하게 표현만 다른 두 개의 답변을 돌려줄 수 있습니다. 본 기사에서는 채널을 넘나드는 중복 질문을 어떻게 감지하고, 답변을 어떻게 통일화할지 정리합니다.

왜 채널 단위의 중복 제거만으로는 부족한가

앞서 설명드린 스케일 아웃(scale out) 시 이중 응답 방지는 '동일 이벤트가 여러 인스턴스에 도달하는' 문제에 대한 대응이었습니다. 하지만 이번 문제는 레이어가 다릅니다.

• 질문 자체는 각 채널에서 고유한 이벤트이므로, 이벤트 ID의 중복 제거로는 감지할 수 없습니다.
• 발언자는 동일 인물이라도 채널별로 다른 사용자 ID 체계(Slack ID / 이메일 주소 / Teams AAD ID)를 가지고 있어, 단순히 '동일 인물인지'조차 판정하기 어렵습니다.
• 표현이 완전히 일치하는 경우는 거의 없으며, '내일 정례 회의 몇 시였죠?'와 '내일 회의 시간 알려주세요'처럼 말투가 흔들립니다.

즉 필요한 것은 이벤트 단위의 중복 제거가 아니라, '동일 인물' × '의미적으로 같은 질문' × '짧은 시간'의 조합을 감지하는 의미적 중복 감지입니다.

패턴 1: 채널 전반의 ID 해결을 먼저 완료하기

질문의 중복을 보기 전에, 애초에 '어떤 채널의 누가 회사 내 동일 인물에 해당하는가'를 해결해 두어야 합니다.

type IdentityLink = {
personId: string; // 사내에서 고유한 인물 ID
channelAccounts: {
...

이 ID 해결 테이블은 SSO 연동이나 디렉터리 서비스(Azure AD 등)로부터 기계적으로 구축할 수 있는 부분과, 첫 문의 시

• 채널을 넘나드는 중복 질문은 이벤트 단위의 중복 제거만으로는 감지할 수 없으며, ID 해결과 의미적 유사성(semantic similarity) 모두가 필요합니다.
• 채널 간 ID 해결은 SSO 연동과 임의 등록이라는 2단계 구조로 무리 없이 구축할 수 있습니다.
• 경과 시간과 유사도 점수를 곱하여 중복 판정의 임계값을 단계적으로 설정합니다.
• 중복으로 판정되면 새로운 표현으로 다시 답변하지 않고, 이전에 제공된 답변을 일관되게 인용합니다.
• 중복 감지 축적 데이터는 FAQ 자동 생성 자료로 그대로 재활용할 수 있습니다.

상주 에이전트가 처리하는 채널이 늘어날수록 '어디서 무엇을 질문받았고, 어떻게 답변했는지'를 가로질러 파악하는 설계의 중요성은 커집니다.

필자는 Slack / Teams / Chatwork에 상주하며 여러 채널에 걸친 문의나 지식을 통합적으로 다루는 AI 에이전트 HACH를 개발하고 있으며, 채널 간 일관성 확보는 이중 응답 방지 및 인용 출처 명시와 더불어 운영상 중요한 관점이라고 생각합니다.

Discussion