동일한 엔터티에 대해 여러 AI 모델을 병렬로 실행하고, 출력 간의 필드 수준 충돌을 감지하며, 결과를 신뢰도 높은 단일 레코드로 융합합니다. 이것이 Entity Enricher의 핵심 차별점입니다: 단일 LLM에 의존하는 대신 여러 제공자에 걸쳐 교차 검증하여 최대한의 데이터 정확도를 확보합니다.
엔터티 데이터 + 스키마
독립적으로 보강합니다
독립적으로 보강합니다
독립적으로 보강합니다
모든 모델 출력에 대한 필드별 비교
규칙 기반 병합
다수결, 중앙값, 합집합
LLM 중재
AI가 추론으로 해결합니다
감사 추적이 포함된 단일 고신뢰도 레코드
강화 작업에 여러 모델을 선택하면 Entity Enricher가 동일한 엔티티 데이터와 스키마를 각 모델에 동시에 전송합니다. 각 모델은 다른 모델의 출력을 알지 못한 채 독립적으로 실행되어 진정으로 독립적인 데이터 포인트를 보장합니다.
이 시스템은 Anthropic Claude, OpenAI GPT-4, Google Gemini, Mistral 또는 Ollama를 통한 자체 호스팅 모델 등 제공자의 모든 조합을 지원합니다. 제공자별 속도 제한을 통해 각 제공자의 API 한도 내에서 처리량을 극대화하면서도 한도를 초과하지 않도록 보장합니다.
실시간 SSE 스트리밍은 각 모델이 완료될 때마다 진행 상황을 보여 주며, 다중 전문 분야 전략을 사용할 때는 전문 분야별 진행 상황도 포함됩니다. 모든 모델이 끝나기 전에 부분 결과를 확인할 수 있습니다.
모든 모델이 완료되면 충돌 감지 엔진이 출력을 필드별로 비교합니다. 이 비교는 타입을 인식하며, 필드 타입에 따라 서로 다른 비교 규칙을 사용합니다:
| 필드 유형 | 비교 방법 | 합의 규칙 |
|---|---|---|
| 문자열 / 스칼라 | 정확 일치 (정규화) | 대소문자/공백 정규화 후 모든 값이 동일해야 합니다 |
| 숫자 | 정확한 숫자 일치 | 모든 값은 동일한 숫자여야 합니다 |
| 불리언 | 정확 일치 | 모든 모델이 true/false에 동의해야 합니다 |
| 다국어 | 언어별 비교 | 각 언어 key를 독립적으로 비교합니다 |
| 배열 | 집합 비교 (순서 무시) | 순서와 관계없이 동일한 항목 |
| 객체 | 속성별 재귀 | 모든 중첩 필드가 일치해야 합니다 |
| Null 값 | null == 누락 | Null과 부재는 동일하게 취급됩니다 |
투표 규칙을 사용하는 결정론적 해결 방식입니다. 빠르고 예측 가능하며 추가 LLM 호출이 필요 없습니다.
중재 모델이 엔터티 컨텍스트와 필드 설명을 바탕으로 각 충돌을 검토한 후 구조화된 결정을 내립니다.
모든 융합된 레코드에는 완전한 출처 정보가 포함된 중재 메타데이터가 들어 있습니다:
이 메타데이터는 퓨전된 레코드와 함께 저장되고 Excel 충돌 시트로 내보내지므로, 결정의 출처가 중요한 규정 준수 워크플로에 적합합니다.
오류가 실질적인 결과를 초래하는 재무 실사, 제약 안전성 프로파일, 컴플라이언스 심사.
여러 소스에 걸쳐 정보가 상충하는 엔터티 -- 투자 금액, 설립일 또는 규제 상태를 서로 다른 소스가 다르게 보고하는 경우.
어떤 단일 모델도 완전한 지식을 갖추지 못한 경우입니다. LLM마다 서로 다른 데이터로 학습되므로 여러 모델을 실행하면 공백을 메울 수 있습니다.
다운스트림 소비자가 최종 값뿐만 아니라 각 데이터 포인트에 대한 신뢰도 점수와 출처가 필요한 경우입니다.
2개 이상의 모델을 선택해 병렬로 실행하고, 융합이 충돌을 어떻게 해결하는지 확인하세요. 월 약정 없이 직접 API 키를 사용하고 토큰 단위로 결제합니다.
무료로 시작하기