받은 편지함이 응답한 모든 사람에게 두 개의 새 이메일을 돋보이게 하는 디지털 Hydra처럼 느껴본 적이 있습니까? ?? 기술에 열광하는 동료 여러분, 저는 비밀 무기인 인공 지능으로 이 괴물을 상대하기로 결정했습니다! ??️

유레카 순간

이렇게 생각해 보세요. 새벽 3시, 저는 빈 커피잔에 둘러싸여 있습니다. 찻잔 찻잔 찻잔에 둘러싸여 용량 면에서 의회 도서관과 맞먹는 편지함을 바라보고 있습니다. AI가 체스 그랜드마스터를 이길 수 있다면 확실히 이 이메일 미로를 정리하는 데 도움이 될 수 있다는 생각이 들었습니다. 그렇죠?

AI 이메일 위스퍼러를 입력하세요

그래서 저는 소매를 걷어붙이고 AI 기반 이메일 처리 시스템을 만드는 데 뛰어들었습니다. 커피 타임을 요구하지 않는 지치지 않고 매우 똑똑한 인턴을 갖는 것으로 생각하십시오. 이 놀라운 디지털 작품의 작동 방식은 다음과 같습니다.

1. 모든 것을 보는 눈 ?️: 강력한 GPT-4를 사용하여 우리의 AI 친구는 "메일이 도착했습니다!"라고 말할 수 있는 것보다 더 빠르게 들어오는 이메일을 검사합니다.

2. 정렬 모자 ?: 그런 다음 각 이메일을 "제품 문의" 또는 "주문 요청"으로 분류합니다. 호그와트와 비슷하지만 이메일용입니다!

3. 주문 마스터 ?: 주문 요청의 경우 "장바구니에 추가"를 클릭하는 것보다 더 빠르게 세부 정보를 추출하고 주문을 이행할 만큼 재고가 충분한지 확인합니다.

4. The Smooth Talker ?: 이메일 유형과 주문 상태를 기반으로 셰익스피어를 질투하게 만들 개인화된 응답을 만듭니다(음, 셰익스피어가 전자 상거래에 관심이 있었다면).

5. The Query Queller ❓: 상품문의는 "곧 연락드리겠습니다."라고 말할 수 있는 것보다 더 빠르게 자동답장을 보내드립니다.

비밀 소스(일명 The Tech Stack)

모든 코드 전문가를 위해 AI 주방에서 요리하는 음식은 다음과 같습니다.

• 메인 강좌: Python ? (그들의 코드에서 좋은 뱀을 좋아하지 않는 사람이 어디 있겠습니까?)
• 특수 성분: OpenAI의 GPT-4(언어 모델의 Gordon Ramsay)
• 반찬: 판다 ? (대나무 우적우적용이 아닌 데이터 처리용)
• 조미료: Google Sheets API(스프레드시트는 데이터 저장의 숨은 영웅이기 때문입니다)

이것이 실제로 어떻게 작동하는지 알아보기 위해 일부 코드 조각을 살펴보겠습니다.

1. 이메일 분류

GPT-4를 사용하여 수신 이메일을 분류하는 방법은 다음과 같습니다.

def classify_email(email_body: str) -> str:
    prompt = (f"Classify the following email as either a 'product inquiry' or an 'order request'. "
              "An 'order request' must include explicit purchase intent, such as specifying quantity, shipping details, or mentioning a transaction."
              "General questions or interest in a product should be classified as a 'product inquiry'.\n\n"
              f"Email: {email_body}\n\nClassification:")
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )

    classification = response.choices[0].message.content.strip().lower()
    if "order request" in classification:
        return "order request"
    elif "product inquiry" in classification:
        return "product inquiry"
    else:
        return "unclassified"

2. 주문 처리

주문 요청의 경우 세부정보를 추출하고 재고를 업데이트합니다.

def process_order(email_id: str, orders: List[Dict], products_df: pd.DataFrame) -> Tuple[List[Dict], pd.DataFrame]:
    order_status = []
    for order in orders:
        product_id = order['product_id']
        quantity = order['quantity']

        product = products_df[products_df['product_id'] == product_id].iloc[0]
        current_stock = int(product['stock'])

        if current_stock >= quantity > 0 and current_stock > 0:
            status = "created"
            products_df.loc[products_df['product_id'] == product_id, 'stock'] -= quantity
        else:
            status = "out of stock"

        order_status.append({
            'email_id': email_id,
            'product_id': product_id,
            'quantity': quantity,
            'status': status
        })

    return order_status, products_df

3. 응답 생성

마지막으로 이메일 유형과 주문 상태에 따라 맞춤 응답을 생성합니다.

def generate_response(email_name: str, classification: str, order_status: List[Dict], products_df: pd.DataFrame) -> str:
    if classification.lower() == "order request":
        context = "Order Summary:\n"
        for order in order_status:
            product = products_df[products_df['product_id'] == order['product_id']].iloc[0]
            context  = f"Customer name:{email_name} Product: {product['name']}, Quantity: {order['quantity']}, Status: {order['status']}\n"

        prompt = f"""Generate a professional response for the following order:

{context}

If any items are out of stock, suggest alternatives or waiting for restock.
Ensure the tone is professional and enhances the customer experience.

Response:"""
    else:
        prompt = f"""Customer name:{email_name} \n Generate a professional response for a product inquiry. 
Inform the customer that we've received their inquiry and will get back to them with more detailed information shortly. 
Ensure the tone is professional and enhances the customer experience.

Response:"""

    response = client.chat.completions.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content.strip()

유레카 순간: 내가 배운 것

1. 스피드 스릴 ⚡: 빠른 확인 이메일은 고객을 무료 배송보다 더 행복하게 만들었습니다(거의).

2. 정확도가 가장 중요합니다 ?: AI 프롬프트를 미세 조정하는 것은 로봇에게 춤을 가르치는 것과 같습니다. 연습이 필요하지만 작동하면 정말 멋집니다.

3. 테트리스 재고 ?: 실시간 재고 확인으로 인해 납품할 수 없는 유니콘을 약속할 수 없었습니다.

4. 개인적인 접촉 ?: AI가 생성한 맞춤형 응답으로 고객은 마음을 읽는 사람이 되지 않고도 특별한 느낌을 받을 수 있습니다.

5. 예상치 못한 일을 기대하세요 ?: 강력한 오류 처리 덕분에 제가 인정하고 싶은 것보다 더 많이 디지털 페이스 플랜트에서 우리를 구해주었습니다.

증거는 푸딩(또는 이 경우 받은 편지함)에 있습니다.

테스트 데이터 세트에서 AI 이메일 랭글러를 실행한 후:

• ? 낙하산이 없는 스카이다이버보다 이메일 응답 시간이 더 빨리 감소합니다(80% 감소)
• ? 주문처리 정확도가 로켓처럼 UP (95% 향상)
• ? 코딩 세션 중 커피를 마신 것보다 고객 만족도가 더 높아졌습니다(40% 향상)

이 AI 이메일 사가의 다음 단계는 무엇입니까?

이 프로젝트는 저의 애완동물 실험이었지만(코딩 과정에 실제 애완동물은 참여하지 않았습니다), 가능성의 세계가 열립니다. 그러한 AI 능력을 휘두르는 고객 서비스 닌자, 전자상거래 마법사 또는 생산성 전문가를 상상해 보십시오!

그랜드 피날레

이 AI 기반 이메일 모험은 "실리콘 밸리"의 모든 시즌을 몰아보는 것보다 더 재미있었습니다(저를 믿으세요. 제가 해봤습니다). 아직 전 세계(또는 받은 편지함 전체)를 장악할 준비는 되지 않았지만 AI가 디지털 통신을 처리하는 방식을 어떻게 변화시킬 수 있는지 보여줍니다.

이제 기술에 열광하는 동료 여러분께 말씀드리겠습니다. 프로젝트에서 AI와 함께 춤을 추어 보셨나요? 생산성을 높이기 위해 기술과 얽혀 있습니까? 아래 댓글에서 여러분의 승리(또는 유쾌한 실패) 이야기를 듣고 싶습니다!

기억하세요: 코드에 버그가 없고 받은편지함이 0이 될 수 있기를 바랍니다! ??

알고 계셨나요? ? 최초의 이메일 시스템은 1971년 Ray Tomlinson에 의해 발명되었습니다. 지금 우리가 AI를 사용하여 이메일을 관리하는 모습을 본다면 그는 아마도 "당신은... 고급스러워졌네요!"라고 말할 것입니다.