대화형 AI는 자연어 처리 (natual language processing, NLP)를 머신 러닝과 결합합니다. 이러한 NLP 프로세스는 머신 러닝 프로세스와 함께 계속적인 피드백 루프로 흘러들어가 계속 AI 알고리즘을 향상합니다. 대화형 AI에는 자연적인 방식으로 처리하고 이해하고 응답을 제공하도록 지원하는 주된 구성 요소가 있습니다.
머신 러닝 (ML)은 경험을 통해 스스로를 계속적으로 개선하는 일련의 알고리즘, 기능, 데이터 세트로 구성된 인공지능의 하위 분야입니다. 입력량이 많아질수록 AI 플랫폼 머신은 패턴을 더 잘 인식하게 되고 이러한 패턴을 예측에 활용합니다.
자연어 처리 는 대화형 AI에서 사용되는 머신 러닝 의 도움으로 언어를 분석하는 최신 방법입니다. 머신 러닝 이전에는 자연어 처리 방법론이 언어학에서 컴퓨터 언어학 그리고 통계적 자연어 처리 순으로 진화했습니다. 향후에는 딥 러닝 이 대화형 AI 의 자연어 처리 기능을 더욱 발전시킬 것입니다.
NLP 는 입력 생성, 입력 분석, 출력 생성, 강화 학습의 네 단계로 구성됩니다. 비정형 데이터는 컴퓨터가 읽을 수 있는 형식으로 변환되며, 그 다음 적절한 응답을 생성하기 위해 분석을 거칩니다. 기저의 ML 알고리즘은 시간이 흐르면서 학습을 통해 응답 품질을 향상합니다. 이 네 가지 NLP 단계는 또 다시 다음과 같이 나뉠 수 있습니다.
- 입력 생성: 사용자는 웹사이트 또는 앱을 통해 입력 데이터를 제공하며 입력 데이터의 형식은 음성 또는 텍스트일 수 있습니다.
- 입력 분석: 입력 데이터가 텍스트 기반인 경우 대화형 AI 솔루션 앱은 자연어 이해 (natural language understanding, NLU)를 사용하여 입력 데이터의 의미를 해독하고 그 의도를 도출합니다. 그러나 입력 데이터가 음성 기반인 경우에는 자동 음성 인식(automatic speech recognition, ASR) 및 NLU를 함께 활용하여 데이터를 분석합니다.
- 대화 관리: 이 단계에서는 NLP의 구성 요소인 자연어 생성(Natural Language Generation, NLG) 기술이 응답을 만들어 냅니다.
- 강화 학습: 마지막으로, 시간이 흐름에 따라 머신 러닝 알고리즘이 응답을 개선하여 정확도를 높입니다.
대화형 AI를 만들려면 먼저 잠재적 사용자가 제품과 상호작용하는 방식과 이러한 사용자가 품을 수 있는 주요 질문에 대해 생각해 봐야 합니다. 그런 다음 관련 정보로 안내할 수 있는 대화형 AI 도구를 사용할 수 있습니다. 이 섹션에서는 대화형 AI를 계획하고 제작하는 방법을 안내합니다.
1. 최종 사용자를 위한 자주 묻는 질문(FAQ) 목록 확인
FAQ는 대화형 AI 개발 프로세스의 토대입니다. FAQ는 최종 사용자의 주된 요구 사항과 우려 사항을 정의하는 데 도움을 줍니다. 그러면 지원 팀에 걸려오는 통화량을 줄일 수 있을 것입니다. 제품에 대한 FAQ 목록이 없는 경우, 고객 성공 팀과 함께 대화형 AI가 응답할 수 있는 적절한 질문 목록을 결정하십시오.
예를 들면, 은행의 경우, 다음과 같은 FAQ 목록에서 시작할 수 있습니다.
- 계좌에 어떻게 액세스할 수 있습니까?
- 어디서 라우팅 및 계좌 번호를 찾을 수 있습니까?
- 직불 카드가 언제 도착할까요?
- 직불 카드를 어떻게 활성화합니까?
- 수표는 어떻게 주문합니까?
- 현지 은행에 어떻게 문의할 수 있습니까?
나중에 언제든 목록에 질문을 추가할 수 있으므로 소수의 질문부터 시작하여 대화형 AI를 위한 개발 프로세스의 프로토타입을 만듭니다.
2. FAQ를 사용하여 대화형 AI 도구에서 목표 개발
FAQ는 계좌 액세스 방법 등 사용자의 입력 데이터 내에서 표현된 목표 또는 의도의 기반을 형성합니다. 목표의 윤곽을 결정한 후에는 이러한 목표를 의도로 Watson Assistant와 같은 경쟁력 있는 대화형 AI 도구에 입력할 수 있습니다.
이럴 경우 사용자가 이러한 유형의 정보를 말로 표현하거나 요청하는 방식을 대화형 AI에게 가르쳐야 합니다. "계좌에 액세스하는 방법"을 예로 들어보면, "로그인 방법", "비밀번호 재설정 방법", "계정 등록 방법" 등 지원 담당자와 대화 시 사용자가 사용할 수 있는 다른 구문도 생각해 볼 수 있습니다.
고객이 사용할 수 있는 다른 구문을 잘 모르겠으면 분석 및 지원 팀과 협력해야 합니다. 챗봇 분석 도구가 적절하게 설정되면 분석 팀은 웹 데이터를 마이닝하고 사이트 검색 데이터로부터 다른 쿼리를 조사할 수 있습니다. 또는 웹 챗 대화 및 콜센터의 스크립트 데이터를 분석할 수 있습니다. 분석 팀이 이런 유형의 분석을 지원할 수 없는 경우 지원 팀이 고객이 질문하는 일반적인 방식에 대한 가치 있는 인사이트를 제공할 수 있습니다.
3. 목표를 활용하여 관련 명사와 키워드 이해 및 작성
의도와 관련된 명사 또는 개체를 생각해 보십시오. 이 예에서는 사용자의 은행 계좌에 대한 내용을 다뤘습니다. 그러므로 은행 계좌 정보에 대한 개체를 만드는 것이 적합합니다.
"사용자 이름", "비밀번호", "계좌 번호" 등 여러 값이 이 정보 범주에 속할 수 있습니다.
특정 사용자 의도와 관련된 개체를 이해하려면 목표 또는 의도를 개발하기 위해 도구 또는 지원 팀으로부터 얻은 동일한 정보를 활용할 수 있습니다. 이러한 명사는 프라이머리 애스크(primary ask) 전 또는 후에 제시됩니다.
4. 종합하여 사용자와의 의미 있는 대화 작성
이 모든 요소가 함께 작용하여 최종 사용자와의 대화를 구성합니다. 의도는 머신이 사용자의 요청 사항을 해독하도록 지원하고 개체는 관련 응답을 제공하는 방법으로 기능합니다. 예를 들면, 다음과 같이 비밀번호를 잊은 경우에 대해 대화형 AI와 사용자가 나누는 대화를 상상해 볼 수 있습니다.
목표와 명사(IBM은 의도와 개체로 부르는 것을 선호함)가 함께 작용하여 최종 사용자의 요구 사항을 기반으로 논리적 대화를 구축합니다. 대화형 AI 구축을 시작할 준비가 되었다면 IBM의 Watson Assistant Lite Version 을 무료로 사용해 볼 수 있습니다.
사람들은 대화형 인공지능을 생각할 때 고객 지원 서비스와 옴니채널 환경을 위한 온라인 챗봇과 음성 어시스턴트를 자주 떠올립니다. 대부분의 대화형 AI 앱은 백엔드 프로그램에 광범위한 분석 기능이 포함되어 인간과 유사한 대화 경험을 지원합니다.
전문가들은 대화형 AI의 현재 애플리케이션이 매우 좁은 범위의 작업을 수행하는 데 중점을 두므로 약한 AI라고 간주합니다. 여전히 이론적 개념인 강한 AI는 다양한 작업과 문제를 해결할 수 있는 인간과 같은 의식에 중점을 둡니다.
대화형 AI는 중점 분야가 좁지만 기업들에게 이윤을 많이 남겨 주는 기술이며 기업들의 수익을 향상하는 데 도움을 줍니다. AI 챗봇이 대화형 AI의 가장 흔한 형태이지만 엔터프라이즈 전반에는 다른 사용 사례도 많습니다. 그 예는 다음과 같습니다.
- 온라인 고객 지원: 온라인 챗봇 은 고객 여정에서 인간 상담원을 대체하고 있습니다. 이들은 배송 등의 문제와 관련된 자주 묻는 질문(FAQ)에 답변합니다. 또는 맞춤형 조언과 교차 판매 제품을 제공하거나 사용자에 맞는 사이즈를 제안하며 웹사이트와 소셜 미디어 플랫폼에서 고객 응대에 대한 사람들의 생각을 변화시키고 있습니다. 그 예로는 가상 상담원 이 있는 전자상거래 사이트의 메시징 봇, Slack 및 Facebook Messenger 등의 메시징 앱, 그리고 통상적으로 가상 비서 와 음성 비서가 수행하는 작업을 들 수 있습니다.
- 접근성: 진입 장벽이 낮아지므로 기업에 대한 접근성이 향상될 수 있습니다. 특히 보조 기술을 사용하는 사용자들에게 그렇습니다. 이러한 그룹에게 흔히 사용되는 대화형 AI의 기능은 텍스트-음성 받아쓰기와 언어 변환입니다.
- HR 프로세스: 직원 교육, 온보딩 프로세스 및 직원 정보 업데이트 등 많은 인사 프로세스를 대화형 AI를 사용하여 최적화할 수 있습니다.
- 의료: 대화형 AI는 환자를 위해 의료 서비스의 접근성을 높이고 비용을 낮출 수 있습니다. 또한 운영 효율성 을 향상하고 청구 처리와 같은 행정적 프로세스를 효율화할 수 있습니다.
- IoT(Internet of things) 디바이스: 요즘 대부분의 가구에는 Alexa 스피커부터 스마트 워치 그리고 휴대폰까지 IoT 디바이스가 있습니다. 이러한 디바이스는 자동화된 음성 인식을 활용하여 최종 사용자와 상호작용합니다. 인기 있는 적용 사례로는 Amazon Alexa, Apple Siri 그리고 Google Home이 있습니다.
- 컴퓨터 소프트웨어: 사무 환경에서 많은 작업들이 대화형 AI 덕분에 간소화되고 있습니다. 그 예로는 Google 에서 검색할 때 작동하는 검색 자동완성 기능이나 철자 점검 기능이 있습니다.
대부분의 AI 챗봇 과 앱은 현재 기초적인 문제 해결 능력을 갖고 있지만, 반복적인 고객 지원 을 위한 상호작용의 경우 시간을 절약하고 비용 효율성을 향상하여 직원이 개입이 더 필요한 고객과의 상호작용에 집중할 수 있도록 합니다. 전반적으로 대화형 AI 앱은 인간과의 대화 경험을 잘 모방해왔기 때문에 고객 만족도가 높아졌습니다.
대화형 AI 는 많은 비즈니스 프로세스를 위한 비용 효율적인 솔루션입니다. 다음은 대화형 AI 사용 시 얻을 수 있는 장점의 예입니다.
비용 효율성
고객 서비스 부서에 직원을 배정하는 일은 꽤 비용이 많이 들 수 있습니다. 특히 정규 근무 시간이 아닐 때 질문에 응답하려고 할 경우 그렇습니다. 대화형 인터페이스를 통해 고객 지원을 제공하면 특히 중소기업은 급여 및 교육과 관련된 비즈니스 비용을 줄일 수 있습니다. 챗봇과 가상 상담원은 즉각적으로 응답할 수 있으므로 잠재 고객을 24시간 지원할 수 있습니다.
또한 인간 상담원은 대화할 때 잠재 고객에게 일관적이지 못한 응답을 제시할 수 있습니다. 지원 팀과의 상호작용은 대부분 정보를 얻기 위한 반복적 활동이므로 기업은 대화형 AI를 프로그래밍하여 다양한 사용 사례를 처리함으로써 포괄성과 일관성을 유지할 수 있습니다. 이를 통해 고객 경험 내에서 연속성을 유지하고 귀중한 인적 자원을 더 복잡한 문의에 활용할 수 있습니다.
매출 및 고객 관계 향상
모바일 디바이스가 소비자의 일상 생활에 도입되면서 기업들은 최종 사용자에게 실시간으로 정보를 제공할 준비를 갖춰야 합니다. 대화형 AI 도구는 인적 자원보다 더 쉽게 액세스할 수 있으므로 고객은 더 빨리 그리고 더 자주 브랜드와 상호작용할 수 있습니다. 고객은 이러한 즉각적 지원 덕분에 콜센터에서 오래 기다리지 않아도 되므로 전반적인 고객 경험이 향상됩니다. 고객 만족도가 높아지면 기업은 그 영향이 고객 충성도 향상과 추천을 통한 추가 수익 창출을 통해 나타나는 것을 확인할 수 있습니다.
또한, 대화형 AI의 맞춤화 기능 덕분에 챗봇은 최종 사용자에게 제품과 서비스를 추천할 수 있습니다. 따라서 기업은 고객이 처음에는 생각하지 않았을 수 있는 제품을 교차 판매할 수 있습니다.
확장성
대화형 AI 는 또한 매우 확장성이 뛰어납니다. 지원을 제공하는 대화형 AI에 인프라를 추가하는 것이 신규 직원을 위한 채용 및 온보딩 프로세스보다 더 비용이 적게 들고 빠르기 때문입니다. 이러한 확장성은 제품이 새로운 지리적 시장으로 확장되거나 휴가 시즌과 같이 예상치 못하게 수요가 단기적으로 급증할 때 특히 유용합니다.
대화형 AI 는 아직 초창기이며, 최근 몇 년 사이에 비즈니스에 널리 도입되기 시작했습니다. 모든 새로운 기술이 발전할 때 그렇듯이 대화형 AI 애플리케이션으로 전환하는 경우 몇 가지 문제가 있습니다. 그 예는 다음과 같습니다.
언어적 데이터 입력
언어적 데이터 입력은 입력 데이터가 텍스트이건 음성이건 대화형 AI에게 골치 아픈 일입니다. 사투리, 억양, 배경 잡음은 AI가 원시 입력 데이터를 이해하는 데 영향을 줄 수 있습니다. 속어와 스크립트에 없는 표현 또한 입력 데이터를 처리하는 데 문제를 유발할 수 있습니다.
그러나, 대화형 AI 의 가장 큰 문제는 언어적 입력 데이터에 존재하는 인간적 요인입니다. 감정, 어조, 비꼬기는 대화형 AI 가 사용자가 의도한 의미를 해석하고 적절하게 응답하는 것을 어렵게 합니다.
개인정보 보호 및 보안
대화형 AI 는 문의에 답하기 위해 데이터를 수집해야 하므로 개인정보 보호 및 보안 침해에 취약합니다. 높은 개인정보 보호 및 보안 표준 과 모니터링 시스템을 적용한 대화형 AI 앱을 개발하면 최종 사용자의 신뢰를 얻고 궁극적으로 시간이 경과함에 따라 챗봇 사용을 늘리는 데 도움이 될 것입니다.
사용자의 불안
사용자는 특히 사람이 아니라 기계와 대화하고 있다는 걸 깨달았을 때 개인 정보 또는 민감한 정보를 공유하는 것에 대한 불안을 느낄 수 있습니다. 모든 고객이 얼리 어답터는 아니므로 고객 경험을 향상하려면 이러한 기술의 장점과 안전성에 대해 대상 고객을 교육하고 사회화시키는 것이 중요합니다. 이러한 불안은 나쁜 사용자 경험 을 유발하고 AI의 성능을 저하시키며 긍정적인 효과를 무효화할 수 있습니다.
또한 챗봇이 포괄적인 사용자 문의에 응답하도록 프로그래밍되지 않은 경우도 있습니다. 이럴 경우 이러한 복잡한 문의를 해결하기 위해 대안적 커뮤니케이션 채널을 제공하는 것이 중요합니다. 잘못된 응답이나 완전하지 않은 응답을 받으면 최종 사용자는 불만을 느낄 것이기 때문입니다. 이 경우 고객에게 회사의 인간 담당자와 대화할 수 있는 기회가 주어져야 합니다.
마지막으로, 대화형 AI 는 회사의 워크플로우를 최적화하여 특정 직무 기능의 인력을 감축할 수도 있습니다. 이로 인해 사회경제적 운동이 일어나 회사에 대한 부정적 반발을 불러올 수 있습니다.
AI가 지원하는 더 나은 가상 상담원을 만듭니다. IBM Watson Assistant는 임의의 애플리케이션, 디바이스 또는 채널에서 빠르고 일관적이며 정확한 답변을 고객들에게 제공합니다.
인간의 대화를 이해하고 고객 경험을 개선하는 자연어 AI 챗봇을 만나보세요.
AI 기반 엔터프라이즈 검색 기술을 사용하여 비즈니스 데이터에서 중요한 응답 및 인사이트를 찾습니다.