2019.08.23

'운영 데이터+머시러닝+자연어 처리'··· 오토데스크 '헬프 데스크 자동화' 분석

Peter Sayer | CIO
오토데스크는 설계 및 엔지니어링 소프트웨어 사업을 클라우드로 전환하면서 고객 경험의 중요성을 깨닫고 디지털 트랜스포메이션 경험을 확보했다. 그리고 최근에는 오토데스크 직원에게 '마찰 없는' IT 경험을 제공하기 위해 혁신의 초점을 기업 내부로 전환하고 있다. 오토데스크 CIO인 프라카시 코타는 "우리는 한 걸음 물러서 직원이 IT 지원을 요청하는 모든 절차를 검토했다. 매우 분산돼 있었다"라고 말했다.



이러한 검토의 결과가 2018년 2월 출시한 오토데스크의 내부 포털 '헬프 허브(Help Hub)'다. 이곳에서 직원은 회사의 IT 시스템에 대해 배우고 비밀번호 변경 및 재설정과 같은 셀프 서비스 지원을 받을 수 있다. 또한 오토데스크는 직원이 슬랙을 통해 아웃소싱 된 IT 서비스 데스크에 연락할 수 있도록 했는데, 이 데스크는 이전까지 전화로 했던 요청의 상당 부분을 맡았다.

서비스나우(ServiceNow)에 모든 서비스 데스크 요청이 기록되고, 슬랙을 통해 많은 작업이 진행됨에 따라, IT 팀은 사용자가 서비스 데스크와 어떻게 상호 작용하는지, 어떤 도움을 필요로 하는지에 대한 많은 데이터를 확보했다. 하지만 코타가 해결해야 할 문제는 또 있었다. 헬프 데스크 직원을 더 늘리지 않고 유기적으로 처리하면서도 인수를 통해 늘어나는 직원까지 지원하는 것이었다.

코타와 그의 팀은 회사의 서비스 데스크 데이터와 머신러닝 및 자연어 처리 기술에서 그 해법을 찾았다. 이들을 모두 활용해 사용자 요청을 해석하고 어떤 조처를 해야 할지 결정할 수 있는 솔루션을 개발해 슬랙 채널에서 증가하는 요청에 대한 응답을 자동화하기 시작한 것이다.
 
자동화의 힘
처음부터 코타는 사용자의 변화하는 요구에 대처하기 위해 사내 IT팀을 계속되는 맞춤 제작과 같은 작업에 투입하는 것을 경계했다. 대신 서비스나우에 내장된 머신러닝 도구를 사용해 내부적으로 챗봇을 만드는 것이 가능했지만, 그 기능이 만족할 만큼 성숙하지 않았다. 다른 대안은 오토데스크가 고객 지원을 위해 사용하는 IBM의 왓슨이었다. 단, 일반적인 머신러닝 도구는 훈련을 위해 많은 데이터가 필요한데, 오토데스크는 헬프데스크 요청 데이터가 1만 건 정도에 불과했다. 수십만 건에 달하는 고객 요청에 비하면 학습에 사용할 데이터가 턱없이 부족했다.

바로 그때 코타는 우연히 무브웍스(MoveWorks)를 접하게 됐다. 이 업체는 엔터프라이즈 IT 서비스 관리 전용 챗봇을 가지고 있었다. 이 서비스는 사전 교육을 통해 슬랙, 서비스나우 및 오토데스크가 이미 사용하고 있는 많은 툴과 통합할 수 있었다. 코타에 따르면, 오토데스크는 이러한 사전 교육 덕분에 75일 만에 무브웍스를 구현할 수 있었다. 현재 이 봇은 헬프 데스크에 도착하는 요청의 28%를 처리하며, 나머지는 대화 기록과 함께 인간 교환원에게 전달해 직원이 반복되는 요청으로 힘겨워하지 않도록 한다.

자동화할 작업을 선택할 때, 코타와 그의 팀은 각 요청의 빈도, 절약된 시간, 자동화의 어려움을 고려했다. 가장 먼저 자동화해야 할 작업은 애플리케이션 액세스, 비밀번호 재설정, 이메일 배포 목록 유지 같은 것이었다. 이 봇은 또한 코타의 팀이 PC와 노트북 교체와 같은 덜 빈번한 상호 작용을 자동화할 수 있게 했다. 직원에 새 컴퓨터를 제공할 때가 되면 봇은 직원에 연락해 선택할 수 있는 제품 정보를 제공한다. 그런 다음 IT 부서는 선택된 기계를 조달하고 봇은 배달 일정을 조정하기 위해 직원에게 연락한다.

머신러닝은 마법이 아니다. 사용자가 암호 재설정 요청을 할 수 있는 여러 방법을 알려주면서도 코타의 팀은 여전히 다음에 자동화할 작업을 찾아 봇에게 어떻게 처리할지 가르쳐야 한다. 정기적인 기획 회의를 통해 이 작업이 이뤄진다. 코타는 "봇이 따라갈 새로운 패턴을 만드는 것은 이미 얼마나 많은 작업 흐름이 이면에서 자동화되었는가에 따라 달라진다. 며칠에서 몇 주까지 걸릴 수 있다"라고 말했다.
 
핵심 요약
그렇다면 봇을 고용하는 데 드는 비용은 얼마나 될까? 코타는 "헬프데스크를 운영하기 위해 지출하는 비용과 모든 직원에 대한 기본적인 서비스에 사용되는 비용이 있다. 좋은 점은 일관성을 유지하면서도 새로운 형태의 서비스와 무브웍스 계약, 더 많은 인력을 추가할 수 있다는 것이다"라고 말했다. 이는 곧 헬프데스크 외주의 장점이기도 한데, 이를 통해 간단한 작업을 자동화할 수 있다. 코타는 "새로운 운영 방식에서 모두가 공존하는 것이 중요하다. 이를 통해 직원이 과거에 해왔던 것과 같은 것에만 집착하지 않고 새로운 것을 배우고 기존 것과 균형을 맞출 수 있다"라고 말했다.

현재 오토데스크는 직원이 회사 뉴스에 액세스하고, HR 질문에 대한 답을 얻고, 시설 관리팀에 요청할 수 있는 더 일반적인 직원 허브로 헬프 허브 개념을 발전시키고 있다. 코타는 그 일환으로 챗봇을 다른 부서에 확대 적용하거나, 조달이나 출장 준비 같은 업무 워크플로우를 디지털화하고 있다. 그는 "이제 더 많은 기술을 도입하지는 말자고 생각하고 있다. 즉 더 많은 봇을 만들어서 사용자에게 혼란을 일으키는 대신 어떻게 하면 기존 봇을 더 잘 활용할 수 있을까에 집중하고 있다"라고 말했다. ciokr@idg.co.kr



2019.08.23

'운영 데이터+머시러닝+자연어 처리'··· 오토데스크 '헬프 데스크 자동화' 분석

Peter Sayer | CIO
오토데스크는 설계 및 엔지니어링 소프트웨어 사업을 클라우드로 전환하면서 고객 경험의 중요성을 깨닫고 디지털 트랜스포메이션 경험을 확보했다. 그리고 최근에는 오토데스크 직원에게 '마찰 없는' IT 경험을 제공하기 위해 혁신의 초점을 기업 내부로 전환하고 있다. 오토데스크 CIO인 프라카시 코타는 "우리는 한 걸음 물러서 직원이 IT 지원을 요청하는 모든 절차를 검토했다. 매우 분산돼 있었다"라고 말했다.



이러한 검토의 결과가 2018년 2월 출시한 오토데스크의 내부 포털 '헬프 허브(Help Hub)'다. 이곳에서 직원은 회사의 IT 시스템에 대해 배우고 비밀번호 변경 및 재설정과 같은 셀프 서비스 지원을 받을 수 있다. 또한 오토데스크는 직원이 슬랙을 통해 아웃소싱 된 IT 서비스 데스크에 연락할 수 있도록 했는데, 이 데스크는 이전까지 전화로 했던 요청의 상당 부분을 맡았다.

서비스나우(ServiceNow)에 모든 서비스 데스크 요청이 기록되고, 슬랙을 통해 많은 작업이 진행됨에 따라, IT 팀은 사용자가 서비스 데스크와 어떻게 상호 작용하는지, 어떤 도움을 필요로 하는지에 대한 많은 데이터를 확보했다. 하지만 코타가 해결해야 할 문제는 또 있었다. 헬프 데스크 직원을 더 늘리지 않고 유기적으로 처리하면서도 인수를 통해 늘어나는 직원까지 지원하는 것이었다.

코타와 그의 팀은 회사의 서비스 데스크 데이터와 머신러닝 및 자연어 처리 기술에서 그 해법을 찾았다. 이들을 모두 활용해 사용자 요청을 해석하고 어떤 조처를 해야 할지 결정할 수 있는 솔루션을 개발해 슬랙 채널에서 증가하는 요청에 대한 응답을 자동화하기 시작한 것이다.
 
자동화의 힘
처음부터 코타는 사용자의 변화하는 요구에 대처하기 위해 사내 IT팀을 계속되는 맞춤 제작과 같은 작업에 투입하는 것을 경계했다. 대신 서비스나우에 내장된 머신러닝 도구를 사용해 내부적으로 챗봇을 만드는 것이 가능했지만, 그 기능이 만족할 만큼 성숙하지 않았다. 다른 대안은 오토데스크가 고객 지원을 위해 사용하는 IBM의 왓슨이었다. 단, 일반적인 머신러닝 도구는 훈련을 위해 많은 데이터가 필요한데, 오토데스크는 헬프데스크 요청 데이터가 1만 건 정도에 불과했다. 수십만 건에 달하는 고객 요청에 비하면 학습에 사용할 데이터가 턱없이 부족했다.

바로 그때 코타는 우연히 무브웍스(MoveWorks)를 접하게 됐다. 이 업체는 엔터프라이즈 IT 서비스 관리 전용 챗봇을 가지고 있었다. 이 서비스는 사전 교육을 통해 슬랙, 서비스나우 및 오토데스크가 이미 사용하고 있는 많은 툴과 통합할 수 있었다. 코타에 따르면, 오토데스크는 이러한 사전 교육 덕분에 75일 만에 무브웍스를 구현할 수 있었다. 현재 이 봇은 헬프 데스크에 도착하는 요청의 28%를 처리하며, 나머지는 대화 기록과 함께 인간 교환원에게 전달해 직원이 반복되는 요청으로 힘겨워하지 않도록 한다.

자동화할 작업을 선택할 때, 코타와 그의 팀은 각 요청의 빈도, 절약된 시간, 자동화의 어려움을 고려했다. 가장 먼저 자동화해야 할 작업은 애플리케이션 액세스, 비밀번호 재설정, 이메일 배포 목록 유지 같은 것이었다. 이 봇은 또한 코타의 팀이 PC와 노트북 교체와 같은 덜 빈번한 상호 작용을 자동화할 수 있게 했다. 직원에 새 컴퓨터를 제공할 때가 되면 봇은 직원에 연락해 선택할 수 있는 제품 정보를 제공한다. 그런 다음 IT 부서는 선택된 기계를 조달하고 봇은 배달 일정을 조정하기 위해 직원에게 연락한다.

머신러닝은 마법이 아니다. 사용자가 암호 재설정 요청을 할 수 있는 여러 방법을 알려주면서도 코타의 팀은 여전히 다음에 자동화할 작업을 찾아 봇에게 어떻게 처리할지 가르쳐야 한다. 정기적인 기획 회의를 통해 이 작업이 이뤄진다. 코타는 "봇이 따라갈 새로운 패턴을 만드는 것은 이미 얼마나 많은 작업 흐름이 이면에서 자동화되었는가에 따라 달라진다. 며칠에서 몇 주까지 걸릴 수 있다"라고 말했다.
 
핵심 요약
그렇다면 봇을 고용하는 데 드는 비용은 얼마나 될까? 코타는 "헬프데스크를 운영하기 위해 지출하는 비용과 모든 직원에 대한 기본적인 서비스에 사용되는 비용이 있다. 좋은 점은 일관성을 유지하면서도 새로운 형태의 서비스와 무브웍스 계약, 더 많은 인력을 추가할 수 있다는 것이다"라고 말했다. 이는 곧 헬프데스크 외주의 장점이기도 한데, 이를 통해 간단한 작업을 자동화할 수 있다. 코타는 "새로운 운영 방식에서 모두가 공존하는 것이 중요하다. 이를 통해 직원이 과거에 해왔던 것과 같은 것에만 집착하지 않고 새로운 것을 배우고 기존 것과 균형을 맞출 수 있다"라고 말했다.

현재 오토데스크는 직원이 회사 뉴스에 액세스하고, HR 질문에 대한 답을 얻고, 시설 관리팀에 요청할 수 있는 더 일반적인 직원 허브로 헬프 허브 개념을 발전시키고 있다. 코타는 그 일환으로 챗봇을 다른 부서에 확대 적용하거나, 조달이나 출장 준비 같은 업무 워크플로우를 디지털화하고 있다. 그는 "이제 더 많은 기술을 도입하지는 말자고 생각하고 있다. 즉 더 많은 봇을 만들어서 사용자에게 혼란을 일으키는 대신 어떻게 하면 기존 봇을 더 잘 활용할 수 있을까에 집중하고 있다"라고 말했다. ciokr@idg.co.kr

X