2020.03.23

경험자들이 전하는 챗봇 성공의 근간··· '고객을 예리하게 주시하라'

Clint Boulton | CIO
챗봇의 성공은 매끄러운 고객 경험 전달에 달려있다. 이를 위해서는 올바르고 정확한 자연어 처리(NLP) 알고리즘과 정기적인 업데이트가 필요하다고 전문가들은 말한다. 챗봇 이니셔티브의 성공을 보장하는 방법은 다음과 같다. 

사람의 말을 흉내 내면서 사람 대신 업무를 처리하는 챗봇이 널리 보편화된 듯하다. 가트너는 2020년에는 고객서비스 및 지원 업무의 25%가 가상 비서나 챗봇으로 이뤄질 것이라고 전망한 바 있다. 이는 2017년 2% 미만에서 크게 상승한 수치다. 또한 웹사이트, 모바일 앱, 소비자 메시징 앱, 소셜 네트워크에서 고객 요청을 처리하는 데 챗봇이 가장 많이 활용되고 있다고 가트너는 밝혔다. 
 
ⓒGetty Images

AI 솔루션 회사 하이퍼자이언트(HyperGiant)의 CEO 벤 램은 챗봇이 성공하려면 고객에 대한 깊은 이해가 필요하다고 말했다. 그는 챗봇 개발사 컨버서블(Conversable)의 CEO로 재직 당시 TGI 프라이데이, 홀푸드, 쉐이크쉑 등과 함께 챗봇을 개발한 바 있다.  

그는 챗봇이 고객 경험에 대한 명확한 목표와 핵심 성과 지표를 가지고 개발 및 도입되어야 한다고 조언했다. 이어서 램은 “그 목적이 무엇이든 챗봇이 고객 경험을 새로운 수준으로 끌어올려야 한다”라고 덧붙였다. 

챗봇 개발자들이 말하는 개발 시 유의사항과 성공 비결을 소개한다.    

고객 경험을 담당하는 챗봇 
미국 철도공사 암트랙은 고객 인게이지먼트 향상을 위해 챗봇을 활용하고 있다. 연간 3,000만 명, 매달 15만 6,000명 이상이 암트랙의 웹사이트 가상 비서 줄리(Ask Julie)를 이용할 정도로 인기가 높다. 

암트랙의 디지털 인텔리전스 및 전략 부문 선임 매니저 앨런 세브럴은 줄리가 어휘를 잘 사용한다고 언급하면서, 이전 버전보다 크게 향상된 자연어 처리를 성공 요인으로 꼽았다. 

자연어 처리(Natural Language Processing)란 문장의 단어와 의미를 분석해 기계 독해 능력과 의도 인식 프로세싱을 향상시키는 기술 분야다. 즉, 줄리는 암트랙의 기존 챗봇보다 이해력이 훨씬 높은 것이다. 

세브럴은 “오류가 나거나 ‘이해하지 못했습니다’라고 말하는 비율이 5% 미만이다. 과거에는 상당히 높았다. 자연어 처리가 제대로 이뤄지는지 확인해야 한다. 모든 종류의 질문을 인지하는 엔진이 없으면 정확한 답변은 불가능하다”라고 말했다. 

암트랙의 챗봇 전담팀이 줄리를 정기적으로 업데이트하면서 일관된 고객 경험을 전달하고 있다고 그는 전했다. 세브럴과 그의 팀은 18가지의 자주 묻는 질문에 대한 원본 대화 내용과 ‘이해하지 못했습니다’ 반응을 검토한다. 이는 60개 이상의 데이터 그룹으로 세분되고 1,000개 이상의 ‘지식 단위(knowledge units)’로 구성된다. 

이어서 그는 경영진과 관련 이해당사자들이 지능형 가상 비서에 투자하는 데 따르는 가치를 이해하는 것도 핵심적이라고 덧붙였다. 

여행 플래너가 되는 챗봇 
콜롬비아의 국책 항공사 아비앙카는 페이스북 메신저 플랫폼으로 구축한 챗봇 서비스(Carla)를 제공하고 있다. 사용자는 챗봇을 통해 기상 상태 및 항공편 현황 확인부터 체크인, 좌석 변경, 환불 문의까지 다양한 서비스를 간편하게 이용할 수 있다. 

이 챗봇을 공동 개발한 액센추어 인터랙티브의 이사 롭 할리스는 “몇몇 기본적인 질문에 응답하는 데 도움을 주도록 설계됐다”라고 설명했다. 

할리스는 또한 칼라가 AWS 클라우드를 기반으로 운영돼 손쉽게 확장할 수 있다고 밝혔다. 그는 이를 통해 성수기에도 고객 경험에 전혀 지장을 주지 않는다고 덧붙였다. 2016년 12월 출시 이후 칼라는 수만 명의 순 사용자와 수백만 건의 커뮤니케이션 사례를 확보했다.  

성공적인 챗봇을 개발하는 6가지 팁 
챗봇 개발사 컨버서블은 챗봇 구축 시 고려해야 할 가장 기본적이고, 핵심적인 사항들을 다음과 같이 정리했다. 

대화 설계: 현 고객 경험에서 가장 적합한 사용 사례를 파악하고, 대화 흐름(시나리오)을 작성한다. 

대화 구축: 이를 최종 제품의 1.0 버전으로 생각하면 된다. 전체적인 경험이 매끄러운지 확인하기 위해 테스트를 진행하며, 필요에 따라 대화 흐름을 수정한다.

시스템 통합: 각 대화 흐름에 필요한 데이터가 전달될 수 있도록 웹후크(webhooks)를 사용한다. 예를 들어 누군가가 가격이나 칼로리 등을 알고 싶어 한다면 대화 중에 해당 데이터를 바로 가져와야 한다. 

학습: 지도 학습(Supervised learning)을 통해 챗봇을 계속해서 훈련시키고 개선해야 한다. 이를 통해 챗봇의 알고리즘은 모범 사례들을 바탕으로 해답을 추론하도록 훈련된다. 

확장: 사람들은 흔히 한 주제로 이야기를 하다가 다른 주제로 건너뛰곤 한다. 한 대화와 다른 대화 간의 관계성을 파악하고 흐름을 연결시킨다면, 고객은 시간을 절약할 수 있고, 챗봇은 유기적인 대화로 고객을 응대할 수 있다.

진보된 AI: 지속적인 개선이 필요하다. 더 많은 데이터가 수집될수록 챗봇을 더 정밀하게 개선할 수 있다. 

궁극적으로 ‘뛰어난’ 챗봇이라면 비즈니스 사용 사례와 고객 여정 전반에 걸쳐 사고할 수 있어야 하고, 필요 시 여정을 수정할 수 있어야 한다고 램은 말했다. 그러면서 지팡이를 휘두르기만 하면 AI라는 마법이 이뤄지는 것은 아니라고 그는 지적했다.
 
챗봇의 함정 
모든 챗봇이 성공하는 것은 아니다. 전문가들은 챗봇 실패로 이어질 수 있는 일반적인 함정들을 아래와 같이 제시했다. 

부족한 언어 처리 능력: 포레스터 리서치의 애널리스트 찰스 베츠는 언어 학습이 부족한 챗봇은 고객의 질문에 응답할 수 없다고 말했다. 고객이 사용하는 단어나 약어, 또는 단어 조합을 인식할 수 없기 때문이다. 베츠는 “문장과 맥락의 모든 요소를 설명할 수 있는 하나의 체계를 갖기 위해서는 훨씬 더 많은 단계가 필요하다. 언어의 복합성은 학습으로 보완되어야 한다”라고 설명했다. 

범용적인 챗봇 도입: 광범위한 제품을 아우르는 고객 지원부터 전자상거래까지 온갖 곳에서 사용되도록 설계된 챗봇은 회사와 고객에게 도움이 되지 않는다고 램은 지적했다. 이어서 그는 “대화형 AI의 응용 범위를 좁혀야 정확하고 일관성 있으며 확장 가능한 경험이 나온다”라고 덧붙였다. 

성급한 도입: 챗봇이 그럴듯하게 보인다는 이유로, 또는 무엇인가 자동화하겠다는 이유로 성급하게 챗봇에 달려드는 일부 고객이 있다고 할리스는 말했다. 그는 한걸음 물러나 근본적인 문제와 달성하고자 하는 개별 과업을 먼저 이해하라고 조언했다. 해당 과업을 알고리즘이나 머신러닝 소프트웨어로 처리하는 편이 나은가? 아니면 기존처럼 사람이 하는 편이 더 나은가? ciokr@idg.co.kr



2020.03.23

경험자들이 전하는 챗봇 성공의 근간··· '고객을 예리하게 주시하라'

Clint Boulton | CIO
챗봇의 성공은 매끄러운 고객 경험 전달에 달려있다. 이를 위해서는 올바르고 정확한 자연어 처리(NLP) 알고리즘과 정기적인 업데이트가 필요하다고 전문가들은 말한다. 챗봇 이니셔티브의 성공을 보장하는 방법은 다음과 같다. 

사람의 말을 흉내 내면서 사람 대신 업무를 처리하는 챗봇이 널리 보편화된 듯하다. 가트너는 2020년에는 고객서비스 및 지원 업무의 25%가 가상 비서나 챗봇으로 이뤄질 것이라고 전망한 바 있다. 이는 2017년 2% 미만에서 크게 상승한 수치다. 또한 웹사이트, 모바일 앱, 소비자 메시징 앱, 소셜 네트워크에서 고객 요청을 처리하는 데 챗봇이 가장 많이 활용되고 있다고 가트너는 밝혔다. 
 
ⓒGetty Images

AI 솔루션 회사 하이퍼자이언트(HyperGiant)의 CEO 벤 램은 챗봇이 성공하려면 고객에 대한 깊은 이해가 필요하다고 말했다. 그는 챗봇 개발사 컨버서블(Conversable)의 CEO로 재직 당시 TGI 프라이데이, 홀푸드, 쉐이크쉑 등과 함께 챗봇을 개발한 바 있다.  

그는 챗봇이 고객 경험에 대한 명확한 목표와 핵심 성과 지표를 가지고 개발 및 도입되어야 한다고 조언했다. 이어서 램은 “그 목적이 무엇이든 챗봇이 고객 경험을 새로운 수준으로 끌어올려야 한다”라고 덧붙였다. 

챗봇 개발자들이 말하는 개발 시 유의사항과 성공 비결을 소개한다.    

고객 경험을 담당하는 챗봇 
미국 철도공사 암트랙은 고객 인게이지먼트 향상을 위해 챗봇을 활용하고 있다. 연간 3,000만 명, 매달 15만 6,000명 이상이 암트랙의 웹사이트 가상 비서 줄리(Ask Julie)를 이용할 정도로 인기가 높다. 

암트랙의 디지털 인텔리전스 및 전략 부문 선임 매니저 앨런 세브럴은 줄리가 어휘를 잘 사용한다고 언급하면서, 이전 버전보다 크게 향상된 자연어 처리를 성공 요인으로 꼽았다. 

자연어 처리(Natural Language Processing)란 문장의 단어와 의미를 분석해 기계 독해 능력과 의도 인식 프로세싱을 향상시키는 기술 분야다. 즉, 줄리는 암트랙의 기존 챗봇보다 이해력이 훨씬 높은 것이다. 

세브럴은 “오류가 나거나 ‘이해하지 못했습니다’라고 말하는 비율이 5% 미만이다. 과거에는 상당히 높았다. 자연어 처리가 제대로 이뤄지는지 확인해야 한다. 모든 종류의 질문을 인지하는 엔진이 없으면 정확한 답변은 불가능하다”라고 말했다. 

암트랙의 챗봇 전담팀이 줄리를 정기적으로 업데이트하면서 일관된 고객 경험을 전달하고 있다고 그는 전했다. 세브럴과 그의 팀은 18가지의 자주 묻는 질문에 대한 원본 대화 내용과 ‘이해하지 못했습니다’ 반응을 검토한다. 이는 60개 이상의 데이터 그룹으로 세분되고 1,000개 이상의 ‘지식 단위(knowledge units)’로 구성된다. 

이어서 그는 경영진과 관련 이해당사자들이 지능형 가상 비서에 투자하는 데 따르는 가치를 이해하는 것도 핵심적이라고 덧붙였다. 

여행 플래너가 되는 챗봇 
콜롬비아의 국책 항공사 아비앙카는 페이스북 메신저 플랫폼으로 구축한 챗봇 서비스(Carla)를 제공하고 있다. 사용자는 챗봇을 통해 기상 상태 및 항공편 현황 확인부터 체크인, 좌석 변경, 환불 문의까지 다양한 서비스를 간편하게 이용할 수 있다. 

이 챗봇을 공동 개발한 액센추어 인터랙티브의 이사 롭 할리스는 “몇몇 기본적인 질문에 응답하는 데 도움을 주도록 설계됐다”라고 설명했다. 

할리스는 또한 칼라가 AWS 클라우드를 기반으로 운영돼 손쉽게 확장할 수 있다고 밝혔다. 그는 이를 통해 성수기에도 고객 경험에 전혀 지장을 주지 않는다고 덧붙였다. 2016년 12월 출시 이후 칼라는 수만 명의 순 사용자와 수백만 건의 커뮤니케이션 사례를 확보했다.  

성공적인 챗봇을 개발하는 6가지 팁 
챗봇 개발사 컨버서블은 챗봇 구축 시 고려해야 할 가장 기본적이고, 핵심적인 사항들을 다음과 같이 정리했다. 

대화 설계: 현 고객 경험에서 가장 적합한 사용 사례를 파악하고, 대화 흐름(시나리오)을 작성한다. 

대화 구축: 이를 최종 제품의 1.0 버전으로 생각하면 된다. 전체적인 경험이 매끄러운지 확인하기 위해 테스트를 진행하며, 필요에 따라 대화 흐름을 수정한다.

시스템 통합: 각 대화 흐름에 필요한 데이터가 전달될 수 있도록 웹후크(webhooks)를 사용한다. 예를 들어 누군가가 가격이나 칼로리 등을 알고 싶어 한다면 대화 중에 해당 데이터를 바로 가져와야 한다. 

학습: 지도 학습(Supervised learning)을 통해 챗봇을 계속해서 훈련시키고 개선해야 한다. 이를 통해 챗봇의 알고리즘은 모범 사례들을 바탕으로 해답을 추론하도록 훈련된다. 

확장: 사람들은 흔히 한 주제로 이야기를 하다가 다른 주제로 건너뛰곤 한다. 한 대화와 다른 대화 간의 관계성을 파악하고 흐름을 연결시킨다면, 고객은 시간을 절약할 수 있고, 챗봇은 유기적인 대화로 고객을 응대할 수 있다.

진보된 AI: 지속적인 개선이 필요하다. 더 많은 데이터가 수집될수록 챗봇을 더 정밀하게 개선할 수 있다. 

궁극적으로 ‘뛰어난’ 챗봇이라면 비즈니스 사용 사례와 고객 여정 전반에 걸쳐 사고할 수 있어야 하고, 필요 시 여정을 수정할 수 있어야 한다고 램은 말했다. 그러면서 지팡이를 휘두르기만 하면 AI라는 마법이 이뤄지는 것은 아니라고 그는 지적했다.
 
챗봇의 함정 
모든 챗봇이 성공하는 것은 아니다. 전문가들은 챗봇 실패로 이어질 수 있는 일반적인 함정들을 아래와 같이 제시했다. 

부족한 언어 처리 능력: 포레스터 리서치의 애널리스트 찰스 베츠는 언어 학습이 부족한 챗봇은 고객의 질문에 응답할 수 없다고 말했다. 고객이 사용하는 단어나 약어, 또는 단어 조합을 인식할 수 없기 때문이다. 베츠는 “문장과 맥락의 모든 요소를 설명할 수 있는 하나의 체계를 갖기 위해서는 훨씬 더 많은 단계가 필요하다. 언어의 복합성은 학습으로 보완되어야 한다”라고 설명했다. 

범용적인 챗봇 도입: 광범위한 제품을 아우르는 고객 지원부터 전자상거래까지 온갖 곳에서 사용되도록 설계된 챗봇은 회사와 고객에게 도움이 되지 않는다고 램은 지적했다. 이어서 그는 “대화형 AI의 응용 범위를 좁혀야 정확하고 일관성 있으며 확장 가능한 경험이 나온다”라고 덧붙였다. 

성급한 도입: 챗봇이 그럴듯하게 보인다는 이유로, 또는 무엇인가 자동화하겠다는 이유로 성급하게 챗봇에 달려드는 일부 고객이 있다고 할리스는 말했다. 그는 한걸음 물러나 근본적인 문제와 달성하고자 하는 개별 과업을 먼저 이해하라고 조언했다. 해당 과업을 알고리즘이나 머신러닝 소프트웨어로 처리하는 편이 나은가? 아니면 기존처럼 사람이 하는 편이 더 나은가? ciokr@idg.co.kr

X