인공지능의 새로운 발전은 ‘인간적인 접촉’이 부족한 챗봇을 가져올 수 있을까요?
인공지능의 새로운 발전, '인간적인 접촉'이 부족한 챗봇 가능?
챗봇이 처음 상업적으로 이용 가능해지면서, 큰 기업들과 작은 기업들 모두 챗봇을 환영했습니다. “로봇이 몇 초만에 쉬운 고객 서비스 질문을 처리해줄 수 있다니? 놀라워!”라고 생각했었습니다.
문제는, 초기 챗봇들은 C-3PO보다는 실제 사람과 대화하기에 방해가 되는 식이었습니다. “질문을 다시 말해주실 수 있을까요?”라는 질문을 10번이나 반복하거나, 관련 없는 정보 페이지로 연결되는 경우도 있었고, 고객들은 이제 슬슬 잘 만들어지지 않은 챗봇과의 인내심을 가질 수 없다는 것을 깨달았습니다.
실제로, Zoom의 연구에 따르면 응답자들의 절반 이상이 단 한 번 또는 두 번의 나쁜 고객 지원 경험 후에도 경쟁사로 이탈할 것이라고 합니다.
하지만 인공지능 기술의 새로운 발전은 우리에게 과학소설에서 꿈꾸던 스마트하고 감정적인 지능적인 챗봇을 줄 수 있을까요? 챗봇이 잘못되는 이유와 인공지능이 어떻게 도움이 될 수 있는지 살펴보도록 하겠습니다.
대본을 벗어나다
외국으로 가서 언어 실력을 테스트해본 적이 있다면, 수업에서 가르쳐주는 것과 실제 사람들이 말하는 방식은 완전히 다르다는 것을 알 것입니다. “어떻게 지내세요?”는 “어떻게 지내?”로 대체되기도 하고, “10 파운드”는 “10 퀴드”가 될 수도 있습니다. 실제 현지인들과 시간을 보내면서 언어를 배우게 될 때 진정한 언어 사용법을 익힐 수 있습니다.
초기 챗봇들은 새로운 언어 학습자와 매우 비슷한 존재였습니다. 그들은 인간의 언어 지식이 미리 설정된 질문과 응답 세트로 제한되어 있었습니다. 슬랭이나 뉘앙스를 잊어버리고, “안녕” 대신 “안녕하세요”를 말하면 그들은 당황해할 수 있었습니다. 그들의 프로그래밍 범위를 벗어난 질문을 하면, “죄송합니다. 이해하지 못합니다.”라는 유명한 답변을 기대할 수 있었습니다.
자연어 처리(NLP)를 통해 챗봇들은 인간의 언어 능력을 더욱 높일 수 있습니다. 미리 설정된 질문과 답변에 의존하는 대신, NLP 기반 챗봇들은 고객의 질문을 부분적으로 분해하여 문맥과 의미를 분석합니다.
이는 고객들이 이러한 고급 챗봇들과 실제 고객 서비스 대표와 같이 대화할 수 있으며, 비로소 로봇적이지 않은 답변을 받을 수 있음을 의미합니다. ChatGPT는 사용자의 질문을 이해하기 위해 NLP를 활용하는 좋은 예입니다.
게다가, NLP 챗봇이 고객들과 상호작용할수록, 더 많이 배울 수 있습니다. 이는 시간이 지남에 따라 과거 상호작용을 기반으로 더 정확하고 관련성 있는 응답을 제공할 수 있음을 의미합니다.
향상된 의사소통
그래서, AI 기반 챗봇들은 말을 타이핑할 수 있을까요. 하지만 실제로 언어를 구사할 수 있을까요?
음성 인식과 음성을 텍스트로 변환하는 기술은 실제로 ‘채팅’이라는 단어를 의미하게 만들고 있습니다. 5년 전만 해도, 사투리가 조금만 섞인 사람조차 음성 비서로부터 응답을 받기 어려웠습니다. 오늘날, 자연어 이해(NLU)를 사용하여 최신 챗봇들은 언어와 사투리를 감지하고, 같은 언어로 응답하며, 음성을 텍스트로 변환하는 기능을 제공할 수 있습니다.
이는 기록 보관 및 교육 목적으로 대화 요약을 생성하려는 고객 서비스 대표에게도 편리합니다.
감정적인 성분
챗봇의 목적은 이름 그대로 ‘대화’입니다. 정의상, 챗봇은 대화할 수 있어야 합니다. 하지만 대화란 단순히 단어뿐만이 아닌 감정과 뉘앙스를 이해하는 것입니다.
인간들은 항상 의도한 대로 말하지 않습니다. 신체 언어, 목소리 톤, 표정, 억양은 모두 단어만으로는 전달할 수 없는 메시지를 나타낼 수 있습니다. 이로 인해 챗봇이 우리가 실제로 의도한 바를 이해하는 것은 더욱 어려워집니다.
기계 학습 기법을 통해, 현대 챗봇은 메시지의 근본적인 의도를 인식하도록 훈련시킬 수 있습니다. 이를 감정 분석이라고 합니다. 이를 통해 AI 모델은 인간의 언어에 긍정적인, 부정적인 또는 중립적인 감정이 있는지를 감지할 수 있습니다.
우리는 인간이기 때문에 감정 언어를 사용하기도 합니다. 감정 분석 도구는 사용된 언어에 따라 데이터를 얼마나 긍정적 또는 부정적인지에 대한 척도로 평가할 수 있습니다. 예를 들어, 최고의 NLP 기술조차 풍자를 이해하지 못할 수 있지만, 감정 분석을 사용하면 고객이 분노하고 있는지를 감지할 수 있습니다. 이 기술은 리스크 분석을 지원하거나, 사망 사례를 감지하고 대리인에게 알릴 때까지 다양한 상황에서 사용될 수 있습니다.
이는 분류 및 우선순위 지정이 빠르게 이루어져야 하는 고객 서비스 팀에게 유용합니다. 어떤 사례들을 빠르게 분류하거나 다른 대표에게 재지정하거나 자동으로 인간 대표에게 전달할 필요가 있는지를 정확하게 파악할 수 있습니다. 이러한 지능적인 라우팅 및 에스컬레이션은 응답률을 줄이고 고객 서비스 팀이 사례를 올바른 대표에게 매칭하는 데 시간을 절약하는 데 도움이 될 수 있습니다.
학습 및 미래에 대한 인사이트 도출
상식은 대부분의 인간이 갖고 있는 고유한 특성 중 하나로, 우리를 점점 더 똑똑한 기계와 구별짓는다. 우리가 원하는 결과를 얻지 못하면서 반복적으로 무언가를 수행할 때, “이곳에 무언가 조금 이상한 게 있지 않을까?” 라고 우리에게 말해주는 작은 목소리입니다.
아직 기계에 상식을 프로그래밍하는 것은 불가능하지만, 예측 분석을 통해 봇이 과거 데이터로부터 학습하고 예방적인 지원을 제공할 수 있습니다.
고객이 제품 리뷰를 온라인에 게시하고 제품 결함을 언급하는 경우, 예측 분석 도구를 사용하여 해당 제품을 사용하는 고객을 추적하여 비슷한 문제를 겪을 수 있는 고객을 찾을 수 있습니다. 더욱 똑똑한 점은 해당 데이터를 사용하여 영향력 있는 지원을 제공하고 결함에 대한 대량 성명을 발표하며 미래 제품 개발에 영향을 미칠 수 있다는 것입니다.
예측 분석은 약간의 업셀을 안전하게 할 수도 있습니다. 고객의 과거 쇼핑 데이터를 분석하여 예측 분석 도구는 개별 고객에게 맞춤형 제품 추천을 할 수 있습니다.
성공의 확장: 생성적 AI가 고객 경험(CX)을 혁신하는 방법
고객 서비스에 대한 AI의 세계에 더 깊이 파고들 준비가 되었다면, Omdia의 전문가 Tim Banting과 Zoom의 Iqbal Javaid가 다음에 대해 논의하는 이 온디맨드 웨비나를 확인해보세요:
- 현재 가장 인기 있는 AI 기술과 채택 동향
- 데이터, 보안 및 편견과 관련된 일부 도전
- AI 도구를 고객 서비스 팀에 통합하는 최상의 사례
- Zoom의 AI 기반 고객 경험 플랫폼
