해당 포스트는
CIO KOREA에서 발간한 뉴스를 보고 정리한 글입니다.
@Gartner
- "2020년에는 고객서비스 및 지원 업무의 25%가 가상 비서나 챗봇으로 이루어 진다"
- "또한 웹사이트, 모바일 앱, 소비자 메시징 앱, 소셜 네트워크에서 고객 요청을 처리하는 데 챗봇이 가장 많이 활용되고 있다"
@CEO 벤 램 /AI 솔루션 회사 하이퍼자이언트(HyperGiant)
- "챗봇이 성공하려면 고객에 대한 깊은 이해가 필요하다"
- "챗봇이 고객 경험에 대한 명확한 목표와 핵심 성과 지표를 가지고 개발 및 도입되어야 한다"
- "그 목적이 무엇이든 챗봇이 고객 경험을 새로운 수준으로 끌어올려야 한다"
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.
챗봇의 함정
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?