대화형 AI이란 무엇인가요?

대화형 AI는 자연어 처리(NLP)와 머신 러닝을 결합합니다. 이러한 NLP 프로세스는 머신 러닝 프로세스와 함께 지속적인 피드백 루프를 통해 흐름으로써 AI 알고리즘을 지속적으로 개선합니다.

대화형 AI에는 자연스러운 방식으로 응답을 처리, 이해 및 생성할 수 있는 기본 구성 요소가 있습니다.

머신 러닝(ML)은 인공 지능의 하위 분야로, 경험을 통해 지속적으로 개선되는 알고리즘, 기능 및 데이터 세트로 구성됩니다. 입력이 증가함에 따라 AI 플랫폼 머신은 패턴을 인식하는 데 더 능숙해지고 이를 사용하여 예측을 수행합니다.

자연어 처리는 현재 대화형 AI에 사용되는 머신 러닝의 도움을 받아 언어를 분석하는 방법입니다. 머신 러닝 이전에 언어 처리 방법론은 언어학에서 전산 언어학, 통계적 자연어 처리로 발전했습니다. 앞으로 딥 러닝은 대화형 AI의 자연어 처리 능력을 더욱 발전시킬 것입니다.

NLP는 입력 생성, 입력 분석, 아웃풋 생성, 강화 학습의 네 단계로 구성됩니다. 비정형 데이터를 컴퓨터가 읽을 수 있는 형식으로 변환한 다음 분석하여 적절한 응답을 생성합니다. 기본 ML 알고리즘은 학습을 통해 시간이 지남에 따라 응답 품질을 개선합니다. 이 네 가지 NLP 단계는 아래와 같이 더 세분화될 수 있습니다.

• 입력 생성: 사용자는 웹 사이트 또는 앱을 통해 입력을 제공합니다. 입력 형식은 음성 또는 텍스트일 수 있습니다.
  
  
• 입력 분석: 입력이 텍스트 기반인 경우 대화형 AI 솔루션 앱은 자연어 이해(NLU)를 사용하여 입력의 의미를 해독하고 의도를 도출합니다. 그러나 입력이 음성 기반인 경우 자동 음성 인식(ASR)과 NLU를 결합하여 데이터를 분석합니다.
  
  
• 대화 관리: 이 단계에서는 NLP의 구성 요소인 자연어 생성(NLG)이 응답을 공식화합니다.
  
  
• 강화 학습: 마지막으로, 머신 러닝 알고리즘은 시간이 지남에 따라 응답을 개선하여 정확성을 보장합니다.

대화형 AI는 잠재 사용자가 제품과 상호 작용하는 방식과 그들이 주로 궁금해할 수 있는 질문을 생각하는 것에서 시작됩니다. 그런 다음 대화형 AI 툴을 사용하여 관련 정보로 안내할 수 있습니다. 이 섹션에서는 대화형 AI를 계획하고 만드는 방법을 안내합니다.

자주 묻는 질문은 대화형 AI 개발 프로세스의 기초입니다. 최종 사용자의 주요 요구 사항과 우려 사항을 정의하는 데 도움이 되며, 이를 통해 지원팀의 통화량을 일부 완화할 수 있습니다. 제품에 대한 FAQ 목록이 없는 경우에는 고객 성공 팀과 함께 대화형 AI가 지원할 수 있는 적절한 질문 목록을 결정하세요.

예를 들어 은행이라고 가정해 보겠습니다. 시작 목록은 다음과 같을 수 있습니다.

• 계정에 액세스하려면 어떻게 해야 하나요?
  
  
• 라우팅 번호와 계좌 번호는 어디에서 찾을 수 있나요?
  
  
• 직불카드는 언제 도착하나요?
  
  
• 직불카드를 활성화하려면 어떻게 해야 하나요?
  
  
• 수표는 어떻게 주문하나요?
  
  
• 현지 은행원과 상담하려면 어떻게 해야 하나요?

시간이 지남에 따라 언제든지 목록에 더 많은 질문을 추가할 수 있으므로 작은 질문 세그먼트로 시작하여 대화형 AI의 개발 프로세스 프로토타입을 만듭니다.

FAQ는 계정 액세스와 같은 사용자 입력에 표현된 목표 또는 의도의 기반이 됩니다. 목표를 설정한 후에는 이를 watsonx Assistant와 같은 경쟁력 있는 대화형 AI 툴에 연결할 수 있습니다.

여기에서 사용자가 이러한 유형의 정보를 요청할 때 사용할 수 있는 문구를 대화형 AI에 학습시켜야 합니다. "내 계정에 액세스하는 방법"을 예로 들면, 사용자가 지원 담당자와 채팅할 때 "로그인 방법", "비밀번호 재설정 방법", "계정 가입" 등과 같이 사용할 수 있는 다른 문구를 생각해 볼 수 있습니다.

고객이 사용할 수 있는 다른 문구를 잘 모르겠다면 분석 및 지원팀과 협력하는 것이 좋습니다. 챗봇 분석 툴이 적절하게 설정되어 있다면 분석팀은 웹 데이터를 마이닝하고 사이트 검색 데이터에서 다른 쿼리를 조사할 수 있습니다. 또는 웹 채팅 대화 및 콜센터의 대화 내용 데이터를 분석할 수도 있습니다. 분석팀이 이러한 유형의 분석을 할 수 있도록 설정되어 있지 않다면 지원팀에서도 고객이 질문을 하는 일반적인 방식에 대한 귀중한 인사이트를 제공할 수 있습니다.

의도를 둘러싼 명사 또는 엔티티를 생각해 보세요. 이 예에서는 사용자의 은행 계좌에 초점을 맞추었습니다. 따라서 은행 계좌 정보를 중심으로 엔티티를 만드는 것이 합리적입니다.

'사용자 이름', '비밀번호', '계정 번호' 등 다양한 값이 이 정보 카테고리에 속할 수 있습니다.

특정 사용자 의도를 둘러싼 엔터티를 이해하려면 툴 또는 지원팀에서 수집한 것과 동일한 정보를 사용하여 목표 또는 의도를 개발할 수 있습니다. 이 명사들은 기본 'ask'보다 앞이나 뒤에 옵니다.

이러한 모든 요소가 함께 작동하여 최종 사용자와의 대화를 생성합니다. 의도를 통해 기계는 사용자가 무엇을 요구하는지 해독하고 엔티티는 적절한 응답을 제공하는 방식으로 작동합니다. 예를 들어, 대화 AI와 비밀번호를 잊어버린 사용자 간의 대화가 다음과 같이 전개된다고 상상해 볼 수 있습니다.

목표와 명사(또는 IBM이 부르는 대로 의도와 엔터티)는 함께 작동하여 사용자의 필요에 따라 논리적인 대화 흐름을 구축합니다. 대화형 AI를 직접 구축할 준비가 되었다면 IBM의 watsonx Assistant Lite 버전을 무료로 사용해 보세요. 

대화형 인공 지능이라고 하면 고객 지원 서비스 및 옴니채널 배포를 위한 온라인 챗봇과 음성 어시스턴트를 떠올리는 경우가 많습니다. 대부분의 대화형 인공 지능 앱은 백엔드 프로그램에 광범위한 분석 기능이 내장되어 있어 사람과 유사한 대화 경험을 보장합니다.

전문가들은 대화형 AI의 현재 애플리케이션을 매우 좁은 분야의 작업 수행에 초점을 맞추고 있기 때문에 이를 약한 AI로 간주합니다. 아직 이론적 개념인 강한 AI는 다양한 작업을 수행하고 광범위한 문제를 해결할 수 있는 인간과 같은 의식에 초점을 맞추고 있습니다.

대화형 AI는 그 범위가 좁지만 기업의 수익성을 높이는 데 도움이 되는 매우 수익성 높은 기술입니다. 인공 지능 챗봇이 대화형 AI의 가장 인기 있는 형태이긴 하지만, 기업 전반에 걸쳐 다양한 사용 사례가 있습니다. 몇 가지 예를 들면 다음과 같습니다.

• 온라인 고객 지원: 온라인 챗봇은 고객 여정에서 인간 상담원을 대체하고 있습니다. 배송과 같은 주제에 대한 자주 묻는 질문(FAQ)에 답하거나, 개인화된 조언을 제공하고, 제품을 교차 판매하거나, 사용자에게 사이즈를 제안하여 웹사이트와 소셜 미디어 플랫폼에서 고객 참여에 대한 우리의 생각을 바꾸고 있습니다. 가상 상담원이 있는 전자 상거래 사이트의 메시징 봇, Slack 및 Facebook Messenger와 같은 메시징 앱, 그리고 일반적으로 가상 어시스턴트와 음성 어시스턴트가 수행하는 작업이 그 예입니다.
  
  
• 접근성: 기업은 특히 보조 기술을 사용하는 사용자의 진입 장벽을 낮춤으로써 접근성을 높일 수 있습니다. 이러한 그룹을 위해 대화형 AI에서 일반적으로 사용되는 기능은 Text to Speech 받아쓰기 및 언어 번역입니다.
  
  
• HR 프로세스: 직원 교육, 온보딩 프로세스, 직원 정보 업데이트 등 대화형 AI를 사용하여 많은 인적 자원 프로세스를 최적화할 수 있습니다.
  
  
• 건강 관리: 대화형 AI는 환자에게 건강 관리 서비스를 더 접근하기 쉽고 저렴하게 제공할 수 있으며, 운영 효율성과 청구 처리 등의 행정 절차를 보다 간소화할 수 있습니다.
  
  
• 사물인터넷(IoT) 디바이스: 대부분 가정에는 이제 Alexa 스피커부터 스마트 워치, 휴대전화까지 최소 한 대 이상의 IoT 기기가 있습니다. 이러한 기기는 자동 음성 인식을 사용하여 최종 사용자와 상호 작용합니다. 인기 있는 애플리케이션으로는 Amazon Alexa, Apple Siri, Google Home이 있습니다.
  
  
• 컴퓨터 소프트웨어: 대화형 AI로 인해 사무실 환경의 많은 작업이 간소화됩니다. 예를 들어 Google에서 무언가를 검색할 때의 검색 자동 완성이나 맞춤법 검사가 그 예입니다.

현재 대부분의 인공 지능 챗봇과 앱은 초보적인 문제 해결 능력을 갖추고 있지만, 반복적인 고객 지원 상호작용에 소요되는 시간을 줄이고 비용 효율성을 개선하여 인력 자원이 보다 복잡한 고객 상호작용에 집중할 수 있도록 지원합니다. 전반적으로 대화형 AI 앱은 사람의 대화 경험을 잘 재현할 수 있어 고객 만족도가 더 높습니다.

대화형 AI는 많은 비즈니스 프로세스를 위한 비용 효율적인 솔루션입니다. 다음은 대화형 AI를 사용할 때 얻을 수 있는 이점의 예입니다.

고객 서비스 부서에 인력을 배치하는 것은 상당한 비용이 들 수 있으며, 특히 정규 업무 시간 외에 질문에 답변해야 할 경우 더욱 그렇습니다. 대화형 인터페이스를 통해 고객 지원을 제공하면 특히 중소기업의 경우 급여 및 교육과 관련된 비즈니스 비용을 절감할 수 있습니다. 챗봇과 가상 어시스턴트는 즉시 응답할 수 있어 잠재 고객에게 24시간 가용성을 제공합니다.

사람과의 대화는 잠재 고객에 대한 일관성 없는 응답을 초래할 수도 있습니다. 지원팀과의 상호작용은 대부분 정보를 찾는 반복적인 작업이기 때문에 기업은 다양한 사용 사례를 처리하도록 대화형 AI를 프로그래밍하여 포괄성과 일관성을 보장할 수 있습니다. 이를 통해 고객 경험의 연속성을 확보하고 더 복잡한 문의에 귀중한 인적 자원을 투입할 수 있습니다.

모바일 디바이스가 소비자의 일상 생활에 도입됨에 따라 기업은 최종 사용자에게 실시간 정보를 제공할 준비가 되어 있어야 합니다. 대화형 AI 툴은 사람보다 더 쉽게 접근할 수 있기 때문에 고객은 브랜드와 더 빠르게, 자주 소통할 수 있습니다. 이러한 즉각적인 지원을 통해 고객은 콜센터 대기 시간이 길어지지 않게 되어 전반적인 고객 경험이 개선됩니다. 고객 만족도가 높아지면 기업은 고객 충성도 증가와 추천을 통한 추가 수익으로 그 영향력을 확인할 수 있습니다.

대화형 AI 내의 개인화 기능을 통해 챗봇은 최종 사용자에게 추천을 제공할 수 있으며, 이를 통해 기업은 고객이 처음에는 고려하지 않았을 수 있는 제품을 교차 판매할 수 있습니다.

대화형 AI를 지원하는 인프라를 추가하는 것이 신입 사원의 채용 및 온보딩 프로세스보다 저렴하고 빠르기 때문에 대화형 AI는 확장성도 매우 뛰어납니다. 이는 제품이 새로운 지역 시장으로 확장되거나 휴가철과 같이 예상치 못한 단기 수요 급증 시 특히 유용합니다

대화형 AI는 아직 초기 단계에 있으며 최근 몇 년 동안 광범위한 비즈니스 채택이 시작되었습니다. 여느 새로운 기술 발전과 마찬가지로 대화형 AI 애플리케이션으로 전환하는 데에는 몇 가지 문제가 있습니다. 그 예는 다음과 같습니다.

언어 입력은 입력이 텍스트이든 음성이든 대화형 AI의 문제점이 될 수 있습니다. 방언, 억양, 배경 소음은 AI가 원시 입력을 이해하는 데 영향을 미칠 수 있습니다. 속어와 스크립트화되지 않은 언어도 입력 처리에 문제를 일으킬 수 있습니다.

그러나 대화형 AI의 가장 큰 과제는 언어 입력의 인적 요소입니다. 감정, 어조, 풍자 등은 대화형 AI가 의도한 사용자 의미를 해석하고 적절하게 응답하는 것을 어렵게 만듭니다.

대화형 AI는 사용자 질의에 답하기 위해 데이터를 수집하는 데 의존하기 때문에 개인정보 보호 및 보안 침해에도 취약합니다. 높은 개인정보 보호 및 보안 표준과 모니터링 시스템을 갖춘 대화형 AI 앱을 개발하면 최종 사용자 간의 신뢰를 구축하는 데 도움이 되며 궁극적으로 시간이 지남에 따라 챗봇 사용을 늘릴 수 있습니다.

사용자는 개인 정보 또는 민감한 정보를 공유하는 것에 대해 불안해할 수 있습니다. 특히 사람이 아닌 기계와 대화한다는 사실을 알게 되면 더욱 그렇습니다. 모든 고객이 얼리어답터는 아니기 때문에 더 나은 고객 경험을 만들기 위해서는 대상 고객에게 이러한 기술의 이점과 안전성에 대해 교육하고 교류하는 것이 중요합니다. 이로 인해 사용자 경험이 저하되고 AI의 성능이 저하되어 긍정적인 효과가 무효화될 수 있습니다.

또한 챗봇이 광범위한 사용자 문의에 응답하도록 프로그래밍되지 않은 경우도 있습니다. 이런 경우에는 이러한 복잡한 문의를 처리할 수 있는 대체 커뮤니케이션 채널을 제공하는 것이 중요합니다. 잘못되거나 불완전한 답변이 제공될 경우 최종 사용자에게 불편을 줄 수 있기 때문입니다. 이러한 경우에는 고객에게 회사의 담당자와 연락할 수 있는 기회를 제공해야 합니다.

마지막으로 대화형 AI는 기업의 워크플로를 최적화하여 특정 직무의 인력을 감축할 수도 있습니다. 이는 사회경제적 반발을 불러일으켜 기업에 부정적인 반발을 초래할 수 있습니다.