챗봇이란 무엇입니까?

가장 기본적인 설명을 하자면, 챗봇은 인간의 대화(서면 또는 음성)를 시뮬레이션하고 처리하는 컴퓨터 프로그램으로, 인간이 실제 사람과 소통하는 것과 동일한 방식으로 디지털 장치와 상호 작용할 수 있게 해줍니다. 챗봇은 단순한 쿼리에 한 줄로 된 응답을 제공하는 가장 기초적인 프로그램만큼 단순해질 수 있고, 수집 및 처리한 정보를 기반으로 더 높은 수준의 개인화 기능을 제공하는, 학습 및 진화 기능을 갖춘 디지털 어시스턴트만큼 정교해질 수도 있습니다.

여러분은 아마도 알게 모르게 챗봇과 소통해 본 적이 있을 것입니다. 가령, 컴퓨터로 제품을 검색할 때 도움말 팝업창이 표시되는 경우가 그렇습니다. 혹은 콘서트를 보러 가는 길에 스마트폰을 사용해 채팅으로 차량을 불러본 경험이라든지, 음성 명령을 사용해 이웃 동네의 카페에서 커피를 주문한 뒤, 언제 커피가 준비될지, 비용이 얼마인지 알려주는 응답을 받은 경험도 여기에 해당됩니다. 다음은 모두 챗봇과 마주칠 수 있는 시나리오의 예입니다.

챗봇의 작동 원리

AI, 자동화된 규칙, 자연어 처리(NLP), 머신러닝(ML)을 기반으로 하는 챗봇은 데이터를 처리하여 모든 종류의 요청에 대한 응답을 제공합니다.

챗봇은 주로 두 가지 유형으로 구분할 수 있습니다.

• 작업 지향적(선언적) 챗봇은 하나의 기능을 수행하는 데 초점을 맞춘 단일 목적 프로그램입니다. 규칙, NLP을 사용하고 ML은 거의 사용하지 않는 이 챗봇은 사용자 문의에 대해 자동화된 대화형 응답을 생성합니다. 작업 지향적 챗봇과의 상호작용은 매우 특정적이고 구조화되어 있어 지원 및 서비스 기능에 가장 적합합니다(예: 강력한 대화형 FAQ). 즉, 변수가 많지 않은 간단한 트랜잭션이나 영업 시간 문의 등과 같은 일반적인 질문을 처리할 수 있습니다. NLP를 사용하기 때문에 최종 사용자가 대화형 경험을 할 수 있지만, 이 챗봇의 기능은 상당히 기본적인 것에 그칩니다. 작업 지향적 챗본은 현재 가장 일반적으로 사용되는 챗봇입니다.
• 데이터 기반의 예측형(대화형) 챗봇은 종종 가상 비서 또는 디지털 어시스턴트라고 불립니다. 이 유형의 챗봇은 작업 지향적 챗봇보다 훨씬 더 개인화된 경험과, 정교한 상호 작용을 제공합니다. 이 유형의 챗봇은 맥락을 인지하고 자연어 이해(NLU), NLP 및 ML을 활용해 매 순간 학습합니다. 또한 이 챗봇은 예측 인텔리전스 및 분석을 적용해 사용자의 프로필 및 과거 행동을 기반으로 개인화된 서비스를 제공합니다. 디지털 어시스턴트는 사용자의 선호도를 지속적으로 학습해 이를 기반으로 추천 서비스를 제공하며, 향후 수요까지 예측할 수 있습니다. 데이터 및 의도 모니터링 외에도, 이 챗봇은 직접 대화를 시작하기도 합니다. 이러한 소비자 지향적인 데이터 기반 예측형 챗봇의 대표적인 예로 Apple의 Siri와 Amazon의 Alexa가 있습니다.

첨단 디지털 어시스턴트의 경우 여러 개의 단일 목적 챗봇을 하나의 주제 하에 연결하고, 각각의 챗봇이 가지고 있는 서로 다른 정보를 수집 및 결합하여 작업 수행에 활용합니다. 그러는 동안에도 챗봇이 '혼란에 빠지지 않도록' 맥락을 유지하죠.

챗봇이 비즈니스 및 고객에게 제공하는 가치

챗봇은 내부 직원과 외부 고객에게 편의성과 추가 서비스를 제공하는 동시에 운영 효율성을 높이고 비즈니스 비용을 절감해 줍니다. 이를 통해 기업은 인간이 개입하는 상호 작용의 필요성을 줄이면서 동시에 다양한 유형의 고객 문의 및 문제를 쉽게 해결할 수 있습니다.

챗봇을 활용하는 기업은 비즈니스 규모 확장, 맞춤화된 서비스 제공, 선제적인 대응을 동시다발적으로 수행해 시장 경쟁력을 높일 수 있습니다. 예컨대 인간의 능력에만 의지해야 하는 경우, 기업이 서비스를 제공할 수 있는 고객의 수에 제한이 생길 수밖에 없습니다. 인간의 능력에 의존하는 기업들은 비용 효율성을 높이기 위해 표준화된 모델에 집중하게 되고, 이들의 선제적 대응 능력 및 개인화된 접근 방식에는 한계가 생깁니다.

이와는 대조적으로 챗봇을 사용하면 기업은 무제한의 고객과 개인화된 교류를 할 수 있게 되고, 고객 수요 및 비즈니스 니즈에 따라 자유롭게 챗봇 기능을 확장 및 축소할 수 있습니다. 기업은 챗봇을 사용해 동시에 수백만 명의 사람들에게 인간적이며, 개인화된 서비스를 선제적으로 제공할 수 있습니다.

소비자 조사에 따르면 특정 유형의 거래를 위해 기업과 소통해야 할 때 소비자들이 가장 선호하는 소통 수단은 메시징 앱이었습니다. 메시징 플랫폼을 통해 제공되는 경우, 챗봇은 대체로 사람이 제공할 수 있는 것보다 더 많은 서비스와 편의를 제공할 수 있습니다. 예를 들어, 뱅킹 챗봇은 기존 콜 센터에 비해 문의 당 평균 4분을 절약해 줍니다. 기업에게 더 큰 효율성과 비용 절감 효과를 가져다주는 바로 그 기능들이 고객에게도 향상된 고객 경험이라는 이익을 가져다 주는 것입니다. 이게 바로 윈윈 전략이라고 할 수 있죠.

챗봇의 탄생 이유

디지털화는 우리 사회를 '모바일 우선' 사회로 만들었습니다. 메시징 애플리케이션의 인기가 높아지면서, 모빌리티 기반 혁신 과정에서 챗봇의 역할이 점점 더 중요해지고 있습니다. 지능형의 대화형 챗봇은 종종 모바일 애플리케이션을 위한 인터페이스 역할을 하며 기업과 고객의 상호 작용 방식을 바꾸고 있습니다.

챗봇은 인간 담당자를 고용하지 않고도 기업이 고객과 개인적인 소통을 할 수 있게 해주었습니다. 예를 들어, 고객들은 대체로 공통적이며 손쉽게 답할 수 있는 질문 및 문제들을 제출합니다. 기업이 FAQ 및 문제 해결 가이드를 만드는 이유도 바로 이것이죠. 챗봇은 서면으로 작성된 FAQ 또는 가이드에 대한 개인화된 대안을 제공할 수 있고, 심지어 문제가 너무 복잡해 챗봇이 스스로 해결할 수 없는 경우 이를 사람 담당자에게 전달하는 등 질문을 분류할 수도 있습니다. 기업의 시간과 돈을 아껴주고, 고객에게는 더 큰 편의를 제공하는 챗봇은 점점 더 큰 인기를 얻고 있습니다.

챗봇의 진화 과정

챗봇은 Alan Turing이 1950년대에 제시한 지능형 기계에 대한 상상에 그 기원을 두고 있습니다. 챗봇의 기반인 인공 지능은 그 이후로 IBM Watson과 같은 초 지능 슈퍼 컴퓨터의 형태로 발전했습니다.

오리지널 챗봇은 전화 연락망이었는데, 자동화된 고객 서비스 모델을 이용하던 전화 접속 고객들은 자주 하나의 옵션을 선택한 뒤 또 다른 옵션을 재차 선택해야 하는, 번거롭고 짜증나는 경로를 따라야 했습니다. 기술이 발전하고, AI, ML 및 NLP가 점점 정교해짐에 따라 이 모델은 팝업 채팅, 라이브 채팅, 온스크린 채팅으로 진화했습니다. 그리고 그 진화의 여정은 계속되었죠.

이제 기업들은 최신 디지털 어시스턴트를 활용해 AI를 확장하여 소비자가 자신의 기기를 사용해 기업과 훨씬 더 편리하고 효과적으로 상호작용할 수 있게 합니다.

일반적인 챗봇 사용 사례

챗봇에 AI 및 데이터가 중요한 이유

챗봇의 장점과 한계는 모두 AI와 이를 구동하는 데이터에 있습니다.

AI 고려사항: AI는 일상적이고 반복적인 프로세스를 자동화하는 데 능합니다. 이와 같은 유형의 작업에 AI가 투입되면, 이 챗봇은 보통 효과적으로 작동합니다. 그러나 챗봇이 역량 이상을 요구받거나, 챗봇이 수행해야 하는 작업을 더 복잡하게 만들면 챗봇은 제 기능을 하지 못할 가능성이 높습니다. 그 결과 비즈니스와 고객 모두에 부정적인 결과가 발생하게 되죠. 챗봇이 결코 답변 또는 해결하지 못하는 질문이나 이슈들이 있습니다. 예를 들어 변수가 많은 복잡한 서비스 이슈가 여기에 해당하죠.

개발자는 챗봇 애플리케이션에 비상 대응 기능을 추가해 챗봇의 한계를 극복할 수 있습니다. 예컨대 사용자를 다른 리소스(상담원 등)로 라우팅하거나 고객이 다른 질문이나 이슈를 제기하도록 유도하는 방식을 사용할 수 있죠. 일부 챗봇들은 챗봇과 상담사 사이의 전환 기능을 통해 매끄럽게 작동합니다. AI 기술과 그 구현이 계속해서 진화함에 따라, 챗봇과 디지털 어시스턴트는 우리의 일상 경험 속에 더욱 매끄럽게 통합될 것입니다.

데이터 고려 사항: 모든 챗봇은 다양한 소스로부터 액세스된 데이터를 사용합니다. 데이터의 품질이 높고 챗봇이 정확히 개발되기만 하면, 이 데이터는 챗봇의 동력원 역할을 합니다. 그러나 데이터 품질이 나쁘다면 데이터가 챗봇 기능을 제한하게 됩니다. 데이터 품질이 좋다고 하더라도 챗봇의 ML 훈련이 제대로 모델링되지 않았거나 감독되지 않았다면, 챗봇이 제대로 작동하지 않거나, 예상치 못한 방식으로 작동할 수 있습니다.

다시 말해 챗봇의 품질은 개발자가 챗봇에 사용한 AI 및 데이터 품질에 따라 결정됩니다.

챗봇은 나쁜가요?

챗봇 만들기, 생각보다 간단합니다.