요즘 우리 일상에서 AI가 고객 문의를 응대하는 경우를 종종 볼 수 있습니다. AI가 고객 문의를 응대하면, 고객만족도도 상승하고, 기업 입장에서는 비용도 절감할 수 있죠. 이처럼 인공지능(AI)를 활용한 지능형 고객센터, AICC (AI Contact Center)가 빠르게 시장을 선점하고 있습니다.

​

그렇다면 AI 응대가 주목받게 된 배경과 앞으로의 전망은 어떻게 될까요? 그리고 실제 AICC에 활용되는 기술은 어떤 것들이 있을지 인공지능학 전문 장준혁 교수님의 이야기를 통해 자세히 알아보겠습니다.

​

인공지능(AI)은 현대 기술과 산업 전반에 깊숙이 들어와 있으며, 다양한 트렌드를 주도하고 있습니다. AI의 발전과 적용은 제품과 서비스의 질을 향상시키고, 새로운 시장을 창출하며, 비즈니스 모델을 혁신하는 동력이 되고 있습니다. 이러한 배경 속에서 AI기반의 고객응대가 주목을 받게 된 다양한 이유들은 다음과 같습니다.

​

1) 고객 요구의 다양화

고객들은 이제 단순히 제품이나 서비스에 대한 정보를 얻는 것뿐만 아니라, 예약, 결제, 배송 등 다양한 서비스를 원합니다. 이처럼 고객의 다양한 요구를 충족시키기 위해 사람이 하는 업무 외의 단순/반복적인 일 은 AI가 응대하면서, 결과적으로 AI가 사람과 함께 다양한 서비스를 제공할 수 있습니다.

​

2) 비용 절감

기업은 AI를 활용하여 고객 서비스 업무를 자동화하고 효율화함으로써 비용을 절감할 수 있습니다. AI기반 고객 응대는 24시간 365일 고객 응대를 제공할 수 있으며, 고객의 질문에 신속하고 정확하게 답변할 수 있습니다.

​

3) 고객 만족도 향상

고객 만족도는 기업의 경쟁력에 중요한 요소입니다. AI 기반 고객 응대는 고객의 문의 사항을 신속하고 정확하게 처리하고, 고객의 요구를 충족시킴으로써 고객 만족도를 높일 수 있습니다. 24/365 서비스의 필요성 또한 고객 만족의 중요한 이유 중 하나입니다.

​

전통적인 고객 서비스는 인력, 시간, 비용 등의 제한적인 요소로 인해 항상 가능한 것은 아니었습니다. 반면 AI 기반의 고객응대 시스템은 언제든지 서비스를 제공할 수 있습니다. 이 외에도 대량의 고객 문의와 요청을 실시간으로 처리하는 AI와, AI 기반의 고객응대 시스템을 도입함으로써 효율적인 자원 배분으로 인한 비용 절감효과 등 다양한 이유들로 AI 기반의 고객응대는 큰 주목을 받게 되었습니다.

​

AI기반 고객응대 활성화에는 음성인식 및 합성기술, 언어모델 등을 포함하는 고객과의 소통을 위한 대화형 AI가 필수적으로 요구됩니다. 초기 음성 인식 기술은 한정된 단어와 명령어만을 인식할 수 있었지만, 최근의 딥러닝과 자연어 처리(NLP) 기술의 발전으로 사용자의 다양한 발언을 훨씬 더 정확하게 이해하고 처리할 수 있게 되었습니다. 또, 스마트폰, 스마트 스피커, 스마트 홈 기기와 같은 장치들이 일상에 통합되면서 사용자들은 간편하고 자연스러운 인터페이스를 선호하기 시작했습니다. 음성AI는 이러한 니즈를 만족시키기 위한 중요한 해결책 중 하나로 떠올랐습니다.

​

음성AI를 활용한 대화형 AI는 사용자와 음성을 통해 정보를 제공하거나 특정 작업을 수행하는 시스템을 의미합니다. 사용자의 음성 입력을 받아들이고, 이를 텍스트로 변환한 후 해당 텍스트의 의도나 목적을 파악하고, 그에 대한 적절한 응답을 생성하고 이를 음성으로 출력하는 과정을 거칩니다. 대화형 AI의 핵심기술은 크게 세가지로 구분할 수 있습니다.

​

​

1) 음성 인식 (Speech to Text, STT)

STT는 사용자의 음성을 텍스트로 변환하는 기술입니다. 사용자가 말한 내용을 정확히 텍스트로 전환하여 대화형 AI가 이해할 수 있게 만드는 것으로, 음성 상담시에 고객의 질문이나 요청 사항을 파악하기 위해 정확한 인식 성능을 보장하는 기술이 필요합니다. 기술의 구성요소는 다음과 같이 정리할 수 있습니다.

​

① 음향 모델링 (Acoustic Model, AM): 사람의 음성을 기계가 이해하기 쉬운 특징 벡터로 변환하는 과정으로 딥러닝을 기반의

대용량의 데이터를 사용한 사전 학습, 특정 작업에 맞게 미세 조정하는 전이 학습 등의 다양한 기술들을 결합하여 인식기의 성능을

고도화하는 연구가 활발히 진행되고 있습니다.

​

② 언어 모델 (Language Model, LM): 생성된 텍스트의 단어나 문장이 얼마나 자연스러운지 평가하는 모델. 예측된 단어들의

연속성을 고려해 최적의 문장을 도출합니다. 음향모델과 마찬가지로 사전 학습과, task adaption 등의 결합하는 기술 연구가

진행되고 있습니다.

​

③ 디코더 (Decoder): 음향 모델과 언어 모델의 결과를 결합하여 여러 가능한 텍스트 후보 중에서 가장 확률이 높은 문장을 선택합

니다. 이 과정에서 Viterbi 알고리즘, Beam Search, 음향 및 언어 모델링을 함께 통합하여 end-to-end로 학습하는 신경망 기반의

디코더 같은 기술들이 주목받고 있습니다.

​

2) 음성 합성 (Text-to-Speech, TTS)

TTS는 텍스트 데이터를 음성으로 변환합니다. 대화형 AI가 생성한 텍스트 응답을 사용자에게 자연스러운 음성으로 전달하기 위해 사용됩니다. 기술의 구성 요소는 다음과 같습니다.

​

① 텍스트 분석: 입력 텍스트의 문장 구조, 발음 등을 분석합니다. 동사의 관계, 목적어, 부사어 등의 문장 구성 요소를 파악하는 문법 분석, 단어의 발음과 강조 방법을 결정하는 데 도움을 주는 품사 태깅, 문장 내에서 어떤 단어나 구를 강조할지, 문장의 끝맺음의 톤을 어떻게 할지 결정하는 프로소디 분석 등의 연구가 진행되고 있습니다.

​

② 음성 생성: 분석된 텍스트 정보를 바탕으로 음성 신호를 생성합니다. 최근에는 딥러닝 기반의 방법들이 주류를 이루며, 매우 자연스러운 음성을 생성할 수 있게 되었습니다. 음성의 특성을 파라미터로 모델링하는 파라메트릭 TTS, 실제 사람의 음성을 미리 녹음하여 작은 음성 조각들을 저장하고, 필요에 따라 이러한 조각들을 연결하여 음성을 생성하는 연결형 TTS, WaveNet, Tacotron 및 Transformer-TTS과 같은 딥러닝 기반의 TTS가 활발히 연구되고 있습니다.

​

③ 음성 스타일링: 사용자의 요구나 응용 분야에 맞게 음성의 높낮이, 속도, 강세 등을 조절합니다. 이는 스타일링과 감정을 전달하는 프로소디 조절, 다른 특성의 음성으로 변환하는 음성 변환, 특정 감정을 표현하기 위해 음성의 톤과 스타일을 조절하는 감정 표현 등의 연구들이 최근 주목을 받고 있습니다.

​

3) 자연어 처리 (NLP)

이는 언어를 이해하고 생성하는 데 중요한 역할을 하는 기술로, 대화형 AI의 핵심 구성요소입니다. NLP는 문장의 구조, 의미, 감정 등을 분석하며, 사용자의 의도를 파악하는 데 필수적입니다. NLP를 구성하는 주요 기술에는 문장의 구조와 관계를 파악하는 구문 분석(Parsing), 문장이나 단어의 의미를 해석하는 의미론적 분석(Semantic Analysis), 텍스트에서 특정 정보(이름, 장소, 날짜 등)를 추출하는 개체명 인식(Named Entity Recognition, NER), 사용자의 발화를 바탕으로 적절한 응답을 생성하거나 대화의 흐름을 관리하는 대화 관리(Dialogue Management) 등을 중점적으로 연구가 진행되고 있습니다. 최근 가장 핫한 기술분야이자 서비스인 ChatGPT도 이 분야에 속한다고 볼 수 있습니다.

​

최근 주목 받고 있는 인공지능 컨택센터(AICC)는 고객 서비스 및 지원 부문에서 AI와 음성 기술을 접목하여 기업과 고객 간의 상호작용을 최적화하고자 하는 혁신적인 접근법입니다. 전통적인 컨택 센터의 한계를 극복하고, 고객의 요구에 빠르고 효과적으로 대응하면서 동시에 비용 효율성을 높이려는 목적으로 도입되고 있습니다. AICC는 고객과 기업 간 소통 시 상담원 업무를 보완할 수 있어 업무 효율성과 상담의 정확도를 높일 수 있다는 장점이 있습니다. 기업 고객센터는 상담사가 고객을 혼자 감당하는 형태로 운영되어 왔지만 인공지능과 시스템 솔루션의 등장으로 AI가 그 자체로 고객에게 신속하고 정확한 정보를 제공할 수 있게 된 것입니다. AICC는 다음과 같은 기술들을 사용합니다.

​

​

1) 대화형 AI

앞서 설명한 대화형 AI는 컴퓨터가 인간의 언어를 이해하고 처리하는 기술입니다. 이 기술을 사용하여 고객의 문의 사항을 이해하고, 고객에게 필요한 정보를 제공합니다.

​

2) 챗봇

챗봇은 인공지능을 사용하여 텍스트 기반으로 고객과 대화하는 봇입니다. smallTalk과 같은 간단한 대화를 통해 간략한 대화를 이어 나가는 시스템에서, chatGPT처럼 전문가와 대화하는 듯한 고급시스템으로 진화중에 있습니다.

​

3) 콜봇

콜봇은 텍스트 기반의 대화를 하는 챗봇의 음성 인식 및 음성 생성 버전입니다. 고객의 질문에 답변하고, 문제를 해결하고, 예약을 잡는 등의 업무를 수행할 수 있습니다. 콜봇은 상담 내용을 정확하게 텍스트로 변환하는 음성인식, 인식된 텍스트를 분석하여 고객의 의도를 정확하게 파악하여 답변 제공하는 자연어처리, 그리고 텍스트 응답을 음성으로 변환하여 기업의 브랜드 가치를 가장 잘 표현할 수 있는 목소리로 음성을 생성하는 등의 기술들을 활용하여 고객 서비스의 효율성을 높이고, 고객 만족도를 향상시키는 데 도움을 줍니다.

​

4) 빅 데이터 분석

빅 데이터 분석은 대량의 데이터를 분석하여 의미 있는 정보를 도출하는 기술로서, 이 기술을 사용하여 고객의 행동 패턴을 분석하고, 고객의 요구를 예측합니다. 또 고객의 과거 데이터와 현재 행동을 기반으로 행동을 예측하고 개인화된 서비스를 제공합니다.

​

5) 머신러닝

머신러닝은 컴퓨터가 스스로 학습하고 적응하는 기술입니다. 머신러닝 기술을 사용하여 고객의 피드백과 상호작용 데이터를 기반으로 시스템은 지속적으로 학습하고 최적화되어, 시간이 지남에 따라 서비스 품질을 향상시킵니다.

​

전 세계 '인공지능 컨택센터(AICC)' 시장이 큰 성장세를 보이고 있습니다. 2020년 국내 AICC 시장은 557억원이었으나, 2030년에는 4637억원으로 성장할 것으로 예상되며, 세계적으로는 2025년에 44조7000억원에 달할 것으로 전망됩니다. AICC는 AI와 클라우드를 기반으로 한 상담 서비스에서 초거대 언어모델 등의 첨단 기술을 도입하며, 다양한 전문 서비스 영역에서 고객 친화적인 서비스를 제공하는 방향으로 발전하고 있습니다.

AI 고객 응대는 고객 서비스의 혁명을 일으키고 있습니다. AI 고객 응대의 트렌드는 아래와 같을 것입니다.

​

1) AICC의 도입 증가

AICC는 고객의 문의 사항을 처리하고, 고객의 요구를 충족시키는 데 도움이 되는 AI 기반 서비스입니다. 고객 요구의 다양성 증가와 비용 절감 요구의 증가 등으로 AICC의 도입은 지금보다 더욱 늘어날 것입니다.

​

2) 빅데이터 분석의 활용 증가

빅데이터 분석은 고객의 행동 패턴을 분석하고, 고객의 요구를 예측하는 데 도움이 됩니다. 빅데이터 분석을 통해 기업은 고객의 요구를 미리 파악하고, 고객에게 맞춤화된 서비스를 제공할 수 있습니다.

​

3) 머신러닝의 활용 증가

고객의 문의 사항을 처리하고, 고객의 요구를 충족시키는 방법을 개선할 수 있는 머신러닝을 통해 AI의 활용은 지속적으로 증가할 것입니다.

​

4) 개인화된 서비스 강화

개인화된 서비스는 AI 고객 응대 트렌드에서 중요한 역할을 합니다. AI는 고객의 행동 패턴을 분석하고, 고객의 요구를 예측하여 고객에게 맞춤화된 서비스를 제공할 수 있으며, 고객의 과거 구매 이력, 선호, 행동 패턴 등의 데이터를 분석하여 개인화된 서비스를 제공하는 것이 가능합니다.

​

5) 멀티모달 인터랙션 강화

멀티모달 인터랙션은 텍스트, 음성, 이미지 등 다양한 방식으로 고객과 상호 작용하는 것을 의미합니다. AI는 점점 더 진화하여 더욱 정교하고 인간처럼 대화할 수 있게 될 것입니다.

​

이처럼 인공지능은 현대 고객 서비스 환경에서 필수적인 요소로 자리 잡고 있으며, 그 중요성은 계속해서 증가할 것입니다. 특히 국내의 AI 기업, 이동통신사, 시스템통합 업체들이 AI 기술을 발전시키며 고객 만족도가 향상되고, 비용을 절감할 수 있는 AICC 사업을 확장하고 있습니다. 결과적으로 AICC는 음성 인식과 자연어 처리 기술을 활용하여 기존 콜센터의 업무 부담을 줄이는데 기여할 것입니다.

​

​