인공지능 서비스 - 챗봇,. AI 서비스 '챗봇' 에 대한 정확한 정보 전달!

지난 글에 소개된 내용과 같이 "AI 서비스의 추진 방향과 목표가 공감되었나요?

그렇다면 이제 관계자들과 신뢰를 쌓는것이 필요한 시점입니다.

어떤한 방법이 있을까요?

나는 기업 내부 혹은 대고객 대상 도입 하고자 하는 AI 서비스에 대하여 정확한 정보를 전달하는 것이 그 시작점이라 생각 합니다.  

그 배경에는 성선설이나 성악설을 믿는 것과 관계없이 기업에 소속된 직장인이라면 타인이 추진하는 업무에 대하여 처음부터 신뢰를 갖고 필요한 도움을 줄 수 있다고 생각 하지 않는다 여기기 때문 입니다.

공통적으로는 사내 정치적 이해관계 또는 개인 심리적인 문제가 원인일 수도 있겠지만, 

또 다른 원인중 해결 가능한 문제는 타인이 하고자 하는 업무나 목표를 제대로 알지 못하거나 믿지 않으려 하는 경우가 아닌가 싶습니다.

다들 그렇겠지만 나 또한 이 문제 해결을 위해 기업의 이해 관계자들에게 도입 시 이슈가 될 수 있는 상황에 대하여 충분히 소개 하는 것과 함께 목표로 하는 AI 서비스 (본인의 경우 'AI챗봇')에 대하여 숨김 없이 정확한 정보를 전달할 필요가 있다고 생각하였습니다.

이를 위해 사내 홍보 채널을 활용한 사례를 소개 하도록 하겠습니다. 

(관련 전문 용어나 이미지 등은 하단의 reference 를 참조 하여 작성 하였습니다.)

" AI 챗봇은 무엇이고, 어떻게 만들어져야 할까요?  "

 역은이: In-Sung Lee

챗봇은 구현 가능한 기능의 차이로써 ‘AI 기반의 봇(지능형 챗봇)’과, 여전히 ‘AI 기반이 아닌 봇’이 있습니다.

 

‘AI 기반의 봇’은 상대방의 대화를 이해 하면서 대화를 풀어내는 것으로, 고객이 원하는 것은 채팅이 아니라 문제해결이기에 자연스럽게 대화하며 명확하게 사용자의 패턴과 요구를 파악하고 정확한 서비스를 제공하는 측면에서는 아직 까지는 부족하게 느껴지는 것은 사실입니다.

 

반면, ‘AI 기반이 아닌 봇’ 은 설계자가 설계한대로 커뮤니케이션을 실행하는 봇으로 사용자의 요구가 정확히 설계자의 요구에 부합하는 경우 그에 대한 정확한 서비스 제공이 가능하나, 설계자가 설계한 대화 루트를 넘어서면 대화를 지속하기가 어려운 것이 아쉬운 점입니다.  

 

스마트 홈 시장에 비해 기업은 지능형 챗봇을 도입하기에 훨씬 어렵다 볼 수 있을 것입니다. 두가지 이유를 들어 설명해 드리고자 합니다.

 

■ 이유 1. 과연 어떤 챗봇 솔루션이 기업의 기간계 시스템에 맞춰질 수 있을까요?

 

모든 기업은 레거시(Legacy) 라 불리는 기존 시스템이 있습니다.

기업의 레거시 환경이라는 것은 기업이 상품과 서비스를 고객에게 제공하는 과정에 필요한 시스템을 총칭 합니다. 온라인 쇼핑몰의 경우 회원이나 상품 시스템, 그리고 결제 시스템 등을 의미 합니다.

 

기업 내부에서 매출이나 원가 관리를 위한 시스템도 포함 할 수 있습니다. 홈쇼핑 주문 프로세스만을 보아도, 겉으로는 ‘상품 선택 - 회원 확인 – 주소 – 할인 - 결재’ 순서로 단순해 보이나, 국내 홈쇼핑 3사의 예를 들어 볼 때 상품 주문을 위한 세부 기능 단위는 각기 달라 인터페이스 연동을 위한 인자 (Parameter)들도 모두 다르게 됩니다. 

 

회원확인) GS Shop과 현대홈쇼핑은 휴대폰 번호만으로 고객확인 가능하나, 타사는 휴대폰 번호와 주민번호 앞 6자리 확인

주소입력) 현대홈쇼핑은 다른 홈쇼핑과 다르게 기본 주소지가 아닌 다른 주소지를 선택하면 이것을 기본 배송지로 변경 할 것인지 묻는 기능 구현

할인) CJ홈쇼핑은 임직원 할인이 구현되야 하며, 현대홈쇼핑은 복합결재라는 복잡한 할인 프로세스가 적용

 상품결제) GS Shop 과 CJ홈쇼핑 여행상품은 예약만 이루어 지나, 현대홈쇼핑의 경우 예약과 결재가 가능

이러한 각 기업의 환경에 맞추기 위해 매우 뛰어나고 비싼 지능형 솔루션이 적용된다 하더라도, 기존 시스템에 이를 접목하기 위해서는 기간계 시스템 변경이 필요할 수도 있습니다.

그런데 문제는 오직 챗봇이라는 하나의 채널만을 위해 기간계 시스템 변경을 할 것인가? 사용자도 충분히 확보되지 않은 채널이면서 그 효과가 아직 검증되지 않은 챗봇 채널을 위해 기간계 시스템을 변경 한다는 것은 기업 내부에서 쉽게 결정할 수 있는 사항은 아닐 것입니다.

 

■ 이유 2. 고객의 언어가 기업마다 비슷할 것인가?

기간계 시스템을 고쳐 지능형을 도입한다 하여도, "기업의 실제 고객 센터에서의 질문 답변 내용과 챗봇의 대화 내용 그리고 고객 대응 시나리오가 같을까?" 라는 질문이 남게 됩니다.

 

<그림 1: 업종별 대화 시나리오가 다른 경우>

 

업종이나 기업에 따라 상품이나 사업 모델이 다르듯이 그에 따른 고객의 언어도 다를 수 밖에 없을 것입니다.

그렇기에 기업이 보유한 상품 이름 조차도 고객이 입력할 수 있는 수 많은 대화나 입력패턴(오타나 띄어쓰기)에 맞춰 고객언어 DB로 쌓아 둬야할 것입니다. 이러한 DB는 누가 쌓아야 할까요?

기업은 솔루션 사업자의 책임이라 생각할 것이지만 솔루션 사업자는 기업이 책임 져야 하는 사항이며 직접 축적 해나가야 한다고 생각할 것입니다.

 

<그림 2: 현황파악 및 방향성>

 

그렇다면 "우리는 지능형 챗봇이 좋은걸까?"

그리고 "어떤 솔루션을 선택해야 하는가?"라는 고민을 할 수 있을 것입니다.

지능형 챗봇이라고 해서 기업의 모든 서비스에 적용하는 것이 바람직할까요?

고객 불만이나 추천과 같은 정보 서비스는 다양한 고객의 언어를 이해하여야 하기 때문에 분명 자연어 방식이 적합 하지만, 주문과 같은 거래 형식에는 자연어보다 오히려 선택지 형식이 더 적합한 방식이라는 것은 우리는 경험과 사례를 통해 예상할 수가 있을 것입니다.

 

그렇기에, 막연히 "지능형 챗봇이 좋다 그리고 비싼 솔루션을 도입하자?"가 아니라 어떤 서비스를 챗봇으로 구현 할 것인 지 결정하고, 그 에 따라 지능형 챗봇도입이 필요한지 그리고 고객의 언어를 이해하고 우리가 가진 레거시 시스템의 호환성 등 검토하여 그 결과에 따라 어떤 솔루션을 선택해야하는지 결정 하는게 바람직한 과정이라 생각 합니다.

"이런과정을 통해 기업이 선택한 ‘AI 기반 챗봇’ 은 어떻게 만들어지고 있을까요? "

첫째. AI기반 '감성적 접근'

가장 간단한 형태인 일기 예보 챗봇 ‘날보(나무늘보)’ 는 페이스북 메신져로 제공되는 날씨정보 제공 서비스입니다

정보제공 성격임에도 불구하고, 날씨의 좋고 나쁨에 상관없이 늘 긍정적인 성격으로 행복하게 날씨를 들려 주는 ‘감성’ 요소에 주안점을 둔 챗봇으로, “내일 서울 날씨 어때?” 라고 물어보면, 날씨도 알려주고 간단한 대화가 가능합니다.

날보와의 대화는 페이스북 메신져 화면의 검색 창 상단에서 ‘날보’을 찾아 말을 걸면 됩니다. 

 

<그림3 : 감성형 챗봇 '날보'>

둘째. AI기반 '개인화 접근'

커피 주문을 도와 주는 ‘스타벅스 Barista’ 챗봇은 인앱챗봇으로 스타벅스 앱안에서 구동되며, 고객의 주문 히스토리와 대화를 통해 빠른/개인화된 주문을 도와 줍니다.

 

<그림4 : 개인화 챗봇 '스타벅스 Barista'>

 셋째. AI기반 '커머스형 챗봇'

쇼핑몰 챗봇은 대화를 통해 커머스로 연결하는 챗봇으로 이베이 Shopbot 은 종합 쇼핑몰로는 최초로 등장한 커머스 봇으로 깔끔한 UX/UI를 가지고 있습니다. 이 경우 컨텐츠만 잘 유지 된다면 장기적으로 지속되는 커뮤니케이션이 가능한 챗봇입니다.

쇼핑몰은 고객이 가치를 느낄만한 새로운 정보를 늘 줄 수 있고, 실제 구매도 하고, 아이 쇼핑을 하는 고객도 있으니, 다른 챗봇에 비해 빈도 측면에서 활용도가 높을 수 있습니다

예상 하건대, 봇은 대화를 하면서 DB를 축척하면서 배워 나갈 것으로 (머신러닝), 이는 DB 가 많을수록 더 나은 고객 서비스를 제공할 수 있다는 뜻입니다.

그렇다면, 대형 커머스는 자신들이 만든 커머스 대화 DB를 다른 중소기업에게 나누어 줄까? 그렇지 않다면 중소 업체들은 자신의 쇼핑몰에 어떻게 챗봇 서비스를 제공해 나가야 하는지 고민해 볼 필요가 있을 것입니다.

 

 

<그림5 :커머스형 챗봇 '이베이 Shopbot'>

 

넷째. 빅데이터와 인공지능이 결합한 디지털 컨시어지봇'

“고객에게 쇼핑 품목을 비교하거나 추천해 주는 챗봇 서비스”인 디지털 컨시어지의 경우 대표적으로 국내 11번가를 사례로 들 수가 있습니다.

이를 통해 장소에 제약 없이 언제든 궁금한 제품이 있으면 상담이 가능하며, 전문 상담사의 1:1 상담을 통해 고객이 원하는 최적의 상품을 찾아 주게 됩니다.

또한 이러한 상담을 토대로 검색된 상품을 최저가로 즉시 구매가 가능하며. 다만 디지털 컨시어지를 통해 상담이 가능한 제품은 노트북, TV, 냉장고, 세탁기, 전기 밥솥 등 생활가전 제품류에 한정되어 있으나 도입 효과를 고려 하면 그 서비스 대상은 확대될 것이라 예상 해 볼 수 있을 것 입니다.

 

위의 몇가지 사례를 통해 AI 챗봇 서비스를 위해서는 “데이터의 생성과 학습”, “서비스 활성화” 측면에서 상당한 노력이 필요 하다는 것을 미루어 짐작 해 볼 수 있습니다

 

<그림6 : 디지털 컨시어지 챗봇 '11번가 나만의 디지털 컨시어지'>

 

위의 몇가지 사례를 통해 AI 챗봇 서비스를 위해서는 “데이터의 생성과 학습”, “서비스 활성화” 측면에서 상당한 노력이 필요 하다는 것을 미루어 짐작 해 볼 수 있습니다

 

" 그렇다면 우리는 어떤 노력을 해야만 할까요?"

 

첫째. 사용자 채널 고유의 특성을 고려 해야 합니다.

고객은 카카오톡, 페이스북, 사업자 App 등 다양한 채널을 통해 챗봇 서비스를 사용할 수 있습니다.

이러한 멀티채널 환경에서는 일관된 사용자 경험 (UX)을 제공하여야 합니다.

이 일관성이 곧 AI 챗봇의 아이덴티티가 되고, 더 나아가 우리의 이미지가 됩니다.

둘째. 이야기를 담은 디자인이 필요 합니다.

흔히 AI를 도입 하게 되면 기술이 가장 중요한 요소로 주목 받곤 합니다. 그러나 AI 가 실제 비즈니스에서 성과를 내려면 훌륭한 사용자 경험(UX)이 뒷받침 돼야 한다고 전문가 들은 말하고 있습니다.

UX는 최종 사용자가 특정 기업과 그 기업의 제품 및 서비스와 상호 작용을 거쳐 얻은 감정, 태도, 행동 등 총체적 경험을 의미 하며, UX 디자인도 고객 데이터를 기반으로 할 때 성과를 낼 수 있습니다.

온라인 여행 플랫폼 익스피디아(Expedia)는 두가지 이상의 시안 중 최적 안을 선정하기 위해 선정하는 ‘AB테스트’와 데이터 기반 ‘UX 디자인’으로 모바일 예약 페이지를 바꾼 결과 더 많은 수익을 올린 것으로 알려져 있습니다.

우리는 어떤 사용자경험(UX)을 설계함에 있어서 고객의 불편함 없이 새로 도입 가능할지 근본적인 질문도 고민해 봐야 할 것 입니다. 결국 조사·연구자와 콘텐츠 디자이너의 역할이 중요하며, 다양한 시나리오를 상정하고 특정한 맥락을 염두에 두고 UX를 디자인해 나가야 할 것 입니다.

 

<그림7 : AI 챗봇 서비스를 위한 단계적 개발 및 접근전략>

 

셋째. 산에 오르는 것, 농사짓는 것과 같이 지속적으로 가꾸고 개선해 나가는 노력이 필요 합니다.

 

" 과장된 약속이 아닌 명확한 가이드라인이 필요 합니다. "

구현 하려는 지능형의 범위에 기업 스스로 제한을 둘 필요가 있습니다. 고객에게 마치 모든 것을 해결해 주겠다는 만능주의가 아닌 ‘여기에서 이런 기능은 확실하게 처리해 드립니다.’ 라고 고객의 기대를 낮춰서 확실한 가치를 제공하는 챗봇 채널을 만들어야 합니다.

처음부터 확산을 염두해 두고 설계 해야 합니다. 이를 위해 효율성을 위해 고려 되는 사항으로, 공통 표준 기반 모듈을 만들고, 확장 옵션을 활용 하여, 각 사업부의 비즈니스 성격에 따라 챗봇의 페르소나(인격)을 유연하게 적용하는 등의 고민이 필요한 사항으로 볼 수 있을 것입니다.

또한, 각 사업부에 수평적으로 확산하는 것을 핵심 기조로, 현업의 전문성과 지원 부족에 따른 리스크 예방을 사전 감안하여 대응 해가며 현업의 참여도와 생산성을 높여야 합니다.

 

"실제 데이터로 학습 해야 합니다.  "

고객이 챗봇과 대화 하 게 될 채널과 같은 환경으로 입력 받는 데이터를 활용해야 합니다.

이른바 ‘동일 폼 팩터 (the same form factor)’ 원칙으로, 수능 주관식 문제와 같은 데이터를 사용하면 지정된 질문 답변 이외 대응이 불가능한 챗봇이 됩니다. 

 

"프로토타입의 테스트가 핵심 입니다. "

챗봇 서비스 출시 (또는 PoC, Pilot) 이후 실제로 쓸 사용자를 가능한 많이 테스터로 참여 시켜 미리 사용해 보도록 하는 것이 좋습니다.

이 테스트는 챗봇과 어떤 방식으로 상호 작용 하면 좋을지 실제 사용자의 의견을 확보하는 것입니다.

 

끝으로, 중장기 서비스 측면에서 조금만 더 생각해 보면 챗봇이 어떤 퍼스널리티를 가질 것인지도 브랜드의 숙제가 될 것 입니다. 쇼핑몰도 쿠팡, G마켓, 네이버 쇼핑이 제품을 소개 하는 방식이 다르듯이, 챗봇도 UX의 디테일과 말하는 톤과 매너에서 차별화가 필요할 것입니다.

 

예로 애플사의 Siri 그리고 아마존은 Alexa 이 서로 다른 느낌을 가지 듯, 우리가 만들어 갈 챗봇은 설득력 있고 건장한 느낌이거나 지적인 느낌 또는 선생님 같은 느낌 일수도 있을 것 입니다.

그렇기에 어떻게 하면 고객이 우리 챗봇과 사랑에 빠져 항상 찾도록 만들어 갈수 있을까? 함께 고민해 보길 희망하며,

 

이후 연재부터는 챗봇의 작동 원리와 최적 성능 확보, 평가를 위한 방안에 대하여 함께 알아보기로 하겠습니다.  (~계속)

 

[Reference]

1. LG CNS블로그  

 - https://blog.lgcns.com/1126

2. 챗봇구축 실무 가이드

- https://www.ibm.com/downloads/cas/NOKPJV0X 

3. 국내 챗봇 사례 6가지

 - https://channel.io/ko/blog/best-chatbot-case-6 

4. 글이 작품이 되는 공간 brunch

 - https://brunch.co.kr/keyword/IT_%ED%8A%B8%EB%A0%8C%EB%93%9C?q=g