인공지능(AI) 챗봇은 고객 서비스를 어떻게 변화시킬까요?

오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


고객 인텔리전스(CI)를 위한 챗봇

이미 많은 기업들이 인공지능(AI)으로 비즈니스를 자동화하고, 더 나은 고객 경험을 제공하며, 매출을 높이고 있습니다. 이미 수년 전부터 은행은 인공지능을 활용해 잠재적인 금융 사기를 탐지하고, 통신사는 고객 이탈을 예측해왔는데요. 챗봇은 한 단계 더 나아가 인공지능을 일상 가까이로 가져왔습니다.


챗봇은 머신러닝, 딥러닝, 음성 인식(voice-to-text), 자연어처리(NLP), 추천 엔진 등 여러 혁신적인 기술을 활용해 기업이 고객과 더욱 효율적으로 소통하고 고객 경험의 일부분을 자동화하도록 지원합니다. 이처럼 고객 상호작용을 개선하는 새로운 인터페이스인 챗봇은 금융, 통신, 유통 등 다양한 산업에서 화두로 떠올랐는데요. 최근 파리에서 개최된 SAS 포럼에서도 챗봇은 핵심 주제였습니다. 지금부터 포럼 현장에서 논의된 챗봇에 대한 흥미로운 사실 10가지를 소개합니다.


1. 많은 챗봇이 페이스북 메신저를 통해 무료로 운영됩니다. 리마인더, 일기 예보, 주가 업데이트, 스포츠 뉴스 등 다양한 기능의 챗봇 애플리케이션을 페이스북 메신저에 설치하기만 하면 손쉽게 이용할 수 있는데요. 물론 특정 범위 내에서 단순한 기능이 제공되지만, 원하는 서비스를 효율적으로 이용할 수 있는 방법입니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


2. 일부 상당히 직접적인 상호작용의 경우, 사용자가 사람이 아닌 챗봇과 소통하고 있다는 사실을 인지하지 못하는 수준까지 도달했습니다. 이는 사람의 개입 없이도 문제를 해결할 수 있다는 챗봇의 핵심 기능인데요. 기업은 고객이 직원의 응답을 기다리는 시간을 줄임으로써 고객 경험을 크게 개선할 수 있습니다.


3. 챗봇은 기업의 브랜드 홍보대사로서 기능합니다. 고객과 대화하는 직원이 기업의 가치를 대변하듯 챗봇 역시 기업을 대표합니다. 또한 타깃 고객의 연령대에 맞춘 표현을 사용하는 등 탁월한 브랜드 개성과 지능적 행동 모두를 갖춘 챗봇을 구축하는 것은 어렵지만 훌륭한 차별화 요소가 될 수 있습니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


4. 현대식 챗봇은 단순한 대화용 로봇 그 이상입니다. 챗봇은 자연어처리 기술을 활용해 최상의 대답을 제시합니다. 이때 대부분의 챗봇은 이전 문장의 키워드를 이용해 연구하고 대답하는데요. 일부 인공지능을 기반으로 한 현대식 챗봇은 한 단계 더 나아가 고급 분석 기술과 더 많은 정보를 바탕으로 상황에 맞는 답변을 제공합니다.


5. 기업의 챗봇 사용에 대한 공시에는 윤리적인 문제가 수반됩니다. 챗봇을 사용하는 기업은 어느 시점에서 사용에 대해 공시해야 할까요? 이는 고객의 개인 데이터뿐만 아니라 개인적인 이슈와 관련된 상호작용을 많이 하는 은행에게 더 어려운 질문인데요. 특히 금융 산업은 신뢰와 평판이 매우 중요하기 때문에 공시는 더욱 민감한 주제입니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


6. 고객이 사람보다 챗봇을 더 신뢰할 수 있습니다. 챗봇은 설정된 용도 외에 고객의 신용카드 세부사항을 기록하지 않으며, 사기 범죄의 유혹을 받지 않기 때문인데요. 이처럼 챗봇과 인공지능에 적절한 제약을 설정하고 가이드를 제시하는 것은 매우 중요한 작업입니다.


7. 챗봇의 유용성은 고객의 수용 여부로 직결됩니다. 연구 결과, 소비자의 대부분은 질문에 대해 신속하고 정확한 답변을 제시하는 인공지능, 챗봇, 로봇에 우호적이었습니다. 소비자는 고객 서비스 담당자의 업무, 챗봇이 가져온 혁신, 로봇 상호작용 시의 윤리와 같은 거창한 문제보다는 챗봇이 얼마나 유용한지에 대한 단순한 정보를 원합니다.


8. 챗봇의 효율성을 측정하는 방법에 대해서는 의견이 분분합니다. 챗봇이 업무 효율성을 향상시키고 고객 서비스 담당자의 시간을 절약할 것이라는 사실에는 의심의 여지가 없는데요. 하지만 그 정도를 정확하게 측정하는 것은 쉽지 않습니다. 일부는 고객 참여, 전환율 등 사람의 성과를 평가하는 방법을 동일하게 적용해야 한다고 말하는데요. 챗봇에 대한 핵심 도전과제는 고객과의 완벽한 상호작용이기 때문에 이를 측정하는 방법이 중요할 것입니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


9. 그렇지만 여전히 사람의 개입은 필요합니다. 인공지능은 아직 완벽하게 성숙하지 않았습니다. 매끄러운 상호작용은 현실이 아닌 목표에 더 가까운데요. 따라서 기업은 챗봇을 면밀하게 모니터링하고 의사소통이 원활하지 않거나 고객이 불편해할 때 관여해야 합니다.


10. 궁극적으로 챗봇은 고객 경험을 향상시킬 것이나, 아직 사람을 대체할 수는 없습니다. 챗봇은 고객 상호작용의 속도를 높이고, 신뢰할 수 있는 일상적인 정보를 제공하고, 고객 서비스 직원의 부담을 줄여줄 것입니다. 그러나 사람을 완전히 대체하기에는 시기상조입니다. 기업은 인공지능과 사람 사이의 파트너십을 발전시킴으로써 보다 더 나은 서비스와 고객 경험을 제공하도록 해야 합니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리



챗봇, 고객 서비스의 새로운 경쟁 영역

은행 업무에 모바일 뱅킹, 앱 등 다양한 서비스가 도입됐지만 비용이 많이 드는 대면, 전화 등을 통한 개인적인 고객 상호작용은 여전히 많이 발생하고 있습니다. 따라서 은행 업무에 챗봇을 도입하는 것은 불가피한 선택이 됐으며, 실제 은행권에서 챗봇은 새로운 경쟁 영역으로 자리잡고 있습니다.


대표적으로 롯데카드는 SAS의 인공지능 기반 텍스트 분석 기술을 도입해 신용카드 업계 최초로 실제 대고객 업무를 처리하는 인공지능 기반 챗봇 ‘로카’를 운영하고 있는데요. SAS는 피노텍과 함께 고정밀 자연어처리 기법의 텍스트 분석, 머신러닝, 학습 자동화 등 고급 분석 기술을 활용해 자주 묻는 질문(FAQ)을 처리하는 기본적인 수준의 챗봇에서 한층 진화한 지능형 챗봇을 구축했습니다.


로카는 개인정보변경, 즉시결제, 카드 및 금융서비스 신청 등 주요 카드 업무를 수행합니다. 또한 FAQ, 이메일, 채팅, 위키(wiki) 등 다양한 소스로부터 데이터를 수집, 분석, 가공하고 SAS의 셀프 러닝 기능을 이용해 대화 내용을 스스로 재학습하면서 성능을 발전시킵니다. 롯데카드는 감성 분석, 엔티티(entity) 추출 등 SAS의 비정형 데이터 분석 기능으로 대화 내용을 분석하고 데이터베이스(DB)를 생성해 이를 기반으로 고객 맞춤형 마케팅 프로그램을 강화하고 있습니다.


오픈뱅킹, 고객인텔리전스, 커스터머인텔리전스, 챗봇, 로보어드바이저, 인공지능, 머신러닝, 딥러닝, 뱅킹, 고객경험, 자연어처리


▲SAS 비주얼 텍스트 애널리틱스(SAS® Visual Text Analytics) 실행 화면


SAS는 포레스터 리서치(Forrester Research)가 최근 발행한 ‘포레스터 웨이브: 2018년 2분기 인공지능(AI) 기반 텍스트 분석 플랫폼’ 보고서에서 리더로 선정됐습니다. SAS 솔루션은 분석, 사용 편의성, 규칙과 머신러닝의 조합, 기능 범위 등 여러 솔루션 평가 항목에서 최고점을 획득했으며, 특히 포레스터는 인공지능 기반 비정형 데이터 분석 솔루션 ‘SAS 비주얼 텍스트 애널리틱스(SAS® Visual Text Analytics)’의 다양한 머신러닝 모델과 포괄적인 시각적 사용자 인터페이스(UI)에 주목했는데요.


SAS 비주얼 텍스트 애널리틱스는 자연어처리, 머신러닝, 언어학적 규칙을 활용해 비정형 데이터 안의 관계와 패턴을 자동으로 추출하고 시각적 대시보드를 제공합니다. 기업은 감성 분석, 음성 텍스트 변환, 자연어 이해 및 생성 등 다양한 기능으로 이전까지 활용하지 못했던 데이터를 평가, 분석해 인사이트를 도출할 수 있습니다. 또한 수작업으로 분석할 필요 없이 단순 반복 작업을 자동화해 효율성과 정확성을 높일 수 있습니다. SAS 웹사이트에서 비정형 데이터에 숨어있는 인사이트를 찾아내는 방법에 대해 자세히 확인해보세요.





저자

파시 헬레니우스(Pasi Helenius) l SAS 선임 비즈니스 솔루션 매니저(Senior Business Solutions Manager at SAS)

래리 오리모로야(Larry Orimoloye) l SAS 선임 비즈니스 솔루션 매니저(Senior Business Solutions Manager at SAS)

케빈 마질르(Kevin Mazille) l SAS 글로벌 액센츄어 기술 리드(SAS Global Technical Lead for Accenture)


편집

SAS코리아 마케팅