코로나19가 재창궐하고 있다. 제자리를 찾아가던 대면 활동은 다시 위축되는 반면, 비대면 서비스는 더욱 확고하게 자리를 잡아가고 있다. 언론보도에 따르면 한 증권사는 신규고객 가운데 90%가 비대면으로 계좌를 개설했다. 또 어떤 보험사의 경우에는 비대면 가입자 수가 전년 대비 24.8% 증가했고, 공공 부문에서는 비대면 민원서류 발급이 28.6%나 증가했다. 민간과 공공을 구분하지 않고 전방위적으로 비대면 서비스가 늘어나고 있음을 확인할 수 있는 것이다

컨택센터는 비대면 서비스 증가에 따라 가장 많은 고민과 변화가 존재하는 영역 가운데 하나다. 물론 컨택센터는 코로나 이전에도 옴니채널 도입과 운영을 비롯한 비대면 고객 서비스 확대에 고민과 대응을 하고 있었다. 하지만 코로나가 비대면 서비스 도입을 더욱 가속하면서 컨택센터 변화에 대한 고민과 변화의 밀도도 더욱 높아질 수밖에 없는 상황이 됐다.

특히 최근 들어 급격히 발전하고 있는 AI 기술의 도입이 비대면 서비스의 양적 증가에 따른 효과적인 대응 방법으로 여겨지면서 컨택센터에 대한 고민의 깊이도 더욱 깊어졌다.

컨택센터 변화 방향과 솔루션

컨택센터가 당면한 문제는 크게 3가지로 정리할 수 있다.

가장 먼저 운영 비용과 효율의 문제이다. 비대면 서비스 증가는 컨택센터의 업무 증가를 의미한다. 특히 비대면 상담 업무의 증가는 상담사의 수와 업무 강도의 증가로 이어지는 만큼 이와 연관된 운영 비용도 크게 증가할 수밖에 없다.

인력의 증가는 단순한 비용 증가에 그치는 것이 아니라 조직의 비대화에 따른 인력 관리 문제로도 이어진다. 결국 비대면 서비스의 급격한 증가 상황에서 컨택센터는 인력 투입이라는 단순한 솔루션 이상의 대안을 필요로 한다.

두 번째 문제는 고객 경험 관리의 문제이다. 비대면 서비스에서 컨택센터는 고객 경험을 결정하는 핵심 채널로서 기능한다. 기존과 달리 컨택센터가 단순한 고객 지원에서 벗어나 마케팅부터 판매, 관리까지 고객 접점 전반에 걸쳐있는 만큼 컨택센터를 통한 고객 경험 관리는 기업 매출과 직결된다.

특히 코로나로 인해 최초의 상품 구매부터 모든 활동을 비대면으로 진행하는 비율도 증가하고 있는 만큼, 컨택센터를 통해 일관되고 만족스러운 고객 경험을 제공하는 것이 중요하다.

고객 경험 관리의 문제는 고객 상담 데이터 분석 이슈로도 이어진다. 고객 경험 관리를 위해서는 고객 상담 내용에 대한 면밀한 모니터링과 분석이 필요하다. 또 고객 접점에서 비대면 서비스가 차지하는 비중이 높아질수록 고객 상담 데이터는 단순히 고객 관리를 넘어 상품 개발, 마케팅 전략 수립, 리스크 관리 등 다양한 목적에서 활용성이 높아진다.

당장 보험 등 금융 분야에서는 불완전판매 모니터링 등의 목적에서 고객 데이터 분석 및 모니터링 요구가 높다. 하지만 이런 필요성에 비해 충분한 기능을 가진 고객 상담 데이터 분석 솔루션을 찾기는 쉽지 않다.

AI 컨택센터 위한 포티투마루 솔루션
AI 컨택센터 위한 포티투마루 솔루션

포티투마루는 이와 같은 컨택센터의 환경 변화와 당면 과제에 대응해 컨택센터 운영 효율화를 위한 두 가지 솔루션을 제공한다. 바로 AI 챗봇 솔루션과 TA(Text Analysis) 솔루션이다. 포티투마루가 보유한 세계적 수준의 AI 언어처리 기술을 바탕으로 제작된 솔루션으로, 차별화된 성능과 효용을 제공한다.

쉽고 빠른 도입 가능한 FAQ 챗봇

포티투마루의 3단계 AI 챗봇 솔루션
포티투마루의 3단계 AI 챗봇 솔루션

포티투마루의 AI 챗봇은 기능과 기술 구성에 따라 ▲1단계 FAQ 챗봇 ▲2단계 NLU(Natural Language Understanding) 기반 챗봇 ▲3단계 Deep QA(질의응답) 기반 챗봇으로 구분된다.

가장 기본이 되는 챗봇이 FAQ 챗봇이다. 여기서 FAQ는 고객이 자주하는 질의 사항을 정리해 홈페이지에 제공할 때 사용하는 FAQ와 동일한 용어다. FAQ 챗봇이 주로 미리 정리된 질의 응답 데이터 등을 활용해 손쉽게 구축, 도입할 수 있다.

기업들은 많은 경우 고객을 위한 FAQ 정보를 홈페이지 등을 통해 제공한다. 고객은 불편사항이나 문의사항이 발생했을 때 해당 내용을 확인하는 것만으로도 충분한 정보를 취득할 수 있는 경우가 많다.

하지만 고객이 해당 내용의 존재를 인식하지 못하거나, 찾지 못한 경우 혹은 처음부터 찾지 않는 경우 등 다양한 이유에서 FAQ 정보를 활용하지 않고 고객센터 문의로 연결되는 경우가 있다. 이런 경우 대부분 상담은 이미 공개되어 있는 FAQ 정보를 상담사를 통해 다시 제공하는 방식으로 진행된다.

FAQ 챗봇은 이러한 고객 상담 시나리오에 효과적으로 대응할 수 있다. 표준적인 질의와 답변으로 이미 정리되어 있거나 정리할 수 있는 내용으로, 실제 상담도 단순 정보 제공에 그치는 경우다. 특히 이미 FAQ 정보가 정리되어 있는 경우 간단한 데이터 검수와 AI 엔진 적용 과정만 거치면 통상 1달 이내의 짧은 기간 안에 쉽게 챗봇을 도입 적용할 수 있다. 데이터가 잘 정리되어 있어 검수 시간이 줄어들 경우 1~2주 안에 도입하는 것도 가능하다.

FAQ 챗봇 위한 패러프레이징 기술

FAQ 챗봇이 기존 데이터를 활용해 빠르게 서비스 적용이 가능한 이유는 포티투마루의 뛰어난 패러프레이징(Paraphrasing) 기술 때문이다. 패러프레이징 기술은 동일한 의미를 가지는 표현을 하나의 그룹으로 매칭시켜주는 기술이다.

예를 들어 “손흥민의 소속팀이 어디냐?”, “손흥민이 뛰고 있는 팀 이름이 뭐냐?”, “손흥민은 어디서 뛰고 있냐?” 등을 같은 질문으로 묶어주는 것이 패러프레이징 기술이다.

Deep Semantic QA Platform의 패러프레이징 기술
Deep Semantic QA Platform의 패러프레이징 기술

실제 고객 상담에서 가능한 사례로 살펴보자. 예를 들어 비밀번호를 분실한 고객이 비밀번호 오류로 로그인이 제한된 경우를 생각해보자. 이때 기업의 정책상 비밀번호를 잊었든, 오류 누적으로 로그인이 제한됐든 무조건 비밀번호를 재설정하도록 해서 FAQ 항목을 ‘비밀번호 재설정’으로 만들 수는 있다. 하지만 고객은 비밀번호 정책을 알지 못하기 때문에 ‘비밀번호 분실’, ‘비밀번호 오류’ 등의 항목만을 찾다가 상담 전화를 하게 될 수 있다.

패러프레이징 기술을 이용하면 이런 상황에 유연하게 대응할 수 있다. 고객은 ‘비밀번호를 잊었다’, ‘비밀번호를 틀렸다’, ‘비밀번호 오류로 로그인이 제한됐다’ 등 다양한 말로 문제 상황을 설명할 수 있는데, 패러프레이징 기술을 이용하면 모든 질의 표현을 ‘비밀번호 재설정’과 같은 그룹으로 설정하고 답변을 안내할 수 있기 때문이다.

특히 패러프레이징 기술을 사용한 포티투마루의 FAQ 챗봇은 다른 챗봇 솔루션들과 달리 유의어 사전을 만들지 않아도 된다. 시나리오 기반의 챗봇이 시나리오에 없는 표현으로 질의하면 동일한 의미를 가진 시나리오가 있어도 잘 답변하지 못하는 것과 달리, FAQ 챗봇은 새로운 표현의 질의라도 가장 적합한 질의에 자동 매칭 시켜줄 수 있는 만큼 기존 FAQ 데이터만 활용하더라도 다양한 시나리오에 대응할 수 있다.

자연스러운 대화 가능한 NLU 기반 챗봇

딥시멘틱 QA 플랫폼의 NLU 기술과 대화 처리 기술
딥시멘틱 QA 플랫폼의 NLU 기술과 대화 처리 기술

2단계 챗봇은 NLU 기반 챗봇이다. FAQ 챗봇은 단순한 질의응답에 최적화된 챗봇으로 다양한 고객 시나리오에 대응하기는 어렵다. NLU 기반 챗봇은 도메인(Domain) 분류, 인텐트(Intent) 분류, 개체명 인식 등 다양한 딥러닝 기반 NLU 기술을 적용해 다양한 고객 시나리오에 대응할 수 있게 만든 챗봇이다.

특히 딥러닝을 적용해 기존 챗봇 솔루션에 비해 수작업을 줄인 것은 물론, 독자 개발한 대화 관리 기술을 이용해 연속(Multi-Turn) 대화 등이 가능해 더욱 자연스러운 대화를 가능하게 한다.

NLU 기반 챗봇에 도입된 포티투마루의 딥러닝 기반 NLU 기술은 기존 기술에 비해 오·탈자, 띄어쓰기 오류, 형태소 오류 등에 민감하지 않아 안정된 성능을 제공한다. 해당 기술은 사용자 의도를 정확히 이해하고 의도에 맞는 대화를 이어나갈 수 있게 하는 바탕이 된다.

그렇다고 NLU 기반 챗봇이 딥러닝 기반 NLU 기술만 사용하는 것은 아니다. 사용자 의도가 명확한 경우, 신조어에 대한 대응이 필요한 경우 등은 규칙 기반 NLU 기술을 함께 사용하는 하이브리드 방식을 채택하고 있다. 하이브리드 방식은 한 가지 방식만 사용하는 경우에 비해 대화의 정확도를 비용 효율적으로 높일 수 있는 장점을 가지고 있다.

NLU 기반 챗봇은 연속 대화를 가능하게 하는 포티투마루의 대화 관리 기술이 적용돼 있다. 연속 대화는 자연스러운 대화를 위한 가장 중요한 조건 가운데 하나다. 예를 들어 고객이 “서울역점에 레고 신상품 재고가 남아 있나요?”라는 질의 이후에 “그럼 용산역점은요?”라고 했을 때 용산역점의 레고 신상품 제고에 대한 문의라는 점을 이해하고 답할 수 있어야 한다.

포티투마루의 NLU 기반 챗봇은 대화 관리 기술에는 연속 대화를 위한 생략어 복원, 대용어 복원 등의 기능이 포함되어 있다. 생략어 복원 기능은 앞선 사례에서 “레고 신상품 재고가 남아 있나요?”라는 발화를 복원하는 기능이고, 대용어 복원은 “서울 날씨 어때”라고 질의한 후 “거기 미세먼지는 어때?”라고 했을 때 ‘거기’를 ‘서울로’ 인식하는 기능이다.

다양한 데이터 통한 답변 가능한 Deep QA 기반 챗봇

FAQ 챗봇과 NLU 기반 챗봇은 비교적 쉽고 저렴하게, 최소한의 수작업으로 챗봇을 도입할 수 있다는 장점이 있다. 하지만 상대적으로 대화와 답변의 범위가 제한된다는 단점도 존재한다. 특히 답변에 활용할 수 있는 데이터의 범위가 3단계 Deep QA 기반 챗봇에 비해 좁다.

3단계 Deep QA 기반 챗봇은 답변을 위해 정형/비정형 데이터를 모두 사용할 수 있다는 점이 가장 큰 장점이다. 특히 기업 내에 쌓여있는 많은 비정형 문서를 챗봇의 답변에 활용할 수 있다는 점이 핵심이다. 다른 챗봇의 경우 비정형 문서의 내용을 챗봇에 활용할 수 있도록 정제하거나 시나리오를 작성해야만 문서 내용을 답변에 활용할 수 있다. 하지만 Deep QA 기반 챗봇은 데이터 정제 과정을 최소화할 수 있다. MRC(기계독해) 기술을 바탕으로 하기 때문이다.

MRC 기술은 인공지능이 사람처럼 글에서 주어진 질문에 대한 답을 찾아내는 기술이다. 마치 영어 시험에서 독해 문제를 푸는 것과 비슷한 작업이 가능하다. 예를 들어 “세종대왕 생일이 언제냐”라고 물으면 위키피디아 ‘세종대왕’ 문서에서 ‘…1397년 음력 4월 10일(양력 5월 15일) 당시 정안군이던 태종과 민제의 딸 원경왕후 민씨의 육남으로 태어났다…’는 문장을 확인하고 ‘1397년 음력 4월 10일(양력 5월 15일)’이라고 답하는 기술이다.

특히 포티투마루는 MRC 기술 분야에서 스탠포드대가 주관하는 글로벌 경진대회인 SQuAD 2.0에서 MS, IBM, 페이스북, 국내 주요 IT 기업 등을 제치고 구글과 공동 1위를 달성한 기술력을 보유하고 있다.

딥시멘틱 QA 플랫폼의 기계독해 기술
딥시멘틱 QA 플랫폼의 기계독해 기술

MRC 기술을 적용한 Deep QA 기반 챗봇은 고객 질의에 대한 답변을 위해 각종 규정집이나 지침 데이터를 활용할 수 있다. 예를 들어 보험금 지급에 대한 고객 질의에 대해 해당 보험 상품의 약관 내용을 확인하거나, 자동차 에어컨 성능 저하 문제에 대한 질의에 대해 해당 자동차 매뉴얼을 확인하는 방식으로 답변이 가능하다.

이런 상품 약관, 상품 매뉴얼은 많은 내용을 담고 있어, 고객이 원하는 질의에 맞는 정보를 담고 있다. 하지만 매우 두껍고 내용이 복잡해, 고객은 해당 내용을 직접 찾기보다 상담을 하는 경우가 대부분이다.

이렇게 MRC 기술을 적용한 Deep QA 기반 챗봇은 다른 챗봇에 비해 많은 데이터를 활용해 폭넓은 고객 질의에 대응할 수 있지만 데이터양에 따라 구축 기간이 길고, 비용도 높아지는 점을 고려할 필요가 있다.

포티투마루 챗봇 도입해 효율성 증가

포티투마루 챗봇을 사용하고 있는 대표적인 기업은 L이동통신사이다. 현재 L사 웹페이지에서 핸드폰 및 요금제 안내에 사용되는 웹챗봇은 포티투마루의 솔루션을 사용하고 있다.

일반적인 핸드폰 및 요금제 정보는 홈페이지를 통해 모든 정보가 제공된다. 고객이 충분한 시간을 들여 정보를 탐색할 경우 원하는 핸드폰과 요금제를 결정할 수 있는 정보가 존재하는 것이다.

하지만 많은 경우 정보의 복잡성, 검색의 어려움 등으로 인해 웹페이지 검색에 그치지 않고 상담사 연결이나 대리점 방문 등으로 이어진다. 특히 요즘과 같은 코로사 상황에서는 대리점보다는 상담사 연결이 많아질 수밖에 없다.

특히 핸드폰 및 요금제 조회 관련해서 상담이 늘어나는 시기는 주요 제품의 예약 판매 기간이다. 삼성이나 애플의 신제품 출시에 따른 예판 기간에는 상담 양이 폭증한다. 이런 상황에서 대비하기 위해서는 상담 인력을 일시에 충원하는 등의 방법을 사용하지만 단순 질의 대응에 많은 비용이 들어가는 문제가 발생할 수밖에 없다.

L사는 포티투마루의 챗봇 솔루션을 도입한 이후 핸드폰 및 요금제에 대한 상담 콜 수가 크게 줄어드는 효과를 거뒀다.

저작권자 © 테크데일리(TechDaily) 무단전재 및 재배포 금지