상단영역

뉴스Q

기사검색

주요메뉴

본문영역

챗봇 시대

[가트너 특약] 매력적인 챗봇 만드는 5가지 비책 

2019. 08. 02 by 밴 바커 가트너 VP 애널리스트, 고준영 기자

최근 챗봇 서비스를 구축하는 기업들이 늘고 있다. 시간에 구애받지 않고 고객서비스를 제공하면서도 인건비는 절감할 수 있어서다. 챗봇 솔루션 업체들이 많아져 마음만 먹으면 챗봇을 개발하는 것도 어렵지 않다. 무료로 사용할 수 있는 개발툴도 많다. 하지만 챗봇을 개발하는 것과 고객이 만족할 만한 챗봇을 선보이는 건 전혀 다른 문제다. 더스쿠프(The SCOOP)와 가트너가 챗봇의 고객만족도를 높일 수 있는 5가지 방법을 살펴봤다. 

챗봇의 성패를 가르는 건 고객만족도다.[일러스트=게티이미지뱅크]
챗봇의 성패를 가르는 건 고객만족도다.[일러스트=게티이미지뱅크]

인공지능(AI) 기반 서비스를 선보이는 기업들이 부쩍 늘었다. 4차 산업혁명이 도래하면서 혁신을 꾀하고 있는 기업들이 그만큼 많아서다. 그중에서도 가장 흔히 볼 수 있는 게 챗봇 서비스다. 챗봇은 문자나 음성으로 대화할 수 있는 기능을 갖춘 AI 기반 기술을 말한다. 질문을 하면 대답을 해주는 대화형 AI 메신저가 챗봇의 대표적인 사례다. 일부 은행, 쇼핑몰에선 사람을 대신해 챗봇이 고객상담업무를 맡고 있다. 

이런 역할 덕분인지 챗봇에 관심을 갖는 기업들이 빠르게 늘고 있다. 챗봇을 채택한 기업들의 수는 지난해 대비 무려 160% 이상 증가했다. 여기엔 나름의 이유가 있다. 무엇보다 운영비를 절감할 수 있다. 앞서 말했듯 이미 많은 기업들이 챗봇으로 고객상담원을 대체하고 있다. 그만큼 인건비가 줄어든다는 얘기다. 또한, 업무시간에 구애받지 않고 고객서비스를 제공할 수 있다는 점도 챗봇의 장점이다. 

챗봇 서비스를 구축하는 게 전보다 쉬워졌다는 것도 기업들의 관심이 높아진 또다른 이유다. 최근 챗봇을 개발할 수 있도록 돕는 솔루션 업체들이 부쩍 많아졌기 때문이다. 세일즈포스, SAP, 오라클 등은 대표적인 곳이다. 마이크로소프트, 구글, IBM 등 챗봇을 구축할 수 있는 개발툴을 무료로 제공하는 업체도 숱하다. 

문제는 챗봇 서비스를 구축하는 게 쉬워진 만큼 섣불리 접근하는 기업들도 많다는 점이다. 심지어 IT부서가 아닌 곳에서 챗봇 사업을 담당하는 기업도 있을 정도다. 하지만 챗봇 서비스를 구축하는 건 생각만큼 간단한 일이 아니다. 철저한 계획과 준비 없이 무작정 도입했다간 이점을 얻기는커녕 되레 사업 자원을 낭비할 가능성이 높다.

그 때문에 기업 내 애플리케이션 리더의 역할이 매우 중요하다. 다른 기업의 모범사례를 통해 효율적인 관리시스템을 마련하는 게 챗봇 서비스의 성패를 좌우할 수 있어서다. 그렇다면 성공적인 챗봇 서비스를 구현하기 위해선 어떻게 해야 할까. 리더는 다음의 5가지 사항을 먼저 고려해야 한다.

 

첫째, 비즈니스에 맞는 솔루션을 선택해야 한다. 앞서 말했듯 챗봇을 쉽게 구축하기 위한 방법엔 크게 두가지가 있다. 솔루션 업체들의 도움을 받는 것, 무료 개발툴을 이용하는 것이다. 하지만 두 방법엔 모두 리스크가 있다. 먼저 수많은 솔루션 업체 가운데 기업용(엔터프라이즈급) 챗봇 솔루션을 제공할 수 있는 곳은 많지 않다. 잘못된 솔루션을 받을 경우 다양한 사업영역에서 소화할 수 있는 챗봇을 개발하기 어려울 수 있다는 거다. 

무료 개발툴을 사용할 경우에도 문제가 있다. 개발툴마다 챗봇 개발에 필요한 자연어 처리(NLPㆍ컴퓨터가 인간의 언어를 인식ㆍ처리하는 기술) 서비스를 제공하고 있다. 하지만 여기엔 일관된 표준이 없다.

이는 큰 리스크다. 챗봇이 고객의 질문 의도와 사업의 특성을 정확하게 이해하지 못할 가능성이 적지 않아서다. 이런 리스크를 보완하기 위해 필요한 건 데이터다. 그동안 비즈니스 활동에서 쌓인 데이터를 활용해 발음과 어휘, 문구 등 모든 언어 체계를 구축해야 한다. 그럴 경우 챗봇은 사용자의 의도를 정확히 파악할 수 있다. 

데이터가 챗봇 성패 좌우


둘째, 외부 전문업체를 적절히 활용해야 한다. 앞서 말했듯 데이터는 챗봇의 성공 여부에 있어 매우 중요하다. 하지만 사업 의도에 맞게 정확한 데이터를 구축하기 위해선 전문지식과 기술이 필요하다. 가령, 안내데스크에 쓸 챗봇을 만든다고 가정해보자. 단순히 이전 안내데스크의 기록만 가져와서는 챗봇을 만드는 데 쓸 수 없다. 데이터를 체계적으로 정리하고, 주기적으로 보강을 해줘야하기 때문이다. 

이는 매우 복잡한 작업이다. 데이터뿐만 아니라 해당 데이터를 처리할 수 있는 머신러닝(인간의 학습능력을 구현한 인공지능 기술) 기술이 필요하다. 이런 작업을 수행할 만한 조건이 갖춰져 있지 않다면 외부전문업체를 찾아봐야 한다. 최근엔 챗봇 솔루션 업체들도 특정 사용 목적에 맞는 데이터를 제공하고 있다. 이 방법을 활용하는 것도 차선책이 될 수 있다. 

 

셋째, 챗봇의 유지ㆍ관리를 위한 자원을 조달해야 한다. 챗봇은 개발했다고 끝이 아니다. 지속적인 관리가 필요하다. 챗봇은 데이터가 바뀌고, 수용하는 질문과 언어가 다양해질수록 성능이 떨어질 가능성이 높다.

끊임없이 더 많은 데이터를 추가해야 한다는 건데, 이는 간단한 문제가 아니다. 새로 추가된 데이터와 기존 데이터가 충돌할 공산이 커서다. 자체적으로 관리할 수도, 외주를 맡길 수도 있다. 중요한 건 챗봇 유지를 위한 자금을 미리 조달해야 리스크를 줄일 수 있다는 점이다. 

넷째는 음성 기반 챗봇 서비스를 미리 준비해야 한다는 거다. 현재 개발된 챗봇은 대부분 문자를 기반으로 하고 있다. 그도 그럴 게 음성 서비스는 기술적인 어려움이 많다. 오디오 품질 문제와 배경 소음에 영향을 받을 수 있어서다. 그럼에도 음성 기반 챗봇 서비스를 원하는 수요는 빠르게 증가하고 있다. 음성 대화가 가장 자연스러운 소통방법이고, 문자를 입력하는 것에 비해 수고가 덜 든다는 게 이유다. 

마지막으로 챗봇의 톤과 성격을 결정하는 데도 신중해야 한다는 점이다. 최근 한 미국기업이 가상비서 선호도 조사를 실시했는데, 그 결과가 흥미롭다. 아마존의 알렉사와 구글의 어시스턴트, 애플의 시리, 사운드하운드의 하운드 중 가장 많은 선택을 받은 건 아마존의 알렉사였다.

챗봇은 곧 기업의 얼굴

아이러니하게도 알렉사는 주관적 평가에서 정확성이 가장 떨어지는 제품이었다. 참가자들이 알렉사를 선택한 이유는 다음과 같았다. “더 친절하다.” “더 멋있었다.” 참가자들이 가상비서를 실제 사람처럼 대했다는 얘기다. 참가자들이 가상비서의 기능보다 감정과 톤, 성격을 더 중요하게 여긴 이유다. 

이 결과는 애플리케이션 리더가 챗봇을 개발할 때 어디에 중점을 둬야 하는지 잘 보여준다. 가성비서뿐만 아니라 챗봇도 사용자에 의해 의인화되게 마련이다. 챗봇의 성공 여부를 가늠하는 가장 중요한 기준은 고객 만족이다. 기업들이 챗봇과의 상호작용을 인간과의 상호작용과 최대한 유사하게 만들기 위해 노력하는 이유다. 챗봇이 밝은 톤을 가지고 있다면, 고객들은 챗봇의 실수에도 후한 평가를 내릴 것이다. 

밴 바커 가트너 VP 애널리스트 | 더스쿠프

고준영 더스쿠프 기자 shamandn2@thescoop.co.kr
 

 

댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?

기사 댓글

댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.