• 최종편집 2024-11-14(목)

Report
Home >  Report  >  Global Case

실시간 Global Case 기사

  • 脱·속인화가 가져오는, 채팅 대응의 "이상형"_Part 1
    [컨택저널 2024. 2월호] 脱·속인화가 가져오는, 채팅 대응의 "이상형" Part 1. 현황과 과제 CX와 생산성을 양립시키는, 규칙과 KPI에 기반한 「조직 대응법」 요청이 급증하면 창구를 숨기면 된다 ―이러한 “주먹구구식 운영”도 눈에 띄는 유인채팅. 그 결과, 실시간성이 매우 높은 채널임에도 불구하고 전화만큼 과학적인 운영이 이뤄지지 않아 품질도 생산성도 속인적이 되기 쉽다는 문제점이 대두되고 있다. 「CX 관점에서, 낭비 없는 이상적인 채팅 대응」을 실천할 수 있는 포인트를 정리했다. (※ 속인화 : 특정 업무에 관한 내용이나 상황 등의 정보가 작업 담당자 밖에 파악되지 않고 주위에 공유되지 않은 상태) 오랫동안 기업과 고객의 커뮤니케이션 수단의 중심이었던 전화(유인 응대)는 점차 그 존재감을 잃어가고 있다. 물론 긴급 대응의 주역인 것은 앞으로도 변함없을 것이다. 기존 통신사가 제공하는 전화 서비스를 이용할 것인지, LINE 통화로 대표되는 새로운 서비스를 이용할 것인지 등의 과제가 남아있지만, 완전히 사라질 것으로 보이지는 않는다. 하지만 이제 일상적인 커뮤니케이션 수단은 나이, 성별, 공과 사를 불문하고 Text가 주류를 이루고 있다. 가족이나 친구와는 LINE이나 Instagram 메신저, 업무 관계에서는 Slack을 사용하는 사람이 많다. 기업의 고객 접점에서도 당연히 TEXT 커뮤니케이션의 활용이 요구되고 있다. 고객만족도 전문기관인 J.D.Power.Japan이 실시한 「2022년 고객센터 지원 만족도 조사」에 따르면, 대상인 금융업/전자상거래/통신판매 업계 모두에서 유인 채팅이 다른 채널에 비해 고객 만족도가 높은 것으로 나타났다. 그림 1은 「콜센터 교과서 프로젝트」를 주관하며 수많은 콜센터와 컨택센터를 설립한 경험을 가진 히루기 Works 대표 쿠마자와 노부히로 씨가 정리한 「채팅 도입으로 할 수 있는 일」의 목록이다. 고객에게도, 운영 기업에게도 큰 이점이 있음을 알 수 있다. 생산성은 정말 높은가? 현장의 관점에서 검증하는 「1 : N」의 과제 실제로 채팅 응대를 주 업무로 하는 기업이 늘고 있다. 편집부가 매년 실시하는 「콜센터 실태 조사」에 따르면, 2022년 조사에서 「(콜센터에서) 유인 채팅을 하고 있다.」는 응답은 30.7%다. 2017년에는 16.2%였으니, 5년 사이 거의 2배로 늘어난 셈이다. 챗봇만큼의 성장률은 아니지만, 앞서 언급한 장점을 감안하면 채팅이라는 수단은 전화, 이메일에 이어 제3의 채널로 자리 잡았다고 볼 수 있다. 이메일보다 즉시성이 높고, 전화보다 웹사이트와의 연계가 용이하다. 또한 「1 : N」 응대가 가능하기 때문에 적어도 단순 계산상으로는 상담사 수를 줄일 수 있다. 또한, 웹사이트의 도선을 기반으로 대응이 가능하기 때문에 「문제가 있는 고객」을 쉽게 가시화할 수 있고, 보다 능동적인 Active support나 Inside Sales를 할 수 있다. 실제로 Part.2의 사례연구에서 소개할 Lancers가 이 방식을 채택하고 있다. 또한, 그림 1의 6가지 장점에 더해, 전화 응대보다 구인에 대한 반응이 좋고, 전화 대응으로 채용하기 어려운 젊은 층을 비교적 저렴한 시급으로 채용할 수 있다는 점을 강조하는 운영 기업도 많다. 특히 기업에 매력적으로 보이는 것은 「높은 생산성」이다. 그림 2는 콜센터 실태 조사에서 「채팅을 하고 있다」고 응답한 53개사가 응답한 「상담사 1명이 동시에 응대하는 고객 수」인데, 전체의 77%는 「2명 이상의 고객을 응대한다.」고 응답했다. 실제로 Wi-Fi 라우터, 스토리지 등을 개발 및 판매하는 BUFFALO에서는 LINE을 통해서 실제로 「1 : 6」 응대를 실현하고 있다. 그러나 반동기식이고 즉시성이 다소 떨어지는 LINE이 아닌, 웹 채팅의 1:N 대응은 「생산성이 반드시 높은 것은 아니다.」라고 지적하는 전문가도 있다. 앞서 언급한 쿠마자와 씨는 「운영 역사가 오래된 유럽과 미국의 운영 경험에 따르면, 동시 세션이 2건이 되면 AHT(평균응대시간)는 대체로 2배가 된다고 한다」고 지적한다. 「응대하는 고객을 전환할 때, 내용 확인을 위해 머리를 전환하는 시간이 필요하고, 다른 고객과 응대 중일 경우 대기 시간이 발생하기 때문에 이 대기 시간이 AHT에 큰 영향을 미칩니다」 (쿠마자와 씨) 게다가 고객은 반드시 즉시 답변해 주는 것도 아니고, literacy(해당 상품에 대한 지식, 문장력, 언어화 능력, 타이핑 능력 등)에 따라서도 AHT가 크게 좌우되는 경향이 있다. 특히 literacy의 개인차는 전화보다 더 클 것이다. 또한 응대 프로세스에도 문제는 숨어 있다. 채팅 대응의 수탁과 자문, 컨설팅을 전개하고 있는 Me-Rise의 히가시미네 유카 대표는 「유인 채팅 응대는, 업무나 업종에 따라 적합하지 않은 부분이 있다고 생각한다. 예를 들어 개인정보를 다루느냐 아니냐에 따라 투자 금액이나 생산성에 큰 차이가 발생하는 경향이 강한 것 같다」고 설명한다. 채팅 응대 시 개인정보 대책은 여전히 큰 과제로 여겨지는 경향이 강하다. CRM DB와의 연계가 필요하고, 본인 확인 프로세스는 필수적이다. 결과적으로 IT 투자도 규모가 커지기 쉽다. 「개인정보가 필요한 경우, 우선 마이 페이지 등에 로그인한 상태에서 채팅으로 응대하는 것이 무난하다」(히가시미네 씨)는 말처럼, 기존 고객 한정의 지원 수단으로 보는 것도 생각해 볼 수 있을 것 같다. 속인적 응대의 원인──「KPI」 관리의 중요성 채팅 응대의 품질이나 생산성은 전화 응대에 비해 속인화되기 쉽다는 지적이 있다. 즉, 「전화만큼 과학적인 운영이 이뤄지지 않고 있다」는 것이다. 그 큰 이유로 「KPI 매니지먼트」의 숙련도가 낮다는 점을 꼽을 수 있다. 많은 운영기업들이 전화처럼 AHT, 응답률, 서비스 레벨(최초 통화에 소요된 시간), 대기시간, 가동률, 품질 평가(모니터링 점수 등), CPC(Cost Per Contact:건당 비용)와 같은 KPI를 확보, 관리하고 있지 않다. 기껏해야 응대 종료 후의 CS 조사와 1인당 또는 시간당 응대 건수 정도에 그치고 있다는 것은 「콜센터 실태 조사」 결과에서도 알 수 있다. 쿠마자와 씨는 「절대 빼놓을 수 없는 지표」로 16가지, 지속적인 측정이 필수적인 지표로 15가지(월간 콜센터 재팬 2022년 12월호 연재 「CX를 높이는 채팅센터 구축·운영의 교과서」)를 꼽고 있지만, 갑자기 모든 지표를 다루기에는 난이도가 높다. 그래서 우선은 최소한으로 지켜야 할 지표의 목록을 그림 3과 같이 제시한다. 그 중에서도 가장 중요하게 생각하는 KPI를 「중도 이탈률」이라고 강조한다. 「어느 시점에 이탈했는지? 그 원인이 상담사와 고객 중 어느 쪽에 있는지를 체크해야 합니다. 경험상 상담사에게 있는 경우도 적지 않습니다. 독해력과 전달력에 생기는 개인차가 바로 속인적인 응대로 끝나는 원인이라고 생각합니다.」(히가시미네 씨). 또한 히가시미네 씨는 정보를 전달하고 답변할 때 주의해야 할 점으로 「대부분의 고객이 스마트폰으로 문의하는 것을 전제로 해야 한다」고 지적한다. 스마트폰은 화면에서 확인할 수 있는 글자 수에 한계가 있다. 히가시미네 씨는 「교육 단계에서 스마트폰 화면에서 자신의 답변이 어떻게 보이는지 확인하는 것을 권장하고 있다」고 설명했다. CX 관점에서 철저하게 고찰! 「이상적인 채팅 응대」 1:N 대응으로 CS와 생산성을 높이고, 전화와 같은 과학적인 운영을 할 수 있다면 「CX 관점에서의 이상적인 채팅 응대」도 가능하다. 그림 4는 지금까지의 취재와 조사, 그리고 그 조사 등에서 높은 평가를 받은 채팅 응대 사례를 바탕으로 그린 「이상적인 채팅 응대」의 흐름 예시와 포인트이다. 우선 모든 센터가 실천해야 할 것은 「접속 사유」 파악과 그에 따른 배분이다. Web폼 뿐만 아니라 챗봇이나 LINE봇으로 용건을 미리 물어보면 유인 응대 시작 시 시간과 대화 횟수를 줄일 수 있다. 채팅 응대의 경우, 고객이 「조금 전의 대화」를 되 짚어보기 위해 스마트폰 화면을 스크롤하는 경우가 많다. 이 때, 대화 횟수가 적으면 적을수록 스크롤을 하는 수고가 줄어들어 「Effortless화」가 가능해진다. 응대 시작 시 중요한 포인트는 「응대 속도에 대한 기대치 조절」이다. 구체적으로는 「여러 고객을 동시에 응대하고 있기 때문에 답변이 지연될 수 있습니다」라는 문구를 넣는 것만으로도 고객 측에 이에 대한 마음의 준비를 시킬 수 있다. '채팅=즉답'이라는 인식을 갖기 쉬운 고객층에게는 특히 중요한 포인트다. 응대 중 「할 수 있는 일/할 수 없는 일」을 빠르게 판단하기 위해 규칙이나 매뉴얼, 템플릿은 필수적이다. 그리고 마지막 포인트는 「대화 텍스트 데이터 공유」이다. LINE의 경우 log가 고객에게도 남지만, 웹 채팅은 대부분 남지 않는다. 그래서 대화 내용을 그대로 TEXT 형태로 메일로 공유하는 것을 추천하고 싶다. 「말한 것과 말하지 않은 것」을 확인할 수 있을 뿐만 아니라, 같은 내용의 재 문의를 방지할 수 있다. 특히 기술지원의 경우, 그 텍스트 데이터가 그대로 FAQ나 매뉴얼이 될 가능성이 매우 높기 때문에 생산성뿐만 아니라 CS 측면에서도 큰 효과를 기대할 수 있다. Part.2에서는 BtoC와 BtoB 각각 2개 기업의 조직 대응 사례를 살펴본다. <출처> CallCenter Japan 2023년 9월호
    • Report
    • Global Case
    2024-02-05
  • 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소_Part 3
    [컨택저널 2024. 1월호] 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소 Part 3. IT 솔루션 자동화는 언제, 어디까지 진행될까 ㅡ주요 벤더 동향으로 읽는 「AI의 진화 예측」 구글이 오픈AI의 GPT-4에 훨씬 앞서는 차세대 초거대 인공지능(AI) 모델인 '제미나이(Gemini)'를 12월 5일 공개하면서 AI 개발 경쟁은 크게 3개 진영이 앞서 나가는 모습이다. 자체적으로 AI 모델과 반도체까지 만드는 구글, Chat GPT를 만든 오픈AI와 연합군을 이룬 MS, 그리고 메타와 IBM을 중심으로 개방적으로 AI를 개발하는 '오픈소스' 진영이다. 현재는 GPT가 앞서고 있고, 제미나이가 앞서가려 하지만 메타 연합군도 준비하고 있어 좀 더 지켜봐야 할 듯 하다. 생성형 AI를 활용한 솔루션 개발은 초기에는 AI 챗봇 벤더들이 앞서 나갔지만, 최근 들어 컨택센터 플랫폼과 CRM 시스템을 주력으로 하는 벤더들이 잇따라 연동 기능 확대를 발표하며 컨택센터 관련 IT 시장을 뜨겁게 달구고 있다. 주요 컨택센터/CRM 관련 IT 벤더들을 대상으로 실시한 설문조사 응답을 통해 생성형 AI의 활용 동향을 살펴본다. 고객지원 부문이 AI 도입의 단초가 되는 경우가 많다는 것은 3차 AI 붐이 일던 시절부터 변함없는 사실이다. 실제로 관련 IT 벤더들이 생성형 AI를 활용한 솔루션을 속속 내놓고 있다. 편집부는 생성형 AI 연계를 통한 기능 제공을 발표한 IT 벤더들을 대상으로 설문조사를 실시했다. 생성형 AI의 활용 동향을 살펴봤다. 대다수는 「GPT」, 최신 버전은 종량제로 대응 생성형 AI의 근간이 되는 대규모 언어 모델(LLM)의 공개가 국내외에서 잇따르고 있지만(저널 11월호 참조), 현 단계에서는 Open AI의 GPT 시리즈 활용이 압도적으로 많았다. 애초에 LLM을 비롯한 AI의 핵심 부분의 성능은 「사용 빈도에 비례해 향상되는」 경향이 강하기 때문에 선봉에 선 Open AI가 압도적인 우위를 점하고 있다. 다만 주요 업체들은 GPT에 의존하지 않고 다른 OSS(Open source S/W)의 LLM도 검증해 전환 또는 추가를 검토할 방침인 곳이 많다. 채택하고 있는 버전은 「GPT-3.5-turbo」와 「GPT-4」의 '병용형'이 다수 발견되었다. GPT-4는 GPT-3.5-turbo에 비해 성능이 크게 향상된 반면, API(Application Programming Interface) 이용료가 약 10배로 뛰었다(8월 말 기준). 이 때문에 GPT-4에 대해서는 기본 이용요금 외에 「별도 종량제」나 「개별 견적」으로 설정하는 경우가 많다. 또한, 현재 Open AI의 규약에는 「API를 통한 데이터는 모델 학습에 사용되지 않는다」고 명시되어 있지만, 자사 정보(고객 정보 등)가 이용되는 것을 우려하는 기업에 대한 대응으로 안전한 환경과 SLA로 가용성이 보장되는 Microsoft의 『Azure Open AI Service』의 API를 이용하는 솔루션도 많이 볼 수 있었다. 반면, 오리지널 『Open AI API』는 가장 먼저 최신 모델의 API가 제공될 가능성이 높다. 모델 이용 요금은 두 서비스 모두 동일하기 때문에 어느 API를 이용하느냐에 따라 각 사의 전략을 엿볼 수 있다. 한편, Open AI는 8월 말 Chat GPT의 이용에 대해 기존 개인 계정 외에 엔터프라이즈 버전을 출시했다. 이러한 움직임이 향후 각 벤더들이 제공하는 솔루션과 사용자 기업의 생성형 AI 활용에 어느 정도 영향을 미칠지 주목된다. 자동응답의 CX 혁신, 「자연스러운 대화」 실현 솔루션에서 생성형 AI의 주요 활용 장면은 「문장 생성」, 「문장 요약」이 요구되는 업무이다(그림 1). 그림 2에서는 생성형 AI를 통한 제공 기능의 이용 장면 별로 솔루션을 분류했다. 생성형 AI 활용의 양대 과제로 꼽히는 「정보 보안」과 「답변의 정확성」은 자사가 보유한 기술이나 노하우로 보완하여 제공하는 경향이 강하다. 프론트(고객 접점) 영역에서는 고객 응대 자동화 솔루션이 등장했다. Media Link의 마츠모토 준지 대표는 「기존과 차별화된 고객 경험을 구현할 수 있습니다. 극단적으로 말하면, 어떤 질문을 해도 자연스러운 대화로 응대할 수 있습니다」라고 강조한다. 예를 들어, 기존 채팅/보이스봇에서는 거의 대응이 불가능했던 「문의에 여러 개의 질문이 포함된 경우」에도, 해당되는 여러 FAQ를 추출, 통합하여 답변을 생성할 수 있다. 또한, 프롬프트에 의한 지시로 「정중하게」, 「솔직하게」 등 '인간미'를 더할 수 있다. 현 단계에서는 완전한 해소가 불가능하다고 여겨지는 hallucination(사실과 다른 내용이나 맥락과 무관한 내용을 포함한 정보를 생성하는 현상)에 대한 대책에 대해, 기존 채팅/보이스봇과 같은 자동응답 솔루션에 LLM 적용을 추진하고 있는 AI Shift의 요네야마 유토 대표는 「생성형 AI를 활용하는 이상, hallucination과 함께 할 각오가 필요합니다. 주요 원인이 되는 '(참조 지식의) CONTEXT 부족'의 해소와 지식의 저장 방식에 대한 고민과 더불어, 생성한 내용을 자동 체크하는 메커니즘 등 동축으로 대응하는 것이 중요합니다.」라고 설명한다. 또한, 「사용자의 입력에 따라서는 대응해야 할 범위를 넘어서는 답변을 하게 될 위험도 있습니다」라고 지적했다. 이 회사에서는 hallucination 체크 외에도 Prompt Injection(부적절한 답변이나 의도하지 않은 정보를 출력하게 하는 것), 유해한 발언 등의 입력 정보를 체크하는 기능도 개발 중이라고 한다. 복잡한 작업의 질 향상, 템플릿 자동 생성 운영 영역에서는 문의 내용 요약, FAQ 검색, 답변안 생성을 통한 응대 효율화나 응대 이력 자동 생성으로 ACW 단축을 꾀하는 경향이 강하다. 현재 이 영역에 대한 생성형 AI 적용이 대부분을 차지하고 있다. 응대 효율화에서는 자체 기술이나 프롬프트에 의해 개인정보를 마스크 처리하거나 배제하는 구조를 갖춘 솔루션을 다수 볼 수 있었다. Salesforce Japan 디렉터 야마세 히로아키 씨는 「(사용자 기업 현장이) 프롬프트로 복잡한 지시를 내리는 것은 어렵습니다. 벤더가 누구나 사용할 수 있는 환경을 제공해야 합니다」라고 지적한다. 이 회사에서는 Einstein Trust Layer(안전하게 생성형 AI를 활용하기 위한 기반)에 프롬프트의 자동 생성과 개인정보 마스크 처리를 수행하는 역할을 부여하고, 생성형 AI에 개인정보가 포함되지 않은 데이터를 전달하는 flow를 마련했다. 응대 이력 생성은 각 기업의 응대 이력 포맷에 맞게 문자 수와 텍스트 형식을 프롬프트에서 조정하고, 응대 이력 품질을 확보한 상태에서 운영을 시작할 수 있도록 도입 지원 서비스를 세트로 구성한 경우가 많았다. AI Squared 영업부 총괄 매니저 가나자와 미츠오 씨는 「전화 응대 이력 작성에서 품질을 확보하기 위해서는 텍스트를 cleansing하는 전 처리가 중요합니다.」라고 강조한다. 이 회사는 독자적인 AI 기술을 통해 통화 음성 텍스트에 포함된 필러('아', '어' 등)를 제거하고 개인정보·질문·답변 관련 발화에 라벨을 부여, 각 대화의 중요도를 판단하는 전 처리를 하고 있다. 도입 공수 대폭 절감, FAQ 생성 활용에 「사업 기회」 Back office 영역에서는 자동 응답과 마찬가지로, 도입 시 공수 절감 효과를 기대할 수 있는 FAQ 생성 솔루션이 눈에 띈다. PKSHA Communication Conversational 시모자와 쇼케이 본부장은 「신규 캠페인이나 신상품이 출시될 때 FAQ의 구축과 정비를 인력을 최대한 줄여 신속하게 할 수 있다는 점이 장점」이라고 말했다. 또한, 인력에 의한 업무를 계속하는 센터를 위해, 작성한 FAQ의 오탈자, 이중 부정 수정 등 문장 교정 기능(베타 버전)과 동의어 생성(FAQ의 폭을 넓혀주는 기능)을 제공하는 등 생성형 AI를 통한 효율화 방안을 제안하고 있다. 한편, 「FAQ는 자동응답을 포함한 모든 응대의 근간을 담당하기 때문에 생성 시에는 세심한 설계를 비롯한 주의가 필요합니다」라고 KARAKURI 대표 오다 시몬 씨는 강조한다. 「FAQ를 응대 로그에서 생성한다고 가정했을 때, IVR을 통해 상담사와 연결되는 경우 질문의 전제 조건(사유 등)이 로그에 포함되지 않는 경우가 많습니다」라고 지적한다. 「응대 로그에 포함된 정보에 과부족이 없는지, 현장 감각이 있는 사람이 평가에 들어가는 것이 필수적입니다.」(오다 씨). "응대 로그와 제품 ID를 세트로 학습시키면 산출물의 정확도를 높일 수 있다"는 등, 회사가 가진 지식을 적극적으로 공유하며 도입 지원을 하고 있다. 모든 용도를 포괄적으로 활용하기 위해 기업의 독자적인 LLM 구축을 지원하는 서비스도 있다. ELYZA의 소네오카 유야 대표는 「LLM 구축의 단계는 언어를 배우는 사전 학습과 업무를 배우는 사후 학습으로 나뉩니다. 사전 학습된 OSS를 활용해 컨택센터에 특화된 데이터를 정비하고 사후 학습을 통해 자사 업무에 특화된 LLM을 개발할 수 있습니다」라고 설명한다. 어느 정도의 투자 여력과 평가를 위한 인적 자원이 필요하기 때문에 대기업이 타깃이 되는 서비스 영역이라고 할 수 있다. 현재는 각 사가 특정 산업·업종에 특화된 모델 만들기를 진행하고 있다. 업무 효율화 · 자동화의 급진, 우려되는 것은 「사일로화」 생성형 AI의 등장으로 지금까지 인력을 전제로 했던 업무의 효율화 · 자동화가 빠르게 진행될 조짐이 보이고 있다. 향후 진행될 단계는 그림 3과 같다. 많은 센터가 Level2의 「일부 AI 처리화」 또는 Level3의 「AI 고도화」로 전환할 것으로 예측된다. 「하나의 성공사례가 생기면 탄력을 받아 다른 업무로의 수평적 확산이 원활해집니다. 향후에는 각 task의 AI가 연동되어 업무 전체의 통합 처리(Level4, 5)가 진행될 수도 있습니다.」(ELYZA 소네오카 씨). 다만, task마다 다른 벤더의 솔루션을 도입할 경우, 데이터의 SILO화(불통)로 인해 통합 처리의 장벽이 될 수 있다. 향후 노동생산 인구가 감소하는 상황에서 업무 효율화 및 자동화는 최우선 과제다. 경영진은 업무 전반을 조망하고 계획적으로 생성형 AI를 접목할 수 있는 높은 안목이 요구된다. <출처> CallCenter Japan 2023년 10월호
    • Report
    • Global Case
    2024-01-09
  • SV/리더 의식조사 2023
    [컨택저널 2023. 12월호] 제안력/기획력/IT스킬, 「지도 · 교육」 이외의 “플러스α”가 필요! 80% 이상이 「급여 인상」을 갈망, “평가 최적화”가 시급한 과제 SV/리더는 성과를 인정받고 평가받을 기회가 적다. 응대 품질이 올라 칭찬을 받는 것은 주로 상담사이고, SV/리더는 음지의 공로자다. 편집부가 실시한 SV/리더 의식 조사에서 이에 대한 불만을 엿볼 수 있다. 운영과 업무에 정통한 SV/리더의 잠재력을 칭찬하고 키워줄 수 있는 길을 의식조사 결과를 바탕으로 검증해본다. 콜센터 재팬 편집부에서는 2023년 7월부터 8월까지 「SV/리더의 의식 조사」를 실시했다. 인터넷 조사 및 이메일로 285명으로부터 응답을 받았다. 응답자의 속성은 그림 1과 같다. 이번에는 일부 아웃소싱 업체의 협조를 얻어 예년에 비해 아웃소싱 근무자 비율이 약 70%로 많았다. 평균 연령은 37.3세(n=221)이고 근속연수가 10년 이상 된 베테랑이 약 60%를 차지한다. 새로운 CX를 만드는 데 있어 경험이 풍부한 SV/리더에 대한 기대가 높아지고 있다. 하지만 「(SV/리더로부터) 개선이나 변화에 대한 제안이 나오지 않는다」고 한탄하는 경영진이 많다. 이들의 제안력을 높이기 위해서는 어떤 환경이 필요한지 의식조사를 바탕으로 살펴본다. ■ SV는 상담사의 「근무 환경」, 지도력은 응대 품질과 직결된다 주요 업무 내용을 물어본 결과는 그림 2와 같다. 「상담사 지원 및 지도, 교육」이 가장 많았으며, 90%의 SV/리더가 선택했다. 「한 달 중 가장 오래 하는 업무」도 마찬가지로, SV/리더의 핵심 역할이 상담사 교육임을 알 수 있다. 자신도 Unit 리더의 입장에서 20명 규모의 팀을 관리하면서 SV의 지도와 육성도 담당하는 메이지 야스다 생명보험 커뮤니케이션센터 오쿠야마 카오루 씨는 「상담사에게 가장 큰 영향을 미치는 근무 환경은 ‘SV’로 손을 들면 신속하고 정확하게 조언을 해줄 수 있는지 여부다. SV가 흔들리면 고객은 상담사에게 화를 낸다. 그러므로 상담사를 위해서도 SV의 skill-up은 필수적이다.」라고 말한다. 상담사가 곤란한 상황에 처했을 때 기댈 수 있는 곳이 바로 SV다. 관리하고 있는 상담사의 수가 많을수록 그 책임과 부담은 커진다. 「직접 관리하고 있는 상담사의 수」를 물었더니 10명 이상이라는 응답이 많았다(그림 3). 교대제라면 동시에 감독하는 인원은 다소 줄어들겠지만, 10명 이상의 성과 상황과 육성 과제를 염두에 두고 지도, 교육해야 하는 일은 결코 쉽지 않다. 이러한 중책에 대한 평가는 결코 높지 않다. 뒤에 언급하겠지만, 업무의 범위가 넓고 요구되는 스킬이 높은 것에 비해 급여나 평가는 충분하지 않은 것 같다. 「회사로부터 인정받고 있다고 생각하는 역량」에 대해 물어본 결과, 「상담사에 대한 배려」가 59%, 「풍부한 업무 지식(42%)」이 그 뒤를 이었다(그림 4). 상담사 교육이 주 업무인 점을 감안하면 이 2가지가 SV/리더의 필수 스킬이라고 할 수 있다. 반면, 「IT스킬」과 「기획력」에 대해 「자신 있다」는 응답은 약 10%에 불과했다. 현장의 문제를 잘 알고 있는 SV/리더는 운영 개선이나 새로운 시책 제안에 가장 큰 힘을 발휘 할 수 있는 위치에 있다. 하지만 이를 위해 필요한 스킬을 충분히 갖추지 못하고 있다. 이러한 역량을 키우는 것이 콜센터의 가치를 높이고, 나아가 SV/리더의 처우 개선으로 이어질 수 있는 길일 것이다. ■ “칭찬받을 기회”는 적다, 보람은 팀의 목표 달성 일의 보람에 대해 물어본 결과는 그림 5와 같다. 「담당 상담사의 성장을 느낄 때」라는 답변이 가장 많아 약 3분의 2를 차지했다. 반면, 「급여가 올랐다」 「상사에게 인정받았다」라는 자신의 업무에 대한 평가를 실감하며 보람을 느낀다는 응답자는 절반 이하에 불과했다. 결과적으로 「자신의 성과」보다 「팀의 성과」를 더 중요하게 여긴다는 것을 알 수 있다. 영업에서 콜센터 관리자로 변신한 AU스마트뱅크 고객센터 쿠리바야시 미즈키 씨는 「영업 시절에는 항상 자신의 실적을 올리는 것을 생각했지만, 지금은 팀이 목표를 달성하는 것이 가장 큰 기쁨」이라고 말한다. 설문조사 결과에서도 이런 목소리가 많다. 성과를 수치화해 가시화하기 쉬운 상담사와 달리 SV/리더의 업무는 아무래도 정성적인 평가가 되기 쉬워 ‘칭찬받을 기회’가 적다는 것도 특징이다. 하지만 상담사나 고객으로부터 감사의 말을 들을 수 있는 기회가 많다. 「이 일을 하면서 좋았다고 느낀 점」에 대해 자유응답으로 응답을 받은 결과, 「상담사에게 감사인사를 받았다」 「고객으로부터 칭찬을 들었다」는 의견이 특히 눈에 띄었다. 동기부여의 원천은 상담사나 고객으로부터의 평가인 경향이 높다. 그러나 상담사의 피드백이 항상 긍정적인 것만은 아니다. 메이지 야스다 생명보험의 오쿠야마 씨는 「중간관리자는 직원으로부터 혹독한 지적을 받는 경우가 많다」고 말한다. 상담사의 발언권이 강해져 관리자에게 과도한 스트레스가 쌓이면 SV/리더에 대한 정신건강 관리도 필요하다. ■ 분업화/전임화/IT활용, 생산성을 높이는 구조의 재검토 월급과 연봉을 물어본 결과, 월급은 25만 엔 미만이 절반 이상. 연봉도 350만 엔 미만이 과반수를 차지한다. 평균 연령이 30대 후반인 것을 감안하면 결코 높지 않다. 자신에 대한 평가에 대한 의견을 물었더니 절반 이상이 「적정하게 평가받고 있다.」고 느끼는 반면, 급여나 평가결과에 대한 불만이 눈에 띈다(그림 6). 급격한 물가상승도 한몫을 하고 있어 절실한 목소리라고 할 수 있다. 많은 고객서비스 부서는 직접적으로 매출을 올리는 부서가 아니다. 수입으로 연결되는 평가를 받으려면 센터 전체의 생산성 향상과 기여도를 높이는 것이 지름길이다. 자신의 업무에 대해 「더 생산성을 높일 수 있는 지」를 물었더니 58%가 「할 수 있다」고 답했다. 「SV/리더의 업무 효율화로 이어진 시책」에 대해 서는 「인재육성 강화」가 가장 많았다(그림 7). 물론 SV/리더의 스킬 레벨에 편차가 있다면, 이를 상향 평준화하면 생산성이 어느 정도 높아질 수 있음은 분명하다. 하지만 개별적인 스킬 향상으로 개선하는 데는 한계가 있다. 또한 SV 업무의 분업화나 전임화, IT활용과 같은 구조에 의한 업무 효율화는 그다지 진전되지 않았다는 인상을 강하게 받는다. 생산성을 높이기 위해 회사에 바라는 시책에 대한 자유 의견을 묻자 「지식 공유 작업의 간소화」 「루틴 업무 자동화」 등의 의견이 많았다. 이는 IT 활용을 통해서만 실현할 수 있다. SV/리더의 업무 부하 경감을 위한 IT 지원을 적극적으로 추진해야 할 것으로 보인다. 또한 「정보와 권한이 적다」 「생산성을 평가할 수 있는 구조가 필요하다」는 의견도 있었다. SV/리더의 대부분이 정규직이라는 점을 감안하면 판단, 실행할 수 있는 환경을 마련함으로써 효율화할 수 있는 영역이 있을 것으로 보인다. 또한, 애초에 평가 포인트에 생산성 향상이 포함되지 않으면 효율화에 대한 의식은 희미해진다. 「고객 괴롭힘 대책이 필요하다」는 목소리도 있었다. 2차 응대에 엄청난 노력을 기울이는 SV/리더들이 적지 않다. 2차 응대 중에는 무리한 클레임 등 업무방해에 해당하는 것도 있을 것이다. SV는 고객 괴롭힘으로부터 상담사를 보호하는 입장이지만, 그 SV를 보호하는 시책도 검토해야 할 과제 중 하나다. ■ 상담사 지도가 가장 큰 어려움, 코칭 스킬을 배우고 싶다 「앞으로 키우고 싶은 스킬」에 대해 물어본 결과가 그림 8이다. 「실무를 통해 키울 수 있는 스킬」과 「실무를 통해 키우기 어렵기 때문에 교육이나 특별지도를 통해 습득하고 싶은 스킬」에 대해 물었다. 「실무를 통해 키울 수 있는 스킬」은 ①업무지식, ②판단력, ③팀 매니지먼트가 많았고, 「연수나 특별지도를 통해 배우고 싶은 스킬」은 ①IT스킬, ②팀 매니지먼트, ③기획력, ④경영진과 소통하는 능력 순으로 많았다. 메이지 야스다 생명보험의 오쿠야마 씨는 「코칭 스킬을 배우고 싶다.」고 말한다. 「인재 육성은 성장을 촉진하는 기쁨도 있지만, 인내심도 필요하다. 같은 지도를 해도 개개인의 이해도에 차이가 있어 전달하는 방법에 어려움을 겪고 있다. 특히 커뮤니케이션 능력을 키우는 것은 특히 어렵다. 코칭 교육을 받은 적이 있지만, 한 번의 교육으로 배울 수 있는 것에는 한계가 있다. 시간을 들여 깊이 있게 배울 수 있는 기회가 있었으면 좋겠다」(오쿠야마 씨). AU지방은행의 쿠리바야시 씨는 관리직 연수를 동영상으로 수강하고 있다. 작년에 도쿄상공회의소 비즈니스 매니저 자격증을 취득했다. 배운 지식은 상담사 면담 등에 실제로 활용하고 있다고 한다. 쿠리바야시 씨는 「앞으로는 회의에서 보고하는 기술을 연마하고 싶다.」며 프레젠테이션 능력 향상에 대한 의욕을 보였다. 회의가 끝나면 회고록을 작성하는 등 스킬 향상에 여념이 없다. 「자신의 성장을 위해 작성하는 회고록은 언젠가 후배들이 같은 고민을 할 때 적절한 조언을 할 수 있는 자료가 될 것 같다」(쿠리바야시 씨) 라며 미래를 내다보는 노력을 계속하고 있다. 화장품 쇼핑몰 업체인 nijito의 마케팅 총괄본부 SV를 맡고 있는 나카노 마유코 씨는 올해 일본 화장품 자격증을 취득했다. 실무에 필요한 지식뿐만 아니라 업계 동향, 고객서비스, IT 등 폭넓은 정보 수집에도 힘쓰고 있다. 나카노 씨는 「상담사를 포함해 폭넓게 안테나를 세우고 입력하는 것이 습관이 되어 있는 동료가 많다. 사내 채팅 등을 통해 정보를 교환하는 것이 자극이 되고 있다」라며 '배우는 문화 조성'의 필요성에 대해 이야기한다. ■ 퇴사하고 싶은 이유는 급여와 소통, 개선 제안의 기회를 마련하자 일의 지속 의향을 물어본 결과, 「계속하고 싶다」는 응답이 63%, 「계속하고 싶지 않다」는 응답이 23%로 나타났다. 계속하고 싶지 않은 이유를 자유의견으로 물어보니 「급여가 낮아서」, 「제안이 통하지 않고 업무가 재미없어서」, 「다음 단계로 나아가고 싶어서」 등의 의견이 많았다. 당사자에게만 맡길 것이 아니라 그들의 상급자는 동기부여를 위한 장치를 마련해야 한다. 「자신의 동기부여를 위해 회사에 요구하는 것」에 대한 응답은 「급여인상(86%, 복수응답)」이 압도적으로 많았다(그림 9). 다음으로 「새로운 것에 도전할 수 있는 환경」이라는 답변이 많았다. nijito의 나카노 씨는 「전 직장의 콜센터는 권한이 적고 제약이 많았지만, 지금은 손을 들면 하고 싶은 일에 도전할 수 있는 문화가 있다. 도전에 긍정적인 기업 이념에 공감하는 부분이 크다」고 말했다. 현장을 잘 알고 과제를 잘 아는 SV/리더는 개선을 위한 아이디어를 가지고 있다. 이를 이끌어내고 실현을 위해 도전할 수 있는 기회를 마련하는 것이 SV/리더의 성장과 콜센터 발전에도 도움이 된다. 아이디어를 구체화하기 위해서는 그에 상응하는 경험과 스킬이 필요하다. 그 스킬을 연마할 수 있는 기회도 함께 제공해야 한다. ■ 4분의 1이 이동/이직 희망, 보상 부족과 미래에 대한 불안감이 문제 향후 커리어에 대한 질문에는 「센터장, 매니저 등 관리직으로 승진하고 싶다.」가 23%, 「콜센터 이외의 업무로 이동 또는 이직하고 싶다.」가 24%로 거의 비슷하게 나타났다(그림 10). 애초에 SV/리더의 대부분이 콜센터 근무에 대한 애착이 있는 것은 아니다. 전 직장에 대해 물어본 결과, 「매장이나 창구 등 대면 접객」이 21%, 「사무직」이 19%, 「영업직」이 14%였다. 또한, 현재 근무하고 있는 회사에 취업한 이유를 물은 결과, 「근무지가 가까워서 45%)」가 가장 많았고, 다음으로 「유연하게 일할 수 있을 것 같아서(29%)」가 뒤를 이었다. 이사 등 생활환경의 변화를 계기로 쉽게 이직할 수 있는 계층이다. 상담사로서의 우수성을 인정받아 SV/리더로 발탁됐지만, 그 이후의 Career Path와 보람을 찾지 못하는 인재들이 많다. 의식조사 에서 「더 인정해 달라」, 「미래에 도움이 되는 skill-up 기회를 달라」는 SV/리더들의 외침이 들려온다. 칭찬/평가할 수 있는 구조와 학습할 수 있는 환경을 마련한다면, 그들은 더 큰 힘을 발휘할 수 있을 것이다. <출처> Call Center Japan 2023년 9월호
    • Report
    • Global Case
    2023-12-01
  • 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소_Part 2
    [컨택저널 2023. 12월호] 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소 Part 2. CASE STUDY 봇, 자동 요약, 템플릿 생성, 인재 교육 시행착오를 거듭하는 6개사의 도전 생성형 AI의 용도는 챗봇(커뮤니케이션 자동화), FAQ 및 템플릿 자동 생성, VOC 데이터 요약, 역할 연기 교육 상대 등 다양하다. 그러나 2023년 8월 현재 본격 가동된 사례는 극히 드물다. 사내 시범 및 PoC(Proof of Concept) 단계의 것을 포함하여 자체 개발, 벤더 제공 솔루션 이용, SI와의 협업 등 다양한 도입 프로세스를 채택한 6개 기업의 사례를 살펴본다. CASE STUDY 1 변호사닷컴 [챗봇]사회적 과제 「20% 사법」 해소를 위해 AI 챗봇이 담당하는 상담의 ‘사전 처리’ 이혼, 상속, 부채, 사고 등 우리 주변에서 일어나는 다양한 사건과 문제로부터 자신을 보호하는 가장 큰 방패는 「법률」이다. 하지만 변호사닷컴의 기술전략실장 이치바시 씨는 「법률적 문제에 부딪힌 후 실제로 변호사까지 가는 경우는 약 20% 정도에 불과하다.」며 이른바 ‘20% 사법’의 문제점을 지적한다. 이 회사가 2007년부터 운영하고 있는 「모두의 법률 상담」은, 「법률 상담의 문턱을 낮추는 것이 목적」으로 변호사와 상담자를 연결해 주는 매칭 서비스다. 이 회사는 올해 5월 그 동안 축적된 127만 건 이상의 상담에서 추출한 데이터를 활용한 AI 채팅 법률 상담 서비스를 시작했다. ▶머신러닝으로 할 수 없었던 「추가 질문」, 단기간에 실용화에 성공한 기술력 이치바시 씨는 「기존에는 변호사가 법률 상담을 진행했지만, 상담자와 지식의 비 대칭성이 너무 커서 고객 만족도 및 생산성 측면에서 문제가 있었다」고 회고한다. 그래서 2015년 무렵에 일어난 제3차 AI 붐에 따라 기계학습형 AI 도입을 검토했지만, 기술적 부족이 너무 커 포기했다. 구체적으로는 「이른바 “추가 질문”이 거의 불가능한 일문일답형이어서 법률 상담 대응에는 적합하지 않았다」고 한다. 그러나 작년에 등장한 Chat GPT를 사용해 본 결과, 매우 유창한 일본어로 질문이나 문의에 대한 심도 있는 답변이 가능하다는 것을 알게 되었다. 마이크로소프트가 제공하는 플랫폼 「Microsoft Azure」와 「Azure Open AI Service」를 도입하여, 자체 개발로 채팅형 법률 상담 구축에 착수해 불과 몇 개월 만에 가동에 들어갔다(그림 1). 구체적으로, 앞서 언급한 127만 건 이상의 상담 데이터를 활용해 문맥 내 학습을 시켜서 Hallucination(환각)을 방지한다. 또한, Hallucination의 원인으로 꼽히는 「모르는 질문에도 억지로 대답하는」 Chat GPT의 특성을 피하기 위해, 일치하는 내용의 답변이 없는 질문에는 「모르겠습니다.」라고 명시하도록 설계를 하고 있다. 물론 추가 학습도 날마다 반복하며 그 정확도를 높여가고 있다. 개발 및 운용을 주로 담당하고 있는 곳은 Professional Tech Lab으로, 올해 2월에 설립했다. 생성형 AI 등 신기술을 활용한 서비스 개발 연구를 진행하고 있다. 또한 이 회사에는 133명의 엔지니어가 재직(8월 현재)하고 있으며, 높은 기술력이 빠른 도입과 가동 시작을 가능케 한 배경이 된 것으로 보인다. ▶적절한 창구로 안내하기, 고통 받는 시민의 「입구」 역할을 하다 이치바시 씨는 채팅 법률 상담의 구체적인 역할에 대해 「상담하는 분들에게 신속하고 정확한 ‘선택지’를 제시하는 것」이라고 강조한다. 상담을 원하는 사람들은 법률 전문가도 아니고 상당히 절박한 상황에 처해 있는 경우가 많다. 그래서 상담을 하려고 해도 「무엇을, 누구에게, 어떻게 물어봐야 할지 몰라」 고민하다가 이 회사 사이트에 접속하는 경우가 많을 것이다. 「이혼하고 싶다, 상속 문제로 고민하고 있다 등의 질문은 그렇다 치더라도, ‘힘들다’, ‘괴롭다’ 등 원인을 알 수 없는 문의도 있다. 이런 분들에게 정확한 정보를 제공하고, 사법기관에 연결해 주는 것이 가장 큰 목적」이라고 한다. 다시 말해, 「변호사 상담에 이르기까지의 ‘사전 판단’을 AI가 담당한다는 것이다. 현재 가장 많은 상담은 이혼 관련으로, 타인에게 상담하기 어려운 주제이기도 하다. 우선 부담 없이 상담할 수 있는 채팅 법률상담을 시작으로 해서 적절한 창구로 네비게이션 한다――사회적 과제이기도 한 20% 사법을 해소하는 수단으로도 채팅 법률상담에 거는 기대가 크다. CASE STUDY 2 무사시노 대학 [챗봇] 야간 응대는 봇이 담당, 모호한 질문에도 응대해 해결률 80% 이상 창립 100주년을 맞이하는 무사시노 대학. 메타버스 캠퍼스 개설을 비롯해 IT 활용에 힘을 쏟고 있다. 그 일환으로 「Microsoft Azure Open AI」를 활용한 챗봇을 구축했다. 기존에는 학생용 웹사이트에 시나리오형 챗봇을 설치했다. 수업 등에 활용하는 태블릿 관련 기술 지원 등을 담당하며 연간 약 1만 건의 문의를 받고 있었다. 그 내용은 「와이파이가 연결되지 않는다」 「소프트웨어 사용법을 모르겠다」 등 다양하다. DX시스템부 DX전략기획과 스가와라 다이사쿠 씨는 「학생들이 자습을 하는 야간에 문의가 많이 발생하기 때문에 챗봇에 대한 수요가 높고, 이용률도 높았다」라고 설명한다. 기존 챗봇은 용건에 따라 분기하여 답변을 유도하는 구조로, 대분류는 약 200개, 소분류는 약 800개의 지식이 준비되어 있다. 그 유지관리에 상당한 어려움을 겪었다. 「한 달에 한 번, 응대 이력을 바탕으로 Q&A를 면밀히 검토하여 개선하고 있었다」(DX시스템부 모리토모에씨). Microsoft Azure Open AI를 도입함으로써 Q&A 외에도 웹사이트의 정보, 인터넷에 공개되어 있는 정보까지 포괄할 수 있어 대응 가능한 범위가 크게 늘어났다. 또한, 모호한 질문에 대해서도 「궁금한 것은 이런 것이냐?」며 정보를 보완하는 대화가 가능하다. 「답변 완료율은 80%가 넘는다. 답변이 불가능한 경우는, 답변이 있지만 제공하지 못했거나 답변이 준비되지 않은 경우다. 전자는 프롬프트 수정, 후자는 Q&A 추가를 통해 개선하고 있다」(스가와라 씨). 구축 기간은 약 1개월. Microsoft의 Azure Open AI Service를 기반으로 안전한 이용 환경을 실현하고 있다. 또한 시스템 구축은 SI 업체인 UL Systems가 담당했다. 앞으로는 CRM 솔루션을 도입해 챗봇과 연계, 개인화된 정보 제공과 조언도 제공하는 「학생 컨시어지」의 구축을 목표로 하고 있다. 모리 씨는 「특히 통신교육부는 거주지, 생활환경, 학력까지 다양한 학생들이 많다. 개개인에 맞는 맞춤형 대응이 필요하다. 데이터를 활용한 세심한 지원 체제를 실현하고자 한다」고 전망을 밝혔다. CASE STUDY 3 REZIL(구 중앙전력) [챗봇] 응대 요약 및 감정 분류 자동화, ACW 단축과 표준화 실현 분산형 에너지 사업을 전개하는 REZIL(구 중앙전력)은 맨션(약 2200동, 약 17만 5000세대) 및 기업 공장(계약 수 약 8000개) 등 고객에게 재생가능 에너지를 효율적으로 활용하여 전력을 공급하고 있다. 또한, 고객 지원을 포함한 운영 업무와 유지보수 업무를, 다른 전력소매 및 일괄수전서비스 기업, 대형 LP가스 관련 기업 등 약 10곳으로부터 수탁 받아 운영하고 있다. 이 회사는 올해 4월 생성형 AI의 활용을 검토하기 시작했다. 같은 해 7월에 실증 실험을 시작했고, 구체적으로 (1) 응대이력 요약, (2) VOC분석, (3) FAQ작성의 3단계로 생성 AI 활용을 진행하고 있다. 기존 IT벤더 제품이 아닌 Open AI의 「API Platform」을 활용한 자체 개발이다. 녹음한 응대 로그는 Open AI가 제공하는 음성인식 모델 「Whisper」로 전 건을 텍스트화하여 요약한다. 저비용으로 활용 가능한Whisper에 대해, 이요다 리쿠 정보시스템본부장은 「예를 들어, 발음이 좋지 않은 분의 발화 등 인식 정확도가 다소 떨어지는 경우도 있지만, 원하는 수준에는 도달했다」고 평가한다. 요약 자동화를 통해 기존 평균 5분 정도 걸리던 ACW(후처리 시간)를 거의 제로에 가깝게 만들었고, 품질도 표준화할 수 있었다. 가독성 높은 요약이 완성되어 정확한 정보 파악을 목표로 한다. 요약은 용건과 답변을 구분해 기술하도록 튜닝했다. 문의 카테고리 분류와 고객의 감정 라벨링도 생성 AI로 진행한다. 축적된 데이터를 바탕으로 고객이 언어화 하지 않는 잠재적 needs까지 추출해 CS 향상을 꾀한다. 「감정은 기쁨, 기대, 신뢰, 감사, 분노 등 11가지로 분류하고 있다. 분노라는 라벨이 붙은 응대 이력은 SV에게 Alarm으로 알려주는 시스템을 개발 중이다」(이요다씨) 감정 카테고리 등 변경이나 개선은 현장 차원에서 가능하다. 이요다씨는 「운영 개선은 현장에 맡기고 싶다. Chat completions API는 일본어로 프롬프트를 입력할 수 있기 때문에 프로그래밍 지식이 없는 현장 인력도 자유롭게 조정할 수 있는 것이 매력」이라고 말했다. 정보 보안에 대해서는 「‘입력된 텍스트를 학습에 이용하지 않는다’라는 Open AI의 프라이버시 정책을 확인하고 이용을 결정했다. 현 단계에서는 사내 이용에 한정하고 있기 때문에 기본적으로 개인정보 문제는 없다고 보고 있지만, 개인정보는 생성 AI에 의해 자동으로 masking을 하고 있다.」라고 설명한다. Hallucination(환각)에 대해서는 결과에 대해 사람이 직접 체크하여 오류를 지적하고 재 학습을 시켜 정확도 향상을 도모하고 있다. 앞으로는 FAQ 작성의 자동화에 도전한다. 현 단계에서는 챗봇 구축은 고려하지 않고 있다. 「우선은 FAQ의 충실 이야말로, 요구되는 CX(고객 경험)이다」(이요다씨)라고 단언한다. 이 회사의 특징은 국내(외국계 포함) IT 벤더에 의존하지 않고 자체 개발(내재화)로 솔루션화하고 있다는 점이다. 운영 개선도 「현장에 맡기고 있음에도 불구하고 예정보다 빠른 속도로 개발이 진행되고 있다」(이요다 씨)라는 말처럼, 생성 AI가 내재화에 적합하다는 것을 입증하고 있는 사례 중 하나라고 할 수 있을 것이다. CASE STUDY 4 三井住友 Trust Holdings / 三井住友 신탁은행 [요약/지식 생성/챗봇] 콜센터는 DX혁명의 선구자! 요약/지식생성/자동응답까지의 시나리오 「DX」를 기치로 내걸고 다양한 개혁을 추진하는 기업이 늘고 있다. 三井住友 Trust Holdings는 그룹 각 사에 컨설팅 서비스 제공, 애플리케이션 개발을 수탁하는 디지털 전략 자회사 「Trust Base」를 설립했다. 이 회사를 중심으로 생성 AI 활용을 통한 업무 지원 대상으로 선정된 곳은 십여 개의 거점이 있는 컨택센터다. AI 솔루션 개발은 PKSHA Communication이 맡아 8월 현재 PoC 단계에 있다. 초기 단계에서 구상하고 있는 생성 AI의 주요 활용 용도는 ① 요약, ② 지식 자동생성, ③ 자동응답(대화형 AI: 전화/대면/사내업무)이다. 최종적으로 ③은 이메일과 채팅 업무까지 확대할 계획이다. 구체적으로는 컨택센터 관련 데이터 화가 미흡한 지식, 특히 「대화 데이터」, 「규약과 매뉴얼」 로부터 자동으로 「질문 및 답변」을 생성하고 이를 바탕으로 자동 답변하는 기능이 중심이 된다(그림 2). ① ‘요약’은 고객 응대에서 코멘트 추출, 응대 이력 등에 고객과의 대화 데이터를 활용한다. 상담사 및 관리자의 업무 시간 단축을 도모한다. 다수의 대규모 언어모델(LLM)을 통합적으로 Customizing할 수 있는 「PKSHA LLMS」를 채택했다. ② ‘지식생성’은 Open AI의 GPT를 활용하여 사내 규약, 매뉴얼, DM, 팜플렛 등에서 자동으로 FAQ를 생성한다. PDF 등을 불러와 생성하고자 하는 FAQ 개수 등을 지정하면 자동 생성할 수 있다. 육안으로 내용을 확인한 후 공개하고, 답변 내용을 업무와 관련된 콘텐츠로 제한함으로써 허위사실 유포를 방지한다. 三井住友 Trust Holdings 제너럴 매니저 오시오 신페이씨는 「제공하는 서비스가 다양해 기존의 FAQ만으로는 부족했다. 이번에 지식의 수를 늘림으로써 검색에 쉽게 노출되어 답변률이 높아졌다. 매뉴얼에서 적절한 일본어로 작성해주기 때문에 대량으로 Q&A를 만들어야 하는 경우에는 매우 유용하다」고 평가한다. ③ ‘자동응답 AI’는 현재 구상 검토 단계에 있다. GPT의 Embedding이라는 기능을 이용해 지정한 DB 범위 내에서 답변을 하도록 지정할 수 있다. 현단계에서는 80~90%의 정답률을 보이고 있어 우선은 사내 문의 대응에 대한 답변 용도로 사용하고, 향후 고객에 대한 대화형 챗봇으로 활용하는 것을 목표로 하고 있다. 「정확도를 좌우하는 것은 프롬프트 엔지니어링이다. PKSHA Communication과 함께 최적의 해답을 찾아가고 싶다」(오시오 씨)며 솔루션 벤더와의 공동창출 관계를 강조한다. 국내에서는 요약문, FAQ 자동생성, 커뮤니케이션 자동화까지 effortless 경험 제공을 전제로, 활용 솔루션까지 포함해 구체적인 roadmap을 그려놓은 컨택센터는 드문 존재라고 할 수 있다. 이 회사의 본격 가동까지의 행보에 귀추가 주목된다. CASE STUDY 5 Teleperformance [템플릿 작성] “템플릿이 필요 없는” 고객 응대, 상담사를 돕는 「실시간 응대 지원」 실현 프랑스에 본사를 둔 BPO, Teleperformance는 글로벌 91개국에서 42만 명의 직원이 운영을 담당하고 있다. 일본 진출은 2018년, 채용을 포함한 모든 업무를 원격(기본은 재택근무)으로 운영하고 있다. 센터에서 활용하는 IT솔루션은 글로벌 공통이며, AI는 GPT 3.5가 등장하기 이전인 2021년부터 Open AI를 도입해 실증실험을 거듭해왔다. 현재는 「Microsoft Azure Open AI Service」를 채택해 PoC를 마치고 가동하고 있다. 이 회사는 RPA, OCR을 시작으로 챗봇, 보이스봇, 메일봇 등 다양한 자동화 솔루션을 도입했다. 상담사 지원 기능도 구축해 왔다. 생성 AI는 이러한 구조에 add-on 형태로 활용하고 있다. 구체적으로 ①이메일, ②챗봇, ③전화, ④지식의 각 업무에 생성 AI를 접목했다. ①이메일에서는 고객으로부터 들어온 문의를 「loading」하면 「문의의 요점」이 글 머리 기호로 나열된다. 내용을 확인한 후 「검색」 버튼을 누르면 각 항목에 대한 답변이 되는 지식이 표시된다. 이후 「이메일 생성 버튼」을 누르면 고객에게 회신 메일이 작성되는 구조다. 실수 방지를 위해 곳곳에서 육안으로 확인하도록 설계되어 있다. 「답장 문장을 템플릿에서 찾고, customizing하고, 그 위에 상급자가 체크하던 기존의 일련의 과정을 모두 생략할 수 있게 됐다. 매번 검색해서 찾지 않아도 그때그때 개별적인 답장 문안을 자동 생성해준다.」(Business Development Support Team 기무라 미치요 매니저)이 자동화된 flow를 상담사가 고객 응대에 활용할 수 있도록 한 구조가 ②챗봇이다. 기존에는 질문자의 말과 준비된 FAQ의 문구를 맞추는 튜닝 작업이 필요했지만, 생성 AI 도입 후에는 다양한 표현에 대한 대응이 가능해졌다. literacy에 의존하지 않고 최적의 답변을 제공하는 ‘진짜 쓰임새 있는’ 챗봇이 되고 있다고 한다. ③전화 및 ④지식은 재택근무를 하는 개개의 상담사를 실시간으로 지원하는 「Digital Floor Walker」가 고객과의 대화 내용에 따라 수시로 조언을 하는 구조다. 구체적으로는 먼저 상담사와 고객의 대화 내용이 요약되어 상담사의 디스플레이에 표시된다. 감정분석 결과, 고객이 화가 났다고 인식하면 「X건에 대해 사과를 전하고 사죄하세요」와 같은 조언이 표시된다. 또한, 문의 내용 중 발생하는 수수료 등 ‘전달해야 할 중요한 항목’이 있는 경우에는 「수수료가 발생한다는 것을 알려주세요」와 같이 표시한다. 기존에는 생성 AI를 사용하지 않는 시나리오형 스크립트였지만, 이 경우 시나리오의 ‘답이 없는 부분’도 답변 생성할 수 있다. 또한 고객 정보(CRM, SFA)와 연계해 기업 고유의 정보를 표시하는 것도 가능하다. 연계할 수 있는 생성형 AI(LLM)는 현재 Open AI뿐이지만, 메타의 Llama, 구글의 PaLM2 등과도 연계할 수 있도록 검증 중이다. 기무라 씨는 「전화를 받는 신입 상담사에게 마치 선배가 옆에서 메모를 해주는 것처럼 생성 AI가 대화 내용이나 절차의 프로세스에 따라 조언을 하거나 고객에게 제시할 수 있는 플러스 알파 제안을 나열하는 등 고객 응대 품질을 향상시킬 뿐만 아니라, 대화 내용에 따라 상담사에게 밀착된 지원을 제공함으로써 고객 응대에 대한 상담사의 불안감을 해소할 수 있다. 상담사가 자신감 있게 고객 응대를 할 수 있는 환경을 조성함으로써 근무 의욕도 높일 수 있을 것으로 기대한다」고 설명했다. CASE STUDY 6 Fujitsu Communication Service [인재육성] 생성 AI가 Role-Playing 지도 및 평가, 학습 기회를 늘려 품질 향상 기대 BPO 업체인 후지쯔 커뮤니케이션 서비스는 Open AI가 제공하는 「Open AI API」를 활용한 GPT3.5와 4를 기반으로 한 AI 솔루션을 사내에 구축해 상담사 교육 지원용으로 활용하고 있다. 주요 용도는 Role-Playing과 평가, 모니터링 및 피드백이다. 현 단계에서는 사내용으로 한정하고 있지만, 향후에는 고객사의 고객 응대에도 활용할 수 있는 방안을 검토하고 있다. Role-Playing 활용의 흐름은 ①FAQ나 매뉴얼 등 각종 자료를 학습용 데이터로 가져오고, ②질문 수를 지정하고, ③상담사에게 고객(AI)이 질문을 던지고 상담사가 답변하면, 추가 반응과 질문을 주고받고, ④모든 응대가 끝나면 평가를 제시하는 방식이다. 평가는 오프닝, closing, 말투, 안내의 정확성, 좋은 점, 나쁜 점, 총평의 7가지 항목에 대해 이유와 함께 별 5개를 최고점으로 점수화하여 표시한다. 또한 각 항목에 대해 구체적인 피드백이 제공된다. 현재 시험 단계이지만, 도입 성과에 대해 CX서비스사업부 선임연구원 미야자코 마사히로씨는 「공통의 평가가 가능하기 때문에 평가자인 SV의 미세조정이 필요 없어져 부하 경감을 기대할 수 있다. 기존에는 Role-Playing 시간을 충분히 확보할 수 없어 강사가 차례로 진행했지만, 상담사가 혼자서 학습할 수 있는 환경이 마련돼 전체적으로 Role-Playing에 소요되는 공수를 70% 절감할 수 있었다」고 설명한다. 평가 내용도 객관적인 이유를 포함한 피드백이 이뤄진다는 점에서 상담사들은 만족감을 표하고 있다. ▶평가기준을 프롬프트화, 근거도 명시하여 설득력 있게 제시 GPT의 버전은 3.5와 4를 병행하고 있다. 기존에는 비용적인 측면에서 3.5를 주로 사용했지만, 정확도와 반응성을 검증한 결과 현재는 4를 중심으로 운영하고 있다고 한다. 개발에 있어 핵심이 된 것은, 역시 GPT 측에 주는 프롬프트 엔지니어링이다. 예를 들어, 고객의 Personality 설정, 답변 범위를 제한하는 등의 명령어를 제공하고 있다. 평가에 대해서는 「별 5개」라는 조건과 기준을 부여하고, 정확도는 근거가 되는 FAQ와 대조하도록 지시하고 있다. 미야자코씨는 「현장의 의견을 반영해 개선하고 있으며, 질문에 대해 다음에 안내해야 할 내용(설정된 정답)을 제시하는 ‘Guide 기능’ 탑재 등 UI 개선을 진행하고 있다」고 설명했다. 현재 적용이 비교적 용이하다고 판단되는 채팅에도 적용을 추진하고 있으며, 이메일 대응을 위한 솔루션도 개발 단계에 있다. <출처 Call Center Japan 2023년 10월호>
    • Report
    • Global Case
    2023-12-01
  • 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소_Part 1
    [컨택저널 2023. 11월호] 어디에 사용하나요? 어떻게 사용하나요? 생성 AI의 현주소 Part 1. 현황과 과제 드디어 터진 “압도적 진화의 방아쇠”, 컨택센터에서의 「쓰임새」를 찾아본다 인터넷 이후 최고의 발명품으로 평가 받는 Open Al의 「Chat GPT」. AI에 대해 「의외로 쓸모가 없다.」는 인상이 강했던 콜센터 시장에서도 급속도로 확산될 조짐을 보이고 있다. 챗봇 외에도 FAQ 작성, VOC 요약, 교육 및 평가 자동화 등 기존에 인력 부족으로 손이 닿지 않던 관리 영역의 활용도 눈에 띈다. 생성 AI 활용의 현황과 과제를 살펴본다. AI 활용은 확실히 영역을 넓혀가고 있다. PERSOL INNOVATION이 지난 6월 실시한 설문조사에 따르면, 「업무에 AI를 활용하고 있다.」 또는 「AI 도입을 검토하고 있다.」는 응답이 전체적으로는 약 절반, 대기업만 본다면 약 70%에 달한다. 컨택센터는 2014년 이후 가장 먼저 AI 활용을 시도한 부문이었다. 음성인식 시스템, 챗봇 등의 도입이 진행됐지만, 「기대했던 “상담사 대체”와는 거리가 멀다.」는 인상이 강해 이른바 「환멸기」가 빨리 찾아왔다. 그러나 2023년 말, 갑자기 등장한 Open AI의 「Chat GPT」로 인해 “고객 응대 자동화”를 향한 움직임이 재연되고 있다. ■ No Code/사전 준비 불필요, AI 활용의 문턱이 낮아졌다 생성 AI와 기존 AI의 큰 차이점은 (1)자연어로 지시(프롬프트)해 답을 얻을 수 있다는 점, (2)기존 「지도 학습」과 달리 사람에 의한 학습 부담이 거의 없다는 점, (3)주어진 입력의 「다음」을 확률 모델을 기반으로 예측하여 응답을 생성한다는 점――등이 있다. 즉, 프로그래밍 지식이나 사전 학습을 위한 대량 데이터 준비 등이 거의 필요하지 않아 활용의 문턱이 크게 낮아졌다는 것이다. 사용하는 인재를 가리지 않기 때문에 전사적 활용을 표방하는 기업도 늘고 있다(그림 1). 프로그램 코드 작성을 AI에 맡기는 「프로그래밍 지원」이나 각종 문서 작성, 아이디어 도출 등 다양한 용도로 활용이 진행되고 있다(그림 2). 콜센터에서도 활용 사례가 늘고 있다. 이미 제공되는 챗봇에 Chat GPT를 연계하거나 FAQ 생성 기능을 옵션으로 제공하는 등 IT 벤더들의 개발도 가속화되고 있다. 한편, 자체적으로 AI에 정통한 엔지니어를 두고 챗봇을 자체 개발하는 움직임도 있다. Part.2에서 자세히 설명할 변호사닷컴과 REZIL(구 중앙 전력)은 Open AI의 생성 AI 「Chat GPT」, 「GPT3.5/4」를 기반으로 정보시스템 부서가 챗봇을 자체적으로 개발하고 있다. 생성 AI의 활용으로 매니지먼트의 고도화/노동력 절감도 진행된다. 지식의 충실화나 인재 교육 등 기존에는 인력 부족을 이유로 충분히 손을 쓸 수 없었던 영역에 생성 AI를 활용함으로써 상담사가 일하기 좋은 환경 조성을 추진하는 움직임이 있다. 또한, 응대 이력 작성이나 VOC 요약 등 많은 노력이 필요했던 업무로부터의 해방이 현장에 미치는 영향도 크다. ■ 보안/Hallucination(환각) 현상, 리스크에 대한 구체적인 대비 방법 그림 1에서 볼 수 있듯이, 이미 활용 사례들은 나오고 있지만 그 수는 결코 많지 않다. 기존 AI에 비해 도입 비용과 개발 공정의 장벽이 크게 낮아졌지만, 실제 운영으로의 전환은 생각보다 많이 진척되지 않은 느낌이다. 그 큰 이유 중 하나는 보안이나 Hallucination 등 리스크 검증에 시간이 걸리고 있기 때문이다. 보안에 대해서는 Chat GPT를 제공하는 Open AI가 「입력된 텍스트를 학습에 활용하지 않는다」고 명시하고 있기 때문에 크게 민감하게 반응하지 않는 기업도 늘고 있다. 또한 개인정보가 입력된 경우 데이터를 외부 네트워크로 내보내지 않고 masking하는 등 데이터를 보호하는 기술의 제공도 진행되기 시작했다. 잘못된 대답을 하는 Hallucination에 대해서도 어느 정도 예방할 수 있는 방법이 있다. 챗봇을 개발하는 AI Shift의 유미야마 유이토 대표이사는 「Hallucination을 유발하는 주요 요인은 ①정보 부족을 보완하는 것, ②조합을 잘못하는 것, ③잘못된 지식을 학습하는 것 3가지다. 참조를 한정하거나 추가 학습을 통해 어느 정도 대책이 가능하다」고 설명한다. 도쿄대 토카이 연구실에서 출범한 AI 벤처기업 TDAI Lab이 제공하는 AI 툴 「LLM 팩트 체크 툴」은 웹 정보나 사내 지식 DB에서 근거를 자동으로 검색 · 추출해 진위 여부를 자동으로 확인한다. 이러한 솔루션을 비롯해 몇 가지 체크 기능을 겹겹이 쌓아가는 것이 포인트다. 고객 대응에 활용할 경우, 경쟁사 제품을 추천하거나 무례한 발언 등을 방지할 필요도 있다. 이 역시 「경쟁사 정보를 인용하지 않는다」, 「폭언을 하지 않는다」 등의 프롬프트를 추가하면 어느 정도 예방이 가능하다. 그러나 이러한 리스크를 ZERO화 하는 것은 불가능하다. 당분간은 생성 AI 기반의 챗봇 활용은 혹시라도 오답을 하더라도 큰 문제로 발전하기 어려운 경우에만 활용될 것이다. 업종과 전화사유에 따라 요구되는 정확도는 다르다. 어떤 문의에 대응할 수 있는지, 목적을 좁혀서 어느 정도 “구분”을 두고 활용을 결정하게 된다. 한편, 치밀한 업무 설계를 통해 모든 리스크를 예상하고 대비하는 것이 필요하다. 예를 들어, Part.2에서 자세히 설명할 변호사닷컴의 경우, 챗봇의 역할은 어디까지나 법률 지식에 기반한 참고 정보 제공이다. 이치하시 타테 Professional Tech Lab 소장은 「출시 전, 채팅 법률 상담 응대 경험이 있는 변호사의 협조를 받아 100가지 이상의 예상 질문을 입력해 답변을 검증하고, 잘못된 것은 수정하는 “진흙탕 싸움”을 거듭했다.」고 설명한다. 위의 과제에 더해 이용의 걸림돌로 작용하고 있는 것이 프롬프트 노하우의 보급이다. 특히 Open AI 웹사이트에서 개인이 계정을 만들어 Chat GPT를 이용하는 경우, 프롬프트를 조작하는 스킬에 따라 평가가 전혀 다르다. 국립정보학연구소의 사토 이치로 교수는 「Chat GPT를 그대로 사용하는 경우와 Web API를 활용한 솔루션에서 사용하는 경우 필요한 노하우가 다르다」고 지적한다. 이러한 이해 없이 Chat GPT를 그대로 활용하려고 하면 「의외로 쓸모가 없다」는 평가가 나올 가능성이 높다. ■ 가볍고 안전하게 사용할 수 있는 일본어 LLM 개발도 진행 중 현재 기선을 잡고 조작성과 답변 품질을 높이는 Open AI는 시장에서 압도적인 우위를 점하고 있다. 게다가 Microsoft가 제공하는 「Azure Open AI Service」 API라면 보다 안전한 환경에서 Chat GPT를 활용할 수 있기 때문에 사례는 GPT3.5나 4의 활용에 편중되어 있다. 하지만 이제 국내 IT 기업들이 새로운 움직임을 보이고 있다. 일본어 LLM(Large Language Model: 대규모 언어 모델) 개발이다. 대형 IT 기업을 중심으로 일본어판 LLM 개발 경쟁이 시작되고 있다(그림 3). 일본어 LLM의 장점은 (1)파라미터 수가 적고 비교적 적은 GPU에서도 사용할 수 있다는 점, (2)데이터를 국내 서버에 보관하는 것을 전제로 한다는 점, (3)일본어 표현의 정확도가 높다는 점 등이 있다. 일찌감치 일본어 LLM 개발을 추진한 ELYZA의 소네오카 유우야 대표이사는 「보안 요구사항이 까다로운 금융업계나 인터넷에 연결되지 않는 환경에서의 활용을 원하는 케이스 등에서 문의가 있다」고 말했다. NEC도 약 100명의 생성 AI 전문가가 소속된 「NEC Generative AI Hub」를 설립하고, LLM의 산업 특화형 Customize 지원과 Cloud에 데이터를 두는 것을 꺼려하는 고객 등을 대상으로 독자적인 LLM 구축 지원을 시작했다. 매개변수 수를 130억 개로 억제하여 서버 비용을 절감하고, 업무 앱의 응답 속도가 빠르다고 한다. On-premise 에서 운영도 가능하며, 맞춤형 자체 LLM도 단기간에 만들 수 있다. 이 오리지널 LLM 뿐만 아니라 Microsoft Azure를 폐쇄적인 환경에서 운영할 수 있는 모델 구축도 지원한다. NEC Generative AI Hub Evangelist 노구치 케이는 「독자적인 LLM은 주로 대규모 기업이 이용하게 될 것이다. Foundation Model이 진화하면 산업별 특화 대응도 프롬프트에서 커버할 수 있는 시대가 올 것이다. NEC의 LLM을 고집하지 않고 개방형 LLM도 적극적으로 제안할 방침이다.」라고 말한다. CyberAgent도 일본어에 특화된 130억 매개변수의 LLM을 개발했다. 또한, 외부에 68억 매개변수의 LLM을 일반에 공개하기도 했다. 자회사인 AI Shift도 CyberAgent의 자체 LLM을 활용하는 한편, Chat GPT를 비롯한 다양한 생성 AI와의 연계를 적극 추진한다. ELYZA를 비롯해 미국 메타로 대표되는 오픈소스 LLM을 기반으로 한 일본어 LLM을 개발하는 움직임도 가속화될 것으로 보인다. ■ 기존 기술과 결합, 업무 고도화를 실현하자 LLM은 무엇이든 실현할 수 있는 마법의 상자가 아니다. 성과를 내기 위해서는 기존 기술과 결합해 서로의 장점을 살릴 수 있도록 사용하는 것이 중요하다. 챗봇을 개발, 제공하는 KARAKURI 대표이사 오다 시몬씨는 「LLM은 아직 참조 데이터 검색에 취약하다. 이를 AI 챗봇 개발로 쌓은 질문에 대한 답을 내는 AI 기술로 커버할 수 있다. AI와 LLM의 곱셈으로 제안의 폭을 넓혀 가고 싶다」고 포부를 밝혔다. LLM을 기반으로 이미 높은 정확도로 응대가 가능한 Chat GPT도 마찬가지다. PKSHA Communication Conversational 시모자와 쇼케이 AI 본부장은 「Chat GPT는 하나의 부품이다. 필요한 정보를 있는 그대로의 상태로 Chat GPT에 전달하는 것이 중요하다. 다른 AI나 IT와 결합하면 효과적이고 안전한 구조를 실현할 수 있을 것」이라고 설명한다. 예를 들어, Salesforce Japan은 이미 Chat GPT와의 연계를 통해 채팅 답변안을 자동 생성하는 「Service replies」나 FAQ를 운영자에게 추천하는 「Knowledge articles」 등의 기능을 제공하고 있다. 이러한 고도화된 CRM을 활용하면 상담사의 스킬이나 경험에 의존하지 않고도 개인화된 서비스나 “성공적인 제안”을 실천할 수 있게 될 것이다. 모든 정보를 자연어로 누구나 쉽게 검색할 수 있는 인터페이스── 이것이 생성 AI가 그리는 고객 접점의 미래라고 할 수 있다. 안전한 환경에서 이를 실현할 수 있다면, 모든 literacy나 스킬의 격차를 해소할 수 있는, 인력 부족 시대의 비장의 카드가 될 것이다. Part.2에서는 생성 AI를 발 빠르게 활용하여 컨택센터의 가치 향상을 실현하고 있는 6개사의 사례를 소개한다. <출처 Call Center Japan 2023년 10월호>
    • Report
    • Global Case
    2023-11-01
  • 2023 콜센터 이용자 조사 900명의 고객 경험 ②
    [컨택저널 2023. 11월호] 2023 콜센터 이용자 조사 900명의 고객 경험 ② 「Effortless × Emotional」의 업무 설계 요구되는 “연결되기 전의 CX”와 “인간미 있는 응대” 콜센터의 지상 명제인 “CX(고객경험) 향상”. 그 실태를 파악하기 위해 편집부는 통신판매, 이동통신, 보험, 신용카드 등 4개 업종 콜센터에서의 “고객 경험”에 대해 900명을 대상으로 소비자 설문조사를 실시했다. 그 결과를 바탕으로 접속 품질, 응대 품질, 해결률, 친절도 등의 현황을 점검하고, 구체적인 해결 방안 등을 전문가들에게 물었다. 지난호에 이어 ‘2023 콜센터 이용자 조사’ 2편이 이어진다. 자동화 측면에서 요구되는 “사무적이지 않은 친절한 응대” 구체적으로 「어디에 불만을 느꼈는가?」를 물어본 결과가 그림 1~2이다. 그림 1은 상담사의 응대에 대한 불만이다. 「사무적이었다(친절하지 않았다)」가 33.8%, 「질문의 의도를 이해하지 못했다」가 24%를 차지했다. 생보사에서는 42.1%가 「사무적이었다」고 응답했다. 고객 충성도 향상 전략 및 시책 컨설턴트인 IS랩의 히로키 와타나베 대표는 「기존 서비스 품질 요소를 분류· 분석하는 서비스 사이언스에서는, 불만족 요인은 effortless 경험에 관한 것이 많았고, 만족 요인은 감성적 경험으로 알려져 왔다. 이번 결과에서는 “친밀한 응대” 등 감성적인 부분에 대한 불만이 눈에 띈다. 자동화를 강화하는 센터가 늘어나는 한편, 코로나로 인해 희박해지기 쉬운 인간관계라는 상황을 맞아, 보다 인간미 있는 응대가 요구되기 시작했다. 소통의 빈도가 줄어드는 상황과 반비례해, 상담사를 대할 때 감성적인 측면의 사전 기대치가 높아지는 것 같다」고 분석했다. 연결되기 전에 40%가 불만족, 가장 큰 이유는 「대기시간」 콜센터에 대한 불만을 물어본 결과는 그림 2와 같으며, 전 업종에서 공통적으로 가장 많은 불만이 「대기시간」이었다. 특히 신용카드 이용자의 경우 38%가 대기시간을 불만 요소로 꼽았다. 즉, 연결되기 前단계에서 이미 40%에 가까운 고객을 불만 상태로 만들어버렸다는 것이다. 또 하나 주목해야 할 것은 「이 문의는 기다려서라도 해결해야 한다」고 고객이 생각하는 것이냐 하는 점이다. 많은 소비자들이 자기해결을 시도하는 상황에서 「자동화할 수 있는 영역(용건) 인데도 불구하고 문의를 해야 하는」 상황은 그 자체로 불만으로 이어질 수 있다. 38%의 응답자가 대기시간에 대한 불만의 이유로 꼽은 신용카드 콜 사유는 「이용명세 내용 확인」(23%), 「갱신 · 해지 · 등급 전환」(21.5%) 순으로 많았다. 2가지 모두 자동화의 여지가 크지만, 「이용 내역서 기재 정보에서 매장명 등이 생략되거나 약칭으로 되어 있어 이해하기 어렵다」, 「해지 시 전화로만 해지를 유도해 해지를 막는다」 등 기업 측의 사정에 따라 전화를 걸어야 하는 것 자체가 불만이며, 덧붙여 대기 시간이 발생해 버리는 것으로 불만이 커졌을 가능성도 배제할 수 없다. 신용카드의 경우 switching 장벽이 높아 해지 하는 것은 아니지만 이용 빈도가 떨어지거나 이용을 중단한 채로 계약하는 침묵고객으로 전락하기 쉬운 것도 사실이다. 콜 사유를 파악, 분석하여 “고객에게 가장 적합한 해결 채널이 무엇인가” 를 전제로 컨택 채널을 최적화하는 것이 중장기적 관점에서 건전한 기업 활동으로 이어질 수 있다. 연결 품질을 좌우한다? 「착신자 과금」 재검토 이러한 불만 경험의 결과로 취한 행동을 물어본 결과는 그림 3과 같다. 「특별히 행동으로 옮기지 않는다」가 64.2%로 압도적으로 많지만, 다시 말해 대다수가 침묵하는 고객으로 전락하고 있다는 점도 간과할 수 없는 부분이다. 히다카 씨는 「통신판매를 제외하고는 스위칭 장벽이 높기 때문에 “타사 제품/서비스로 바꿨다”는 응답이 적다. 불만을 전달하는 비율도 낮고, “포기”의 결과로 어쩔 수 없이 계속 이용하고 있는 상태가 아닌가 싶다」고 경종을 울린다. 이러한 경험을 바탕으로 소비자들이 콜센터에 바라는 점을 물어본 결과는 그림 4와 같다. 「한 번의 통화로 연결되는 것」이 34.2%로 압도적으로 많았고, 다음으로 「수신자 부담 전화 등 무료 전화 대응」이 28.4%로 뒤를 이었다. 최근 전화 창구의 유료화에 나서는 기업도 늘고 있지만, 자칫 잘못하면 고객 이탈로 이어질 수 있다. Create Carrier의 테라시타 카오루 대표는 「고객에게 통화료 유료화를 설명할 때 문제가 되는 경우가 적지 않다」고 지적한다. 「한 기업에서는 ‘일부 고객만 이득을 보는 구조가 좋지 않기 때문’이라고 말해 큰 홍역을 치른 적도 있었다. 이 때는 ‘조금이라도 서비스 요금을 싸게 하기 위해 네비다이얼을 사용하게 됐다’는 설명으로 변경해 납득할 수 있게 됐지만, 고객 측에 유상화의 장점을 알릴 수 있는 방법을 상담사가 적절하게 전달할 수 있도록 준비하는 것이 매우 중요하다」고 강조한다. (※네비다이얼 : 복수의 착신처에 대해 전국적으로 통일된 전화 번호를 제공하는, NTT communications가 제공하는 부가 서비스로 「0570 다이얼」이라고 불린다.) ISP기업인 Sony Network Communications는 수년에 걸친 계획으로 전화 지원 유료화를 실행했다. 보이스봇, 챗봇 등 무료로 자기 해결할 수 있는 수단도 동시에 강화해 많은 고객이 만족하고 있는 것으로 보인다. 이처럼 자기 해결 향상을 목적으로 챗봇/보이스봇을 도입하려는 기업이 상당히 늘었다. 하지만 단순히 FAQ로 유도하는 비율만 높이는 것만으로는 진정한 해결책이 될 수 없다는 것이 Deloitte Tohmatsu Consulting의 다카하시 슈헤이 이사의 지적이다. 그는 「단순히 채널을 연결하고 확대 설치한다고 해서 해결되는 것이 아니라, 자기해결해야 할 용건과 콜센터에서 유인 응대해야 할 용건을 명확히 구분한 후 FAQ와 챗봇을 구축 · 운영해야만 제대로 된 매니지먼트가 가능하다」고 지적한다. 콜센터가 제공하는 채널과 콜 사유를 통해 고객을 어떤 해결 경로로 유도할 것인가? 전략적 채널 설계야말로 고객 경험을 개선하는 열쇠가 될 것이다. <출처> Call Center Japan 2023년 8월호
    • Report
    • Global Case
    2023-11-01
  • 2023 콜센터 이용자 조사 900명의 고객 경험 ①
    [컨택저널 2023. 10월호] 2023 콜센터 이용자 조사 900명의 고객 경험 ① 「Effortless × Emotional」의 업무 설계 요구되는 “연결되기 전의 CX”와 “인간미 있는 응대” 콜센터의 지상 명제인 “CX(고객경험) 향상”. 그 실태를 파악하기 위해 편집부는 통신판매, 이동통신, 보험, 신용카드 등 4개 업종 콜센터에서의 “고객 경험”에 대해 900명을 대상으로 소비자 설문조사를 실시했다. 그 결과를 바탕으로 접속 품질, 응대 품질, 해결률, 친절도 등의 현황을 점검하고, 구체적인 해결 방안 등을 전문가들에게 물었다. 월간 콜센터 재팬 편집부는 매년 「지난 1년간 콜센터를 이용한 소비자」를 대상으로 설문조사를 실시하고 있다. 올해는 5월 하순에 900명을 대상으로 인터넷 리서치를 실시했다. 작년과 마찬가지로 통신판매, 이동통신사, 생명보험/손해보험, 신용카드 등 4개 업종의 콜센터 이용자를 대상으로 했다. 문의 前 행동, 센터 연결 품질, 응대 품질, 만족도, 불만족도 등을 물었다. 전화 문의는 고령화, 통신판매는 56.3%가 60대 이상 응답자는 남녀 비율만 50 : 50으로 추출한 것 외에는 직업 등 다른 조건을 두지 않았다. 그 결과 해마다 「콜센터에 전화로 문의하는 연령층이 고령화되고 있다」는 실태가 드러나고 있는데, 올해는 그 경향이 더욱 두드러졌다. 지난해 38.4%였던 60대 이상이 올해 43.3%로 상승했다(그림 1). 통신판매에 이르러서는 56.3%를 60대 이상이 차지했다. 세계적인 고객만족도(CS) 및 고객경험(CX) 조사기관인 J.D.Power Japan에서도 통신판매, 금융기관을 대상으로 대규모 콜센터 이용자 조사를 실시하고 있는데, 담당자인 히다카 시즈에다 시니어 매니저는 「우리 조사에서도 EC · 통신판매 업계에서 60 ~ 70대의 콜센터 이용률이 약 절반을 차지했다(『2022년 고객센터 지원 조사 』)」라고 말했다. 응답자의 근무형태는 그림 2와 같다. 전년 대비 「무직」이 15.8%에서 19.7%로 증가했다. 전업주부 · 남편, 정규직, 파견사원의 비율은 소폭 감소했다. 문의 전 FAQ 열람률 66.1%는 자기 해결 의사 있음 콜센터 시장 전반의 채용난이 지속되는 가운데, 많은 센터들이 자기해결률(셀프서비스율)을 높이기 위해 노력하고 있다. 소비자(고객) 측의 자기해결 의지도 높아, FAQ를 열람하지 않고 센터에 문의한 경우는 26.3%에 불과했다(그림 3). 기타를 제외한 66.1%는 어떤 형태로든 기업 사이트의 자주 묻는 질문(FAQ)을 열람하여 자기해결을 시도하고 있다. 즉, 「66.1%는 자기해결을 시도했지만 해결되지 않아 센터에 문의한 적이 있다」는 것이다. 콜센터에 전화했을 때 대기시간에 IVR 안내로 홈페이지로 유도하려는 기업이 많지만, 70%에 가까운 소비자는 이미 홈페이지를 보고 문의를 하고 있다는 점을 염두에 두지 않으면 불만을 키울 수 있다. 최우선 과제는 「자주 묻는 질문」의 알기 쉬움, 해결률 향상이라고 할 수 있다. 보험사, 대기시간/만족도 모두 악화, 이동통신업계는 작년 대비 전반적으로 개선 실제 콜센터에 전화를 걸었을 때 연결 품질을 물어본 결과는 그림 4~5이다. 「바로 연결되었다」는 비율은 50.8%였다. 지난해 52%에서 소폭 감소했지만, 거의 변화가 없다. 가장 큰 변화를 보인 곳은 생보업계다. 사고 등 긴급 대응 창구도 포함돼 있어 예년에도 비교적 높은 품질을 유지해왔지만, 「바로 전화가 연결됐다」는 응답은 지난해 75%에서 64.5%로 떨어졌다. 코로나 사태로 보험금 청구 등 관련 문의가 늘어나면서 처리 건수가 증가하고 AHT(평균응답시간)도 길어지면서 연결 품질이 낮아졌을 가능성이 있다. 반면, 이동 통신과 신용카드는 개선되는 경향을 보였다. 이동통신사들은 한시적으로 매장 영업시간을 단축하고 사전 예약제로 운영하면서 센터 문의가 증가해 지난해 접속 품질이 저하된 바 있다. 그러나 올해 4월 업계 1위인 NTT도코모가 사전 예약 없이 매장 응대를 재개하면서 전화 문의가 줄어든 것으로 추정된다. 한편, 접속 품질이 매출과 직결되는 통신판매는 51.7%로 작년보다 하락했지만 거의 비슷한 수준이다. 「상담사가 전화를 받기까지의 시간」에 대해서는 「바로 상담사에게 연결 되었다」는 비율이 전체 23.3%였다(그림 5). 보험사가 작년 조사 36%에서 25.5%로, 신용카드는 21%에서 15.5%로 감소하여 대기시간도 길어지고 있는 것으로 보인다. 특히 보험사는 연결이 어렵다는 경험자가 늘고 있다. 「최근 문의했을 때 해결률과 만족도」에 대해 물은 것이 그림 6이다. 이동통신은 「해결되어 만족했다」는 응답이 지난해 61%에서 69%로 상승했다. 또한 「해결되지 않고 만족하지 못했다」는 응답은 지난해 13%에서 8.5%로 감소했다. 연결 품질과 함께 응대 품질도 개선되는 추세인 것으로 보인다. 응답자의 연령이 다소 고령화되었음에도 불구하고 해결도 및 만족도가 높아진 것은 기업 전체가 합심하여 “이용자 literacy 향상”을 위해 노력한 결과라고 볼 수 있다. 기존에 높은 평가를 받았던 보험사는 「해결하고 만족한다」는 응답이 지난해 85%에서 81%로 소폭 감소했다. 또한 「해결했지만 만족하지 못했다」는 응답은 지난해 8.5%에서 12.5%로 증가했다. J.D.Power 2023 생명보험금 청구 대응 만족도 조사』에서도 전년도 대비 만족도가 하락했으며, 특히 의료급여 관련 청구, 보험금 지급까지의 신속성에서 하락이 두드러졌다. 다음 호에 ‘2023 콜센터 이용자 조사’ 2편이 이어진다. <출처> Call Center Japan 2023년 8월호
    • Report
    • Global Case
    2023-10-01
  • 연결하고, 해결하고, 추천하는 경영 기여 KPI」 관리_Part 2
    [컨택저널 2023. 10월호] 연결하고, 해결하고, 추천하는 경영 기여 KPI」 관리 Part 2. 인터뷰 현장과 경영을 연결하는 탁월한 「balancer」, 가치창조 사이클을 실천하는 3인의 도전 불과 얼마 전까지만 해도 컨택센터로의 이직은 결코 긍정적이지 않았다. “클레임 대응 부서” “Cost Center” 라는 이미지가 강했고, 센터장은 정년을 앞둔 직원들이 배치되는 경력의 종착역이라는 인식이 강했다. 하지만 최근에 와서는 고객 전략의 한 축을 담당하는 부서로 존재감을 높이며 우수한 인재가 매니지먼트로서 발탁되는 경우도 늘고 있다. 3명의 리더를 만나 이야기를 들어봤다. 컨택센터 최고 경영자에게는 센터의 가치를 보여주고, 그것을 끌어올리기 위해 「변화」를 주도하는 역할이 요구되고 있다. Part.2에서는 컨택센터 최고 경영자인 SMBC 닛코 증권의 이토 미치에키, 생활종합서비스의 오쿠조 타츠야, Ricoh Japan의 카토 미치오 등 3명을 인터뷰하고, 변화 추진에 필수적인 자질과 스킬에 대해 알아봤다. 3인 모두 컨택센터로 이동하기 전의 경험을 살려 컨택센터의 가치를 객관적으로 파악하고, 비즈니스에 기여할 수 있는 역할을 모색했다. 그리고 그 가치를 높이기 위한 방안을 내놓고 있다. 공통점은 (1)데이터를 객관적으로 읽어내는 능력, (2)센터에 축적된 지식을 경영진과 타 부서에 공유하는 제안력/프레젠테이션 능력, (3)자율적 조직을 지향하는 추진력 등이다. 이토 씨는 데이터를 바탕으로 경영과 현장을 연결하는 역할을 담당한다. 경영진의 생각을 운영에 반영하고, 그 결과는 수치로 기여도를 호소. 변화에 필요한 투자를 이끌어 낸다. 데이터를 바탕으로 더욱 가치를 높이기 위해 필요한 시책 임을 호소한다. 오쿠조 씨가 중시하는 것은 추진력으로, 철저하게 현장을 믿고 권한 위임을 추진하고 있다. 동시에 경영에 대한 호소력도 강하다. 확고한 리더십으로 센터를 하나로 묶어내고 있다. 카토 씨도 제안력과 프레젠테이션 능력이 강하다. 센터로 이동하기 전, 컨택센터의 가치를 몰랐던 자신의 경험을 바탕으로 그 가치를 사내에 어필해 컨택센터에서 쌓은 노하우를 다른 부서에 수평적으로 전개하고 있다. 3인 모두 컨택센터 근무 환경을 정비했다. IT 툴 도입을 비롯해 문화 조성, 취업규칙, 고용조건 개선 등 다방면에 걸친 변화를 실현하고 있다. 컨택센터는 전문용어가 많은 “특수한 일터”로 여겨지기 쉽지만, 매니지먼트의 근간은 다른 부서와 다르지 않다. 현장의 힘을 믿고, 가치를 발견하고, 그 것을 어필하여 더욱 가치를 높이는 시책으로 연결한다(그림). 3인의 노력에는 현 시대에 요구되는 컨택센터 매니지먼트의 힌트가 담겨 있다. 센터장은 「현장」과 「경영진」의 중개역, 영업 시절 쌓은 “숫자” 감각을 살리다 Q. 영업직에서 컨택센터로 발령이 났을 때 어떤 심정이었나요? 회사에서 육아와의 양립을 배려한 부서 이동이었지만, 업무 범위가 넓고 바쁘다는 점은 영업 부문과 다르지 않다고 느꼈어요. 다양한 관리 지표가 있고, 어떻게 하면 더 효율적으로 센터를 운영할 수 있을지 고민하는 나날이었습니다. 그 과정에서 데이터 수집 및 분석, 기획서 및 보고서 작성법 등을 배웠고, 최근에는 새로운 기술을 이해하기 위해 AI 관련 Data Scientist 교육을 수강하는 등 자기계발에 힘쓰고 있습니다. Q. 센터부장 취임 후 달라진 점은? 과장 시절에는 KPI 달성을 위한 시책 추진, 클레임 대응 등 일상적인 센터 운영과 관련된 업무가 주를 이뤘다면, 부장이 되면서 경영진의 생각을 센터 운영에 반영하는 등 부서 밖까지 시야를 넓힌 업무 수행을 하고 있습니다. 중기경영계획을 바탕으로 센터의 방향성을 정하고, 구체적인 경영 기여를 목표로 하고 있습니다. 영업 경험을 통해 알아보는 「이상적인 센터」, 타 부서와의 급여 격차 해소에도 힘쓰다! Q. 오키나와 센터장에 취임하여 추진한 시책에 대해 말씀해 주십시오. 중점적으로 추진한 시책은 「직원들의 응대능력 향상과 동기부여」 및 「고용조건 개선」입니다. 이전부터 Multi Skill화를 추진해왔지만, SV와 트레이너가 부족해 스킬 충족이 생각만큼 진행되지 않았습니다. 그래서 트레이너 인원을 늘리고, SV의 상위 직급인 ‘리더SV’ 라는 직책을 만들었습니다. 새로운 직급을 만들고, 캐리어패스도 충실히 구축해 동기부여를 높이는 데 일조할 수 있었습니다. 고용 조건의 개선은 상담사 전문직의 지역 간 임금 격차 해소에 초점을 맞췄습니다. 오키나와의 급여 수준은 수도권에 비해 낮게 책정되어 있어, 전문성이 높은 우수한 인재들을 확보할 수 있도록 지역 간 급여 격차 문제를 수치로 제시하고 본사와 협의하여 급여 수준 재검토를 이뤄낼 수 있었습니다. Q. 데이터와 수치를 바탕으로 개선안을 제시해 경영진의 이해를 이끌어냈다고요? 영업 시절에 익힌 스킬인데, 시책을 제안할 때는 구체적인 수치를 제시하려고 노력합니다. 경영계획에서 콜센터에 요구되는 역할과 미션을 읽어내어 현장의 시책에 반영하고 있습니다. 지금 하고 있는 일은 「저축에서 투자로」라는 국가 정책에 기반한 회사 방침을 콜센터 운영에 녹여내는 것입니다. 고객의 질문에 답하는 것뿐만 아니라, 당사가 제공하는 다양한 서비스와 IT tool의 활용, 그리고 개인종합자산관리계좌(NISA) 제도를 안내하는 등 투자를 독려하는 적극적인 커뮤니케이션을 하고 있습니다. 저축에서 투자로의 전환을 선도하고, 사회문제 해결에 대한 노력과 “발행자”의 성장 지원을 통해 국민의 자산소득 향상에 기여할 수 있도록 노력하고 있습니다. 콜센터에 「FLEX제」 도입, 자율성을 키우는 “문화” 조성에 전념 Q. 고객서비스부의 최고 경영자인 “리더”로 취임한 이후 개선한 점은 무엇인가? 고객이 만족할 수 있는 응대를 위해서는 무엇보다도 직원들이 안심하고 일할 수 있는 환경 조성이 중요합니다. 취임 후 얼마 지나지 않아 코로나19 감염이 확산되어, 재택근무 체제를 조속히 도입했습니다. 평소 경영진과 적극적으로 소통할 수 있는 환경이었기 때문에 인프라 구축은 순조롭게 진행되었습니다. 이후에도 센터 운영시간을 단축하는 한편, 복리후생 측면에서는 FLEX 제도를 도입했습니다. 처음에는 근무시간을 자유롭게 선택할 수 있는 체제로 서비스 품질을 유지할 수 있을까 하는 우려의 목소리도 있었지만, 결과적으로 「이 시간에는 전화가 많으니 출근하자」는 자발적인 움직임이 나타나면서 인력 부족 사태는 발생하지 않았습니다. 기존 체제에서는 은행이나 관공서 업무 등 볼일이 있는 날은 반차를 신청해야 했는데, 그럴 필요가 없어져 오히려 현장에 여유가 생겼다고 느낍니다. Q. 규칙으로 통솔하는 것보다 자율에 맡기는 것이 성과 향상을 가져왔다는 것이군요. 너무 엄격한 규칙이나 명령에 얽매이면 스스로 판단할 수 있는 능력을 잃게 되고, 결과적으로 개인의 성장 기회를 빼앗기게 됩니다. 당연히 주어진 자유에는 책임이 따르기 마련입니다. 자유와 책임의 문화를 사내에 뿌리내리게 함으로써 개개인의 성장으로 이어지게 하는 것이 중요합니다. 변화에 대비한 능동적 정보 수집, 외부에서 지식을 쌓고 사내에 공유 Q. 리더로서 매일 어떤 노력을 하고 계신가요? 사내 채팅을 통해 사업에 대한 생각을 직원들과 공유하고 있습니다. 이는 대표께서 평소 실천해 오신 것으로, 팀 내에서 비전을 공유할 수 있다고 생각하여 계승하게 되었습니다. 센터를 몇 년밖에 경험하지 않은 제가 전달할 수 있는 것은 업무에 대한 자세입니다. 업무 흐름을 가르치는 것은 저보다 더 오래 근무한 SV · 상담사가 더 잘할 수 있습니다. 저는 팀을 이끄는 입장에서 경영진이 원하는 센터의 모습을 현장에 전달할 수 있는 말로 바꿔서 전달하고 있습니다. 경영진에게는 운영 목표를 명시하고, 이를 실현하기 위한 구체적인 방안을 제시합니다. 목표 달성을 위해 구성원들이 최고의 성과를 낼 수 있는 환경을 만드는 것이 저의 역할입니다. Q. 매일 비전과 생각을 OUTPUT하기 위해서는 풍부한 INPUT이 필요하죠. 변화에 대비하기 위해 많은 정보를 캐치하려고 노력하고 있습니다. 콜센터 업계 뿐만 아니라 다양한 외부인들과의 교류와 의견 교환을 활발히 하고, 거기서 얻은 지식과 깨달음을 현장에 환원하기 위해 노력하고 있습니다. 자신의 사고방식과 회사의 이념을 사내에 심어주는 것은 하루아침에 이루어질 수 없지만, 매일 매일의 노력이 쌓이다 보면 이해의 폭이 넓어질 거라 생각합니다. 부서 이동 후 깨달은 센터의 기여도, 더 많은 가치를 창출하고 사내에 어필하고 싶다 Q. 유지보수 서비스에서 컨택센터로 옮기면서 콜센터에 대한 인상이 어떻게 달라졌나요? 서비스 엔지니어 시절에는 유지보수 현장과 컨택센터는 「가깝고도 먼 존재」라고 생각했습니다. 유지보수 서비스의 주체는 현장이라고 생각했는데, 막상 와서 보니 최신 기술을 활용해 다양한 지원을 하고 있다는 사실에 놀랐습니다. 예를 들면, 원격 지원입니다. 현장에 가지 않고도 원격으로 일부 수리나 설정 변경이 가능합니다. 유지보수 서비스 부서에도 기술 자체는 공유되고 있었지만, 활용도가 달랐습니다. 컨택센터와 유지보수 서비스 부서의 연계 체계를 강화하면 좋겠다는 생각이 들었습니다. Q. 유지보수 서비스 현장과 컨택센터의 가교역할을 하기 위한 이동이었을지도 모르겠네요. 그 동안의 유지보수 서비스에서의 경험과 인맥을 활용해 컨택센터의 역할과 가치를 유지보수 서비스 측에 더 많이 알려야 합니다. 컨택센터에는 VOC(고객의 소리)가 풍부하게 축적되어 있는데, 이를 유지보수 서비스 부서에 공유하면 현장의 업무가 더 원활하게 진행될 수 있을 것입니다. 또한, 도착한 엔지니어가 컨택센터에서 고객으로부터 들은 내용을 다시 한 번 더 들어야 하는 번거로움이 발생할 수 있습니다. 이를 방지하기 위해서라도 컨택센터에 모인 정보를 지금보다 더 적시에 유지보수 서비스 부서, 나아가 영업 부서로 feedback하는 시스템을 구축할 수 있었으면 합니다. DX 추진은 필수 과제, 현장과 눈높이를 맞춘 대화 실현 Q. 컨택센터는 KPI와 같은 전문 용어가 매니지먼트에 있어 장벽이 되기 쉬운데, 어떻게 습득하셨나요? 보고서를 읽는 스킬은 실무를 통해 익혔습니다. KPI의 상관관계를 제대로 이해하지 못하면 타 부서나 경영진, 현장 상담사에게 설득력 있게 설명할 수 없습니다. 기존 방식과 규칙에 얽매이지 않고 유연하게 변화를 추진해야 합니다. 변화를 추진하려면 “안 되는 이유”를 늘어놓는 저항 세력을 설득해야 합니다. 어떻게 하면 좋은 방향으로 바꿀 수 있는지, 근거를 바탕으로 제시해야 합니다. Q. 경영진을 비롯한 사내에 어필하는 것도 역할 중 하나인데, 포인트가 있나요? 어필이라기보다는 성과와 결과를 공유하며 센터 업무 개선에 힘쓰고 있습니다. 영업과 유지보수 서비스에 기여한 것을 조금씩이라도 인정해주고, 가치를 인정받는 것이 중요합니다. 센터에서 현장을 직접 보고 있는 경영진은 변화를 두려워하지 말고, 고객에게 도움이 되는지, 비용과 리소스를 최적화할 수 있는지 확인한 후 적극적으로 새로운 시책에 도전해 주길 바랍니다. 선제적으로 해결하는 능동적인 지원을 통해 컨택센터의 가치를 더욱 높일 수 있기를 바랍니다. <출처> Call Center Japan 2023년 7월호
    • Report
    • Global Case
    2023-10-01
  • 연결하고, 해결하고, 추천하는 경영 기여 KPI」 관리_Part 1
    [컨택저널 2023. 9월호] 연결하고, 해결하고, 추천하는 「경영 기여 KPI」 관리 Part 1. 현황과 과제 응답률과 CS만으로는 기여도를 알 수 없다! 센터의 가치를 높이는 「지표」 조작법 「지난 달 평균 응답률이 95%로, 고객들은 만족하고 있을 것입니다」 라는 보고에 센터가 경영에 기여하고 있다고 만족하는 경영자는 많지 않을 것이다. 고객 응대가 어떻게 수익에 기여하고 있는지, 그 「가치」를 구체적으로 보여주지 않으면 그곳에서 일하는 인력의 우수성과 가능성에 눈을 돌릴 수도, 교육에 투자할 대상도 되기 어렵다. 데이터를 기반으로 가치를 가시화하고, 가치를 높이는 방법을 검증해보자. 컨택센터의 「성과」는 어떻게 보여줘야 할까요? 컨택센터 관리자를 대상으로 설문조사를 실시한 결과, 경영에 기여하는 요소로 경영진에게 보여주는 요소는 「CS 향상 정도를 가시화(수치화)한 결과」가 39.5%(유효 응답수 : 205)로 가장 많았고, 다음으로 「비용절감(29.3%)」이 그 뒤를 이었다(콜센터 백서 2022). CS와 수익의 상관관계에 대해서는 전문가와 식자들 사이에서도 의견이 분분하다. 측정 방식에 따라 「거의 상관관계가 없다.」는 시각도 있다. 특히 컨택센터에서의 CS는 「문의한 일부 고객」의 만족도이기 때문에 수익과의 연관성을 입증하기 어렵다. 응대에 만족한 고객의 「이후 구매 행동」까지 추적 조사해야 하는데, 그렇게까지 실천하는 사례는 드물다. 수익과의 상관관계가 입증된 NPS(Net Promoter Score)로 컨택센터의 가치를 보여주는 사례도 있지만, 이 역시 「대화에서 받은 인상」이 기반이 되는 만큼, 비슷한 과제가 남는다. 모두 「서비스를 개선하면 CS와 NPS가 올라가고, 결국 매출이 늘어난다.」는 논리를, 경영진과 타 부서가 이해해야 한다. 컨택센터의 성과를 CS나 NPS뿐만 아니라, 보다 수익과 직접적으로 상관관계가 있는 데이터로 보여주고자 한다. 컨택센터의 경영 기여도를 보여주기 위한 생각과 방법에 대해 설명한다. ■ 비용 최적화 + 수익화, 사유 분석을 통한 정책 수립 컨택센터 관리자에게 「가장 중요하게 생각하는 KPI」를 묻자, 포기율(응답률)이 58%로 압도적으로 많았다(콜센터백서2022). 응답률이나 서비스레벨과 같은 지표로 전화 연결의 용이성을 가시화하는 것은 물론 중요하다. 하지만 이것만으로는 경영진이 컨택센터의 가치를 인정하기 어렵다. 「인력(인건비)을 들였으니 연결되는 것이 당연하다.」는 생각을 가진 경영자가 대부분일 것이다. Part.2에서 자세히 설명할 DHL Japan처럼 글로벌에서 「연결의 가치」를 인정받고, 현장에서는 15분 단위로 측정하여 「연결이 어려운 시간이 없었다.」는 것을 증명할 수 있는 수준이 필요하다. 많은 센터가 경영진에게 보여 주는 1일 평균 응답률, 혹은 1주일/1개월 평균 응답률이 목표치를 달성하고 있다는 사실은 「고객 관점의 연결 용이성」을 보여주는 것이 아니다. “피크타임에 연결되지 않은 대량의 고객”이 그 수치 뒤에 숨어 있는 경우가 대부분이다. 평균 응답률 보고는 거칠게 표현하면 경영진에 대한 현장 관리자의 「알리바이 만들기」에 불과하다고 볼 수도 있다. 물론 응답률을 비롯한 센터의 운영 지표는 「건전한 운영이 이루어지고 있는지?」를 보여주는 자료로, 꼼꼼히 추적할 필요가 있다. 건전한 운영이란 「걸려온 전화에 응대하는 것」만이 아니다. 적정한 비용으로 운영되고 있다는 것을 보여줄 필요가 있다. 중견·중소기업의 DX를 지원하는 STORES의 시니어 매니저 오누키 류헤이씨는 경영에 대한 보고에 대해 「서비스레벨은 물론, C-SAT(고객만족도)를 보고하는 것 외에, 어떤 채널에서 얼마나 많은 문의 건수에 응대하고, 이를 위해 얼마나 많은 비용이 발생하고 있는지를 보여주고 있습니다. 매출과 총 이익 대비 지원 비용 비율이 어떻게 변화하고 있는지를 가시화해 적절하게 운영되고 있다는 것을 (경영진이) 이해할 수 있도록 하고 있습니다.」고 말했다. 그림 1과 같이 접속사유에서 모든 문의를 분류하는 노력을 권장하고 싶다. 실수나 트러블이 발생하지 않으면 본래 받을 필요가 없는 문의나, 복잡한 프로세스가 있어 발생하는 문의는 줄여야 할 콜이다. 또한, 정형화된 답변으로 끝나는 문의는 채팅/보이스봇으로 자동화하는 등의 노력으로 건수를 최적화할 수 있다. 접속 사유 분석은 비용 절감뿐만 아니라 매출 증대를 위한 방안으로도 연결될 수 있다. 그림 2와 같이 고객 및 기업에 대한 가치를 기준으로 접속 사유를 분류한다. 시간을 들여 커뮤니케이션을 통해 충성도를 높일 수 있는 접속 사유에 대해서는 철저하게 대화 기회를 늘리는 것이 수익 증대로 이어진다. 이러한 접속 사유 분석의 활용법을 주창하는 이파트너스 오사무 타니구치 대표는 “경영진에 컨택센터의 가치를 보여주지 않으면 인건비 비중이 높은 만큼 운영비만 눈에 띄게 됩니다. 컨택센터에서 축적된 자산인 인력, 축적된 노하우는 당연히 매출에도 기여할 수 있습니다. 그러기 위해서는 접속 사유를 정리하고 ‘이 영역의 콜에 대해서는 무엇을 해야 하는지’를 명확히 하는 것이 중요합니다.”라고 강조한다. 최근 고객 응대의 디지털 전환을 추진한 결과, 통화량을 줄이고 컨택센터 규모 축소를 실현하는 센터가 늘고 있다. 이러한 센터들은 노동집약형에서 탈피하는 동시에 상담사들의 정규직화를 추진하는 경우도 많다. 자사 제품 및 서비스에 대한 충성도가 높은 상담사는 고객에 대한 호소력도 강하다. Part.2에서 소개하는 DHL 재팬과 오시마야는 바로 그 좋은 사례로, 상담사의 「경영에 기여하고 싶다.」는 마음이 매출 향상에 기여하고 있다. ■ CPC는 센터 운영의 거울, 변화 분석 및 과제 도출 비용 최적화를 진행하는데 있어 반드시 살펴봐야 할 지표가 1콜당 비용을 나타내는 CPC(Cost Per Contact)이다. 컨택센터 구축, 운영 컨설팅을 하는 사츠키솔루션의 오쓰키네 나오시 대표는 「CPC는 센터 운영의 거울이다. 모든 시책의 결과가 긍정적이든 부정적이든 반영되기 때문에 사건들 사이의 상관 관계 변화를 분석하면 현장의 문제점을 정확히 파악할 수 있다.」고 설명한다. CPC는 타사와 비교하는 벤치마크 지표가 아니다. 어디까지나 추이를 바탕으로 상황 파악과 개선에 활용하는 것이 중요하다. 또한 증감에 일희일비하는 지표도 아니다. 비용 감소는 언뜻 보면 반가운 일이지만, 콜 수가 늘어나면 당연히 CPC가 떨어진다. 「CPC가 떨어졌다.」는 것은 「서비스레벨이 떨어지고 응답률도 떨어지고 있다.」는 것을 의심해야 한다. 이처럼 CPC는 연관된 다양한 지표와 곱하여 분석해, 변화의 이유를 조망적으로 살펴볼 수 있는 지표이다. 그림 3과 같이 KPI의 Logic-Tree를 작성 해두면 신속한 문제 발견과 해결에 도움이 된다. CPC는 인건비 만을 기준으로 산출하는 것은 큰 의미가 없다. 예를 들어, 채용/교육비, 시스템 운영비 등을 포함하면 시스템 도입에 따른 인력 정착 성과 등을 가시화할 수 있다. 시스템 도입의 성과는 비용 절감 외에도 AHT 단축, 고객 만족도 향상 등 다양한 지표로 산출할 수 있다(그림 4). 비용을 절감해도 고객 만족도가 떨어지고, 그 결과 고객이 이탈한다면 의미가 없다. 균형 감각을 잘 다듬어 성과와 영향을 조망하고 검증하는 것이 중요하다. 센터의 성과는 비용을 기준으로 할 수도 있고, 매출액을 기준으로 할 수도 있다. 예를 들어, 통신판매 센터라면 일일 매출액을 콜 수로 나누어 「Contact Value」로 표시하는 것이 효과적이다. 이는 상담사가 「자신의 업무가 경영에 기여하고 있다.」는 느낌을 갖게 되어 현장의 사기를 높이는 효과가 있다. 구독 모델의 경우, Churn rate(이탈률)를 기준으로 고객센터의 가치를 나타내는 사례도 있다. 그러나 해지의 이유가 반드시 고객센터의 서비스 품질에 의존하는 것은 아니다. 오히려 제품의 품질이나 UI(User Interface)의 영향이 크기 때문에 원인 분석을 통해 제공하는 서비스나 제품의 문제점을 추출하는 것이 중요하다. ■ 자기 해결 촉진 • VOC 활용, 고객/구직자에게 선택되는 서비스로 이처럼 성과를 구체적인 수치로 가시화하고, IT를 비롯한 투자의 필요성을 논리적으로 설명하는 것은 모든 컨택센터의 최고 경영자가 해야 할 미션이다. 컨택센터는 routine work가 차지하는 비중이 높다. 따라서 같은 체제와 구조로 계속 문의를 받는 것도 가능하다. 하지만 그렇다고 해서 「노동집약적 처리 부대」라는 시각에서 벗어나기란 쉽지 않다. 이미 노동인구 감소로 필요한 규모를 유지하지 못하는 센터도 많은 시대다. 경쟁사들이 서비스 자동화를 추진하면서 effortless인 CX(고객경험)를 만들어내고, 이를 당연하게 여기는 고객이 늘어나면, 「전화하지 않으면 이용할 수 없는」 기업은 소비자와 구직자에게 선택 받지 못하게 된다. 예를 들어 「가입은 웹에서 몇 번의 클릭, 탈퇴는 전화로만 가능하다.」는 식의 dark pattern 정책으로는 인재의 동기부여를 유지할 수 없다. 컨택센터가 문의 없이도 스스로 해결할 수 있는 지원 사이트를 구축하고, 제품과 서비스 개선의 원천이 되는 VOC를 수집하는 것은 고객에게 계속 선택 받기 위한 필수적인 노력이다. 이는 바로 경영상의 기여나 다름없다. 또한 향후 자동화가 진행되면 유인 응대의 가치는 더욱 높아질 것이다. 서비스 유료화도 염두에 두고 인재를 양성한다면 멀지 않은 미래에 더 높은 경영 기여도 가능할 것이다. Part.2에서는 데이터를 기반으로 가치를 제시하고 경영 기여도를 가시화하고 있는 3개사의 노력을 살펴본다. <출처> Call Center Japan 2023년 7월호
    • Report
    • Global Case
    2023-09-01
  • 「Chat GPT」의 충격 ②
    [컨택저널 2023. 8월호] 「Chat GPT」의 충격 ② Part 2. Case Study / Professional 교통기관들의 콜센터는 각종 문의에 대해 전화나 메일로 대응하고 있다. JR 서일본 고객센터를 운영하고 있는 JR 서일본 Customer Relations도 마찬가지로, 1일 평균 약 6000건의 문의에 대응하고 있다. 안내・분실물사업부 과장 하야시는 「크게 문의(종합안내)/분실물/예약/회원서비스의 4개 그룹으로 구성되어 있으며, 10개의 센터에서 약 200명의 상담사가 대응하고 있다.」고 설명한다. 이 회사는 최근 위 4개 창구 중 「종합 창구」 응대 업무에 대규모 언어 모델의 AI를 도입했다. 전체 처리 시간의 30% 단축 도입한 AI 툴은 일본어에 특화된 대규모 언어 AI 「ELYZA」로 Open Al의 「Chat GPT」도 도입을 위한 평가를 실시 중이다. 배경에 대해 하야시 과장은 「문의 응대는 원칙적으로 모두 사람으로 실시하고 있습니다. 인력 확보가 쉽지 않은데다 여러 원인으로 발생하는 돌발사태(자연재해로 인한 지연 등)에 대응하기에는 지금까지의 체제로는 한계가 가깝다고 판단했습니다」면서 AI 활용의 가장 큰 용도로 「VOC 분석 강화」를 꼽는다. 이 회사에서는, 고객으로부터의 문의는 모두 상담사가 입력하고, 개인정보를 생략한 형태로 DB화해 전사 공유를 도모한다. 그러나, 아무래도 그 품질이나 생산성에는 편차가 생기는 데다, 응대 업무와 병행해 실시하기 때문에 인력 부족이 가속된다는 문제가 있었다. 그래서 우선 메일 응대의 요약을 ELYZA를 활용하는데 「현 단계에서는 의견, 요청, 칭찬으로 압축한 하루 200건 정도가 대상이지만 전체 처리시간(AHT)은 34%가량 단축되고 있고, 전문적인 지식이 필요한 응대에서도 50%이상 감소하고 있다」고 한다. 개발 시에는 ELYZA의 대규모 언어 모델에 JR 서일본 Customer Relations의 과거 요약 데이터(약 5년분, 20만건 미만)를 학습시켰다. 요약을 위한 Data Cleansing의 포인트는 「개인정보가 들어가지 않는 것, 지나치게 감정적으로 되어 있는 표현의 생략이나 변경, 상품명 등의 수정, 읽기 쉬운 문장으로의 재생성 등」이다. 한편 Chat GPT 적용 영역은 전화 응대 요약이다. ELYZA와의 구분에 대해서는, 학습 데이터의 정확도나 양이 메일 만큼이 아니라 제로베이스에 가까운 형태의 활용이라면 Chat GPT의 이용가치가 높다고 판단한 점, Microsoft의 「Azure Open Al Service」에서 Chat GPT를 활용할 수 있게 된 점을 들 수 있다. 덧붙여 전화에 대해서는 종합 안내에 인입되는 모든 콜을 대상으로 할 방침으로, 궤도에 오르면 상당한 비용 점감을 기대할 수 있다. 그렇다고 고객과의 커뮤니케이션 자체를 자동화해 현재 인원수를 줄일 예정은 없다. 「주력해야 할 것은, 인적 노동력을 절약하고, 전반적인 서비스 품질을 향상하는 것」이라고 강조한다. 구체적으로 하야시 과장은 「특히 다른 부서에 공유하는 VOC 요약과 메일 답변 문을 체크하는 SV의 업무부하 경감에 크게 기대하고 있다」고 말했다. Chat GPT의 등장은 컨택센터에 어떤 영향을 미칠 것인가. 현 단계에서는 챗봇과 같은 직접적인 고객 대응이 아니라 스크립트, 대응 템플릿 작성, 인재 트레이닝 같은 「간접적인 커뮤니케이션 지원」이라는 시각이 압도적으로 강하다. 일본어에 특화된 대규모 언어 AI를 개발한 ELYZA의 노구치씨, CRM 컨설턴트 아키야마씨와 스미카와씨, 오랜 세월에 걸쳐 AI의 연구를 계속해온 모리씨와 마츠바라씨에게 견해를 들었다. Q. AI 전도사 노구치 님과 콜센터 및 CRM 전문가 아키야마 님께 「Chat GPT」를 고객 접점에서 취급하는 리스크에 대해 여쭤보겠습니다. (노구치) 스크립트나 매뉴얼 작성과 같은 backend 업무가 아닌 고객과의 커뮤니케이션에서 사용할 경우 몇 가지 넘어야 할 장애물이 있습니다. 첫 번째는 「Prompt Injection」에 대한 우려로, 예를 들어 「Chat GPT를 포함하는 시스템에 대한 악의적인 공격」에 대한 대처입니다. 중요 정보를 추출하는 것뿐만 아니라 입력에 대한 출력의 품질 보증 등의 문제도 포함됩니다. 또 하나는 개인정보 보호의 관점에서 지적되고 있는 「해외서버에 어디까지 개인정보를 넣을 것인가」라는 것입니다. (아키야마) 그리고 또 하나, 「진짜처럼 거짓말이 뒤섞인다.」는 점이죠. 고객이 오해할 수 있는 답변을 제공한 책임을 물을 수 있습니다. 이것은 Chat GPT의 구조상 영원히 해결되지 않을 수도 있습니다. 기업 측이 기업의 책임하에 어디까지 활용할 수 있느냐는 어려운 과제이지만, 이를 감안하더라도 충분히 가치 있는 솔루션이라고 생각합니다. (노구치) 허위 답변에 대해서는 Chat GPT가 3.5에서 4로 업데이트된 시점부터 허위 답변 비율이 상당히 낮아졌다는 공식 발표가 있었습니다. 그리고 프롬프트에 따라 일정 수준까지 방지할 수 있다는 것도 알게 되었습니다. 답변 내용의 참조 기재도 기술적으로 가능하기 때문에, 조작률이 더 낮아질 것으로 기대하고 있고, 「99.x%」 정도까지는 도달할 수 있을 것으로 예상하고 있습니다. 다만, 나머지 「0.x%」까지 실현할 수 있느냐 하면, 그건 어렵다. 하지만 그 수준까지 가면 다양한 테크닉과 조합하여 사용할 수 있게 되지 않을까 생각합니다. 도태가 가속화된다?! 챗봇 벤더 동향 Q. 챗봇 벤더가 큰 영향을 받을 것 같습니다. (아키야마) 당연히 도태는 가속화될 것이라고 생각합니다. 개인정보 부분을 차단하는 logic을 넣는 등, 기술력만 있으면 (엔진 부분 등은) 대체할 수 있는 부분이 많기 때문에 ‘더 이상 자체 개발은 중단’하는 것이 현명할 것 같습니다. (노구치) 「100% 틀림없는 답변」을 원한다면, 과거에 답변한 실적이 있는 콘텐츠만 제공하는 현재의 방식도 하나의 선택지가 될 수 있습니다. 그리고 그 답변 내용을 자연스러운 대화형 인터페이스로 제공하고자 하는 needs가 발생하게 될 것입니다. 따라서 고객과의 대화 인터페이스, 즉 대화 능력은 GPT를 활용하고, 답변 내용은 과거의 실적과 지식을 기반으로 하는 2단계 설계가 요구되는 것이 아닐까 싶습니다. 이를 기존 챗봇 벤더가 제공할지, 아니면 다른 플레이어가 제공할지는 아직은 알 수 없습니다. Q. 다른 IT 벤더의 비즈니스에 미치는 영향력은? (노구치) ELYZA는 자체 개발한 대규모 언어 AI와 Chat GPT를 구분하여 제안하는 비즈니스로 방향을 잡았습니다. 전문적인 답변이나 요약이 필요한 경우 ELYZA와 머신러닝을 결합하고, 범용적인 답변이나 요약이 중심이라면 Chat GPT를 활용하는 형태로(Case Study 참조), 비즈니스 모델이 크게 변화하고 있습니다. (아키야마) 바로 그것이 있어야 할 모습이라고 생각합니다. Chat GPT의 등장과 보급은 기존 IT 벤더와 BPO 벤더의 비즈니스 모델의 전환점이 될 수 있습니다. 과소 평가는 금물이며, 지금까지 쌓아온 것을 버리거나, 재구축하거나, 타사와 협업하는 것을 진지하게 고민하는 단계라고 생각합니다. 활용하는 사용자 기업도 마찬가지입니다. 고객용 챗봇에 사용해야만 효과를 볼 수 있다는 단순한 발상이 아니라, 인재 교육, 예를 들어 Role Playing으로 활용하고, 응대 스크립트를 만들어 보는 것만으로도 큰 생산성 향상 효과를 기대할 수 있을 것입니다. Q. 커뮤니케이션에서 활용이 선행될 것 같은 산업을 예측해 주세요. (노구치) 단적으로 말하자면 「위험을 감수할 수 있는 산업이나 회사」가 아닐까 싶습니다. 예를 들어 DtoC 계열의 start-up 같은 곳은 고객 응대 비용도 낮춰야 하기 때문에 이용 시 면책사항 등을 고려하면서 과감하게 리스크를 감수해야 하지 않을까요. (아키야마) BtoB는 초기에 적용할 수 있는 범위가 큰 것 같습니다. SLA와 같은 계약에 근거하여 리스크를 명확히 명시하고 이용한다면 단숨에 확대될 가능성이 있지 않을까요? (노구치) BtoB에서 사용하기 쉽다는 것은 동의합니다. 어쨌든 접속 사유의 경중을 제대로 분석하여 적용 업무를 파악하는 과정이 매우 중요합니다. 과제라고 할 수 있는 프롬프트에 대해서는 어느 정도 「익숙해지기」가 필요하기 때문에, 상담사나 SV, 센터장 등의 역할을 불문하고 우선은 빨리 접해보는 것을 추천합니다. Q. Chat GPT의 등장과 급속한 보급에 대해 어떻게 생각하십니까? (모리) 물론 보급 속도는 놀랍지만, 사실 기술 자체가 새로운 것은 아닙니다. 생성형 AI의 개념은 1990년대부터 존재해 왔고, Deep Learning은 2012년에 그 성능이 재발견되면서 제3차 AI 붐의 계기가 되었습니다. 프롬프트 입력으로 그림을 생성하는 AI에 관한 논문은 2017년에 이미 발표되었습니다. 언어계에서는 2018년 구글의 대규모 언어 모델의 시초인 「BERT」의 등장이 기술자들 사이에서 큰 충격으로 주목 받았던 만큼, 언어 처리의 성능만 놓고 본다면 그리 놀랄만한 일이 아닙니다. 그럼에도 불구하고 이토록 주목 받아 ‘쓰이는 AI’가 될 수 있었던 것은 기술과 정확성 외에도 「윤리적 프레임워크」가 부여되었기 때문입니다. Chat GPT는 무엇을 물어봐도 어떤 일정한 윤리로 유도하도록 되어 있습니다. 예를 들어 「전문적인 것은 전문가에게 물어봐라」 「혼자 고민하지 말고 누군가에게 물어봐라」 「모두 함께 협력해서 해보자」 「일은 지속적으로 개선해 나가는 것이 중요하다」 라고 하는, 말하자면 인간사회에서 공유되는 ‘가치관’을 말합니다. Q. 몇 년 전 「비도덕적인 단어를 학습했다.」며 공개를 중단한 AI가 있었습니다. (모리) (Chat GPT는) 사회적 배경을 바탕으로 한 윤리를 사람이 체크하고 세심하게 가르쳐서 탑재함으로써 어떤 사용자도 수용할 수 있는 답변을 생성하고 있습니다. 이는 기술자들 사이에 큰 충격을 안겨주었습니다. 그 동안 「AI의 진화는 테크놀로지의 진화다」 「성능이 높아지면 보급될 것이다」라고 생각했는데, 그렇지 않았습니다. 「윤리」라는 프레임워크를 제대로 부여하는 것이야말로 빠른 진화를 가능하게 한 것입니다. Open AI에는 AI 윤리 관련 전문 팀이 있고, 이곳에서도 수년간 주력해 왔습니다. 경쟁자들이 많이 생겨나고 있지만, 다른 업체들이 금방 따라 할 수 있는 것은 아닐 것입니다. 이러한 윤리적 프레임워크가 부여되어 있다는 점은 콜센터 등 고객 접점에서도 유효하게 작용할 것으로 추측합니다. 고객 경험의 관점에서는 상대방을 기분좋게 만드는 것이 중요합니다. 윤리적 프레임워크가 있는 이상, 도덕에 반하는 답변이 나오기 어렵다는 점은 기업 입장에서는 큰 안도감을 주는 요소입니다. 「사람만이 할 수 있는」 영역에 발을 들여놓다? 상담 응대에서도 찾을 수 있는 가능성 Q. 스미카와 씨는 콜센터 컨설턴트 경험이 풍부한데, 그 관점에서 Chat GPT를 어떻게 바라보고 계십니까? (스미카와) 지금까지 AI가 하기 어려웠던 「상담 업무」에서의 활용도 가정할 수 있지 않을까요? 예를 들어, 「A와 B 중 어느 쪽이 더 좋다고 생각하세요?」 라는 질문에 사람에 따라 대답이 달라지는, 즉 정형화된 대답이 없는 것에 대해서도 다양한 정보를 수집하여 상황에 따라 최적의 선택을 제시하는 커뮤니케이션입니다. 콜센터의 존재 가치 중 하나이기도 한 「상담사가 정중하고 적절하게 응대하는 것」은 바로 ‘사람의 지혜’를 살린 것이었지만, 이 영역도 어느 정도 자동화할 수 있지 않을까 생각합니다. Q. 허위 답변이 섞이는 것은 피할 수 없다는 시각이 강한데요. (모리) 「Chat GPT는 그럴듯하게 거짓말을 하기 때문에 사용할 수 없다」 는 목소리가 있지만, 오답판단 기능을 넣는 것 자체는 그리 어려운 일이 아니라고 생각합니다. 또한, 「Perplexity AI」 등 참조 사이트 정보를 제시하는 기능을 부여하면 어느 정도 해결할 수 있을 것 같습니다. (스미카와) 콜센터에서의 활용에서 기대가 큰 것은, 현 단계에서는 챗봇과 같은 고객과의 커뮤니케이션보다는 backend 업무의 문장 요약에서 효율화를 가져다 줄 것입니다. VOC 요약은 예전부터 컨택센터에서 많이 활용되어 왔지만, 이는 대체로 ‘텍스트를 다듬는’ 기술이 필요했습니다. 이번 생성형 AI는 “새롭게 (표현을) 만들어 낸다”는 점에서 큰 차이가 있습니다. 신입 교육이나 routine work 대응에 활용하는 스크립트, 다양한 지식, 사내 FAQ 등도 어느 정도 자동으로 만들 수 있습니다. Q. 현장 업무에서 기존 AI와의 결정적 차이점을 알려주세요. (모리) 콜센터 AI 도입의 문제점으로 지적되어 왔던 ‘입력하는 학습용 데이터의 양이 정확도에 영향을 미친다’는 점은 상당 부분 해소될 것으로 보입니다. 입력량을 의식하지 않고도 일정한 정확도를 유지하는 아웃풋을 기대할 수 있다는 점이 큰 차이점이라고 할 수 있습니다. 그리고, 강점 중 하나가 「정형문서 작성」입니다. 그것도 그 정확도가 비약적으로 발전하고 있습니다. 예를 들어, 시말서 작성에 대해 같은 조건, 같은 프롬프트에서 GPT3.5와 GPT4를 사용해 봤는데, 압도적으로 후자의 정확도가 높았습니다. 이를 콜센터에서 활용하면 이메일 응대 등 텍스트 응대의 업무 효율화가 크게 향상되지 않을까요? Q. 오랫동안 AI를 연구해온 입장에서 Chat GPT의 등장을 어떻게 바라보고 계신가요? 2015~16년 Deep Learning 기술 보급을 계기로 한 3차 AI 붐은 이른바 ‘패턴 인식’이 중심이었습니다. 고양이를 이미지로 인식하거나 AI 스피커가 등장했다는 수준이었죠. 「언어」에 관한 것은 아니었습니다. 챗봇이 등장한 것은 맞지만, 사용할 수 있는 용도는 제한적이었습니다. 그러다 2010년대 후반, 대량의 언어 데이터를 기반으로 고속 연산 처리함으로써 자연어 처리 성능이 비약적으로 향상되는 기법이 등장했습니다. 구글의 「BERT」 등이 그랬지만, 아직은 인터페이스가 미숙해 일부 전문가들만 사용할 수 있었죠. 그러다가 Chat GPT의 등장으로 단번에 바뀌었습니다. 아마 이후 시대에는 2022~23년이 「4차 AI 붐」의 도래라기보다는 세상이 크게 달라진 전환점으로 여겨지지 않을까요? Q. 허위사실이 섞여 있다는 약점에 대해서는. Deep Learning 기술이 기반인 이상 어쩔 수 없는 부분이 있습니다. 하지만 GPT3.5에서 GPT4로 버전업 되면서 많이 개선되었고, 앞으로도 더 발전할 것입니다. 애초에 인간이 조사하고 답변한다고 해서 무엇이든 100% 정답을 얻을 수 있는 것은 아닙니다. 그것을 어느 정도 허용할 것인지, 어떻게 표현할 것인지는 사용하는 측인 인간의 과제입니다. 다만 현 단계에서는 아무래도 일본어로서의 정확도나 소통의 질은 조금 떨어질 수밖에 없습니다. 데이터 양도 문제지만, 논문 스타일이 애초에 다릅니다. 영어는 결론을 먼저 서술하고 이유는 나중에. 그래서 Chat GPT의 답변도 그렇죠. 일본어 논문은 이유를 먼저 말하고 결론을 말하는 경우가 많아서 스타일에 맞지 않는 거죠. 일본어에 특화된 GPT가 있으면 좋겠다는 생각이 듭니다. Q. 대학에서는 논문을 Chat GPT로 써서 제출하는 문제가 발생하고 있는 것 같습니다. 저희의 현재 입장은 금지해도 어쩔 수 없다는 느낌에 가깝습니다. 대학원 수업에서 하고 있는 것은 GPT에서 들은 것을 그대로 제출하라는 것입니다. 단, 재미있고 흥미로운 답변이어야 합니다. 즉, 프롬프트를 작성하는 능력이 필요하다는 뜻입니다. Q. 콜센터 같은 기업에서도 활용할 수 있을 것 같은 교육이네요. AI는 어디까지나 도구로 사용해야 합니다. 기업에서 활용할 때에도 문서 초안 작성 정도만 해도 괜찮을 것 같아요. 특히 사과문 등의 작성은 정말 잘합니다. 민원 응대 등에도 활용할 수 있지 않을까요. <출처> Call Center Japan 2023년 6월호
    • Report
    • Global Case
    2023-08-01
비밀번호 :