실시간 Report 기사

• 목소리로 본인 여부를 확인해주는 화자인증기술

  [컨택저널 2024년 2월호] 상담중인 고객의 음성을 문자로 변환하는 음성인식기술과 목소리로 본인 여부를 확인해주는 화자인증기술 Chat GPT와 인공지능기술의 발전으로 날마다 새로운 기술과 서비스가 사람들을 놀라게 하고 있다. 여러가지 업무에서 복잡하고 귀찮은 일들을 인공지능이 손쉽게 처리하는 과정을 지켜보면서 신기하고 놀라움을 지나 두려움까지도 느끼게 된다. 생성형 인공지능은 엄청난 양의 학습데이터를 기반으로 다양한 정보의 검색을 넘어 사용자가 원하는 창작의 영역까지, 때로는 과거 튜링테스트* 가 무색할 정도의 자연스런 인간과의 대화를 이끌어낸다. 이러한 기술의 진화는 이미 시작되었으며 봇물 터지듯 우리 생활 곳곳에서 다양한 서비스로 확대되기 시작하였다. (* 튜링테스트 : 1950년 앨런 튜링에 의해 개발된 Turing test는 인간의 것과 동등하거나 구별할 수 없는 지능적인 행동을 보여주는 기계의 능력에 대한 테스트) 여기서는 AICC와 같은 비대면 환경에서의 고객과 상담사, 고객과 인공지능이 대화하는 음성인터페이스 기술에 대해 간략하게 살펴보고자 한다. 음성인식기술(STT : speech to text)의 진화 인공지능기술의 포문을 연 딥러닝(Deep Learning)에 대한 연구는 최근 인간의 뇌 구조를 모사하여 인간이 언어를 학습하는 자기지도학습(self-supervised learning)에 이르고 있다. 2020년 발표된 wav2vec기술은 5만여시간의 Labeling이 없는 학습데이터로 학습한 후, 단 10분정도의 Labeling된 데이터로 강화학습하여 LibriSpeech** 기준 5.2%의 WER(Word Error Rate)을 달성했다. 즉, 95%에 달하는 자연어 음성인식율을 달성한 결과이다. (**LibriSpeech : LibriVox 프로젝트3의 일부로 1,000시간 정도의 오디오북 녹음 데이터 ) Open AI사는 68만 시간에 달하는 방대한 다국어 음성데이터와 번역 데이터, 비 음성 음향(배경음악 및 속삭이는 듯한 소리) 등의 다양한 멀티태스크 학습데이터를 기반으로 우수한 성능의 다국어 음성인식 및 번역 기술을 선보이며 Chat GPT와 연결하는 서비스를 발표하고 있다. 파워보이스는 Attention기법에 기반한 WeNet2.0 (Joint CTC-AED)을 기반으로 한국어 대화 음성 인식율을 98% 수준으로 끌어올리는 STT엔진(VOIS#STT)을 발표하였다. 이는 인간이 일상대화에서 상대방의 음성을 인식하는 수준이 95%인데 반해 상당히 높은 수준으로 적절한 미세조정을 통해 인간과 인공지능시스템 간의 다양한 서비스의 대화를 이끌어내는데 충분한 성과를 이룰 수 있을 것으로 보인다. 화자인증기술(SV : speaker verification)의 진화 화자인식(speaker recognition)기술은 화자인증(speaker verification)과 화자식별(speaker ID)로 구분된다. 화자인증은 목소리의 특징점을 기반으로 발화자의 본인여부를 확인하는 기술이고, 화자식별은 다수의 군집합속에서 누구의 목소리에 가까운지를 찾아내는 기술이다. 우리는 흔히 보안과 생체인증, 본인확인의 수단으로 화자인증기술을 사용하고 있으며, 전화와 같은 유무선 통신환경에서는 인간이 통화중에 상대방의 목소리로 상대방을 인지하듯 목소리를 구분하여 본인확인의 수단을 삼을 수 있다. 화자인증기술은 아주 많은 발화자의 다양한 음성데이터를 사전학습하여 배경모델을 생성하고, 특정 발화자의 다양한 음성을 비교학습하여 모델간 변별력을 최대화해 테스트 음원의 특징점을 추출하여 발화자 본인여부를 확인하는 기술이다. 최근 딥러닝을 기반으로 하는 인공지능기술은 이러한 방대한 학습데이터를 효과적으로 학습할 수 있도록 해주었고, 과거 GMM(gaussian mixture model, 가우시안 혼합 모델)이 가지고 있던 noise, channel bias 등의 이슈들을 최소화 시켜주므로 인해 화자인증기술의 신뢰성을 높여주었다. 파워보이스의 화자인증기술인 OSSM(OpenSesame)엔진은 문장종속(text dependent)방식에서 99.99%의 인증율을 보여 다양한 모바일인증 어플리케이션에 적용되어 상용화되었다. 또한, 자유발화를 기반으로 하는 전화채널에서는 문장독립(text independent)방식으로 99.87%의 자유발화 화자인증율을 보였다. 이는 Caller ID 전화번호와 단순 지식정보(주소나 이름, 주민번호일부 등)만으로 본인확인을 할 수 밖에 없는 기존의 컨택센터 환경에서 복합적으로 활용하여 빠르고 정확한 본인확인을 통해 질 좋은 서비스로의 전환이 가능한 기술이다. 또한, 해외의 사례나 통계에 따르면 본인확인절차를 위한 ARS시스템 전환이 필요치 않아 본인확인절차에 걸리는 시간을 40%이상 단축하는 효과를 가져오고, 단순 지식정보에 기반한 본인확인으로 발생하는 사기방지(fraud detection)에 큰 효과를 볼 수 있는 것으로 알려졌다. 페르소나 음성합성기술(TTS : text to speech)의 진화 우리는 컨택센터와 통화 시 기계음처럼 들려오는 시스템의 목소리가 상담사 목소리와 이질적인 상품안내멘트를 자주 듣곤한다. 이는 고객과의 상담서비스품질을 떨어뜨리고 고객불만으로 이어져 특히 상품설명을 하거나 판매를 유도하는 경우 성공율을 저하시키는 원인이 되기도 한다. 최근, 인공지능기술은 사진 몇 장만으로도 닮은 사람을 만들기도하고 조금의 음성샘플로 그 사람의 목소리를 모사하는 기술로 진화하고 있다. VITS(Variational Inference TTS)라 불리우는 생성적 적대 신경망(GAN : Generative Adversarial Networks)을 이용한 음성합성기술은 자연스러운 발음과 감정표현, 억양까지도 사람의 음성과 유사한 모델을 생성하고 특히, 단 수분 정도의 특정인의 음성만 가지고도 특정인의 목소리를 그대로 흉내내고, 심지어는 기계라 느껴지지 않을 만큼 자연스러운 사람의 음성을 페르소나로 모사하고 있다. 컨택센터에서 TTS를 이용한 상품설명과 약정관련 음성서비스를 제공하는 경우나 AICC에서 고객이 기계와 통화한다는 것을 인지하지 못할 정도의 서비스 품질을 고려하면 짧은 시간 동안 상담사가 본인 스스로의 목소리로 학습하여 통화의 이질감 없는 서비스를 구축하는 방안을 고려해볼 만한 기술인 듯 하다. AICC(인공지능컨택센터)로의 기술활용과 시장 최근 몇 년사이 코로나19는 사회 전반에 걸쳐 비대면과 디지털로의 전환을 가속화하였다. 모바일과 유무선 통신을 기반으로 하는 원격 비대면 업무환경으로의 전환과 컨택센터를 통한 상담업무의 중요성이 높아지고 있다. 그러나, 컨택센터의 경우 구성원간 밀집된 구조로 감염확산 우려로 인해 상담사를 줄이거나 재택 근무로 전환하는 등 변화를 꾀하면서 고객과 컨택센터 간의 상호작용을 약화되고 상담서비스 품질저하의 원인이 되고있다. 이는 고객들의 불만과 거친 말투로 이어지는 등 상담사들의 정신적 스트레스와 감정노동 피해를 생산하고 잦은 이직과 퇴사로 인한 컨택센터의 재교육 비용을 증가시키는 결과를 초래한다. 이러한 문제 해결을 위해 기업에서는 보다 효과적인 고객서비스를 위해 음성 인식기술을 기반으로 한 상담 어시스턴스와 Chatbot, Voicebot을 통한 인공 지능 상담기술 도입하고 보다 효과적인 고객서비스를 제공하고자 노력중이다. 나아가 인공지능기술은 단순 응대를 넘어서 고객 경험을 체계적으로 관리, 통합하고 정보를 공유하여 새로운 인사이트를 창출하고 한단계 높은 고객서비스를 제공하는 도우미가 되고 있다. Chatbot과 Voicebot 활용은 고객이 원하는 상담을 빠르게 받아 처리가 가능한 차세대 콜센터 기술로 고객에게는 주야간, 공휴일과 무관하게 365일 안정적인 고객 서비스를 제공할 수 있고, 기업 입장에서는 단순 반복되는 일상적인 업무를 인공지능이 대체하여 상담사 업무의 전문성과 효율성을 높이고 장기적인 비용절감의 효과를 기대할 수 있다. 전화로 들어오는 고객의 질문과 요구사항을 빠르게 파악하기 위해 고객 음성을 실시간으로 인식하여 텍스트로 변환하고, 고객과의 상담 내용을 분석, 고객에 필요한 내용을 전달하고 상담이후 내용을 정리해 데이터로 제공하는 자연어처리와 텍스트분석(TA : Text Analysis) 기술을 활용하여 효율적인 업무 처리가 가능하도록 지원한다. 또한, 기존에 등록된 고객의 음성정보와 실제 통화시의 음성정보를 대조하여 본인 여부를 검증하는 화자인증 솔루션의 도입을 통해 사칭, 사기 방지와 같은 위험을 예방할 수 있고 센터의 운영 효율성과 고객 서비스 품질 개선 및 시간과 비용절감의 효과를 높일 수 있다. 전 산업분야의 디지털 전환에 따른 AICC시장은 다양한 활용처(공공기관, 금융, 보험사, 유통, 병원, 여행 등)를 기반으로 사업확대가 이루어지고 인공지능기술과 더불어 새로운 사용자경험으로 성장이 가능한 시장 잠재력을 가지고 있으나, 아직까지 뚜렷한 시장 지배 사업자가 없는 분야로 많은 인공지능과 IT솔루션 기업들이 앞다투어 경쟁하고 있으며, 특히 유무선 통신 기술과 전국 컨택센터 인프라를 가진 통신사를 중심으로의 시장 진입에 속도를 내고 있는 양상이다. 시장조사업체 Allied Market Research는 국내 AICC 시장이 2020년 4214만 달러(약 542억원)에서 연평균 23.7% 성장해 2030년 3억5008만 달러(약 4546억원)에 이를 것으로 전망한다. 또한, 시장조사업체 Polaris Market Research에 따르면 글로벌 AICC 시장 규모는 2021년 14억 1000만 달러(약 1조 9000억원)에서 2030년 80억 7600만 달러(약 10조 8000억 달러)로 성장할 것으로 전망하고 있다. 어찌 되었든 조만간 컨택센터는 Human Agent가 Digital Agent의 도움을 받아 고객에게 신속.정확하게 필요한 정보를 전달하는 시대가 도래할 것으로 보인다. < 글 > ㈜파워보이스 정희석 대표

  • Report
  • Special Report

  2024-02-05

• 초거대AI의 대화형AI서비스 적용 방안 ②

  [컨택저널 2024년 2월호] 초거대AI의 대화형AI서비스 적용 방안 ② 지난호에 이어 '초거대AI의 대화형AI서비스 적용 방안' 2편을 알아본다. RAG기반 대화형AI서비스 구축 절차 1. Contextual Data의 준비 사내에 존재하는 PDF 등의 Text 문서와 Excel파일 등을 계산 효율을 높이기 위해 절절한 단위로 나누는 문서 Chunking과정을 진행하고 이후 각 Chunking을 Embedding 과정을 거쳐 고정 길이 벡터로 변환하는 과정을 진행한다. 이후 각 청크의 Embedding 벡터를 인덱싱하고 저장하는 과정을 진행한다. 이를 우리는 Data Preprocessing으로 불러도 좋을 것이다. 2. Prompt Engineering LLM에서 응답을 생성하기 위한 입력 값으로 최상의 답변을 이끌어내기 위해 최적의 단어, 입력 값들의 조합을 찾는 과정이다. 이를 위해 특정 테스트 및 지시문(Instruction)과 답변유도문(Context), 답을 구하고자 하는 것에 대한 질문(Input Data), 결과물의 유형 또는 형식의 제안(Output Indicator)을 통해 프롬프트를 구성한다. 3. Orchestration frameworks 사용자의 복잡한 질문이나 요청에 대해 세부적이고 순차적인 작업을 가능하게 하는 프롬프트 체인을 추상화하고, 외부 API와의 인터페이스 그리고 벡터데이터베이스 등과 연계하여 데이터를 검색하고 그 결과를 사용자에게 제공하는 일련의 작업을 수행한다. LLM과 연계하여 복잡한 작업을 쉽게 처리할 수 있도록 하는 개발 도구를 활용하면, 상당부분을 Low Code(적은 코딩으로 동일한 결과를 도출)형태로 구현이 가능하다. 생성형AI를 기반한 서비스 구현 사례 ▶초거대AI를 활용한 고객 대응 지원 서비스 본 사업을 통해 지자체 콜센터 상담사의 인터뷰와 관찰 연구를 통해 현재의 업무 프로세스와 Pain Point(고충 사항)를 바탕으로 개선점을 도출하고 업무 효율성을 높이는 목표 형상을 기획했다. 다음 그림과 같이 2,000여개의 상담 매뉴얼을 자사의 AI검색엔진을 통해 사전에 색인하고, 이를 기반으로 상담 대응 시 검색 화면을 통해 원하는 정보를 확인하고 대응함으로써 상담업무에 효율성을 높였다. 이와 같이 RAG와 생성형AI를 연계하게 되면 사용자 질의에 대해 내부 문서를 근거로 자연스러운 답변이 생성되며, 답변에 대한 출처를 우측에서 확인이 가능하여 신뢰성 높은 답변을 제공할 수 있다. 이런 서비스는 고객이 직접 Self-Service로 활용하거나, 내부 상담사를 지원하는 KMS대용의 AI Assistant로 활용이 가능하다. 생성형AI는 현재 MS, Google, Naver 등에서 제공하는 API서비스를 활용할 수 있고, 소규모 생성형모델을 활용할 수 있다. 이는 기업과 기관의 경제성과 보안 규정에 따라 의사 결정할 수 있다. 생성형AI를 구동하기 위해서 고가의 GPU을 구매하여 활용해야 함을 감안한다면 우선 소규모 모델을 활용하여 내부 설치형으로 활용하는 것도 보안성과 경제성을 고려했을 때 대안이 될 수 있다. ▶MS Azure Platform을 기반한 LLM Application 구현 사례 와이즈넛은 22년 하반기부터 마이크로소프트와 협업하여 마이크로소프트의 Cloud Platform인 Azure의 Open AI를 기반으로 LLM을 기반으로 기업/기관에서 활용할 수 있는 어플리케이션을 개발하고 있다. 그리고 자사가 보유한 자연어처리 및 AI기술을 기반으로 국내 LLM을 보유한 기업과의 파트너십을 통해 LLM을 실제 비즈니스에서 활용할 수 있는 방안을 모색하고 있다. 특히나 최근 비즈니스환경에서 활발하게 시도중인 RAG개념을 적용하여 Azure Cognitive Search 또는 랭체인(Langchain) 등을 기반으로 Azure Open AI를 연계하여 구현하고 있다. RAG기반 생성형AI서비스 확대 기대 RAG기반의 생성형AI서비스에 대한 시장의 관심이 높아지고 있다. 이는 생성형AI모델이 가질 수 밖에 없는 최신성 이슈와 기업의 의도에 부합되는 답변생성에 대한 방안을 생성형모델 스스로 제시할 수 없는 한계성이 존재하기 때문이다. 기업 및 기관이 도입을 위해 고려할 사항은 다음과 같다. 다만, 아래의 3가지 고려사항 외에도 경제성에 대한 고려 역시 필요하다. 설치형의 LLM을 보유할 시 초기 투자 금액이 반드시 고려되어야 하기 때문이다. RAG기반의 생성형AI서비스를 도입하게 되면, 최신 정보를 기반으로 응대가 가능하게 되어 고객응대분야의 효율성이 증대될 것으로 기대된다. < 글 > (주)와이즈넛 Global전략사업본부 김정민 본부장(kris.kim@wisenut.co.kr)

  • Report
  • Special Report

  2024-02-05

• 2023/24 국내 컨택센터 트렌드 보고서 ②

  [컨택저널 2024. 2월호] 2023/24 국내 컨택센터 트렌드 보고서 ② 지난호에 이어 '2023/24 국내 컨택센터 트렌드 보고서' 2편을 알아본다. ■ 세부조사결과 주력 분야 가장 많은 응답자가 뽑은 최근 1년 내 컨택센터 주력 분야는 ‘상담사 지원을 위한 AI 및 자동화 기능(58.3%)’이었습니다. 2022년은 글로벌 및 국내 AI 시장에 큰 변화를 가져온 한 해였습니다. 코로나-19로 시작된 비대면 상담 서비스의 확산이 AI 상용화 속도를 한 차원 올렸고, 컨택센터를 보유한 기업이 AI를 활용하여 컨택센터를 혁신하고 있습니다. 두 번째 주력 분야는 ‘컨택센터 운영 비용 감소(47.4%)’입니다. 기업은 운영 효율성을 위한 각종 기술, AI를 이용한 자동화 서비스 등을 도입하여 컨택센터 운영에 효율성을 높이고, 비용을 절감하고, 고객 경험을 향상하기 위해 노력하고 있었습니다. 아울러 고객 경험 향상(46.1%)과 셀프서비스를 위한 대화형 AI(39%), 품질 관리 모니터링(32%)이 그 뒤를 이었습니다. 콜센터 지표 Forrester에 따르면 “경영진에게는 우수한 고객 서비스 운영에 대한 비즈니스 사례를 입증하는 전략적 KPI가 필요하며, 컨택센터 운영 관리자는 직원의 서비스 요청 관리에 대한 올바른 결정을 내리기 위해 보다 포괄적인 지표를 거의 실시간으로 수집할 수 있어야 한다.” 고 강조합니다. 실제로 측정할 수 있는 콜센터 지표는 많지만 일정 기간 동안 모니터링할 KPI는 몇 개에 불과합니다. 의사 결정권자들이 가장 많이 선택한 지표는 ‘고객 만족도(CSAT)’로 57.9%로 나타났습니다. ‘평균 문의 처리 시간(AHT)’이 42.5%, ‘최초 문의 해결률(FCR)’이 36%로 뒤를 이었습니다. 전반적으로 콜센터 규모에 따른 사용 지표에는 큰 차이가 없었지만, 대형센터에서는 상담사 이직률도 지표(31.1%)로 사용하고 있었습니다. 이는 소형센터(8.2%), 중형센터(12.6%)보다 월등히 높았습니다. 기업은 고객과 기업의 가치를 파악할 수 있는 KPI를 선택해야 합니다. 일선 관리자가 일상 업무에서 발생하는 문제와 기회를 해결하려면 더 많은 양의 데이터가 필요합니다. 경영진이 추적하는 KPI의 수는 줄이되, 중요한 성과 트렌드에 대한 insight를 얻을 수 있어야 합니다. 과 제 컨택센터 운영 및 관리의 가장 큰 과제는 무엇일까요? ‘최신 기술 및 시스템 트렌드 확보’가 34.2%로 가장 높았으며, ‘중요 데이터 및 insight 확보’가 32.9%로 그 뒤를 이었습니다. 컨택센터에는 수많은 고객 데이터가 집약되어 있습니다. 각기 다른 툴과 시스템을 운용하고 있다면 인사이트를 얻는 데 필요한 데이터를 확보하고 연결하기가 쉽지 않습니다. 통계, 통합 및 추출, 음성 및 텍스트 분석, 직원 성과 관리 등의 기능을 통해 고객 서비스 채널 전반에서 고객 여정을 개선해야 합니다. 상담사 생산성 관리(26.8%), 상담사 및 직원 유지(26.3%)도 응답자의 약 1/4 이상이 겪고 있는 과제였습니다. 많은 조직이 보다 고객 중심적으로 변화하기 위해 노력하고 있습니다. 하지만, 고객 인터랙션 최전선에 있는 직원을 위한 경험 향상에서는 그 진전이 더딘 상황입니다. Cloud 예기치 못한 상황이 발생하거나 피크 시즌의 특성상, 상담석을 탄력적으로 확장하거나 축소하는 것은 매우 중요합니다. ‘Cloud 기반 컨택센터의 가장 큰 장점’을 묻는 질문에 ‘컨택센터 축소/확장의 유연성’이 55.3%로 1위를 차지했습니다. 또한 새로운 기술이 계속 등장하고 경쟁에 앞서 나가기 위한 ‘최신 기술 빠른 도입의 편리성’을 두 번째 이점으로 꼽았습니다. 응답자들이 언급한 다른 주요 이점으로는 비용 효율성(33.3%), 재택 근무(19.7%), 데이터 가시성 향상(19.7%), 기능성 향상(18.4%)이 그 뒤를 이었습니다. Cloud 기반 컨택센터는 초기 투자에 대한 부담 없이 월 단위 구독 옵션을 선택해 바로 이용할 수 있으며, 비즈니스 수요에 맞게 탄력적으로 상담석을 확대 또는 축소할 수 있습니다. 코로나19 이후 모든 산업에서 Cloud 전환(마이그레이션)이 가속화 되었습니다. Cloud는 고객 서비스, 재택 근무, 비즈니스 연속성을 위해 더 이상 타협해야 하는 대상이 아닙니다. 하지만 많은 의사 결정권자가 기존 시스템 통합의 복잡성, 변화 관리 및 적응, Cloud 전환 확신의 부족 등으로 Cloud 전환을 망설이고 있습니다. 컨택센터의 Cloud 전환 시 가장 큰 염려 요소로는 ‘비용 효율성(40.4%)’이 가장 높게 나타났습니다. ‘기존 시스템 통합의 복잡성(39%)’이 그 다음으로 높은 염려 요소였습니다. 변화 관리 및 적응의 어려움(34.2%)’, 데이터 보안 위험(32.5%), Cloud 전환에 대한 확신 부족(31.1%), Cloud 시스템의 커스터마이징 한계(29.8%) 등이 그 뒤를 이었습니다. 장애 요소 가장 많은 응답자들이 선택한 컨택센터 고도화 장애 요소는 ‘예산 및 비용(72.4%)’이었습니다. 기술력 부족(복잡함 염려), 기술 인터그레이션 부족, 인재 및 리소스 부족이 각각 37.3%, 36.1%, 36%로 뒤를 이었습니다. 의사 결정권자 의지 부족(33.3%), 적절한 고도화 프로세스 부재(29.4%)도 고도화를 막는 장애 요소였습니다. 규모별로 살펴보면 대형 센터의 가장 큰 고도화 장애 요소는 예산 및 비용(72.4%), 기술 인터그레이션(통합) 부족(45%) 이었습니다. 반면, 소형 센터의 고도화 장애 요소는 인재 및 리소스 부족(39.75%), 적절한 프로세스 부재(32.15%)였습니다. ‘의사결정권자의 의지 부족’을 가장 큰 문제로 꼽은 컨택센터는 소형 (35.35%) > 중형(34.8%) >대형(29.15%) 순서였습니다. 컨택센터 고도화는 고객 경험을 향상하기 위해 필수입니다. 여기서 고도화란 컨택센터 기술이 처음부터 끝까지 조직 안에 통합되어 모든 것이 마찰 없이 작동하는 것을 의미합니다. 조직은 높아지는 고객 기대에 부응하고 경쟁에 앞서가기 위해 Front-End 고객 경험 개선에 힘써야 합니다. 뿐만 아니라 백 오피스 운영을 관리하고, 자동화 서비스 등을 통해 상담사의 생산성 향상, 새로운 전략 및 기술 도입, 데이터 분석 활용을 꾸준히 발전시켜야 합니다. ■ 결론 AI, Cloud, Digital 신기술 발전과 더불어 고객이 기업으로부터 갖는 기대치는 계속 증가하고 있습니다. 이에 따라 고객 서비스 접점에 위치한 컨택센터도 끊임없이 발전하고 변화하고 있습니다. CX DT(디지털 변환) 시대 속 데이터 기반의 개인 맞춤화된 서비스를 제공하기 위해 기업은 고객에게 Omni채널 및 AI Self Service 지원 경험을 제공하는 동시에 상담사가 최대한 효과적으로 작업하는 데 필요한 도구를 구비해야 합니다. 고객 경험(CX)과 직원 경험(EX)의 결합은 컨택센터를 뛰어난 서비스 허브로 전환하여 기업의 수익 창출 엔진으로 전환시킬 수 있습니다. 고객과 직원의 요구 사항을 우선시 함으로써 향상된 고객 만족도를 제공하고 긍정적인 ROI를 창출할 수 있기 때문입니다. 이번 설문에서 Cloud 컨택센터가 고객 경험을 향상할 수 있냐는 질문에 전체 응답자의 56.6%가 그렇다 라고 응답했습니다. Cloud가 빠르게 성장하는 기술이라는 것은 자명한 사실이지만 여전히 많은 설문 응답자가 Cloud 컨택센터가 고객 경험을 향상시킬 수 있는가에 대해서는 확신이 부족한 것으로 나타났습니다(잘 모르겠다-36.4%, 그렇지 않다-7%). 컨택센터가 기술 고도화와 더불어 기능 업그레이드 및 비용 효율성을 주된 이니셔티브로 두고 발전하고 있기 때문에 미래에는 더 많은 의사결정권자가 Cloud 컨택센터와 고객 경험 향상의 상관 관계에 대해 확신을 가질 것이라 전망하고 있습니다. ※ 자세한 내용은 genesys.com/ko-kr을 방문하시거 나 02-2056-9600에 문의하시기 바랍니다. < 글 > GENESYS

  • Report
  • Special Report

  2024-02-05

• 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

• 대중교통비 지원 늘린다, 6만원대 무제한·교통비 환급

  [컨택저널 2024년 2월호] 대중교통비 지원 늘린다, 6만원대 무제한·교통비 환급 정부가 국민들의 대중교통 이용 활성화와 교통비 부담 완화를 위해 대중교통비 지원 혜택을 높인다. 심각한 기후위기에 대응하기 위해 대중교통 이용을 활성화하고, 고물가·대중교통 요금인상 등으로 높아진 국민들의 교통비 부담을 완화하기 위해 정부와 지자체의 대중교통비 지원이 필요한 상황이다. 1월 서울시 ‘기후동행카드’를 시작으로 5월 국토부 ‘K-패스’, 경기도 ‘The 경기 패스’, 인천시 ‘I-패스’의 시행이 예정되어 있어 2024년은 대한민국 대중교통 요금 정책의 새로운 전환점이 될 전망이다. 국토교통부는 한국형 대중교통비 지원사업인 K-패스를 금년 5월부터 출시하여 대중교통을 자주 이용하는 청년·서민층의 부담을 대폭 완화할 계획이며, 수도권 3개 지자체를 포함한 전국 17개 시·도(189개 시·군·구)와 협의를 완료하는 등 차질 없이 사업을 준비 중이다. K-패스는 월 15회 이상 정기적으로 시내버스와 전철과 같은 대중교통을 이용할 경우, 지출 금액의 일정 비율(일반인 20%, 청년층 30%, 저소득층 53%)을 다음 달에 돌려받는 교통카드(월 최대 60회)이다. 가장 먼저 시행되는 서울시 ‘기후동행카드’는 월 6만원 대(따릉이 포함 시 6.5만원, 따릉이 제외 시 6.2만원)로 서울시 지하철, 버스, 따릉이를 모두 이용할 수 있는 국내 최초 무제한 교통권으로 1월 27일 시행한다. 서울시민은 K-패스와 기후동행카드 중 본인의 대중교통 이용 패턴과 지역에 따라 가장 유리한 카드를 선택할 수 있으며 이에 따라 교통비는 획기적으로 절감되고 이용자의 선택권은 확대될 것으로 예상된다. 한편, 경기도와 인천시는 K-패스를 기반으로 경기·인천 주민에게 추가 혜택을 제공하는 “The경기패스”와 “인천 I-패스” 사업을 준비 중이다. “The경기패스”와 “인천 I-패스”는 K-패스의 월 적립상한인 60회를 초과하는 대중교통 이용도 무제한으로 적립하고, 청년층의 연령을 확대(경기·인천, 39세까지)하거나, 65세 이상 어르신의 환급혜택을 상향(인천)하는 등 각 지역의 여건에 따라 혜택을 강화한 사업이다. 인천시는 기후동행카드와 유사한 개념의 인천시 광역버스 무제한 정기권 도입도 검토 중이다. 경기도민과 인천시민은 K-패스 혜택과 경기·인천의 추가 지원을 동시에 제공받을 수 있어 대중교통비를 더욱 절감할 수 있을 것으로 기대된다. < 출처 > 국토교통부

  • Report
  • Special Report

  2024-02-02

• 초거대AI의 대화형AI서비스 적용 방안 ①

  [컨택저널 2024. 1월호] 초거대AI의 대화형AI서비스 적용 방안 ① 생성형AI서비스 시장의 확대 신용평가기관인 S&P에 따르면 생성형 AI 시장은 2023년 37억 360만 달러에서 2028년에는 365억 5,810만 달러로 10배 이상 성장할 것으로 예상하며, 새롭게 생성형 AI 시장에 참여한 기업들을 포함한다면 2028년 경에는 500억 달러에 이르며 연평균 57.9%의 성장률을 보일 것으로 전망하고 있다. 텍스트 생성 및 챗봇AI는 전세계적으로 최소 700개 이상의 기업이 경합을 벌이고 있다. 생성AI는 텍스트 요약, 감정분석, 텍스트번역(이상 텍스트 분석), 가상 비서, 챗봇 구축 플랫폼, 챗봇 프레임워크 및 NLP엔진(이상 대화형AI), 글쓰기 도구, 코드 생성, 검색, 언어 모델 등 10개의 카테고리에 걸쳐 업체들이 경쟁하고 있다.¹ 국내 기업들도 자체 개발한 초거대 인공지능 언어모델을 연이어 공개하고 있다. 생성형AI서비스를 기업/기관에서 활용 시도 Chat GPT의 파급력과 생산성을 보고, 초기에 기업들은 이를 활용하는 방식을 취했다. 그러나, 삼성전자의 반도체 생산 단계에서 필요한 ‘설비 계측’과 ‘수율/불량’ 등과 관련한 프로그램이 Chat GPT에 입력되는 사고가 발생하여 사내 Chat GPT 접근을 차단하는 등의 조치를 시행한 바 있다.² 일련의 상황들은 기업들에게 회사 기밀정보 유출에 대한 보안 경각심도 불러왔지만, 궁극적으로 기업환경에서 이런 초거대 AI의 생성형 모델을 활용하여 생산성을 높이는 방법에 대한 진지한 고민을 하게 만들었다. 이런 초거대AI의 생성형 모델을 기반으로 기업이 시범적으로 적용하려고 하는 분야는 전통적으로 Cost Center로 지목받고 있는 대내외 고객응대서비스 분야³ 이다. 시장조사업체 Precedence Research에 의하면 서비스분야에서의 대화형 AI서비스의 채택율은 전체 시장의 36%를 차지하고 있다고 한다. 반복적이고 단순한 업무는 챗봇으로 대신 처리하여 운영 비용을 절감하려는 목적이다. 맥킨지가 발간한 “Economic potential of generative AI”보고서에서 16개 비즈니스 분야의 63개 활용사례(Use Case)를 분석한 결과, 생성형AI는 생산성(비용절감 포함)에 대한 영향으로 세계 경제에 연간 2.6조 달러에서 4.4조 달러 규모의 가치를 창출할 수 있다고 추정하고 있다. 이 보고서에서 맥킨지는 생성형AI가 활용될 수 있는 전체 가치의 75%는 세일즈/마케팅, 고객 운영, 소프트웨어 개발, 연구/개발 4가지 영역을 지목하고 있다. 기업/공공시장의 LLM기반 대화형AI서비스 요구사항 기업/공공 가릴 것 없이 대내외 고객 문의에 대응하는 생성형AI서비스에 대한 요구사항이 계속적으로 발생하고 있다. 대화형AI기술에 바라는 궁극적인 요구사항은 AI가 기업의 데이터를 활용해서 적절하게 대화형으로 서비스해주는 것이다. 2016년부터 기업환경에 적용된 대화형서비스는 분류 또는 유사도 높은 주제를 추천하고 이에 대한 시나리오 형태로 사람이 지정한 답변을 출력하는 서비스였다. 이후 언어모델을 기반으로 한 생성형 서비스가 시장에 선보이는 상황에서도 기업정보를 기반하여 답을 내주는 부분에서는 이런 생성형 답변을 제공할 수 없었다. 홍콩과학기술대학교 인공지능연구센터(CAiRE) 연구진에 따르면 환각(hallucination) 현상은 내재적(Instrinsic)환상과 외재적(Extrinsic)환상에 기인한다고 정의하고 있다. 즉, ‘데이터에 의한 환각’과 ‘학습 및 학습 단위에 의한 환각’이 발생될 수 있음을 주목하고 있는 것이다. 또한, 생성형AI가 답변을 공급자의 입장과 기준을 감안하여 ‘알아서(?)’ 잘 생성해줄 지도 확신하기 어렵다. 왜냐하면 사전에 학습된 데이터 내에서 ‘관계성’에 기반해 나름의 지식체계를 만들고, 출력된 문장에 따라 다음 문장이 ‘관계성’을 감안하여 출력되기 때문이다. 기존 우리가 익숙한 ‘챗봇’은 목적지향형으로 사용자의 의도를 파악하여 분류하는 영역에서 인공지능을 활용하고, 정해진 답을 주는 형태이기 때문에 ‘최소한’ 답변이 잘 못 나가지 않는 이상 사전에 정의해둔 답변을 내보낼 수 있었다. 기업 또는 기관의 요구사항은 기존에 목적지향적인 챗봇의 단점을 극복하고 생성형 답변을 기업 지식을 참조하여 고객 또는 내부 상담사에게 답을 주는 것이다. 비즈니스환경에서 LLM의 우선 적용 분야는 다름아닌 대화형 고객대응서비스였고, 자체 보유한 매뉴얼과 자료를 기반으로 고객 친화적인 자연스러운 문장 생성으로 고객질의에 답변을 주거나 기업 데이터를 통해 고객에게 질문하고 답변에 정확도를 판단하는 서비스 들이다. LLM에 기업/기관데이터 접목시키기 그러면 기업데이터를 LLM에 접목해서 활용할 수 있는 방법은 무엇일까? 우선 OpenAI⁴ 와 Facebook AI⁵ 에서 작성한 논문 2가지 부분을 접목해서 정의할 수 있다. In-Context Learning, Fine-Tuning 방식과 검색증강생성(Retrieval-Augmented Generation, 이하 RAG)방식이다. 모델 성능에 영향을 주는 매개변수(parameter) 업데이트 유무와 모델 외적으로 확장된 개념의 지식을 활용하는 3가지 방식이 있다. 최근에는 특정 도메인에 목적에 부합되도록 Fine-Tuning하여 모델 자체의 성능을 높이려는 시도와, RAG를 활용하여 기업 내부 데이터를 검색하여 생성형AI를 통해 답변을 생성하는 2가지 분야로 구분되어 전문 솔루션 또는 서비스 기업이 제품 및 모델을 출시하고 있다. 최근에는 Fine-Tuning보다는 프롬프트를 통한 In-Context Learning과 RAG방식을 통해 LLM을 기업/기관에 적용하는 시도를 보이고 있다. RAG방식은 기업/기관 내부 데이터를 외부에 노출이나 학습할 필요 없이 바로 활용해서 서비스할 수 있기 때문이다. 이번에 우리는 별도의 Fine-Tuning없이 기업 내부데이터를 최신성을 유지하면서 생성형AI서비스를 구축하는 방식에 대해 이야기해보자. 검색증강생성기술 즉, RAG는 Facebook AI에서 연구를 시작했고 현재는 MS의 Cognitive Search를 시작으로 AWS, IBM 등 글로벌 선도업체 들이 모두 제안하는 개념이다. 그림3은 Facebook AI 연구논문에 포함되어 있는 개념도인데, 검색증강생성은 사용자 질의를 Query Encoder로 인코딩하고, 사전에 색인되어 있는 문서에서 유사도가 높은 문서들을 검색/추출하고 생성형 AI를 통해 답변을 생성하는 방식이다. 조금 더 단순화하면 그림4와 같다. 모델이 학습하지 못하는 최신의 내부 문서/매뉴얼/ERP 등 내부 시스템 내의 데이터를 의미 있는 단위로 자르고 이를 embedding과정을 거쳐 색인하게 된다. 이후에 사용자가 질의를 하게 되면, 이를 역시 embedding하여 벡터화하고 색인된 문서와 유사도를 판단하여 의도에 부합된 문장을 선별하고 이를 생성형 AI에 전달하여 답변을 생성하는 과정을 거치게 된다. 이는 기존에 사전 및 단어 단위로 색인하는 과정에서 Passage라는 의미 있는 문서 그룹단위로 embedding하여 색인 한다는 것이 기술적인 차이점이라고 볼 수 있다. 이 과정에서 역시 형태소 분석기에 따라 성능이 달라지기 때문에 관건은 문서 유형의 특성을 감안하고, 문장 내 유의미한 요소를 추출해주는 기능에 따라 답변 정확도와 시스템 성능에 차이가 날 수 있음을 주의해야 한다. ¹ AI타임스, 2023, ‘텍스트 생성 및 챗봇AI’ 지형도…10개 카테고리서 700여 기업 경쟁) ² “우려가 현실로, 삼성전자, Chat GPT 빗장 풀자마자 ‘오남용’ 속출 – 이코노미스트 2023-03-30 ³ “초거대AI 접목해 고객센터의 패러다임 변화 주도” – 조선일보 2023-05-25 ⁴ brown. et. al. 2020. language models are few-shot learners ⁵ Lewis. at. al. 2020. retrieval-augmented generation for knowledge-intensive nlp tasks ⁶ Patrick Lewis et al. Facebook AI Research 2021 - Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks 다음호에는 '초거대AI의 대화형AI서비스 적용 방안' 2편이 이어진다. < 글 > (주)와이즈넛 Global전략사업본부 김정민 본부장(kris.kim@wisenut.co.kr)

  • Report
  • Special Report

  2024-01-09

• 전문가에게 듣는 산업 진단과 2024년 전망

  [컨택저널 2024. 1월호] [아웃소싱 23결산, 24전망] 컨택센터 산업 전문가에게 듣는 산업 진단과 2024년 전망 한 해 동안 아웃소싱 전문분야에서 자부심과 책임감으로 업계를 이끌어온 아웃소싱 전문기업대표와 전문가들로부터 각자의 위치에서 바라본 산업에 대한 진단과 혜안으로 예측하는 2024년 전망을 인터뷰, 또는 기고형식으로 들어본다. (사)한국컨택센터산업협회 황규만 부회장 연령대별 상담사들, 특히 시니어를 위한 시니어상담사 늘어날 것 ■ 2023년 컨택센터 산업을 돌아보면(결산) 새로운 신기술(Chat GPT, Gemini, BARD, etc.)들이 많이 출현했지만 아직 기업에 접목되어 제대로 쓰이고 있는 기술은 하나도 없다. 하지만 생성형 인공지능이 출현하면서 컨택센터에 입성할 가능성이 매우 높아진 것은 사실이다. 그와 더불어 그 동안 초기 투자금액이 큰데도 불구하고 보안 문제로 인해 구축형 일변도였지만 서서히 Cloud에 얹어 쓰는 SaaS형태로 진입하는 한 해였다. 구인은 여전히 어렵다 보니 상담사 평균 연령이 40대 중반을 넘어서고 있다. ■ 지난 한 해 컨택센터 시장에 대한 간략 총평은? 컨택센터 시장은 고객이 꾸준히 증가하면서 고객의 요구사항이 많아지다 보니 지속적으로 성장해온 것은 사실이다. 그러다가 어느 날 컨택센터 상담사 증가와 연계해서 시스템 투자비용까지 기하급수적으로 늘어나자 기업들은 무리가 가지 않는 선에서 서비스에 무리가 없는 선에서 상담인력을 운영하고 있다. ■ 컨택센터 산업의 가장 큰 변화라고 생각하는 이슈는? 2024년에는 협회 이름을 AI Contact Center Association(AICCA)로 바꿔야 할 정도로 인공지능이 컨택센터에 접목되는 한 해였다. 그리고 컨택센터는 40만명 정도의 상담사들이 근무하고 있다 보니 인력사업으로 아는 분들이 많지만 실제로는 IT산업이다. 교환기를 포함해 컨택센터에는 과거에도 지금도 그리고 미래에도 최첨단 기술을 모두 활용하는 유일한 산업이기도 하다. 그런데 현재 협회는 산업통상자원부를 주무관청으로 두고 있는데 점점 더 진화하고 있는 컨택센터산업을 지원하기에는 한계가 있어 과기정통부로 주무 관청 을 옮기는 것을 조심스럽게 타진하고 있다. ■ 2024년 컨택센터 산업을 예측해보면(전망) 컨택센터 산업은 시대에 따라 약간의 부침은 있을 수 있지만 기업이 존재하고 고객이 존재하는 한 사라질 수 없는 산업이다. 새해에는 Human Agent와 Digital Agent가 동료로서 함께 일하는 컨택센터로 거듭날 것이며, 그 동안 인간상담사들이 해오던 업무 중 표준화 된 것들을 우선으로 인공지능에게 넘겨주고 상담사들은 오프라인 부서에서 하던 업무 중 표준화된 것들을 처리하면서 업무 난이도가 높아질 것이다. ■ 새해 컨택센터 시장 전망은? 컨택센터로 전화를 해도 받지 않아 고객들이 전화 걸기를 포기한 것을 챗봇 설치 후 콜이 줄은 것으로 오해해 상담사들을 줄이는 컨택센터가 생겨나고 있다. 아무리 챗봇의 기능이 뛰어나도 인간상담사의 도움 없이 통화를 마무리 짓는다는 것은 쉽지 않다. 또한, 새해부터는 인공지능을 활용한 시스템 발주가 시작될 것이고, 센터는 언어에 따른 상담사를 배치 하듯 연령대별 상담사들 특히 시니어를 위한 시니어상담사가 늘어날 것으로 예상된다. ■ 컨택센터 산업 문제점과 과제는? 제일 큰 문제가 사람을 구하기 힘들다는 것이다. 그러다 보니 기업들은 인공지능기술을 접목한 Digital상담사 채용을 서두를 수밖에 없다. 만약 컨택센터에 필요한 인력을 제 때 채용할 수만 있다면 아직 미완성 상태인 디지털상담사 도입을 서두를 필요는 없다고 본다. 산업보건안전법에 한 조를 삽입하는 개정으로 센터에 전화를 걸어 성희롱을 하거나 언어폭력을 구사하는 못난이들이 많이 줄기는 했지만 여전히 상담사들을 힘들게 하는 못난 고객들이 존재한다. 이들이 더 이상 상담사들을 힘들게 하지 못하게 할 상담사보호법을 제정해야만 한다. 그리고 센터에 전화를 걸어 성희롱을 하거나 언어폭력을 구사하는 범죄자들을 처단하기 위해서라도, 개인정보보호라는 미명 아래 이들의 DB를 컨택센터들이 공유하지 못하도록 하고 있는데 이들의 개인정보를 음어화해서 이들로부터 상담사들을 보호할 수 있는 제도를 구축할 필요가 있다. ■ 귀 협회의 한해 결산과 새해 계획은? 3년간의 코로나가 끝나가고 있지만 여전히 언제 또 인간을 괴롭힐 지 알 수 없는 상황이다. 엔데믹으로 사람들의 이동이 많아지면서 사건사고도 늘어나고 있고 그로 인해 컨택센터로 인입되는 전화도 늘어날 전망이다. 물론 Direct 자동자보험처럼, e-commerce도 상담사 통화 없이 거래가 성사되는 비율이 급속히 상승 곡선을 타고 있다. 그리고 인공지능이 필요한 컨택센터에 적용이 되도록 협회 차원에서 수요기업과 공급기업이 만나는 자리를 많이 만들 예정이다. ■ 컨택센터산업 발전을 위한 제언들 지식경제부에 지식서비스과가 있을 때는 지식서비스산업을 육성하고자 애를 썼지만 지경부가 미창부와 산자부로 쪼개지면서 몇 년 동안 준비했던 육성계획들이 무용지물이 되는 것을 지켜봐야만 했다. 지식을 서비스하는 컨택센터산업을 포함해 컨설팅, 디자인 등 지식서비스산업을 육성해야 한다. 그리고 대한민국의 미래의 먹거리는 누가 뭐라고 해도 4차산업의 핵심기술들(인공지능, 빅데이터 등)이다. 이 산업에서 반도체나 원자력처럼 세계적인 경쟁력을 갖추기 위해서는 Test Bed가 필요한데 유일한 산업이 컨택센터산업이다. 인공지능 기술을 컨택센터에 설치하여 세계적인 수준으로 기술을 성장시킬 수 있도록 정부의 관심과 지지가 필요하다. 지금 기업들은 컨택센터를 어찌 보면 최소의 인원으로 운영하면서 부족한 부분을 ARS로 처리하고 있는 상황이다. 그러다 보니 전화를 걸면 언제나 통화 중이고, 기다리다 보면 연결되기보다는 자동으로 끊어지는 경우가 더 많다. 이렇게 서비스해서는 안 된다. 고객 서비스 차원에서 상담인력을 충원하고 ARS를 최소화해 고객만족도를 높임으로써 고객이탈을 줄이고 고객추천지수를 높이는 전략을 구사해야만 한다. 아웃소싱기업들은 현재 아웃소싱비용으로는 거의 수익을 내지 못하고 감가상각 기간이 끝난 장비사용료로 겨우 수익을 내고 있다. 그러다 보니 과거보다 상담사에 대한 교육을 포함한 모든 부분에서 투자가 엄청나게 준 것은 사실이다. 만족한 사내 고객이 사외 고객도 만족시킨다는 것을 잊지 말고, 사내 고객인 상담사들이 주인의식을 가지고 고객들을 응대할 수 있도록 적극적인 관심과 애정 그리고 투자가 필요하다. 윌앤비전 하봉수 대표 아웃소싱 순기능 살려 ‘좋은 일차리 창출’로 변화 이끌어야 ■ 2023년 아웃소싱 산업을 돌아보며 지난 한 해 아웃소싱 시장에서 체감한 가장 강한 변화는 사용기업들은 고품질의 서비스를 요구하면서도 전반적인 경기침체에 따른 원가절감 요구도 점차 강해지고 있다는 점이다. 여기에 상담직, 판매직 등에 대한 MZ세대들의 취업 기피로 인한 채용 비용 증가로 아웃소싱 기업의 수익성이 악화되고 있으며, 새로운 시장이 창출되기보다 기존시장 내에서의 치열한 저가경쟁으로 인한 수익성은 더욱 악화되고 있다. 콜센터 아웃소싱 시장은 AI, DT(디지털 변환)가 이제는 더 이상 차별화된 서비스가 아닌 범용적인 필수서비스로 인식되고 있는데 이에 필요한 비용이 서비스 원가에 반영되지 않을 경우 이 또한 수익성 악화의 요인이 되고 있다. ■ 2024년 전망 및 아웃소싱 발전을 위한 제언 국가적인 고민이 되어버린 고령화 및 경제활동인구 감소에 대한 대응으로 제조업, 서비스업을 중심으로 한 소위 신중년인력의 활용방안을 적극적으로 검토할 필요가 있다. 국내에서는 아웃소싱을 나쁜 일자리를 양산하는 양극화의 원인인 것으로 매도하는 경향이 있다. 그러나 이는 문제의 본질을 모르고 하는 말이다. 문제는 아웃소싱 발주 기업들이 제대로 된 아웃소싱 대가를 지급하지 않고, 낮은 가격만을 요구하기 때문이다. 낮은 아웃소싱 단가로 인해 인건비 수준이 낮아지고, 이로 인해 아웃소싱 일자리는 싸구려 일자리로 전락하게 되었다. 그런데 지난 정부는 낮은 인건비 문제를 그대로 둔 채 정규직전환을 통해 이를 해결하려고 했다. 그러다 보니 말이 정규직이지 처우에 변화가 없다는 불만을 뱉어내기 시작했고, 이들의 생산성은 아웃소싱 때보다 급감하는 문제점이 나타났다. 직접 인건비 하한선을 명시하는 등 적정 인건비 책정이 가능하도록 입찰제도를 바꾸고, 아웃소싱기업들이 도급비를 투명하게 집행하도록 관리감독하여 더 이상 아웃소싱 일자리가 나쁜 일자리가 되지 않도록 관리하는 것이 시장에서 아웃소싱의 순기능을 활성화하면서도 좋은 일자리로 변화시킬 수 있는 방법이 아닐까 싶다. 제이앤비컨설팅 박재완 대표 비용절감이 아닌 전문성이 ‘주’가 되는 컨택센터 산업 절실, AICC 고민도 필수 ■ 지난 한 해 아웃소싱 산업과 컨택센터시장에 대한 간략한 총평은? Cloud와 인공지능을 필두로 한 신기술이 대거 유입되면서 AICC(AI Contact Center) 시장이 비약적으로 확대되고 있다. 코로나19 종결 이후 새로운 시대가 열린 2023년은 특히나 AICC 확대가 눈에 띄는 해였다. 막대한 자본력을 갖춘 굴지 기업들이 컨택센터 시장에 뛰어들면서 컨택센터 시장을 향한 관심은 그 어느 때보다 활기를 띠기도 했다. 그러나 컨택센터 아웃소싱 기업들에게는 마냥 호재인 것만은 아니다. 전염병과 잇따른 국가 간 전쟁으로 글로벌 경제 위기가 가중되면서 기업들은 긴축 운영에 들어섰다. 이러한 기조 아래 많은 아웃소싱 기업들은 매출 감소와 계약해지라는 위기를 피해가기 어려웠을 것으로 보인다. 그럼에도 불구하고 지속되고 있는 아웃소싱 업체 간 과다경쟁·출혈경쟁은 기업의 수익 감소에 더 큰 피해를 가져오고 있다. 최저가 입찰이라도 일단 수주하고 보겠다는 식의 과도한 경쟁이 업계 전반적인 품질을 하향평준화하고 있다는 지적도 꾸준히 일고 있다. 이에 더해 최저임금 인상과 각종 간접 노무비 증가로 업계의 수익률은 더 낮아지고 있다. 전체 매출은 오르고 있지만 매출인상보다 높은 비용증가로 영업이익 즉 순익은 감소하고 있다. 특히 2023년에는 컨택센터 산업계의 '앓는 이'인 인력 수급 문제에 더해 아웃소싱 기업 자체 내부 직원 수혈 조차 어려워지는 '인력난'이 심해졌다. 기업 입장에서는 매출 감소와 내부직원 관리 리스크 위험성이 동시에 커진 격이다. 이런 대내외적인 위기가 지속되면서 2023년 아웃소싱 컨택센터 산업 속 대다수 중소기업들은 다소 험난한 시기가 되었을 것으로 예상된다. 하지만 위기 속에서도 해법을 찾은 기업들도 있다. 특히 컨택센터 구축과 운영에 깊은 노하우를 지닌 전문 아웃소싱 기업을 찾는 이들이 여전히 많기 때문에, 자체적인 기술력을 강화하거나 새로운 먹거리 탐색에서 아웃소싱 컨택센터 기업의 돌파구를 찾아야 할 것으로 본다. ■ 2024년 아웃소싱 컨택센터 산업에 대한 전망은? 2024년 또한 경제전망은 밝지 않다. 2023년과 마찬가지로 저성장이 지속될 것으로 예상되고 있고 끝나지 않은 세계 위기 아래 경제 침체도 여전할 것으로 전망된다. 이에 따라 아웃소싱 컨택센터 산업의 주요 고객사의 긴축운영도 지금과 유사한 수준으로 지속될 것으로 예상된다. 대외 활동비용이나 누수되는 지출을 줄이기 위해 전체적인 자금 축소도 불가피할 것으로 보인다. 결과적으로 사용기업이 비용 지출을 동결하거나 축소한다면 컨택센터 산업 또한 공급 인력의 규모가 올해보다 더 축소되거나 이익금 감소를 피하기 어렵다. 또 통신 3사를 비롯한 AICC 시장의 확대도 필히 주목해야 한다. 비대면 업무의 확대, 인력난의 가중 그리고 상담의 선진화 및 고효율화를 위해 AICC 도입은 필연적이다. 특히 가파르게 증가하는 인건비를 줄이기 위해 AICC는 최적의 대체제로 여겨지고 있다. 문제는 그간 아웃소싱 기업의 주요 고객사였던 공급 기업이 자체적인 AICC 구축에 사활을 걸고 있다는 점이다. SK텔레콤·KT·LG유플러스 등 통신 3사가 인공지능을 도입한 콜센터인 AI컨택센터(AICC)에 막대한 투자를 단행하고 있는 것은 업계 관계자라면 모두 알고 있는 사실이다. 통신 3사가 AICC시장의 고지를 선점하면 금융, 보험, 대출 등 컨택센터 산업이 퍼져있는 대부분의 영역이 그 영향을 피해갈 수 없을 것으로 보인다. 이러한 경쟁 속 아웃소싱 업계가 살아남기 위해서는 대책 논의와 준비가 꼼꼼히 이뤄져야 할 것이다. ■ 사용기업과 동종 업계 종사자에게 바라는 점이 있다면? 컨택센터 산업을 포함해 전체 아웃소싱 업계의 가장 고질적인 문제는 비용절감만을 고려한 입찰계약이 이뤄지고 있다는 점이다. 아웃소싱을 활용하는 이유 중 비용절감이 차지하는 부문은 적지 않다. 그러나 온전히 비용절감만을 우선으로 두고 업계의 성장 가능성이나 상생 요소는 차치한다면 산업 전반이 무너져 내릴 수밖에 없다. 실제로 과도한 비용 경쟁은 업무량 대비 턱없이 부족한 인력 배치라는 결과를 낳았다. 그 결과 상담사들의 업무 강도는 높아지고 열악한 근로환경이 지속되면서 인력 이탈이 빠르게 이뤄졌다. 현재에 이르러서는 일 할 사람을 찾는 것 조차 어려워졌다. 공급기업은 닭장 같은 근로환경에서 무리한 영업을 요구하는 악덕기업으로, 사용기업은 이러한 실태를 외면하고 종용하는 부도덕한 기업으로 매도되고 있는 형국이다. 지금과 같은 환경의 개선은 아웃소싱 기업이나 사용 기업 어느 한 쪽의 일방적인 노력만으로는 타개하기 어렵다. 사용기업과 공급기업이 갑을 관계가 아니라 '파트너사'라는 인식을 갖고 산업을 중장기적 관점에서 바라봐야 할 것이다. 입찰은 최저가 입찰이 아니라 최우수 기업 입찰이 되어야 한다. 가격경쟁이 아니라 전문성과 안정적인 서비스를 제공할 수 있는 우수 업체를 선정하는 방식으로 개선되어야 한다. 공급기업 또한 과도한 경쟁에 내몰렸다는 이유로 제 살 깎아 먹기 식 과다한 경쟁으로 근로자들을 열악한 근로 환경에 내몰고 자사의 기업 경영을 불안하게 만들어선 안 된다. 저렴한 가격이 아니라 우수한 품질을 내세울 수 있어야 할 것이다. 하지만 기업 차원에서 자발적·자율적 환경 개선을 말하는 것은 전쟁과 같은 기업 경영 속에서 몽상에 가까울 수 있다. 따라서 정부는 업계 전반에서 수용할 수 있는 최소한의 가이드라인을 개발하고 보급하여 시장 안정성과 함께 건전성을 강화하는 장치 마련이 필요하다고 본다. 예스티엠 송미애 대표 / 성명희 소장 AICC센터 이끌어 갈 멀티채널 상담인재 필수적, 디지털 전환(DX)시대 전문 컨택센터로 거듭나야 ■ 2023년 컨택센터 분야 교육 산업을 돌아보면(결산) 비대면과 디지털 전환(DX, Digital Transformation)의 시대, 비대면 응대형 컨택센터 수요가 증가하고 AI(인공지능) 기술을 활용하여 고객 문제를 해결하는 AICC(인공지능 기반 컨택센터)센터의 전환이 확산되고 있다. 기존의 콜센터에서는 일반 전화상담뿐만 아니라 챗봇, TEXT 및 멀티채널을 활용한 채팅 상담 등 다양한 수단을 통해 고객 문제를 스스로 해결할 수 있는 서비스를 제공하고 있다. 이로써 컨택센터는 고객 서비스의 확장된 역할을 수행하며, 비대면 응대의 중요성이 더욱 부각되고 있다. ■ 2024년 컨택센터 분야 교육 산업을 예측해보면(전망) 미래학자 브라이언 솔리스는 "20억 명 이상의 소비자가 온라인에 접속하고 있으며 서비스 문제를 전화로 해결하는 편이 더 좋다는 사람은 28% 뿐이다"라고 밝혔다. 디지털 전환(DX) 시대의 고객들은 서비스 문제 발생 시 SNS, 챗봇, 채팅을 활용하여 스스로 해결하고, 문제가 계속되면 컨택센터를 찾는 추세다. 특히, Chat 서비스는 시간과 장소에 구애 받지 않고 익명성을 유지하며 문제를 해결할 수 있어 MZ세대에게 인기를 끌고 있다. DX문화에 익숙하지 않은 고객과 기존 세대들은 여전히 컨택센터의 상담사를 통해 문제를 해결하며, 이로 인해 컨택센터를 이용하는 고객 연령대가 상승하고 있다. 이런 고객의 경험관리를 위해 TEXT 기반의 전문적인 Chat 서비스 준비가 필요하며 VOICE 기반에서는 고객의 문제를 해결하기 위한 텔레커뮤니케이션이 강화 되어야 한다. 컨택센터가 고객의 경험을 바탕으로 고객의 가치를 높일 수 있는 TEXT와 VOICE 상담품질 전문가 과정의 자격 인증으로 서비스품질의 표준을 만들고, 브랜드 경험을 강화할 수 있는 전략이 필요하다. 이를 통해 고객의 가치를 높이는 데에 성공할 수 있다. ■ 예스티엠의 한해 결산과 새해 계획은 컨택센터 교육 전문기관인 예스티엠은 TEXT를 이용하는 고객의 경험적 가치 향상을 목표로 Chat 전문상담사(직능원 민간자격증) 과정을 개설하고 있다. 이 과정은 서비스 trend와 Chat을 효과적으로 활용하는 방법에 대한 전문 상담 과정을 제공하고 있다. 또한, VOICE 상담에 대해서는 상담품질 컨설팅을 통해 고객 상담 수준을 진단하고 이에 맞는 상담품질 매니지먼트를 제안하고 솔루션을 제공하여 고객 경험을 향상시키고자 노력하고 있다. 기업부설연구소를 설립하고 20년의 컨택센터 교육 및 모니터링 노하우를 함께 해 온 성명희 소장과 함께 첫 번째 과제로 서비스품질 모니터링(가제) 책을 발간하여 컨택센터 서비스의 가치를 높이고자 한다. 이를 통해 더 나은 상담 서비스와 고객 만족도 향상을 지향하고 있다. ■ 컨택센터 아웃소싱산업 발전을 위한 제언들 디지털 전환(DX, Digital Transformation)과 AICC 센터의 도입으로 단순 문의에 대한 고객 수요가 감소하고, 챗봇 기술의 확대로 상담사 감소에 대한 우려가 나타나고 있다. 그러나 이러한 변화를 주도하는 주역은 컨택센터 전문 기업들이다. AICC를 효과적으로 이끌어가기 위해서는 멀티채널 상담이 가능한 인재가 필수적으로 준비돼야 한다. 이를 준비하는 컨택센터만이 디지털 전환(DX)시대의 전문 컨택센터 기업으로 자리매김 할 것이다. <출처> 아웃소싱타임스

  • Report
  • Special Report

  2024-01-09

• 2023/24 국내 컨택센터 트렌드 보고서 ①

  [컨택저널 2024. 1월호] 2023/24 국내 컨택센터 트렌드 보고서 ① 기술이 발전하고 고객 인터랙션 방식이 변화하면서 컨택센터는 전에 없는 변화를 거듭하고 있습니다. AI 챗봇, 음성 봇 등 디지털 컨택센터 채널에 대한 고객의 요구는 계속 증가하고, 기업과 조직은 이를 따라잡기 위해 서둘러 신기술을 도입하고 있습니다. 개인화된 맞춤형 서비스 경험에 대한 기대가 높아진 만큼 Trend와 Insight를 빠르게 파악하는 것이 매우 중요합니다. 제네시스코리아는 국내 컨택센터 시장의 트렌드와 함께, 기업이 마주한 고객 서비스 제공의 현 과제와 기회를 파악하기 위해 컨택센터 및 IT 담당자 및 임원을 대상으로 설문 조사를 진행하였습니다. 이 보고서를 통해 하루가 다르게 변화하는 디지털 대전환 시대에서 새로운 생존 해법을 찾고자 하는 기업들에게 작으나마 힌트가 되기를 바랍니다. ■ 조사 개요 (트렌드, 조사방법 및 조사대상) AI 기반 기술과 디지털 전환의 확대, 한없이 높아지는 고객의 기대로 인해 고객 접점 최전선에 있는 컨택센터는 빠른 속도로 진화하고 있습니다. 지금과 같은 디지털 대전환의 시대에서는 이러한 변화를 신속하게 예측하고 선제적으로 대응하는 것만이 기업의 미래를 약속할 수 있습니다. 제네시스코리아는 국내 컨택센터 현황 및 과제를 파악하기 위해 IT 의사 결정권자, 컨택센터/고객 경험/고객 서비스 관리자 및 슈퍼바이저 228명을 대상으로 설문조사를 실시했습니다. 대상 산업군에는 은행 및 금융 서비스, BPO, 비즈니스 서비스, 교육, 의료, 리테일, 기술, 통신, 여행/운송 등 다양한 업종이 포함됐습니다. 설문의 정확도를 위해 컨택센터 5석 이상을 보유한 기업의 응답만 추출했으며, 본 보고서에 사용한 컨택센터 규모 지표는 컨택센터 상담사 규모별 소형 컨택센터(상담석 5-49석 이하), 중형 컨택센터(상담석 50-499석 이하), 대형 컨택센터(상담석 500석 이상) 입니다. 가장 많은 응답자는 IT 직군이었으며, 컨택센터 관리, 운영 및 프로세스 관리가 그 뒤를 이었습니다. ■ 주요 Insight ＞고객들이 디지털 채널을 더욱 선호하면서 대부분의 컨택센터가 디지털에 집중한 듯하지만, 음성 서비스는 여전히 컨택센터의 핵심이었습니다. 응답자의 92.1%가 음성을 고객 Engagement 채널로 사용한다고 답했으며, 디지털 채널은 75.9%로 그 뒤를 이었습니다. ＞컨택센터 의사결정권자가 뽑은 최근 1년 간 가장 영향력이 컸던 고객 트렌드는 ‘고객이 선호하는 커뮤니케이션 채널의 변화(58.3%)’였습니다. 고객은 자신들이 선호하는 채널로 기업과 소통하기를 원합니다. 따라서 기업은 채널에 구애 받지 않는 Omni채널 솔루션을 통해 고객 전체 여정을 관리하고 고객 개개인에 대한 맞춤화된 서비스를 제공할 수 있어야 합니다. 실제로 응답자의 절반 이상(58.8%)이 ‘다양한 Interaction(커뮤니케이션) 채널에 대한 지원 필요성 증대’가 가장 영향력이 컸던 상담사 trend라고 답했습니다. ＞컨택센터 관련 의사결정권자는 컨택센터 운영 시 당면하는 가장 큰 Top3 과제로 상담사 채용 및 관리의 어려움(늘어나는 이직률, 동기 부여 저하 등), 기술발달과 더불어 컨택센터 내 AI 및 신기술 도입 및 적용(업무 혁신), 컨택센터 관리 및 비용 절감(효율성 증대 등)을 꼽았습니다. 컨택센터 리더들은 고객 경험 향상과 더불어 직원을 유치, 유지, 참여시키고, 동기를 부여하기 위해 직원 경험을 향상하는 일에 대한 중요성을 잘 인식하고 있었습니다. ■ 주요 결과 및 설문 하이라이트 ＞컨택센터 의사 결정권자의 절반 이상이 조직 내 컨택센터를 ‘단순 문의 처리 센터’로 인식하고 있었으며, 12.3%만이 ‘수익 창출 센터’라고 답했습니다. 컨택센터는 다양한 채널로부터 유입되는 여러 종류의 고객 문의에 대응하고, 고객의 행동 데이터를 바탕으로 고객 경험을 선제적으로 이해하고 향상시킬 수 있어야 합니다. 단순한 비용 지출 센터가 아닌 수익 창출 센터로서 컨택센터를 변모시켜 나가야 합니다. ＞58.3%의 컨택센터 의사 결정권자가 조직 내 주력 분야로 ‘상담사 지원을 위한 AI 및 자동화 기능’을 꼽았습니다. 두 번째 주력 분야는 ‘컨택센터 운영 비용 감소(47.4%)’였습니다. 많은 기업이 운영 효율성을 위한 각종 기술, AI를 이용한 자동화 서비스 등을 도입하여 컨택센터 운영에 효율성을 높이고, 비용을 절감하고, 고객 경험을 향상하기 위해 노력하고 있었습니다. ＞응답 기업의 약 40.4%가 Cloud 전환을 고려하고 있었으며, Cloud 컨택센터를 도입하고 사용 중인 기업은 18%로 나타났습니다. 응답 기업 중 ‘Cloud 컨택센터로 전환했다’고 답한 대형 컨택센터의 비율은 27%, 소형 컨택센터는 13.2%였습니다. 대형 컨택센터일수록 Cloud 컨택센터 도입률이 높았습니다. 또한 국내 컨택센터 의사 결정권자의 56.6%가 ‘Cloud 컨택센터로 고객 경험을 향상할 수 있다’고 답했습니다. ＞절반이 넘는 60.1%의 응답자가 컨택센터를 ‘회사 내에서 직접 운영(인하우스)한다’고 답했으며, 외주(아웃소싱) 36.4%, 인하우스 및 아웃소싱 모두는 3.5%로 나타났습니다. ■ 세부 조사 결과 음성서비스 응답한 기업의 대다수(92.1%)가 전화(음성)를 고객 Engagement 채널로 사용 중이었으며, Digital 채널(75.9%), 문자 메시지(62.3%)가 그 다음이었습니다. 규모에 상관없이 모두 전화(음성)를 주된 고객 engagement 채널로 사용중이었으며, 챗봇 및 음성 봇 사용은 소형 컨택센터(상담석 50석 미만)에서 약 28%(챗봇), 10%(음성봇)로 가장 낮았습니다. 반면 대형 컨택센터는 전화, 디지털 채널, 챗봇, 음성 봇, 문자 메시지 등 다양한 채널을 이용해 고객과 소통하고 있었습니다. 소형센터에서는 전화(음성), 디지털 채널, 문자 메시지가 가장 많이 사용하는 고객 engagement 채널이었으며, 대형센터에서는 전화(음성)에 이어 디지털 채널, 챗봇을 가장 많이 사용하고 있었습니다. 사용 기술 대부분의 센터에서 콜 녹취 기능(75.9%)을 보유하거나 사용 중이며, CTI 콜라우팅(53.9%), 통계 및 분석 기능(53.5%)이 그 뒤를 이어 가장 많이 사용하고 있는 기술이었습니다. 다양한 기업에서 필요에 맞게 여러 가지 기능을 사용하고 있었습니다. 특이사항은 직원 경험 향상 및 상담사 관리 효율성을 위한 도구인 Workforce Management(WFM), 성과 관리 도구의 사용율은 컨택센터 볼륨과 관계없이 모두 낮았습니다. 또한 고객 여정 전체에 걸쳐 끊김 없는 서비스를 제공하는 Omni채널 솔루션은 초대형 컨택센터(1,000석 이상)를 제외한 나머지 컨택센터에서 거의 사용하고 있지 않았습니다. IVR(대화식 음성 응답)에 이어 CRM(고객관계관리) 솔루션도 응답자의 약 43%가 도입하여 사용 중에 있다고 답했습니다. 고객 트렌드 의사결정권자가 뽑은 최근 1년간 가장 영향력이 큰 고객 트렌드는 ‘고객이 선호하는 커뮤니케이션 채널의 변화’였습니다. 절반 이상의 응답자(58.3%)가 이를 언급했습니다. 그 다음으로 영향력이 컸던 고객 트렌드는 ‘제품/서비스에 대한 고객의 전반적 정보 수준 발달(49.1%)‘이었습니다. 고객이 선호하는 커뮤니케이션 방식이 변화하고 있습니다. 단순히 음성 채널과 이메일 관리만 하는 시대는 지났습니다. 컨택센터는 여러 채널을 함께 통합하여 관리할 수 있어야 합니다. 또한 정보 발달로 스마트 컨슈머가 보편화된 지금과 같은 시대에는 다양한 채널을 통한 신속하고 원활한 고객 지원이 필수가 되었습니다. 귀사의 컨택센터는 변화하는 고객의 needs를 충족시키기 위해 흩어진 비즈니스 커뮤니케이션을 하나의 인터페이스로 통합 관리하고 있습니까? 상담사 트렌드 최근 1년간 가장 영향력이 컸던 상담사 트렌드에 대한 질문에 응답자의 58.8%가 ‘다양한 interaction 채널에 대한 지원 필요성 증대’를 손 꼽았습니다. 상담사 동기 부여의 어려움(45.2%), 지식 기반 도구의 많은 의존(29.4%)이 그 뒤를 이었습니다. 이 트렌드는 이전 질문인 ‘고객 트렌드 영향력’에 대한 질문에서 가장 많이 선택됐던 ‘고객이 선호하는 커뮤니케이션 채널의 변화’와 일맥상통합니다. 단순 음성 및 이메일을 통해 고객과 인터랙션하는 시대는 지났습니다. 고객은 자신이 선호하는 채널로 브랜드와 소통하기를 원하며, 기업은 고객이 필요로 하는 정보를 빠르고 정확하게 제공할 수 있어야 합니다. 또한 Omni채널 CX 플랫폼을 통해 고객 데이터에 액세스하여 모든 데이터를 통합 관리하고, 고객 여정까지 고려하여 고객 개개인에 맞춤화된 서비스를 제공할 수 있어야 합니다. 다음호에 '2023/24 국내 컨택센터 트렌드 보고서' 2편이 이어집니다. ※ 자세한 내용은 genesys.com/ko-kr을 방문하시거 나 02-2056-9600에 문의하시기 바랍니다. < 글 > GENESYS

  • Report
  • Special Report

  2024-01-09

• 챗봇은 기업을 위한 것일까? 고객을 위한 것일까?

  [컨택저널 2024. 1월호] 챗봇은 기업을 위한 것일까? 고객을 위한 것일까? 밤늦게 컴퓨터를 사용하던 중 갑자기 문제가 발생했습니다. 예전에는 이런 상황에서는 기술 지원을 받기 위해 다음 날까지 기다려야 했습니다. 그러나 이제는 챗봇을 통해 24시간 언제든지 기술 지원을 받을 수 있습니다. 컴퓨터 문제 해결 챗봇에게 문제 상황을 설명하면, 챗봇은 신속하게 해결 방법을 제시해줍니다. 예를 들어, 화면이 깜빡이는 문제라면 챗봇은 드라이버 업데이트를 권장하거나 화면 해상도를 변경하는 방법을 안내해줍니다. 또한, 챗봇은 원격으로 컴퓨터에 접속하여 문제를 직접 해결해주는 기능도 제공할 수 있습니다. 이러한 24시간 접근 가능한 챗봇은 우리의 생활에 큰 편의를 제공합니다. 예를 들어, 새벽에 잠에서 깨어나서 긴급한 의료 정보를 필요로 한다면 의료 챗봇에게 질문을 하면 즉각적인 응답을 받을 수 있습니다. 또는 중요한 업무를 처리해야 하는데 밤늦게 생각나는 질문이 있다면 비즈니스 챗봇에게 상담을 받을 수 있습니다. 이러한 챗봇은 단순 정보 검색과 전달을 넘어서 콜센터를 보완하는 보조 채널 혹은 주 채널로 급부상하고 있습니다. 고객서비스와 상담을 위한 콜센터의 역할을 챗봇이 지원하고 있으며, 이는 고객응대 시간을 단축하고, 고객만족도를 향상시키는데 큰 역할을 하고 있습니다. 자연어 처리 기술의 발전으로 인해 일부 챗봇은 고객의 문의사항을 보다 정확하게 이해하고, 적절한 답변을 제공하기 위해 노력하고 있습니다. 이러한 챗봇의 유용성과 장미 빛 미래와 달리 기업은 생산성과 효율성, 고객 서비스(CS)사이에 trade-off(두 개의 정책목표 가운데 하나를 달성하려고 하면 다른 목표의 달성이 늦어지거나 희생되는 경우의 양자간의 관계)관계가 존재합니다. 기업은 한정된 자원으로 고객의 문의에 대해 대응하고 고객 서비스를 제공합니다. 이때 자원을 효율적으로 할당하여 생산성을 높이려고 하면, 고객 서비스에 투입되는 자원이 제한될 수 있습니다. 콜센터를 구성하는 상담사들의 처우가 사회 전반적인 기대치에 미치지 못하자 직업군으로써 좋은 일자리로 인식되지 못하는 것이 현실입니다. 수요와 공급의 법칙에 의해 상담사 채용은 날이 갈수록 쉽지 않습니다. 한정된 상담사 인력으로 고객에게 제공되는 서비스는 약화될 수밖에 없으며, 이를 챗봇으로 보완하려고 합니다. 하지만 이는 고객의 1차원적인 needs에 부합하기 위한 문제해결을 위한 장치이며 장기적으로 서비스 품질과 만족도에 악영향을 미칠 수 있습니다. 또한, 생산성과 효율성을 높이기 위해서는 표준화된 프로세스와 절차를 도입하는 것이 효과적일 수 있습니다. 그러나 이러한 표준화는 고객의 다양한 요구와 개별적인 서비스 제공에 제약을 줄 수 있습니다. 콜센터로 전화를 걸었지만 보이는 ARS, 콜봇, 챗봇 등 타 채널로 우선 안내하고, ARS를 불편하게 설계하여 특정 채널로 유도하는 기업을 심심찮게 찾아볼 수 있습니다. 심지어 콜센터를 운영하지 않는 기업들도 나타나고 있습니다. 이러한 전략은 단기적으로 운영효율화를 꾀할 수 있으나, 고객의 다양성부족, 접근성 문제, 고객만족도 하락, 경쟁력저하를 발생시킬 수 있습니다. 언론기사를 통해 기업은 AI라는 키워드로 연일 홍보에 박차를 가하고 있습니다. 홍보를 통해 혁신적이고 앞서나가고 있고 유능하다는 메시지가 AI로 전달되고 있기 때문입니다. 여기서 기업과 고객의 기대 간 간극이 심하게 발생합니다. 고객은 Alpha GO 등으로 인해 인공지능에 대해 많은 기대감을 가지고 있고 이를 챗봇에서도 영화 ‘Iron Man’ 속 JARVIS처럼 대응해주기를 기대하고 있습니다. 하지만 챗봇의 수준은 단순 문의에 대해 겨우 답변을 하는 수준입니다. 23년 6월 KCCM컨퍼런스를 통해 KMAC에서는 채널 이용 실태에 대해 조사하여 발표하였는데 챗봇에 대한 고객들의 생각을 구체적으로 알 수 있었습니다. 83%의 고객은 콜센터로 연결되지 않아 불편함을 겪었으며, 응답자의 50%는 챗봇 서비스의 도입이 필요하다고 응답하였습니다. 챗봇을 이용하다 문제가 해결되지 않아 콜센터로 재 인입된 고객은 96%에 달했습니다. 콜센터로 재 인입된 고객의 61%는 ‘해당기업의 챗봇을 이용하지 않겠다.’라고 응답했고, 추가적으로 ‘어떤 챗봇도 이용하지 않겠다.’라고 응답한 비율은 83%에 달했습니다. 챗봇에 대한 초기 경험이 얼마나 중요한지를 대변하는 흥미로운 지표입니다. 챗봇서비스의 고객 관점의 접근이 필요 기업들은 AI와 디지털화로 과도기적인 시기를 지나고 있습니다. 고객의 문의사항이나 민원해결을 위해 통화를 하고 싶지만 통화연결이 쉽지 않습니다. 원인을 찾아보면 생산성 최적화라는 키워드에 수렴하고 있습니다. 마케팅 등 기업의 전략적 관점에 의해 콜 량이 증가하는 기업, 상담사 채용이 원할 하지 않아 TO(table of organization, 정해진 인원)를 채우지 못하는 기업들은 수신 여건 개선을 위해서 다양한 채널로의 분산이 절실하고 그 중 대표적인 채널로 챗봇의 도움을 바랄 수밖에 없는 상황입니다. 채널 분산과 셀프서비스확대를 통해 콜 량이 감소하여 수신 여건이 좋은 기업들은 자연적으로 퇴사한 직원에 대한 대체 상담사를 더 이상 채용을 하지 않는다든지, 새로운 도급계약 시 인원을 감축한다든지 다양한 방법을 통해 또 다시 수신여건을 최적화와 생산성 관점에서 관리하고 있습니다. 시간이 지나면 지날수록 마른 수건을 쥐어 짜듯 더욱 더 최적화 하는 구조로 바뀌고 있습니다. 하지만 수신여건은 기업에서 최종적으로 추구해야 할 목표가 아닌 고객서비스를 위한 가장 기본적인 항목입니다. 콜센터의 운영에 있어 생산성과 효율성, 고객서비스에 대해 균형 있는 접근이 그 어느때보다도 필요한 시기가 아닐까 합니다. 이는 콜센터의 운영에만 국한된 것이 아닌 챗봇의 운영에 있어서도 동일하게 필요한 사항입니다. 챗봇의 서비스이용건수, 챗봇 서비스완결율, 챗봇이용고객수 등 기업 관점의 관리 지표도 중요하지만 고객 관점의 챗봇에 대한 기준과 평가가 필요한 시점이 아닐까요? < 글 > 한국능률협회컨설팅 이정훈팀장(leejh@kmac.co.kr)

  • Report
  • Special Report

  2024-01-09

• 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