[기술소식] AI를 이용한 컨택센터 구성. 선택이 아닌 필수입니다.

  • 2020-12-01
  • 283

9개월간 이어진 코로나 사태가 더욱 더 장기화되어가고, 언택트(Untact : 비대면) 시대가 확산되어 가면서 점점 고객센터의 업무는 가중되어 가고 있습니다. 또한 상담원들의 업무 환경은 어려워져 가고 있으나 인력 확충은 쉽게 이루어지지 않고 있습니다. 하지만 기업들은 컨택센터를 고객 소통 채널로 사용하려는 분위기이며, 마케팅에 필요한 정보를 컨택센터에서 수집하려고 합니다. 이러한 데이터를 활용하여 고객에게 먼저 다가갈 수 있는 서비스가 가능하기 때문입니다.

이러한 기업의 요청사항과 몰려드는 고객의 요청을 빠르고 정확하게 처리하기 위하여 다양한 솔루션의 도입을 고민하고 컨택센터의 생산성 향상을 생각하게 되는데 이러한 문제를 해결하기위한 다양한 솔루션 중 가장 효율성이 높은 해결 방안은 AI를 이용한 컨택센터 구축 및 고도화입니다.

영화에서 나오는 사람과 같은 로봇이 상담원을 대체하여 업무를 보는 그런 형태의 모습은 아마도 많은 시간이 흘러야 등장할 수 있을 것입니다. 지금 우리 곁에서 이야기되고 있는 AI는 인공지능 학습을 통해 고객의 질문을 이해하고, 이해한 정보를 기반으로 원하는 답변을 제공하여 고객이 상담원을 통하지 않고 편리하게 원하는 목적을 해결할 수 있도록 지원하는 단계의 AI를 이야기하는 것입니다. 이러한 AI의 활용은 컨택센터에서 가지고 있는 다양한 문제에 대한 해답을 제시할 수 있습니다.

AI를 활용하여 상담 업무를 경감할 수 있는 부분은 다음과 같습니다.

1. 단순 응대 및 조회 서비스 업무 감소

2. 규격화 된 아웃 바운드 업무 감소

3. 표준화된 상담 응대를 통한 응대 수준 증가

4. 상담 내용 및 고객 요청사항 기반의 초개인화 서비스 토대 구현

1. 단순 응대 및 조회 서비스 업무 감소

컨택센터의 인입호 중 단순업무에 대한 퍼센티지는 업무의 특성 상 각각 다르게 나타나고 있습니다. 하지만 전체적으로 본다면 약 40% 정도의 인입 호는 단순 문의나 간단한 답변을 통해 처리될 수 있는 업무가 대부분입니다. 이러한 인입전화에 대한 문제를 해결하기 위하여 ARS를 도입하여 고객의 Self-Service를 유도하고 있으며, 편리하게 ARS 서비스를 사용하기 위하여 보이는 ARS를 사용하기도 합니다. 하지만 많은 고객들은 아직도 상담원을 연결하여 업무를 처리하기를 원하고 상담원 연결을 선택하고 있습니다. 이러한 선택으로 상담원들은 단순응대를 처리해야 하고 많은 시간을 할애해야 하는 것이 현실입니다.

AI와 연동을 통하여 이러한 부분은 해결될 수 있습니다. 쳇봇과 보이스봇을 통하여 인입되는 고객의 요청사항을 분석하여 기존의 상담 내용에 대해 검색을 통해 답변을 찾아 자동으로 고객에게 답변하는 형태로 구성됩니다. 이를 위하여 STT와 TTS 기능을 사용하고 있습니다.

STT란 Speech To Text의 약자로 사람이 음성으로 이야기하는 내용을 문자로 변경할 수 있게 도와주며, TTS란 Text To Speech로서 문자를 음성으로 읽어주는 솔루션입니다.

기존에는 쳇봇이나 보이스봇으로 인입된 내용을 문자로 변환하고 요청사항을 AI가 분석하여 핵심 키워드를 추출하고, 그 키워드를 기반으로 필요한 자료를 찾아 고객에게 답변하는 형태로 구현하였습니다.

이러한 구조에서 새로 도입되는 AI는 특별한 기능을 담당합니다. 텍스트를 이해하는 방식이 정해진 답변이 아닌 지도학습, 비지도학습, 강화학습, 딥러닝 등의 기법을 사용하여 문맥을 이해하고 필요한 답변을 스스로 찾아내는 형태의 응대가 가능해집니다.

이러한 기술을 적용하기 위해서는 최초에 기존 상담원들의 상담 내용에 대한 데이터를 기반으로 주로 사용되는 용어 및 고객이 사용하는 용어에 대해 AI를 학습시켜야 합니다. 그러한 초기 데이터를 학습시키는 방식을 지도학습(supervised Machine Learning)이라고 이야기하며, 각 데이터에 대한 설명을 통하여 AI에 데이터를 학습시킵니다. 이때 AI는 여러 사람의 목소리로 수많은 단어를 배우게 되어 음성 인식이 가능해집니다. 이때, 특정 목소리와 정확한 발음으로만 데이터를 생성한다면 그러한 상황이 아닌 경우 AI의 인식률은 떨어질 수밖에 없습니다. 그래서 다양한 목소리와 다양한 발음의 데이터를 제공하여 AI가 인식할 수 있는 다양한 케이스를 만들어야 하는 것이 중요합니다.

음성을 인식하여 텍스트로 변환하는 단계(자연어인식)이 지나면 키워드 추출이 아닌 형태소 단위로 문장을 분석하고 단어의 의미를 매칭하게 됩니다. 형태소 분석기와 단어 사전이 AI에 구성되어 있어야 하며, 각 단어에 대한 가중치를 조정할 수 있어야 합니다. 예를 들어서 “완판”이라는 단어는 홈쇼핑에서는 판매가 완료되었다는 의미이지만 금융권에서는 불완전판매금지법을 의미하는 것일 수 있기 때문입니다. 그래서 센터에서 주로 사용되는 단어의 의미가 통상적인 우선순위와 다를 경우 그에 대한 가중치를 부여하여 좀 더 정확한 의미 전달이 가능하기 때문입니다. 또한 사용된 단어와 어미를 분석하면 고객의 의도와 감성도 분석할 수 있습니다.

이러한 내부 프로세스를 통하여 고객이 원하는 내용이 추출되면 그 내용에 대한 답변을 찾게 됩니다. 찾은 답변을 챗봇은 텍스트로, 보이스봇은 TTS를 통하여 음성으로 답변하게 됩니다.

단순한 문의, 조회, 변경 등의 업무는 이러한 로직을 통하여 상담원이 아닌 AI가 처리할 수 있는 환경이 구축되는 것입니다. 또한 AI가 처리하기 어려운 문의 또는 질문이 발생할 경우 이 부분을 처리할 수 있는 상담원에게 연결을 통하여 상담원은 좀 더 중요하고 어려운 업무에 집중할 수 있게 되어 효율적인 센터 운영이 가능하게 됩니다.

2. 규격화 된 아웃 바운드 업무 해소

컨택센터에서 진행하는 많은 업무 중에 고객에게 아웃 바운드를 진행하는 업무 또한 상당히 중요한 업무입니다. 그러한 업무 중에도 AI를 통하여 수행하면 많은 리소스를 절약할 수 있는 업무가 존재합니다. 중요한 것은 어떤 업무에 대해 아웃 바운드를 수행할 것이며, 그 중 단순한 업무에 대해 분류하는 것입니다.

아웃 바운드 업무 수행은 해피콜, 불완전판매 모니터링, 연체 알림, 상환 고지 등 복잡한 상품 설명이 아닌 단답형의 업무에 AI를 활용할 수 있습니다. 하지만 이러한 단답형의 아웃 바운드 호의 업무도 컨택센터의 주요 업무 중에 하나이며, 생각보다 많은 시간을 할애해야 하는 것도 또한 현실입니다.

AI를 이용하여 고객에게 공지 또는 정보를 전달하고 고개의 반응 및 변경 정보를 수신하여 업데이트 할 수 있는 로직을 사용하여, 굳이 상담원이 통화하지 않아도 컨택센터에서 원하는 업무 처리를 수행할 수 있습니다. 또한 AI가 처리하기 힘든 고객의 응대가 발생할 경우 상담원과의 연결을 통해서 이 부분에 대한 해결이 가능하여 기존보다 훨씬 적은 인력을 투입하고도 동일한 또는 더 큰 효과를 얻을 수 있습니다.

3. 표준화된 상담 응대를 통한 응대 수준 증가

컨택센터 업무를 시작하는 많은 상담원들에 대한 교육은 언제나 강조하여도 모자라지 않는다고 생각됩니다. 수시로 변하고 있는 트렌드에 맞춰 신규 제품에 대한 출시는 점점 빨라지고 있으며, 제품의 복잡성도 점점 증가하고 있습니다. 거기에 감성 노동에 대한 어려움으로 상담원 간의 이직률은 증가하고 있으며, 비대면 접촉인 컨택센터로의 인입 호는 더욱 많아졌습니다.

이런 현실 속에서 신규 직원에 대한 교육은 일정 시간이 소요되며, 그 시간을 단축하는 것은 쉽지 않은 일입니다. 거기에 기존 인력의 지원이 필요한 것 또한 컨택센터의 입장에서는 적지 않은 부담이 될 수밖에 없습니다. 신규 인력은 용어에 익숙하지 않고 어떤 내용을 검색하여 고객에게 설명해야 할지 잘 모를 수밖에 없습니다. 이런 부분들이 상담 시간의 지연을 발생시켜 상담 품질의 저하가 발생하고, 고객은 그동안 기다리게 되어 불만이 발생할 수 있습니다. 

이러한 부분에서 AI는 또다른 강사의 역할과 든든한 지원군이 될 수 있습니다. 기존의 상담이 진행되었던 사례들과 KMS(상담 지식 시스템) 등의 연동을 통하여 고객이 이야기하는 내용에 대한 자동 검색 기능과 검색된 내용에 대한 알림을 통하여 초보 상담원들의 빠르게 정확한 응대를 할 수 있도록 지원합니다. 이러한 기능은 또한 STT 기능을 활용하는 것으로 상담원이 직접 키워드를 입력하는 것이 아니라 프로세스로 자동입력 되므로 초보 상담원만 아니라 숙련된 상담원에게도 많은 도움을 줄 수 있으며, 상담의 질과 상담 시간의 단축으로 컨택센터의 생산성을 향상시킬 수 있습니다.

4. 상담 내용 및 고객 요청사항 기반의 초개인화 서비스 토대 구현

요즘은 정말 많은 정보들이 산재되어 그 중에 어떤 부분을 활용해야 할지 모르는 시대에 살고 있습니다. 이러한 많은 정보에 대한 처리를 위하여 빅데이터라는 용어와 그 활용에 대해 많은 관심을 가지고 도입을 고려하는 기업이 많아지고 있는데 이러한 정보들을 AI는 좀 더 편리하게 운영 될 수 있게 지원하고 있습니다.

기존에는 많은 데이터에 대해 정형화된 정형 데이터를 기반으로 모든 통계 및 마케팅에 사용을 해왔습니다. 이러한 데이터는 기존에 정의된 항목이 아닐 경우 버려지거나 없어져 버리는 경우가 많습니다. AI를 활용하면 앱 및 웹사이트의 사용자 추적데이터, 뉴스레터 전환율, 온라인광고 클릭률, CRM 데이터 분석까지 모든 부분의 방대한 데이터에 대해 분석하고, 정형, 반정형, 비정형 데이터에 대한 종합적인 분석을 더해 유의미한 데이터를 생성할 수 있습니다.

또한, 이를 기반으로 발생할 수 있는 상황을 예측하는 예측 분석을 통해 집단 별, 그룹 별 맞춤 데이터 형성부터 초개인화 데이터 형성까지 다양한 형태의 필요 데이터를 생성할 수 있습니다. 앞으로의 시대에서는 통념 적인 지역, 나이, 성별 등의 큰 카테고리의 마케팅은 유의미한 결과를 도출하기 어려워지고 있으며, 세분화되어 각 개인의 특성, 성향, 가치에 중심을 둔 초개인화 마케팅이 필요한 시대로 전환되고 있어 AI를 이용한 다양한 형태의 데이터 생성이 더욱 중요해지고 있습니다.

AI는 단순하게 솔루션을 도입하고 적용할 수 있는 솔루션은 아닙니다. 다양한 부분에 영향을 주고 적용할 수 있는 솔루션이기에 그만큼 더 많이 공부와 준비가 필요한 솔루션입니다. 우리 업무 중 단순 업무에 대해 분석하고 자동화 할 수 있는 부분에 대한 명확한 정의가 필요합니다. 그를 기반으로 인바운드/아웃바운드 호에 대한 자동화를 구현할 수 있으며, 기존 상담내역에 대한 데이터를 추출하고 마케팅에 활용 할 수 있습니다.

지금까지 다양한 AI의 도입 효과에 대해 이야기하였으나 가장 중요한 것은 남들이 진행하고 있는 트렌드를 억지로 따라가기 위한 부분이 아니라고 생각합니다. 현재 우리가 필요한 부분에 대해 우선 파악하는 것이 중요하며, 우리의 문제를 해결할 수 있는 형태의 시스템이 가장 우선되는 부분입니다.

우리의 고객은 사람이며, 사람과 사람이 함께하는 감성적인 그러면서도 빠르고 정확하게 고객의 문제를 해결해 줄 수 있는 감성과 지성이 함께 공존할 수 있게 AI를 활용하면 좋을 것 같습니다.

AI라는 생소한 솔루션에 대해 자세한 설명과 도입에 필요한 요소들을 확인하고 싶으시면 아리시스의 전문가에게 문의하여 주시기 바랍니다. 전담 메니저가 적극적으로 컨설팅하여, 좀 더 효과적인 검토를 지원해 드리겠습니다.

영업지원부/장조은 매니저

e-mail 문의 : sales@arisys.co.kr