챗봇, 인공지능(AI), 상호작용 음성 응답 및 기계 학습과 같은 것들의 출현으로, 새로운 기술들이 연락 센터 산업에 계속해서 혼란을 일으키고 있습니다. 이러한 발전은 종종 자동화가 언젠가 인간을 대체할 것이라는 두려움을 동반합니다. AI에 대한 과장을 분석하고 실제 기회를 탐색하기 위해, Customer Contact Central와 협력하여 클라우드 기반 솔루션에서의 AI에 대해 토론했습니다. 기록된 웨비나에 접근하려면 여기를 클릭하거나 아래를 읽어보시면, 고객 서비스 센터가 AI에 대해 현실적으로 사고해야 하는 방법을 요약한 내용을 확인하실 수 있습니다. 이를 위해 AI 솔루션을 평가할 때 공급업체에게 물어볼 다섯 가지 질문이 포함되어 있습니다.

인공지능의 현실과 과장

과연 인공지능이란 무엇을 의미합니까? AI라는 더 넓은 범주 안에는 많은 전문 분야가 있으며, 우리는 종종 각 분야가 실제로 무엇을 포함하는지에 대한 혼란을 보게 됩니다. 먼저, AI는 컴퓨터 과학의 하위 분야입니다. 이는 기계에 인간의 지능을 시뮬레이션하려는 초점을 맞추고 있습니다. AI라는 범주 아래에는 기계 학습(ML), 자연어 처리(NLP), 그리고 심층 학습(DL)이 있습니다.

기계 학습은 기계가 데이터를 통해 학습하고, 그 학습에서 얻은 가치를 최종 사용자에게 제공하는 기법을 뜻합니다. NLP는 기계가 자연어의 의미를 이해하도록 만드는 것이며, 여기에는 인간이 서로 소통하기 위해 사용하는 단어의 의도가 포함됩니다. 심층 학습은 인간의 생물학적 뇌의 구조에서 영감을 받은 알고리즘에 해당합니다. DL은 최근 많은 흥미를 불러 일으켰습니다. 왜냐하면 이는 뇌가 실제로 작동하는 방식을 시뮬레이션하는 것과 가장 가까운 기계적 등가물이기 때문입니다.

그럼 이제 우리는 AI를 정의했으니, 이 기술은 어디에 있을까요?

AI는 오랫동안 "다음 큰 변화"였고 있습니다. 컴퓨팅의 출현 이후, 궁극적인 목표는 항상 인간의 동료처럼 행동할 수 있는 정교한 기술을 만드는 것이었습니다. AI는 많은 상승과 하강을 겪었기 때문에 우리는 이러한 경향을 "계절"이라고 합니다. 모든 일이 잘 진행될 때 우리는 이를 'AI 봄'이라고 부릅니다. 모든 일이 잘 진행되지 않을 때, 이를 'AI 겨울'이라고 부릅니다. 현재 우리는 AI 봄에 있습니다.

마지막 큰 기술 변화인 클라우드 컴퓨팅을 지나, AI를 작동시키는 데 필요한 데이터와 처리 능력은 그 어느 때보다 접근 가능하고 저렴해졌습니다. 기업들이 방대한 양의 데이터를 저장하고 AI를 촉진하는 데 필요한 컴퓨팅 파워를 위해 자체 환경을 구축해야 했던 과거와는 달리, 클라우드 컴퓨팅의 발전 덕분에 AI는 더 쉽게 운영될 수 있게 되었습니다. 이제 우리는 클라우드 컴퓨팅의 대기업들이 아마존, 구글, 마이크로소프트가 실제 데이터 처리 능력과 클라우드 컴퓨팅뿐만 아니라 AI 서비스도 제공하고 있는 모습을 보게 됩니다. 기업들은 이제 이러한 기술을 활용하고 활용하여 AI 기반 솔루션을 가져올 수 있습니다.

향상된 기업 사용자 경험(UX)과 사용하기 쉬운 인터페이스는 AI의 성장을 기하급수적으로 증가시켰습니다. 소프트웨어가 사용하기 쉬울수록, 더 많은 데이터를 생성하게 됩니다. AI를 훈련시키는 데 활용할 수 있는 데이터가 많을수록 솔루션은 더 나아집니다. 기업 소프트웨어는 최근 소비자화 과정을 거쳤습니다: 우리가 직장에서 사용하는 소프트웨어는 이제 개인 생활에서 사용하는 소프트웨어만큼이나 즐겁고, 더 이상 뒤지지 않습니다. 기업 소프트웨어의 UX가 핵심으로 고려되는 아이디어는 이러한 기술을 발전시키고 많은 흥미를 유발하는 데 기여했습니다.

흥미가 있을 때 과장이 따라옵니다.

AI에 대한 모든 흥미를 고려할 때, 이 기술이 실제로 무엇이 가능한지에 대해 정확한 설정을 하는 것이 중요합니다. 가트너는 기술 동향을 플로팅하여 어떤 신기술들이 가장 과장된 것인지를 보여주는 “과장 주기”라는 것을 발표했습니다. 과장은 솔루션이 과장 주기를 오를 때 상승하고, '고평가된 기대의 정점'에서 정점을 찍고, 기술이 불가피하게 과장을 잃고 '환멸의 구덩이'에 진입했을 때 다시 하락합니다. 최종 목표는 곡선을 초월하고 '계몽의 경사'를 타고 '생산성의 고원'으로 오르는 것입니다.

일부 기술은 주기에서 이탈하고 최종 곡선에 도달하지 못하지만, 많은 기술이 그렇게 됩니다. 위의 예는 과장 주기의 최신 반복이며, 매우 과장된 심층 학습이 정점에 위치해 있습니다. 2009년에는 클라우드 컴퓨팅이 주기의 정점에 있었습니다. 당시와 지금의 행동이 동일하게 발생했으므로 오늘날 가장 과장된 기술들과 비교하는 것은 흥미롭습니다.

기술이 지나치게 과장될 때, 우리는 각종 미친 글들이 작성되고 그것에 대한 불길한 영화들이 만들어지는 것을 보게 됩니다. Westworld와 같은 쇼와 AI가 곧 인간보다 더 나은 소설을 쓸 것이라는 주장을 하는 기사들 사이에서, 미디어와 대중 문화에서 AI가 어떻게 묘사되는지는 종종 혼란스러움을 주며, 이것은 AI가 잘못될 경우 어떤 것들이 발생할지에 대한 두려수에 기여합니다. AI가 인류에 위협을 가할 수 있다는 매우 실질적이고 광범위한 두려움이 존재합니다.

이 두려움의 일반적인 표현 중 하나는 고객 서비스 팀이 기계에 의해 자신의 일자리를 잃게 될까 걱정하는 것입니다. AI가 인간을 대체하고 프로세스를 자동화하는 것에 대한 모든 논의는 AI가 어떻게 변화를 가져올 수 있을지를 간과하고 있습니다.

연락 센터에서 AI의 진정한 기회

직장에서 채택되는 많은 기술들은 전통적으로 비용 절감 방법으로 적용되어 왔습니다. 기업으로서 우리는 비용 절감 가능성을 근거로 기술 구입을 제안합니다. 그러나 AI의 경우 많은 제안들이 잠재적 수익 증대를 기반으로 하고 있습니다. 기업들은 AI가 비용을 절감할 수 있는 방법이 아니라, AI가 그들에게 수익을 창출할 수 있는 방법을 모색하고 있습니다. AI가 고객 서비스 상담원들이 무료 플랜에서 유료 플랜으로 더 많은 고객을 전환시키는 데 어떻게 도움을 줄 수 있을까요? AI가 고객이 제품을 더 잘 이해하게 하여 갱신할 수 있도록 도와줄 수 있는 방법은 무엇인가요?

비용 절감에서 수익 창출로의 이러한 전환은 정말 흥미로운 재구성입니다. 이는 고객 서비스 분야가 비용 센터에서 수익 센터로 전환하는 비슷한 전환과 잘 연결됩니다.

고객 서비스는 비용 센터에서 수익 센터로 변화하고 있습니다.

고객 서비스 팀은 거래가 성사된 후에도 고객들과 가장 긴밀한 관계를 유지하므로, 우리는 그들이 이러한 고객들과 더 나은 대화를 나누고 더 나은 관계를 형성할 수 있도록 어떻게 도와줄 수 있을까요? 그러한 밀접한 관계에도 불구하고, AI 관련 대화의 불균형은 고객 서비스 상담원이 고객과 직접 대화하는 것을 제거하는 솔루션에 적용됩니다.

CX를 위한 4가지 유형의 AI

디플렉션은 간단하고 반복적인 질문을 가지고 접근하는 고객을 가로막고, 그들이 질문하기도 전에 답변하는 것을 의미합니다. 이 기술은 지원 상담원과의 상호작용을 방해합니다. 이는 비용 절감 접근 방식이며, 수익 창출 방식이 아닙니다.

봇은 인간 고객 서비스 경험을 시뮬레이션합니다. 그러나 고객 경험을 인식하고 있는 한, 가장 좋은 봇 디자인은 전화선의 반대쪽이 봇이라는 것을 분명히 해야 합니다. 좋은 봇은 인간처럼 행동하려 하지 않으며, 대기 신호를 보강하고 가치를 제공합니다.

프로세싱 또는 워크플로우 AI는 일반적으로 상담원을 대상으로 합니다. 이러한 솔루션은 일반적인 문제를 파악하고 완화하는 데 초점을 맞춥니다. 인간으로서 고객이 자주 어떤 문제에 직면하는지 정확히 지적하기는 어렵습니다. 왜냐하면 모든 티켓을 색인화하고 분류하며 주제, 경향 및 감정을 파악해야 하기 때문입니다. 기계는 고객의 문제를 분류하고 분석하는 데 더 적합하므로, 이곳에서 프로세싱 AI가 일반적으로 등장합니다.

코칭 AI는 고객이 아닌 상담원을 대상으로 합니다. 이러한 유형의 AI는 인간이 자신의 일을 더 잘 수행할 수 있도록 돕고 권한을 부여하는 것을 목표로 합니다. 이 AI는 상담원이 고객과 더 나은 대화를 나누고 더 많은 시간을 고객 질문에 대한 답변을 찾기보다는 고급 경험을 창출하는 데 할당할 수 있도록 도와줍니다. 코칭은 우리가 Guru에서 AI를 다루는 방식에 대한 사고입니다. 인간에게 권한을 부여하는 것은 고객 서비스 팀을 위한 장기적인 가치를 창출하는 훌륭한 방법입니다. 이 AI 기술은 자동화를 넘어 누군가가 더 나아지도록 돕는 데 100% 집중하고 있습니다.

AI 공급업체에게 물어봐야 할 5가지 질문

새로운 AI 솔루션을 고려할 때, 당신이 생각하고 있는 이니셔티브가 성공을 위해 최적화되어 있는지 확인하는 것이 중요합니다. 여기에는 평가 단계 동안 공급업체에게 물어볼 수 있는 질문과 함께 염두에 두어야 할 다섯 가지 고려사항이 있습니다.

1. 우리는 귀하의 솔루션이 개선해야 할 지표가 무엇인지 예상해야 합니까?

모든 일을 할 수 있는 자에게 주의하세요. 일부 AI 시스템이 저지르는 실수는 너무 많은 일을 하려는 것입니다. 오늘날의 AI 시스템은 할 수 있는 능력이 제한적이므로, 특정 문제를 해결하는 데 집중하는 것이 정말 중요합니다. AI 시스템이 제안을 만드는 데 사용하는 훈련 데이터는 성공과 직접적으로 연관되어 있습니다. AI 시스템 하나로 세 가지 또는 네 가지 비즈니스 문제를 해결하려고 하면, 평범한 결과를 예상해야 합니다.

이 문제의 핵심에 도달하기 위해 물어야 할 질문은 "우리는 귀하의 솔루션이 개선해야 할 지표가 무엇인지 예상해야 합니까?",입니다." 귀하의 성과를 측정하는 데 사용하는 지표와 어떻게 관련될 것인지를 궁금하게 만듭니다. 여기에서 구체적인 답변이 필요하며, 한 번에 일곱 개 또는 여덟 개의 일을 동시에 해결한다고 주장하는 솔루션에 주의하십시오. 특정 결과에 초점을 맞춘 솔루션은 성공할 가능성이 매우 높습니다. 명확한 문제를 해결하는 AI 제품에 투자하고, 훈련할 수 있는 귀중한 데이터에 접근할 수 있어야 합니다.

2. 우리 고객은 어떤 경험을 하게 될까요?

귀하의 상담원과 고객을 모두 권한을 부여하십시오. 어떤 AI 시스템을 고려하든지 최종 고객 경험에 매우 집중해야 합니다. 포레스터는 기업들이 고객 트래픽(채팅, 전화 통화)을 AI 시스템으로 너무 강하게 유도하는 것과 관련하여 직면하는 위험에 대해 설명하는 보고서를 발표했습니다. 너무 강하게 유도할 경우, 기업은 고객 만족도에 타격을 줄 수 있습니다. AI가 돈을 절약하고 수익을 유도하는 데 도움이 되길 바라지만, 고객 만족도를 희생해야 하진 않습니다.

우리 고객이 어떤 경험을 할 것인가?라고 물어보면서, 솔루션이 훌륭한 고객 경험을 제공하는 방식에 부합하는지를 확인할 수 있습니다." 어떤 시스템과도 상호작용할 때 최종 고객이 경험하게 될 내용을 주요 관심사로 삼아야 합니다.

3. AI 솔루션의 학습 및 개선 방식은 무엇인가요?

“비밀 소스”를 조심하십시오. 투명성이 중요하다. 공급업체들은 그들이 수집하는 데이터와 그 이유에 대해 명확해야 합니다. AI 시스템은 귀하가 공급해야 하는 데이터를 바탕으로 구축되므로, 어떤 AI 공급자가 어떤 데이터를 사용하여 학습할 것인지, 어떻게 그 데이터가 저장되는지, 얼마나 오랫동안 저장되는지를 명확히 알려주는 것이 중요합니다.

"귀하의 AI 솔루션은 어떻게 학습하고 시간에 따라 개선됩니까?"라고 물어보면, AI 공급자가 귀하의 데이터 세트를 어떻게 필요로 할지를 알 수 있습니다."

4. 우리는 우리의 지식을 어떻게 최신 상태로 유지하고 정확하게 할 수 있을까요?

최신 지식이 없는 AI는 연락 센터에서 실패할 것입니다. 이는 '모든 일을 잘하는 사람' 개념과 관련이 있습니다. 귀하의 환경에 있는 지식은 해당 주제 전문가들의 노하우, 제품, 시스템 및 프로세스의 집합체로 생각해야 하며, 이 모든 것은 함께 작용합니다. 그러한 노하우를 활용하는 AI는 귀하에게 그 지식이 정확하고 최신 상태로 유지된다는 것을 확신할 수 있는 방법이 필요합니다.

AI에는 폐쇄 루프라는 개념이 있습니다. 시간이 지남에 따라 교육 중인 AI 시스템이 요구하는 지식과 것들이 변경될 수 있습니다. 이는 귀하의 제품이 변경되고 경쟁자가 시장에 진입하거나, 귀하의 팀 규모가 증가하면서 지원 방식을 변경하는 것을 포함합니다. 이러한 불가피한 변화 속에서, 귀하가 원하지 않는 것은 자신의 학습을 지속적으로 발전시키지 못하는 AI 시스템입니다. 이는 AI 시스템이 시간이 지남에 따라 질 낮은 정보를 반환하기 시작할 때 관찰하게 됩니다. 시스템이 출력의 질을 줄일 때, 이는 귀하의 조직과 함께 학습하고 발전하지 않는다는 선행 지표입니다.

문제는 여러분이 지식이 점차 감소하기 시작하는 몇 달 후까지 이러한 상황을 눈치채지 못할 수도 있다는 것입니다. 그래서 처음에 물어보아야 할 훌륭한 질문은 "우리는 지식을 어떻게 최신 상태로 유지하고 정확하게 할 수 있을까요?"입니다."

5. 귀하의 솔루션이 어떻게 우리의 에이전트들이 업무를 더 잘 수행하게 만들까요?

AI는 사람들에게 힘을 주어야지, 그들을 대체해서는 안 됩니다. 반드시 "귀하의 솔루션이 어떻게 우리의 에이전트들이 업무를 더 잘 수행하게 만들까요?"라고 물어보세요.이 질문의 즉각적인 영향이 귀사의 AI 솔루션에 대해 무엇일지 알아보는 것이 중요합니다. 시간이 지남에 따라 업무를 자동화할 수 있는 중요한 기회가 생기겠지만, 지금은 겉치레처럼 들리지 않는 이 질문에 대한 답을 얻는 것이 중요합니다. "자동화"와 "가상 에이전트"와 같은 용어는 단기적으로 실질적인 응용 프로그램이 적은 AI 솔루션을 나타내는 경향이 있습니다.

다시 말하지만, 아직은 상대적으로 이른 시점입니다. AI는 장기적인 능력과 영향력에서 깊이가 있지만, 공감과 같은 것을 이해하는 데는 여전히 먼 길이 남아 있습니다. 고객이 화가 났을 때 AI 시스템을 직접 사용하게 하면 상황이 나아지지 않을 것입니다. 이러한 질문들은 제품의 결과에 대해 최선을 다해 생각하고 있다는 것을 보장합니다.

최종 생각들

클라우드 컴퓨팅이 그랬던 것처럼, AI는 기업뿐만 아니라 모든 인간에게 변화를 가져오는 것입니다. 주목할 만한 과대광고가 있지만, 많은 사람들이 그 능력을 오해하지만, 올바른 결과에 집중한다면 지금 달성할 수 있는 실제 이득이 있습니다. AI를 "우리를 자동화하여 없애기"가 아닌, 우리가 성장하는 데 도움을 주는 AI로 생각한다면 어떨까요? AI가 인간으로서 개인적으로나 직업적으로 우리를 발전시키는 것입니다? 그것이 바로 우리가 필요한 사고의 전환이며, 이 기술에 대해 가능한 것에 대해 매우 흥미로울 것입니다.

고객 센터와 귀하의 전체 조직에서 인간에게 힘을 주기 위해 AI를 사용하는 방법에 대한 더 많은 정보는 (그리고 Guru의 이 다섯 가지 질문에 대한 답변)는 info@getguru.com에 문의하세요.