가상 상담사: 기존
챗봇의 한계를 넘어서다

고객 서비스 요청이 증가하고 상담사 이직률이 이미 40%에 가까워짐에 따라, 이러한 추세는 컨택센터에 눈덩이 효과를 일으켜 고객 경험에 부정적인 영향을 미치고 수익을 감소시킬 수 있습니다. 이 문제를 해결하기 위해 기업들은 봇을 사용하여 공백을 메우고자 합니다.

그러나 기존 챗봇은 셀프 서비스 기능을 강화하기 위한 표준 솔루션으로 사용되어 왔지만, 특정 용도로만 설계되었기에 작업을 수행하는데 있어 유연성이 제한적입니다.

이들은 인간 상담사처럼 모호한 상황을 처리하거나 브랜드가 원하는 방식으로 정보를 맞춤화하여 제공할 수 없습니다. 때문에 복잡한 질문을 인간 상담사에게 넘기는 것은 가능하지만, 컨텍스트가 부족할 경우 고객이 똑같은 내용을 반복해야 하므로 부정적인 고객 경험으로 이어질 수 있습니다.

가상 상담사는 대화형 AI의 차세대 기술로, 조직이 맥락과 적응성을 통해 범위를 확장할 수 있도록 지원합니다. 특정 입력에만 응답하는 대신, 가상 상담사는 AI와 자연어 이해를 사용하여 고객의 요구를 실시간으로 해석하고, 대화 흐름에 따라 동적으로 응답을 조정하며, 맥락을 캡처하여 인간 상담사에게 전달할 수도 있습니다.

이는 룰기반의 챗봇보다 더 개인화되고 복잡한 인터랙션을 가능하게 합니다. 가상 상담사는 인간 상담사와의 핸드오프를 매끄럽게 수행할 뿐만 아니라, 고객에게 공감을 표현하도록 훈련 또한 받습니다.

가상 상담사: 기존 봇의 차세대 프론티어

과거에 봇 구현에 대한 초기 논의는 그 기능에만 초점을 두었습니다. 그런 다음, 어떤 질의를 처리할 것인지 고민했습니다. 그 다음 단계는 봇이 작업을 관리할 수 있는 흐름을 결정하고, 그에 따라 그 흐름을 설계하는 것이었습니다.

많은 노력을 기울인 후에는 그럴듯한 봇을 만들 수 있지만, 여전히 상당한 제한점이 존재할 수 있습니다. 봇은 사전에 정의된 스크립트 외의 질문을 받으면 멈출 수밖에 없습니다. 이는 새로운 데이터를 학습하거나 시간에 따라 응답을 개선하거나, 요청의 맥락을 이해하여 더 적절한 답변을 제공할 수 없기 때문입니다.

AI 기술, 특히 대규모 언어 모델(LLM)과 생성형 AI의 발전 덕분에 기업들은 가상 상담사의 잠재력을 쉽게 실현할 수 있게 되었습니다. 가상 상담사는 사용자 행동을 학습하면서 응답을 조정하여 개인화와 효율성을 높일 수 있습니다.

가상 상담사가 기존 봇을 한 단계 더 발전시키는 여섯 가지 방법과 이를 통해 기대할 수 있는 이점을 살펴보겠습니다.

1. 정적 스크립트를 넘어서는 인텐트 구축

가상 상담사는 전통적인 봇이 수행할 수 있는 범위를 크게 확장합니다. 이러한 진화의 첫 번째 사례는 인텐트 구축에서 확인할 수 있습니다. 이전에는 개별 발화를 세심하게 관리하고, 시간이 지남에 따라 지속적으로 조정해야 했습니다. 하지만 대규모 언어 모델(LLM)은 이를 바꾸어 놓았습니다.

이제는 좁은 활동에 초점을 맞춘 일련의 LLM 기반 작업을 통해 문제를 해결하는 단계를 정의하고 설계하는 것이 훨씬 간단해졌습니다. 이러한 플로우 기반 설계는 솔루션이 훈련된 대로만 작동하도록 보장하며, 훈련 과정이 더 쉽거나 자동화될 수 있도록 합니다.

예를 들어, “정보 수집”이나 “아티클 찾기” 같은 작업을 설명하면 LLM이 이를 수행합니다. 이런 방식으로 인해 인텐트 설정, 경로 및 플로우가 과거보다 자연스러운 언어로 더 유연하게 만들어집니다. 이러한 유연성을 통해 가상 상담사는 더 복잡한 상호작용을 처리할 수 있을 뿐만 아니라, “인텐트 전환”도 수행할 수 있어 상호작용 처리 방식이 더욱 인간과 유사해집니다.

고객이 가상 상담사에게 제품 기능에 대한 질문을 한다고 가정해 봅시다. 가상 상담사가 해당 질문에 답변한 후, 고객은 완전히 새로운 질문을 할 수도 있습니다. 이때 가상 상담사는 원활하게 ‘문의 모드’로 전환될 수 있으며, 심지어 원래 질문을 다시 참조할 수도 있습니다.

고객은 인간 상담사와의 대화처럼 구체적인 지시 없이 가상 상담사와 상호작용합니다. 또한 가상 상담사는 정확한 질문에 따라 응답을 개인화할 수 있으며, 정보를 검증하기 위해 출처를 인용할 수도 있습니다.

2. 상담사 및 CRM 시스템으로의 포괄적인 핸드오버

챗봇은 가상 상담사처럼 고객 상호작용의 맥락을 파악하거나 다음 단계로 이관을 원활하게 수행할 수 없습니다. 챗봇의 이관 과정에서는 고객과의 상호작용에서 완전한 요약본이나 배경 정보, 마무리 코드가 부족하기 때문입니다.

상호작용이 끝난 후, 가상 상담사는 적절한 다음 단계를 선택합니다. 만약 인간 상담사가 이 문의를 이어받아야 한다면, 가상 상담사는 대화 요약본을 작성하여 이관 시 함께 전달할 수 있습니다. 이를 통해 상담사는 가상 상담사가 맺었던 대화의 맥락을 유지한 채로 대화를 이어나갈 수 있습니다. 결과적으로 고객은 같은 내용을 반복할 필요가 없으며, 이는 직접적인 고객 경험 개선으로 이어집니다. 작업이 완전히 완료된 경우, 가상 상담사는 대화 요약을 작성하고 미리 정의된 마무리 코드를 태그합니다.

이는 인간 상담사와 동일한 후속 작업을 수행하는 것입니다. 이러한 방식으로 가상 상담사는 시간 소모적인 다수의 작업을 처리하며, 일관된 방식으로 통찰을 수집합니다. 두 경우 모두 가상 상담사는 CRM 시스템에 세부 정보를 저장하여 다른 도구, 가상 상담사, 관리자 및 인간 상담사가 이를 활용할 수 있도록 합니다.

3. 고객 여정에 대한 가시성 확보로 사전 문제 해결

기존의 챗봇은 고객 여정 전반에 걸쳐 발생하는 격차를 밝혀주는 분석에 접근하거나 이를 활용할 수 없습니다. 어떤 정보가 누락되었는지, 또는 필요한 정보가 무엇인지조차 알지 못합니다. 그러나 가상 상담사는 모든 상호작용과 여러 접점에서 이러한 누락된 부분을 식별할 수 있습니다.

제공되는 인사이트는 실행 가능하고, 전통적인 메트릭 대시보드와는 차별화됩니다. 전통적인 대시보드는 해석에 시간이 걸리지만, AI 기반의 의도 및 감정 분석을 활용하면 고객 경험이나 컨택 센터의 지속적인 개선이 현실화됩니다.

데이터는 고객이 가장 자주 사용하는 경로, 이탈 지점, 그리고 여정을 개선하기 위해 해결해야 할 비효율성을 밝혀냅니다. CRM 시스템과의 통합을 통해 이러한 세부 사항은 서비스를 제공할 때 개선이 필요한 격차를 사전에 결정하고 이를 해결하여 고객 경험을 최적화하는 데 도움을 줍니다.