챗봇 완전 정복: 구축, 배포, 흔한 함정 피하기

챗봇에 대한 수다(d)는 많았지만, 이제 냉혹한 사실로 들어가야 할 때입니다.

챗봇은 내부용과 고객 대면용 모두에서 다양한 기능을 수행할 수 있습니다. HR 현대화부터 고객 경험 개선까지, 소프트웨어 로봇은 직원과 고객이 조직과 브랜드와 관여하는 방식을 변화시키기 시작했습니다. AI가 계속 프레임에 들어오면서 이는 그들의 지능과 역량을 가속화할 것입니다.

챗봇의 현재와 잠재적 기능은 잘 문서화되어 있지만, 우리는 세 가지 주요 질문을 통해 기술을 해부하고자 합니다: 챗봇이란 무엇인가? 챗봇을 어떻게 만드는가? 왜 챗봇은 실패하는가?

챗봇이란 무엇인가?

챗봇은 사람과 자동화 서비스 사이의 대화형 인터페이스를 설명합니다.

점점 더, 기술이 진화함에 따라 봇 플랫폼은 AI와 결합해 지능형 비서(intelligent assistants)를 만듭니다. 음성이든 텍스트든 말이죠.

챗봇을 어떻게 만드는가?

최초 챗봇이 1966년 만들어졌지만, 챗봇 제작 방식에 중대한 변화가 온 건 지난 5년뿐입니다.

전에는 개발자들이 많은 커스텀 코드를 만들어야 했습니다.

"이제 그런 것들의 많은 부분이 아웃오브더박스로 제공되고, 봇[초기 버전 봇]을 만드는 데 몇 주 걸리던 게 며칠, 때론 몇 시간으로 단축됐습니다."라고 멀렌로우 프로페로(MullenLowe Profero)의 전략 개발 디렉터 하워드 풀(Howard Pull)은 설명합니다.

어떤 기술이든 시간이 효율성과 생성 옵션을 개선합니다. 아주 단순하게 만들고 싶다면 아마존 블루프린트(Amazon Blueprint) 같은 플랫폼을, 챗퓨얼(Chatfuel)은 경험 없는 사람도 메신저용 마케팅 봇을 만들 수 있게 합니다.

AI로의 전환도 봇 빌딩 게임의 역학을 바꿨습니다. 아마존과 마이크로소프트 같은 기업들이 인지 서비스(cognitive services)로 클라이언트나 사용자가 AI를 봇에 매우 간단히 꽂을 수 있게 합니다. 그리고 결과는 변혁적입니다.

예를 들어 고객 서비스용 영어 챗봇이 있다면, 이제 마이크로소프트의 인지 서비스나 아마존의 것에 아주 간단히 연결해 즉시 다국어 역량을 그 봇에 추가할 수 있습니다. 중요하게, 브랜드는 이걸 선불 투자 없이 종량제(pay-as-you-go) 모델로 이용할 수 있습니다.

AI 요소

좋습니다, 주요 세 질문에서 약간 벗어나지만, 챗봇 분야에 AI 도입의 영향을 탐구할 가치가 있습니다.

풀(Full)에 따르면 AI는 챗봇에 세 가지 방식으로 영향을 줍니다: 감지(sensing), 사고(thinking), 행동(acting).

• 감지(Sensing)

챗봇에서 AI와 감지는 서비스를 어떻게 다른 방식으로 발견하고 사용할 수 있는지를 다룹니다. 그건 정말 이미지 인식, 사람 인식, 객체 인식, 음성 인식, 톤과 감정 인식에 관한 겁니다. 이건 지난 12개월간 극적으로 개선됐습니다.

• 사고(Thinking)

챗봇에서 AI와 사고는 챗봇과 그것이 생성하는 데이터가 어떻게 패턴을 감지하고, 그 패턴에 적응하며, 매우 빠르게 새로운 서비스를 제공할 수 있는지를 다룹니다.

• 행동(Acting)

챗봇에서 AI와 행동은 고객 여정이나 경험을 다룹니다. 봇이 고객 서비스 게임을 바꿀 매우 구체적 기회가 있습니다: 더 똑똑한 제품 추천, 매장 연결, 적절한 사람 연결, 막다른 골목 대신 더 똑똑한 다음 단계를 주는 것.

팁: 빅테크 스마트를 챗봇에 적용하세요

왜 챗봇은 실패하는가?

이게 핵심 질문입니다. 업계에 실패가 많기 때문입니다.

1순위 실패 이유는 설계 단계에서 일부 봇이 고객 경험을 염두에 두지 않고 만들어지기 때문입니다(아이러니하게도). 봇이 무엇보다 대화적이어야 한다는 오해 때문에 그렇게 만듭니다. 하지만 그게 포인트가 아닙니다. 챗봇의 포인트는 고객 경험을 향상시키는 것이고, 대화 능력은 우선순위가 아닙니다.

"사람들은 봇과 대화하며 시간 낭비하고 싶지 않습니다. 봇이 자기 시간을 더 효율적으로 만들어주길 원합니다. 그래서 많은 브랜드가 대화 자체에 초점을 맞추는 게 아니라, 그 안에서 사용자의 목표에 초점을 맞춰야 한다는 실수를 합니다."라고 풀은 말합니다.

봇이 잘못된 장소나 잘못된 시기에 배치돼도 종종 실패합니다. 고객 여정과 일렬로 배치되거나 보완적이어야 합니다. 그렇지 않으면 실패합니다.

과잉 복잡화도 실패 이유입니다. 어떤 기술이든 단순함이 낫습니다. 풀은 프레타망제(Pret-a-Manger) 예를 듭니다. 몇 년 전 전체 메뉴를 봇에 넣었습니다. 고객이 물리적 메뉴를 보는 게 더 단순함이 드러났습니다.

데이터도 중요한 요소입니다. 조직이 데이터에 접근할 수 없거나, 봇 훈련과 테스트 역할을 간과하면 실패 확률이 높습니다.

"봇의 성공은 사용자가 그 봇과 관여하도록 얼마나 영감을 받는지, 그리고 어떻게 그들을 목표에 연결해주는지에 달려 있습니다. 정말 브랜드 경험에 관한 것입니다."라고 풀은 결론 내립니다.