IDG Tech Dossier 궁극의 개인화 커뮤니케이션 인터페이스 챗봇 구축 …

무단 전재 재배포 금지

본 PDF 문서는 IDG Korea의 프리미엄 회원에게 제공하는 문서로, 저작권법의 보호를 받습니다.

IDG Korea의 허락 없이 PDF 문서를 온라인 사이트 등에 무단 게재, 전재하거나 유포할 수 없습니다.

I D G T e c h D o s s i e r

궁극의 개인화 커뮤니케이션 인터페이스

챗봇 구축 실무 가이드챗봇은 생각보다 우리 주변에 가까이 와 있다. 뱅크오브아메리카, 마스터카드 등 세계적 금융, 카드사가 이미 도입해 운영중이고

제조, 유통 등에서도 활발하게 사용하고 있다. 챗봇 기술의 확산 속도는 지금은 보편화된 모바일 앱보다도 훨씬 빠르다. 앞으로 단

순한 조회 기능을 넘어 완벽하게 개인화된 미래의 인터페이스로 자리를 잡을 것이라는 전망도 나오고 있다. 여기서는 전자상거래

와 유통, 제조, 금융 등의 주요 사례와 함께 챗봇 구축시 주의해야 할 사항을 살펴본다. 궁극의 인터페이스로써 챗봇의 발전 가능

성도 전망해 본다.

챗봇의 가치 ‘굳이 말이 필요한가!’

업종별 대표 사례로 본 챗봇의 현주소

•전자상거래:카테고리분류·쿠폰발행에활용

•유통:오프라인으로챗봇성과확장

•제조:불량줄이고헬프데스크업무대행

•금융:24시간고객응대가능

챗봇 구축 시 주의해야 할 3가지

챗봇의 미래는 ‘완전한’ 개인화 서비스

“현대카드가 왜 좋아?”

“굳이 말이 필요한가?! 우리나라에서 콜플을

부를 수 있는 유일한 회사잖아 (뿌듯)”

최근 기업이 가장 공들이는 프로젝트 중 하나

가 ‘챗봇(Chatbot)’이다. 챗봇은 대화 인터페이

스를 통해 사람의 말투를 흉내 내면서 사람 대

신 작업을 처리하는 가상 비서를 가리킨다. 앞

선 상황은 현대카드 모바일 앱 속 가상 캐릭터

인 ‘피오나’와 나눈 짧은 대화다. 지난 2017년

세계적인 밴드인 콜드플레이(Coldplay)의 사

상 첫 내한공연을 성사시켜 큰 화제가 됐던 것

을 기업 이미지로 활용하고 있다. 특히 이 챗봇

은 인공지능 기술을 이용해 마치 사람처럼 자연

스럽게 대화를 주고받는다는 점에서 기존의 여

느 고객 대상 기술과 차별화된다.

챗봇은 생각보다 우리 주변에 가까이 와 있

다. 금융 업계로 범위를 좁혀 보면 미국의 뱅크

오브아메리카, 마스터카드, 아메리칸 익스프레

스를 비롯해 캐나다의 로열뱅크오브캐나다, 일

본의 미쓰비시 UFJ, SMBC 니코 증권 등이 챗

봇을 도입했다. 사용자는 챗봇과의 대화를 통

해 계좌 잔액과 한도 조회는 물론 승인 내용 조

회, 간편 송금, 콜센터 상담, 계좌 개설 등 다양

한 작업을 할 수 있다.

우리나라도 금융권의 챗봇 도입 움직임이 활

발하다. 우리은행과 KEB하나은행, 농협은행,

신한증권, 웰컴저축은행 등이 카카오톡이나 자

체 개발한 플랫폼을 이용해 챗봇 서비스를 시

행하고 있다. 아직은 이벤트 안내나 환전, 상품

안내 정도를 처리하지만, 향후 예금과 대출 업

무를 비롯해 고객 맞춤형 상품 추천 기능까지

궁극의 개인화

커뮤니케이션 인터페이스

챗봇 구축 실무 가이드

/// I D G T e c h D o s s i e r

그림│마케팅 기술 활용 현황

(출처 : GumGum)

2 /// I D G T e c h D o s s i e r

추가할 예정이다.

챗봇의 가치 ‘굳이 말이 필요한가?!’

인공지능(AI) 업체 검검(GumGum)의 조

사결과를 보면, 기업이 마케팅에 챗봇을 적극

적으로 활용한다는 비율이 27%로, 예측 분석

(17%), 개인화된 콘텐츠(15%)보다 크게 높았

다. 사람이 직접 응대하는 콜센터 대신 챗봇

을 통해 24시간 개인화된 서비스를 제공하는

데 투자하는 것이다. 실제 성과도 상당했다. 예

를 들어 프랑스의 대표적인 화장품 매장 세포

라(Sephora)는 챗봇을 활용하면서 예약 건수

가 11% 늘어났다. 영국의 쇼핑몰 아소스(Asos)

는 메신저 챗봇을 도입한 이후 주문이 300% 폭

증했다.

이에 따라 관련 시장이 급성장하고 있다. 전

세계 챗봇 시장은 2025년까지 연평균 25% 성

장해 12억 5000만 달러 규모가 될 전망이다.

특히 아시아시장의 성장세가 가파르다. 시장조

사업체 IDC가 지난 3월 발표한 자료를 보면,

일본을 제외한 아시아태평양 지역의 AI 솔루

션 시장 성장률은 앞으로 5년간 연평균 78%

에 달한다. 전 세계에서 가장 빠르게 성장하고

있다. 응답 기업의 24%는 향후 2년 이내에 챗

봇이나 자동대화 인터페이스를 도입할 것이라

고 답했다.

BI 인텔리전스의 2017년 조사결과를 보면,

챗봇 기술이 처음 등장한 이후 확산 속도는 앱

보다 1.5배 이상 빠른 것으로 나타났다. 초기 6

개월간 나온 앱의 수는 1만 5000개였지만, 챗

봇은 3만 개에 달한다. 기업이 챗봇을 도입하

는 이유는 명확하다. 고객의 디지털 경험을 향

상하고 운영 비용을 절감하는 것이다. 시장조

사업체들은 챗봇을 통해 2022년까지 기업의 비

용을 80억 달러까지 절감할 것으로 추산했다.

사용자가 챗봇에 우호적인 것도 눈여겨 볼 대

목이다. 포인트소스(PointSource)의 조사결과

를 보면 챗봇을 사용하는 업체에서 물건을 구매

하겠다는 응답이 무려 83%에 달했다. 이는 기

존 앱에 대한 반작용이기도 하다. 신기능을 사

용하기 위해 새 앱을 계속해서 설치하는 것에

지친 사용자들이 말하거나 텍스트를 입력해 모

든 기능을 사용할 수 있는 챗봇으로 돌아서고

있다는 분석이다. 어릴 때부터 디지털 기술을

접한 이른바 밀레니엄 세대가 사회에 진출하기

시작하면서 챗봇 같은 새로운 커뮤니케이션 방

식을 거부감없이 받아들이는 것도 챗봇이 빠르

게 확산하는 또다른 요인이다.

업종별 대표 사례로 본 챗봇의 현주소

그렇다면 많은 기업이 실제로 챗봇을 어떻게

활용하고 있을까? 또, 새로 챗봇을 도입하는 기

업은 어떻게 준비하고 시작해야 할까? 먼저 주

요 업종별 대표 챗봇 활용 사례를 분석하는 것

으로 이 물음의 해답을 찾아보자.

인터넷서비스기업:카테고리분류·쿠폰

발행에활용

전자상거래, 미디어, 금융 등 일본을 대표하

는 인터넷서비스를 제공하는 A사는 현재까지

30개 이상의 챗봇을 개발해 운영하고 있다. 이

들 챗봇의 기반 기술이 AI인데, 이 기업은 AI

전담 부서를 별도로 만들어 관련 기술을 확보

하는 데 큰 노력을 기울이고 있다. 본래 R&D

에 적극적인 기업 문화가 있기도 했지만, 무엇

보다 이 전담 부서는 연구소 수준에서 단순히

AI를 탐구하는 조직이 아니다. AI 기술을 ‘고객

응대’에 곧바로 적용하기 위한 실행 조직이다.

현재 이 부서는 챗봇 뿐만 아니라 전사 AI 확대


를 위한 프로젝트를 주도하고 있다.

이렇게 쌓인 성과는 A사의 서비스 전반에 녹

아 있다. 챗봇을 도입한 이후 이 기업은 고객

센터에서 상담원이 처리하던 콜 불륨이 감소

했을 뿐만 아니라, 챗봇에 의한 고객 인터랙션

이 획기적으로 증가했다. 이는 챗봇을 통해 고

객 만족도와 사용자 경험이 크게 향상하고, 트

래픽 스파이크(Traffic Spike)가 발생해도 챗

봇이 실시간으로 유연하게 대처했기 때문이다.

또한 각 챗봇은 자신이 담당하는 영역과 브랜드

에 따라 마치 다른 사람인 것처럼 작동한다. 심

지어 농담을 건네거나 카메라와 연결해 가위바

위보 게임을 하는 챗봇도 있다. 이를 통해 궁극

적으로 고객 경험을 향상할 수 있었다.

AI 챗봇의 성공을 기반으로 전사 비즈니스에

AI를 확대하는 노력도 병행하고 있다. 예를 들

어 개인이 쓰던 제품을 웹사이트에 매물로 내놓

을 때 어떤 카테고리로 분류해야 할지 혼란스럽

다면, AI가 이를 자동으로 인식해 적당한 카테

고리로 넣어준다. 이 서비스는 이미 케이블이

나 이어폰 같은 것을 정확하게 구별할 만큼 정

확도가 높다. 수십만 개에 달하는 제품 카탈로

그를 만드는 작업도 AI가 자동으로 처리한다.

이를 수작업으로 했다면 막대한 인원과 시간이

필요했을 것이다. 이밖에 최저가 제품을 찾아

주거나 재고 수준을 확인해 정보를 업데이트하

는 것도 모두 AI가 맡는다.

특히 A사는 개인화된 서비스에 많은 공을 들

이고 있다. 여러 전자상거래 기업이 할인 쿠폰

을 발행하지만, 대부분은 실제 사용자가 구매

하려는 제품과 관계가 없다. 쿠폰을 사용하는

비율이 낮은 것도 이 때문이다. A사는 이 쿠폰

활용률과 구매 전환율을 높이는 데 AI와 챗봇

을 활용하고 있다. 특정 사용자가 이전에 했던

검색, 조회 혹은 구매 명세 등을 분석해 사용할

가능성이 높은 쿠폰을 제공하는 것이다. 챗봇

은 이 과정에서 고객과 직접 대화하는 역할을

맡는다. 챗봇으로 고객과 상호소통하면서 수집

한 정보는 바로 비즈니스 데이터로 활용돼 고객

의 성향에 맞는 쿠폰을 제공하거나 관련 상품을

추천한다. 이런 작업을 24시간 할 수 있는 것도

챗봇의 장점이다.

이 기업은 앞으로 챗봇과 AI를 더 고도화할

예정이다. 기존에는 반복적인 작업을 처리하는

데 집중했다면, 앞으로는 인간의 의사 결정에

도움을 주는 서비스로 발전시키는 것이 목표

다. 이렇게 되면 인간은 이들이 제공하는 정보

를 바탕으로 더 전략적으로 업무를 처리할 수

있다. 궁극적으로는 기존에 사람과 사람 사이

에 이뤄졌던 형태의 협업에 AI가 참여하는 것

도 가능해진다. 이미 챗봇은 콜센터에서 사람

의 어려움을 돕는 데 큰 역할을 하고 있다. A사

의 경우 그동안 이벤트 기간 등 고객 요청이 폭

증하는 시기에는 순간적으로 인력을 추가 투입

하기 쉽지 않았다. 그러나 챗봇을 활용하면서

유연하게 대체하는 것이 가능해졌다.

유통:오프라인으로챗봇성과확장

다른 국내 대형 백화점 B사는 챗봇과 AI 기

술을 통해 온라인에서 오프라인으로 고객 경험

시너지를 확장하고 개인화 서비스를 강화한 사

전자상거래 기업 A사의 챗봇 성공 요인

1. 초기 시작은 단순 CS : 핵심 비즈니스의 CS영역부터 AI를 적용해 AI 도

입에 대한 회의적인 시각을 잠재우고 타 사업부서로의 확대시 저항을 최소

화. CS는 모든 사업부에 공통으로 필요한 영역이므로 빠른 확산을 위한 전

략적인 선택.

2. 처음부터 확산을 염두에 두고 설계 : 빠른 확산을 위해서는 효율성이 중

요하므로 공통 표준 기반 모듈을 만들고, 확장 옵션을 활용. 단, 각 사업부의

비즈니스 성격에 따라 챗봇의 페르소나(인격)를 유연하게 적용.

3. 수평적 확산 원칙을 유지 : 톱다운 방식이

아닌 다양한 사업부에 수평적으로 확산

하는 것을 핵심 기조로 삼음. 단, 이렇

게 하면 사업부에 요구하는 역할이

커질 수 있고, 현업의 전문성과 리

소스의 부족으로 저항이 생길 수 있

음. 따라서 AI전담 팀의 역할을 늘리

고 사업부가 쉽게 콘텐츠를 입력할 수

있는 툴을 개발, 제공해 현업의 참여도

와 생산성을 높임.


례다. B사는 기존 매장의 매출이 감소하는 상

황에서 온라인과 오프라인 쇼핑의 이점을 모두

활용하는 고객이 늘어나고 있다는 점에 주목했

다. 특히 2030과 Z세대를 겨냥해 차별화된 온

라인 경험을 제공하고 오프라인 문의에 즉각

대응하는 적극적인 개인화 마케팅을 확대하기

로 했다.

그 결과가 2017년 말 공개한 AI 챗봇이었다.

이후 시장과 고객의 반응은 즉각적이었다. 챗

봇을 오픈한 이후 1주일 만에 웹사이트 방문객

이 21% 증가했다. 상품 이미지 인식과 음성-텍

스트 변환 서비스도 점차 활용률이 높아지고 있

다. 현재 이 챗봇은 하루 1만 건 이상의 대화를

통해 고객의 쇼핑을 돕고 있다.

B사는 챗봇의 역할과 기능을 확대하고 있다.

현재 이 기업의 AI 챗봇은 매장에서 판매되는

150만 개 제품의 주요 구매 요인 21개를 정의

하고, 소셜 네트워크 플랫폼에서 언급된 400개

이상의 유행 제품과 스타일을 분류할 수 있다.

비정형 제품 데이터에서 핵심 특성을 분석, 추

출하는 프로세스를 자동화했기 때문이다. 이제

챗봇은 고객이 상품 추천을 요청하면 고객의 구

매 이력과 선호도를 기반으로 치수뿐만 아니라

색상, 트렌드, 가격, 구매 목적을 고려한 최적

의 제품을 추천한다.

이것이 끝이 아니다. B사는 앞으로 챗봇을

오프라인 백화점 매장 고객 체험 서비스로 확

장한다는 구상이다. 백화점 계열사 전체가 사

용하는 첫 인공지능 솔루션으로 자리매김할 날

이 머지않았다.

제조:불량줄이고헬프데스크업무대행

국내 대형 제조기업 C사는 현재 챗봇과 AI

관련 프로젝트를 활발하게 진행 중이다. 방향

은 크게 3가지다. 첫 번째는 앞서 살펴본 전자

상거래 기업과 비슷하다. C사 역시 헬프데스크

업무를 줄이는 데 챗봇을 사용한다. 현재는 IT

인력의 상당수가 현업의 단순 질의에 대응하느

라 업무 시간 대부분을 쓰고 있다. 따라서 C사

는 이를 챗봇으로 처리하기 위해 그동안의 질

의 내용을 머신러닝으로 학습하는 작업을 진

행 중이다.

C사의 사례에서 더 주목해야 할 것은 챗봇을

서비스하는 형태다. 이 기업은 모바일 플랫폼

을 기반으로 챗봇을 제공할 예정이다. 직원 누

구나 장소나 시간과 관계없이 헬프데스크 지원

을 받을 수 있다. 최종적인 모습은 AI 검색과 챗

봇이 결합한 형태다. 이렇게 되면 반복되는 단

순 질의는 챗봇에게 맡기고 IT 엔지니어는 더

생산적이고 가치 있는 업무에 집중할 수 있다.

두 번째는 불량을 줄이는 것이다. 제조 기업

대부분은 불량과의 전쟁을 치르고 있다고 해

도 과언이 아니다. 특히 공정이 복잡하고 제조

과정에서 사용하는 재료가 많을수록 관리해야

할 불량 요인이 기하급수적으로 늘어난다. 이

런 상황에서는 노련한 경력자가 아니고서는 불

량을 잡아내기가 쉽지 않다. 새로 입사한 엔지

니어를 교육하는 데 오랜 기간이 걸리는 것도

이 때문이다.

다행히 AI 기술은 이미지 처리에 매우 능숙

하다. 따라서 C사는 이미지 인식 기술로 불량

의 원인을 찾는 데 AI를 활용한다는 구상이다.

일단 불량이 발생하면 이를 촬영한 후 방대한

과거의 이미지 라이브러리와 대조해 가장 근접

한 사례를 찾아 최적의 해결방법을 적용한다.

생산 현장의 엔지니어는 더 빠르고 쉽게 전현

직 임직원이 축적한 비즈니스 노하우를 활용할

수 있다. 물론 최종 판단과 보고서 작성은 여전

히 사람의 몫이다.

마지막 세 번째는 신입사원 채용과정을 더 효

율적으로 바꾸는 것이다. C사는 채용 시즌마다

수천 명이 몰린다. 이때는 인사팀 수십 명이 합

숙까지 하며 입사지원서를 검토해야 했다. C사

는 이들 입사지원서 중 제조업에 필요한 특성

을 가진 인재를 선별하는 데 AI를 적용하는 것

을 추진하고 있다. 가능성은 이미 확인했다. 기

존 데이터로 테스트를 해 본 결과 입사지원서 1

건을 검토하는 데 인사 담당자가 10분이 걸린다

면, AI는 3초 만에 이를 처리했다. 상당한 생산

성 향상이 있을 것으로 기대하고 있다.

C사는 챗봇과 AI 같은 신기술을 통해 궁극적

으로 직원의 디지털 경험을 개선하는 것을 목


표로 하고 있다. 그동안 일반 소비자의 사용자

경험은 거의 모든 측면에서 크게 발전한 반면

직장 내 직원의 디지털 경험은 이에 미치지 못

하고 있다. 그러나 어릴 때부터 디지털에 익숙

한 세대가 점차 사회에 진출하면서 집에서 누

리던 디지털 경험을 직장에서도 활용하는 것이

점점 더 중요해지고 있다. C사는 이러한 시도

와 변화를 통해 새로운 세대에 적합한 IT 시스

템과 디지털 경험을 제공하는 것이 장기적으로

기업의 경쟁력을 높이는 데도 도움이 될 것으

로 믿고 있다.

금융:24시간고객응대가능

국내 유명 카드기업인 D사는 모바일 앱에 챗

봇 서비스를 접목했다. 이미 기존 모바일 앱이

보안과 편의성 측면에서 좋은 평가를 받고 있

었지만, 챗봇 서비스를 통해 경쟁사와의 격차

를 더 벌린다는 구상이었다. D사는 챗봇 서비

스에서도 참신하게 접근했다. 서로 다른 개성

을 가진 캐릭터 2명을 만들었다. 하나는 수다

스럽고 친근한 말투가 특징이고, 다른 하나는

예의와 매너를 중시한다. 어느 챗봇과 대화하

느냐에 따라 돌아오는 대답의 표현과 말투가

크게 달라진다.

D사가 디지털 서비스 측면에서 앞서고 있다

는 평가를 받는 것은 챗봇 기술 자체에만 있지

않다. 이 기업은 이 챗봇 서비스를 홍보할 때 일

상 속 흔한 상황을 재치 있는 단어로 재해석해

알리는 방식을 사용했다. 오전 7시는 ‘회식 다

음 날’, 오전 8시는 ‘지각 인생’, 오후 2시는 ‘월

급 루팡’ 같은 식이다. 이 캠페인을 시행한 이후

챗봇 서비스 접속자 수는 1.5배, 질문 수는 3.5

배 급증했다. 이 기업은 앞으로 챗봇을 통해 처

리할 수 있는 서비스를 계속 추가하는 한편, 디

지털에 대한 투자도 계속 늘려나갈 예정이다.

D사를 포함해 금융은 챗봇 활용이 가장 활

발한 업종으로 꼽힌다. 주요 요인 중 하나는

24/7 제공되는 디지털 고객 경험이다. 국내 금

융사 대부분은 많은 인원과 비용이 드는 콜센

터를 운영하고 있다. 그러나 간단한 요청 응대

에 챗봇을 도입하면 24시간 언제든 대응할 수

있는 것은 물론 기존 인력에게는 더 큰 부가가

치가 있는 업무를 맡길 수 있다. 특히 최근 소

비자는 SNS와 모바일 메신저에 익숙하다. 챗

봇 서비스는 기존 자동응답시스템(ARS)과 양

방향음성응답(IVR)보다 더 편리하게 느낄 가

능성이 크다.

금융 기업은 챗봇 서비스 고도화에도 활발하

게 나서고 있다. 로보 어드바이저(robo-advi-

sor)와 결합해 금융상품 추천이나 포트폴리오

구성 등 맞춤형 자산관리 서비스로 업그레이

드하는 것이 대표적이다. 마치 넷플릭스가 AI

챗봇 구축 3원칙

1. 실제 데이터로 학습하라

사용자가 챗봇과 대화하게 될 채널과 같

은 환경으로 입력받는 데이터를 활용해야

한다. 이른바 ‘동일 폼팩터(the same form

factor)’ 원칙이다. 수능 주관식 문제와 같은

데이터를 사용하면 ‘답정봇(답변이 정해진

챗봇)’이 되기 쉽다.

2. 프로토타입 테스트가 핵심이다

챗봇 서비스 출시 후 실제로 쓸 사용자를

가능한 한 많이 테스터로 참여시켜 미리 사

용해 보도록 하는 것이 좋다. 이 테스트의

목표는 챗봇과 어떤 방식으로 상호작용하

면 좋을지 실제 사용자의 의견을 확보하

는 것이다.

3. 채널의 고유 특성을 고려하라

오늘 날에는 매우 다양한 채널을 통해 챗

봇 서비스를 쓸 수 있다. 이러한 멀티 채널

환경에서는 일관된 사용자 경험을 제공하

는 것이 중요하다. 이 일관성이 곧 챗봇 서

비스의 아이덴티티가 되고, 더 나아가 해당

기업의 이미지가 된다.


를 이용해 사용자의 시청 패턴과 취향을 분석

하고 적절한 영화를 제시하는 것처럼, 챗봇이

고객의 금융거래 패턴과 요구에 맞는 최적의

금융 상품을 추천하는 것이다. 현재의 챗봇은

단순한 질문에 대답하고 정보를 조회하는 정

도지만, 앞으로 데이터가 누적되고 학습을 거

듭할수록 챗봇의 성능도 더 향상될 것으로 기

대된다.

이처럼 주요 업종별로 대표적인 챗봇 활용 사

례를 보면 많은 기업이 챗봇을 통해 새로운 기

업 성장 모델을 찾고 있음을 알 수 있다. 인터넷

의 등장이 세계의 물리적인 거리를 줄이고 작업

처리 시간을 단축했다면, 챗봇과 그 기반 기술

인 AI는 시간을 줄이는 것은 물론 어떤 의미에

서는 ‘증폭’하는 것도 가능하다. AI와 챗봇의 업

무 처리 속도는 수백 명, 수천 명이 수작업으로

처리하는 것과 맞먹기 때문이다. AI와 챗봇은

인터넷과는 다른 방식으로 우리의 삶과 기업을

혁신하고 고객 만족을 높이고 있다.

챗봇 구축 시 주의해야 할 3가지

그러나 이러한 기대효과에도 불구하고 챗봇

서비스를 실제로 기획하고 구축, 운영하는 것

은 완전히 다른 이야기다. 아직은 운영 역사가

길지 않아 참고할 자료도 많지 않다.

일반적으로 챗봇을 도입하는 과정은 ‘빅뱅

(big bang)’ 방식이 아니다. 즉, 한순간에 완

성되지 않는다. 일정한 과정을 거쳐 AI 학습을

마쳤다고 해도 끊임없이 학습을 반복하며 개

선해야 한다. 사용자의 반응을 분석해 시스템

에 반영하는 학습-수정-개선 작업을 되풀이해

야 하므로, 일부 전문가는 챗봇 서비스가 성공

하기 위해 가장 필요한 덕목으로 ‘농업적 근면

성’을 꼽기도 한다. 특히 기존에 챗봇이 처리하

지 못하던 새로운 서비스를 추가하면 해당 서

비스에 대해서는 처음부터 다시 학습 과정을 밟

아야 한다.

이러한 특성을 간과한 많은 기업이 챗봇 서

비스 도입 과정에서 시행착오를 겪었다. 기존

의 여러 실패 사례를 분석해 보면 챗봇 서비스

구축 시 가장 주의해야 할 것은 크게 3가지다.

실제데이터로학습하라

첫 번째는 실제 데이터로 학습하는 것이다.

챗봇 서비스 개발 프로젝트에서는 챗봇 학습 과

정이 필수다. 이때 가장 중요한 것이 ‘실제’ 데

이터를 사용하는 것이다. 여기서 ‘실제’란 사용

자가 챗봇과 대화하게 될 채널과 같은 환경으

로 데이터를 입력받는 것을 가리킨다. 즉 모바

일 앱용 챗봇이라면 스마트폰으로 직접 입력받

은 문장 형태의 데이터로 학습하는 것이 이상

적이다. 이른바 ‘동일 폼팩터(the same form

factor)’ 원칙이다.

‘동일 폼팩터’가 중요한 것은 사용자가 쓰는

폼팩터에 따라 입력하는 문장의 형태가 바뀌기

때문이다. 예를 들어 PC를 사용할 때는 긴 문

장도 어렵지 않게 입력할 수 있다. 그러나 모바

일 앱이라면 가능한 한 짧고 단순한 문장을 선

호한다. 때로는 조사까지 빼버리기도 한다. 따

라서 모바일용 챗봇이라면 모바일 특성이 반영

된 문장 데이터로 학습해야 실제 서비스를 했

을 때 챗봇이 사용자의 의도를 더 정확하게 파

악할 수 있다.

그러나 일부 챗봇 프로젝트를 보면 마치 수능

주관식 문제와 같은 데이터를 사용한다. 완전

한 형태의 질문 문장에 완전한 형태의 답이 입

력된다고 가정하는 것이다. 이런 데이터로 모

바일 앱용 챗봇을 학습하면 ‘열 중의 열’, 100%

실패한다. 이렇게 학습한 챗봇은 ‘답정봇(답변

이 정해진 챗봇)’이 되기 쉽다. 무엇을 물어도

제대로 인식하지 못하기 때문에 “감사합니다.

다음 질문은 뭔가요?” 같은 정형화된 말만 늘어

놓게 된다. 정상적인 대화가 될 리 없다.

프로토타입테스트가핵심이다

챗봇 서비스를 구축할 때 주의해야 할 두 번

째는 ‘프로토타입 테스트’를 꼼꼼하고 반복적으

로 해야 한다는 것이다. 초기 개발을 마치고 어

느 정도 프로토타입이 만들어졌다고 해서 이를

바로 서비스할 수는 없다. 이때는 50~100명

혹은 여건이 되는 대로 테스터 집단을 구성해

미리 사용해 보도록 하는 것이 좋다. 바로 프로

토타입 테스트다. 이 과정에서 챗봇의 오류를


포함해 방대한 로그를 수집하고 다시 이를 이

용해 챗봇을 학습할 수 있다.

챗봇의 성능을 개선하는 것은 이런 과정을 수

없이 반복하는 지난한 과정이다. 여기서 중요

한 것은 실제 사용자가 있는 테스트여야 한다

는 것이다. 개발팀만 참여하거나 너무 작은 규

모로 테스터 집단을 꾸리면 챗봇 서비스를 개

선하는 데 큰 도움이 되지 못한다. 챗봇 서비스

를 내놓은 후 이를 실제로 쓸 사용자를 가능한

한 많이 테스터로 참여시키는 것이 좋다. 그래

야 더 정확하게 문제를 발견해 수정할 수 있다.

일반 사용자를 대상으로 한 챗봇이라면 타깃 고

객군을 중심으로 테스터를 모집하고, 현업 실

무자가 사용할 챗봇이라면 실무자들을 프로토

타입 테스트에 참여하도록 해야 한다.

한 가지 주의해야 할 것은 프로토타입 테스

트의 목적을 명확히 이해하는 것이다. 프로토

타입 테스트는 챗봇 서비스의 만족도를 점수

화하고 이 ‘수치’를 높이기 위한 것이 아니다.

더 중요한 것은 챗봇과 어떤 방식으로 상호작

용하면 좋을지 실제 사용자의 의견을 확보하

는 것이다.

지도 서비스와 연동된 챗봇이라면 질의 결과

를 캐러셀(carousel) 형태로 나열할지, 아니면

실제 지도 이미지를 API로 붙여서 보여줄지 등

에 대해 의견을 듣는 것이다. 콘텐츠도 마찬가

지다. 사용자가 가까운 주차장을 물었다면 실

제로 원하는 정보는 주차장 위치 외에도 운영

시간, 요금 등이 포함될 수 있다. 사용자가 느

끼는 필수 정보가 무엇이고 이를 어떤 방식으

로 보여주는 것이 좋을지 프로토타입 테스트를

통해 확인할 수 있다.

이런 테스트를 반복하면 더 가치 있는 인사이

트도 뽑아낼 수 있다. 즉 챗봇 서비스를 기획하

면서 미리 생각했던 서비스 플로우가 제대로 설

계된 것인지 검증할 수 있다. 예를 들어 챗봇을

통해 특정 상품을 추천하는 논리적 흐름을 3단

계로 구성했는데 사용자가 2단계에서 많이 이

그림│IBM 왓슨의 서비스 종류


탈했다면 프로토타입 테스트를 통해 그 이유를

유추할 수 있다. 원하는 대답을 듣지 못했거나,

논리적 흐름 자체가 잘못된 것일 수 있다. 그 결

과에 따라 완전히 새로운 논리적 흐름을 만들

어 별도의 응답 패턴을 구성해야 할 수도 있다.

이런 과정을 통해 챗봇 서비스가 본래 의도했

던 성과를 낼 수 있도록 완성도를 높일 수 있다.

프로토타입 테스트와 관련해 한 가지 더 중

요한 것은 실제 챗봇 서비스가 시작된 이후에

도 프로토타입 테스트가 계속돼야 한다는 점이

다. 프로젝트마다 요건과 환경이 다르긴 하지

만, 일정한 주기로 수행하는 것이 가장 이상적

이다. 만약 2주 단위로 개발을 반복한다면, 1.5

주 정도는 챗봇을 구현하고 2~3일 동안 프로

토타입 테스트를, 나머지 며칠 동안 챗봇 서비

스를 수정하는 식이다. 전체 개발 주기는 업종

혹은 논리적 흐름의 복잡성에 따라 늘리거나 줄

이면 된다.

채널의고유특성을고려하라

챗봇 서비스를 구축할 때 주의해야 할 마지

막 세번째는 채널 고유의 특성을 고려하는 것

이다. 현재 사용자는 매우 다양한 채널을 통해

챗봇 서비스를 쓸 수 있다. PC와 노트북, 태블

릿, 스마트폰 등 기기가 다양하고, 운영체제도

모바일과 PC에 따라 여러 가지가 있다. 각 환

경 내에서도 카카오톡과 페이스북, 인스타그램

등 다양한 앱이 나와 있다. 이와 같은 멀티 채

널 환경에서는 사용자에게 일관된 사용자 경험

을 제공하는 것이 중요하다. 이 일관성이 곧 챗

봇 서비스의 아이덴티티가 되고, 더 나아가 해

당 기업의 이미지가 된다.

그러나 이러한 일관성을 챗봇 서비스에 담아

내는 것은 만만한 작업이 아니다. 채널마다 서

비스 기술 측면에서 조금씩 차이가 있기 때문

이다. 카카오톡, 페이스북, 왓츠앱은 각각 고유

의 인터랙션이 있고 정의하는 답변 방식과 형

태도 다르다. 따라서 챗봇을 설계하고 서비스

할 때는 각 채널의 특성을 파악해 미리 고려해

야 더 일관되고 자연스러운 대화 서비스를 구

현할 수 있다.

예를 들어 여러 채널에 걸쳐 챗봇을 서비스하

는 경우에는 공통의 코드를 사용해 다른 채널에

서도 유사한 사용자 인터랙션을 제공하는 것이

좋다. 선택 버튼을 추가한다면, 각 채널의 차이

를 살리되 일관성을 가질 수 있도록 디자인해

야 한다. 특정 채널에서는 지원하는 기능을 다

른 채널에서는 뺄 것이냐도 정교한 판단이 필요

하다. 한쪽 채널의 앱에서는 위치 서비스를 하

는데 다른 앱에서는 이것이 불가능하다면, 어

떻게 유사하게 제공할 것인지도 고민해야 한

다. 결국 각 채널의 고유 인터랙션을 고려하되

그림│포레스터의 IBM 왓슨 제품 평가 결과


전체적으로 통일되고 공통된 사용자 경험을 제

공하는 데 주안점을 둬야 한다.

IBM 왓슨, 최고의 기업 챗봇용 AI

현재 시장에는 다양한 챗봇용 인공지능이 나

와 있지만, 왓슨은 그중에서도 가장 좋은 평

가를 받고 있다. 이는 시장조사업체 포레스터

(Forrester)가 대화형 컴퓨팅 플랫폼 7종류를

비교 분석한 결과에도 잘 나타나 있다. 이번 평

가는 서비스의 범위, 비즈니스 사용자의 접근

성, 애플리케이션 개발 환경, 사용자 경험(UX)

지원, 분석, 지역/언어 지원, 제품 비전, 제품

로드맵, 백엔드 리소스 확장성 등을 기준으로

진행됐다. 그 결과 IBM은 서비스 범위와 애플

리케이션 개발 환경, 백엔드 리소스 확장성, 지

역/언어 지원, 제품 로드맵 등에서 경쟁 제품

대비 우위가 있는 것으로 나타났다. 경쟁 제품

보다 개선이 필요하다고 평가된 항목은 단 하

나도 없었다.

포레스터는 IBM 솔루션의 강점을 2가지로

분석했다. 먼저 IBM 왓슨은 종합적이고 다루

기 편리하다. IBM 왓슨 어시스턴트는 독보적

기술의 대화형 플랫폼을 광범위한 왓슨 제품군

과 접목한다. 강력한 개발 툴을 지원해 기업이

다양한 솔루션을 쉽게 만들 수 있도록 지원한

다. 특히 IBM 왓슨은 복잡한 기업 환경에서 진

가를 발휘한다. 기업 사용자에게 매우 편리하

며, 훌륭한 분석 기능을 통해 개발자가 대화 상

태의 변화에 지속해서 대응할 수 있도록 한다.

이러한 장점은 기업 시장에 강한 IBM의 기존

경쟁력과도 맞물려 엔터프라이즈 솔루션 분야

에서 많은 성과를 내고 있다.

IBM 왓슨의 차별화된 기술력 3가지

IBM 왓슨이 이처럼 경쟁 플랫폼과 격차를 벌

린 것은 기술적 우위가 가장 큰 역할을 했다. 먼

저 IBM 왓슨은 ‘인텐트(intent)’를 최대 2000

개까지 지원한다. 인텐트란 사용자가 챗봇에

입력한 질문의 목적을 가리킨다. 동사나 조사

가 바뀌어도 변화하지 않는 질문의 근본적인

가치다. 이 인텐트의 구체적인 컨텍스트를 제

공하는 용어 또는 객체를 ‘엔티티(entity)’라고

한다. 예를 들어 “수영장이 어디에 있는가”, “

레스토랑이 어디에 있는가”라는 질문이 있다면

이들은 ‘위치’라는 인텐트를 가지며, 각각 ‘수영

장’, ‘레스토랑’이라는 엔티티를 갖는다.

일반적으로 챗봇의 효용은 인텐트와 엔티티

를 얼마나 잘 정의하느냐에 따라 결정된다. 따

라서 인텐트를 많이 지원할수록 더 복잡하고 다

양한 작업을 챗봇으로 정확하게 처리할 수 있

다. 현재 IBM 왓슨이 지원하는 인텐트 최대치

2000개는 경쟁 플랫폼보다 4배가량 더 많은 것

이다. 이는 왓슨에 더 방대한 데이터를 넣을 수

있음을 의미한다. 처리할 수 있는 도메인의 범

위도 그만큼 늘어난다.

둘째, IBM 왓슨은 사용하기 편하다. 현재 시

30여 년 이상 3D 디자인과

엔지니어링, 엔터테인먼트

소프트웨어를 공급해 온 오토데스크는

구독 과금 모델로 전환하면서 챗봇

가상 에이전트를 도입했다. 그 결과

고객 경험을 개선하고 만족도를 크게

높였다.

14,000,000키워드와 언어 패턴 등 총 1,400만

개의 문장을 분석

5.4분대부분의 고객 요청 사항에 대한

처리 시간을 1.5일에서 5.4분으로

단축

100,000월 10만 건 이상의 고객 요청을

처리해 콜센터 직원의 업무 부담

감소

10pt더욱 빠르고 신속한 고객 응대로

고객 만족도가 10포인트 상승


중에 나온 챗봇 플랫폼 상당수는 인텐트와 엔티

티를 정의하는 기능과 챗봇이 어떻게 답변할 것

인지에 대한 논리적 흐름(다이얼로그 플로우)

을 다른 화면에서 작업해야 한다. 그만큼 개

발 과정이 복잡해진다. 심지어 챗봇을 학습하

고 고도화하는 데 반드시 전문 개발자 혹은 외

부 개발업체가 참여해야 하는 경우도 있다. 이

런 상황에서는 IT 지식이 많지 않은 현업 실무

자가 일상적으로 챗봇을 관리하고 학습하는 것

은 엄두도 내기 어렵다.

반면 IBM 왓슨은 챗봇 관련 모든 작업을 한

화면에서 처리한다. 새로운 콘텐츠가 나오고

새로운 답변을 추가해야 할 때도 개발자가 별

도로 코딩하지 않고 왓슨 어시스턴트 (Watson

Assistant) 툴 내에서 현업 실무자가 답변을 바

꾸고 로직과 응답 조건을 변경할 수 있다.

마지막 세 번째로 IBM 왓슨은 성능 측면에

서 경쟁 플랫폼을 압도한다. 챗봇이 특정 인텐

트를 파악해 응답하는 알고리듬의 실행 영역

을 ‘워크스페이스(Workspace)’라고 한다. 하나

의 워크스페이스에서 처리할 수 있는 트랜잭

션의 양이 많을수록 더 정교하고 빠른 챗봇 서

비스가 가능하다. 현재 IBM 왓슨이 처리할 수

있는 트랜잭션의 양은 경쟁 플랫폼 대비 월등

히 크다. 실제로 국내 한 온라인 액션 게임 내

에 적용된 챗봇 서비스는 초기 테스트 과정에

서 IBM 왓슨이 다른 업체의 플랫폼보다 100배

이상 방대한 트랜잭션을 처리하는 것으로 확인

됐다. 이 기업은 최종적으로 IBM 왓슨을 도입

해 사용하고 있다.

챗봇의 미래는 ‘완전한’ 개인화 서비스

한때는 챗봇이 일시적인 유행에 그칠 것이

라는 전망이 있었다. 그러나 이제는 기업 전략

의 필수 요소로 자리 잡고 있다. IBM 왓슨만

봐도 이미 2017년 말에 왓슨 앱의 API 호출이

월 30억 건을 돌파했다. 개발자와 파트너, 기

업가, 학생 수만 명이 왓슨을 사용하는 앱을 개

발하고 있다. 세계 곳곳에서 다양한 업종의 기

업 270곳 이상이 기업용 왓슨 기반 앱과 서비

스를 쓰고 있다.

챗봇은 신생 기술에서 벗어나 거의 모든 업종

의 기업이 진지하게 도입을 검토하는 솔루션이

됐다. 이유는 다양하다. 챗봇을 이용하면 더 우

수한 고객 서비스를 제공하거나 직원의 참여를

활성화할 수 있다. 새로운 브랜드 인터랙션의

수단이 될 뿐 아니라 고객이 무엇을 원하고 기

업과 어떻게 소통하는지 알아낼 수 있는 데이터

소스 역할도 한다. 궁극적으로 새로운 인사이

트와 고객 경험 최적화 방법을 확보할 수 있다.

챗봇의 효용성이 널리 알려지면서 챗봇을 구

축하는 도입장벽도 점점 사라지고 있다. 이제

기업은 간편하게 API로 구성하거나 자체 엔진

을 사용해 챗봇을 만들 수 있다. 혹은 챗봇 솔

루션 업체의 교육과 가이드(Expert Service)를

받고 이에 따라 직접 개발하는 것도 가능하다.

이처럼 챗봇이 빠르게 대중화되고 있는 상황에

서는 기업이 자사의 챗봇을 경쟁사의 챗봇과 차

별화하는 것이 중요하다. 기능적으로 구별되도

록 하거나 챗봇 인격화를 시도하는 것 등이 대

표적이다.

기능적 차별화는 경쟁사가 하지 못하는 서비


스를 챗봇으로 처리하는 것이다. 예를 들어 기

존의 챗봇 대부분은 단순히 ‘자주 하는 질문에

답하는’ 서비스에 가까웠다. 그러나 앞으로의

챗봇은 사용자의 컨텍스트를 읽을 수 있어야 한

다. 이전에 말했던 내용을 기억하고 있거나 혹

은 이전 데이터를 확인해 “지난달에 내가 술값

을 얼마나 썼니?” 같은 물음에 답해야 한다. 반

대로 반복적이지만 항상 사용하는 킬러 기능을

포함하는 것 또한 고려해야 한다. 기존 IT 헬프

데스크의 가장 많은 질문이었던 ID와 패스워드

를 초기화하는 기능을 챗봇으로 구현하는 것도

고려할 수 있다.

두 번째 인격화는 챗봇 자체를 색다르게 만

드는 것이다. 마치 일정한 성격과 특성을 가진

것처럼 개발하는 것이다. 실제로 한 국내 카드

사는 자유분방한 캐릭터와 예의 바른 캐릭터를

각각 만들어 사용자가 대화할 챗봇을 선택할

수 있도록 했다. 두 캐릭터는 대화 방식과 말

투가 완전히 다르다. 한쪽은 깍듯이 높임말을

쓰고 한쪽은 반말과 이모티콘을 현란하게 섞

어가며 대답한다. 챗봇에 인격을 부여하는 시

도는 곧 기업의 이미지로도 이어진다. 업종과

대상 고객층을 고려해 인격을 설계하면 활발하

게 사용하는 챗봇 서비스로 단기간에 자리 잡

을 수 있다.

이러한 발전 방향을 보면 챗봇의 궁극적인 목

표는 더 개인화된 서비스를 향하고 있는 것이

분명해 보인다. 개별 사용자의 과거 데이터를

충분히 학습해 현재 필요한 정보를 정확하고 빠

르게 전달하는 것은 물론, 챗봇 자체가 기계적

인 느낌 대신 실제 사람과의 대화 같은 의외성

과 긴장감을 제공하는 것이다. 기능에서도, PC

관련 문제에 대해 메뉴얼을 보여주는 대신 직

접 수정해 주고, 경비 처리 방식을 알려주는 것

뿐만 아니라 비용 처리까지 챗봇이 대행하는 단

계로 발전해 나갈 것이다.

이렇게 되면 챗봇은 그 자체로 기존 인터페

이스를 완전히 대체할 수 있다. 모바일 앱을 열

었을 때 지금과 같은 복잡한 아이콘과 메뉴 대

신 캐릭터 형태의 챗봇이 나타난다. 이를 통해

사용자가 원하는 기능을 실행하고 원하는 정보

를 확인할 수 있다. 그 챗봇의 이면에 자리 잡

은 AI는 단순한 연산 작업은 물론 일정 수준의

분석까지 자동으로 처리해 사람이 더 현명한

판단을 내릴 수 있도록 돕는다. 결국 우리가 챗

봇과 AI를 거쳐 도달할 최종 목적지는 완벽한

개인화 서비스다. 사용자를 이해하고 공감하는

가장 진화한 커뮤니케이션 인터페이스다. 그리

고 지금 우리는 그곳을 향해 한 발 한 발 전진

하고 있다.

IDG Tech Dossier 궁극의 개인화 커뮤니케이션 인터페이스 챗봇 구축 …

Documents

Transcript of IDG Tech Dossier 궁극의 개인화 커뮤니케이션 인터페이스 챗봇 구축 …