IT Solutions/Mobile

챗봇, 어떤 로직을 구현할 것인가?

2017.04.10 09:30


최근 챗봇에 대해 관심이 높아지면서 LG CNS 블로그를 통해 챗봇에 대한 문의가 많아졌습니다. 유통, 금융, 게임 등 다양한 분야에서 기업에 맞는 챗봇 서비스 정책을 고민하는 실무자 분들이 많았는데요. 챗봇 서비스 정책을 고민하는 데 있어, LG CNS 블로그에 기고하는 챗봇 서비스 구축과 운영 경험이 도움 된다는 생각을 하니, 글을 기고하는 필자로서 뿌듯한 생각이 듭니다. 


이번 6편에서는 챗봇에 늘 따라 붙는 ‘지능형’ 챗봇이 기업이 과연 도입해야 하는지, 도입한다면 어떤 영역에 도입해야 하는지에 대해 써보겠습니다. 



 챗봇에 대한 기대와 오해

‘카카오톡 채팅으로 상품을 주문하고 결제하면 정말 편하겠다.’라는 생각으로 세상에 없는 챗봇 서비스를 만들어 보려고 했던 게 2015년 3월이었습니다. 어느덧 2년의 세월이 흘렀고, 운 좋게도 GS SHOP, CJ오쇼핑, 이니스프리를 통해 챗봇 기반의 톡주문 서비스를 만들었습니다. 그리고 LG U+의 스마트폰 G6와 아이폰7 톡 예약 서비스를 2번이나 상용화시켰으며, 그 범위를 넓혀 챗봇 기반의 풀무원 통합고객센터까지 만들었습니다. 

세상에 없던 챗봇 기반의 자동화 서비스를 만들어야 했기 때문에, 다양한 업종의 수 없이 많은 사람을 만나보았습니다. 그렇게 많은 이들을 만나보니 챗봇에 관한 큰 오해를 발견할 수 있었습니다.

그것은 바로 ‘챗봇은 무조건 사람의 말을 척척 알아들어야 한다’라는 기대입니다. 사실 이상적인 챗봇의 모습이라면 마치 사람과 대화하듯이 어떤 말을 해도 알아들어야 하고, 알아서 척척 처리해줘야 할 것입니다. 많은 분이 이런 생각을 하셔서 ‘우린 지능형 서비스만 도입할 거에요’라는 말을 많이 하시고는 합니다.

자연어로 입력하는 말을 잘 알아듣는 똑똑한 챗봇 서비스. 분명 고객의 만족을 높일 수 있는 좋은 서비스인 것은 분명합니다. 물론, 저도 LG CNS의 챗봇 서비스가 궁극적으로 그런 모습이 되도록 많은 고민을 하고 있습니다.


 비즈니스 현장에서 챗봇이 고려해야 할 요소

시대의 흐름에 따라 이번 MWC에도 많은 지능형 서비스가 전시되었습니다. 로봇처럼 작은 디바이스에다가 ‘영화 좀 추천해줄래?’ 또는 ‘오늘 날씨는 어때?’라고 말을 걸면, 로봇이 알아서 척척 정보를 제공해줍니다. 아직 완벽하게 음성을 인식하진 못하지만, 그래도 그런 서비스가 가능한 시대가 되었다고 볼 수 있죠. 이 기술이 딥러닝(Deep Learning)이든, 룰(Rule) 기반이든 분명 매력적입니다. 

그렇지만, 언론 보도를 통해 흔히 접하는 가정이나 개인이 활용할 수 있는 지능형 서비스와 비즈니스 현장에서 적용해야 할 지능형 서비스는 분명한 차이가 있습니다. 그 차이는 바로 비즈니스 현장에서는 사용자의 말을 인식하는 것 못지않게 기업이 가지고 있는 레거시(Legacy)에 대한 고려가 필수라는 것입니다. 

레거시라고 하는 것은 바로 기업이 가지고 있는 정책, 프로세스, 그리고 IT 시스템을 의미합니다. 기업이 가지고 있는 레거시는 사람을 말을 척척 알아듣고 제어(control)하거나, 정보를 제공하는 개인화 서비스와는 근본적으로 다른 모델을 필요로 한다는 것이죠.


기업은 정책, 프로세스가 반영된 레거시(Legacy) 시스템을 보유하고 있으며, 챗봇 또한 사용자 언어 인식 못지않게 비즈니스 시스템에 대한 고려가 필요합니다.


 eBay와 North Face는 왜 추천으로만 끝났을까?

제 논리를 뒷받침하기 위해 재미있는 사례를 소개해 보겠습니다. 페이스북 메신저에서 상품을 추천해주는 이베이(e-bay)의 샵봇(Shopbot) 그리고 IBM Watson을 이용한 노스페이스(NorthFace)의 의류 추천 서비스는 지능형 챗봇 서비스의 대표적인 사례입니다. 아마도 챗봇을 조사해보신 분들은 직접 써 보셨을 것입니다. “크리스마스에 애인한테 줄 선물 좀 추천해줘”라고 하면 선물을 짜잔 하고 소개해주죠. 

그런데 재미난 점은 정작 상품을 선택하고 주문과 결제를 하려고 하면 모바일 웹으로 넘어간다는 것입니다. 모바일 웹으로 넘어가는 순간 ‘뭐지? 그럴 바엔 차라리 웹에서 로그인해서 주문하지.’라는 생각이 잠시 들것입니다.


페이스북 메신저 챗봇으로 구현한 이베이의 샵봇은 채팅으로 상품을 추천하여 주문할 경우, 챗봇 채널을 벗어나 모바일 웹으로 이동하여 로그인 후 주문과 결제를 합니다


이베이와 노스페이스 같은 대형 기업에서 왜 모바일 웹에서 로그인해서 다시 상품을 선택하고 결제하도록 했을까요? 분명 모바일웹을 거치지 않고 페이스북 메신저 챗봇에서 완결된 서비스를 제공할 수 있었을 텐데요. 그 이유야 이베이에서 알겠지만, 챗봇 서비스를 2년 동안 고민했던 필자로서 이런 추정을 해봅니다.



 비즈니스 현장에서 추천과 거래는 구조적으로 다르다

기업이 보유한 시스템 모델은 목적에 따라 크게 2가지로 분류할 수 있습니다. 결론적으로 고객에게 정보를 제공하는 추천 같은 정보성 서비스와 고객에게 제품을 판매하고 돈을 받는 거래 시스템으로 구성되어 있다는 것입니다. 그리고 이 둘은 목적 자체가 근본적으로 다릅니다.

신용카드를 예를 들어 봅시다. 갓 취업을 한 사회 초년생이 신용카드에 가입하려고 합니다. 그는 어떤 카드사가 좋을까, 어떤 카드를 가입하는 게 좋을까, 카드와 현금서비스 한도는 어떻게 하는 게 좋을까 궁금할 것입니다. 이 궁금함을 해결하기 위해 카드사에 문의를 하겠죠. 카드사는 직원이든 시스템이든 상품과 고객이 원하는 정보를 활용하여 고객에게 카드를 추천할 것입니다. 

이 경우 고객은 잠재고객일 뿐이며, 아직 아무런 거래가 이뤄지지 않은 상태입니다. 설사 신용상태가 낮은 고객이라 하더라도 정보는 제공해주는 것이 맞는 것이죠. 이런 류의 서비스를 정보 서비스라 할 수 있습니다. 백화점이나 이마트에서 고객 여부나 구매 금액에 상관 없이 매장의 위치나 개장 여부를 알려주는 것도 동일한 범주의 서비스라 할 수 있죠.

반면 거래 시스템은 제품이나 서비스를 구매하거나 이용하는 고객이 그것을 제공하는 기업과 계약에 기반하여 실제로 돈 거래를 하는 것입니다. 가입신청서를 통해 신용카드를 발급 받거나, 은행의 통장을 개설하거나, 통신사의 요금제에 가입하여 이동통신 서비스를 이용하는 것이죠. 이 거래 시스템에서 가장 중요한 것은 고객과의 거래, 즉 제품과 서비스의 대가로 돈이 오가기 때문에 문제가 발생해서는 안 되는 것입니다.

문제라고 하는 것은 돈을 지불할 능력이 없는 고객과 거래를 하게 되거나, 고객에게 과도하게 비용을 지불하게 하거나, 고객에게 하자 있는 제품이나 서비스를 공급하는 등의 일련의 문제라 할 수 있죠. 은행이든, 카드사이든, 유통사이든 고객과의 거래에 문제가 생기면 비즈니스에 치명적인 결과를 가져올 수 있습니다.


이렇듯 잠재고객과 실제고객을 대상으로 정보를 제공하는 서비스와 실제 고객과 거래를 위한 서비스는 기업의 입장에서 전혀 다른 정책, 프로세스, 그리고 시스템 구조를 필요로 한다는 것이죠. 



 거래 시스템에 지능이 자의적 판단을 해도 될까?

그런데 지능형은 어디에 활용해야 할까요? 과연 지능형을 거래 시스템에 활용할 수 있을까요? 그것도 챗봇에서 반드시 지능형이 거래 시스템에 활용되어야 만 할까요? 

우선 기업에서 제공하는 거래 시스템은 반드시 챗봇에서만 제공하지 않는다는 것을 전제로 할 필요가 있습니다. 챗봇이 아무리 각광 받는 채널이라 할지라도 분명 기업의 거래 시스템은 오프라인에서 직접 거래가 이뤄지거나(은행이나 카드사 가입), PC나 모바일앱을 통해 온라인으로 거래가 이뤄지기도 하며, 모바일앱을 통해서 이뤄지기도 합니다. 홈쇼핑과 같은 산업은 상담원 전화나 ARS(자동응답)를 통해 거래가 이뤄지기도 하죠.

챗봇이 장점과 단점을 동시에 가지고 있듯이 기존 거래를 위한 채널도 장•단점을 가지고 있습니다. 챗봇이 절대적으로 우위에 있다고 할 증거는 없습니다. 만약 챗봇을 통한 거래 서비스에 지능형을 도입한다면 다른 채널도 지능형을 도입해야 할 것입니다. 고객의 관점에서 채널마다 다른 정책과 프로세스를 가지고 있다면 그것은 고객 불만이나 혼선을 일으킬 여지가 높아지게 되죠.

고객 적립금을 사용함에 있어서 웹이든 모바일앱이든 동일한 정책을 가져가야 하는 것처럼 지능형의 기능 제공 여부 또한 채널마다 제 각각이어서는 안되겠죠. 챗봇이 지능형을 반영하기 더 쉽다고 하더라도요.

그런데, 본질적으로 질문을 던져봐야 할 것이 있습니다. 과연 거래를 하는 도중에 지능형 시스템이 고객의 선택을 자의적으로 판단해도 되는 것일까요? 여러분이 파란색 색상의 패딩을 고르려고 하는데 지능형 시스템이 과거의 패턴이나 최신 트렌드를 반영하여 흰색으로 주문했다면 여러분은 만족할까요? 오랜만에 건강식품을 골라서 부모님께 보내려고 하는데 과거 주문 배송지 패턴을 기준으로 지능형이 여러분의 집으로 배송시켜버렸다면 여러분은 어떤 기분이 들까요?

적게는 수만 원에서 수십만 원을 결제했는데 유통회사에서 최신 지능을 도입했다고 마음대로 옵션 항목을 결정해버린다면 여러분은 강하게 반발할 것입니다. 이런 문제에 대해 누가 책임을 질 것이며 문제를 제기한다면 어떻게 처리할 수 있을까요?


 거래 시스템은 회사 시스템 관점에서 제공해야 한다

지능형이 아무리 높은 판단을 할 수 있더라도 0.001%의 잘못된 판단을 한다면 기업 입장에서는 심각한 문제를 일으킬 수 있습니다. 이런 거래의 시스템에서는 잘못된 판단으로 인한 문제가 발생하지 않도록 기업이 선택하게 하는 것이 아니라 고객에게 선택지를 제공하고 고객이 직접 선택하게 하여 책임지게 하는 것이 더 적합합니다.

스스로 고른 M 사이즈 노란색 옷이 문제가 되더라도 고객이 직접 선택한 것이며, 카페라떼를 직접 골랐기 때문에 그 제품이나 서비스가 마음에 들지 않더라도, 또 돈을 지급했다 하더라도 스스로 해결할 수밖에 없는 것이죠. 그래야 고객의 불만이나 거래의 취소•반품이 줄어들게 된다는 것입니다.

또한, 기업의 입장에서는 법적인 제재, 회사 내의 채널 별 정책, 상품의 판매 정책에 따라 기존 레거시(Legacy) 관점을 우선시함으로써 리스크를 최소화해야 하는 것이죠. 고객은 결국 기업이 규정한 거래 절차, 동의해야 할 항목, 입력받아야 할 정보, 확인해야 할 사항 등이 담겨있는 시스템 프로세스의 흐름을 귀찮더라도 따라야 합니다. 간편 가입이라 인증과 같이 거래 단계를 부분적으로 줄인다 하더라도 그것이 향후 문제가 발생하지 않는다는 전제하에 절차를 줄일 수 있는 것입니다.

이러한 거래 서비스는 반드시 시작이 있고 종료가 있습니다. 거래 프로세스의 종료는 기업 관점에서 필요한 정보를 모두 입력받아야 끝나게 됩니다. 거래 프로세스가 종료되지 않으면 제품이나 서비스는 제공 되지 않으며 돈을 지급하지 않아도 됩니다. 신용카드 발급 거래가 이뤄지지 않으면 신용카드를 수령 받거나 결제를 할 수 없고, 구매 거래가 이뤄지지 않으면 상품이 택배로 배송되지 않는 것과 같은 이치죠.


결국, 거래 서비스는 기업이 거래 대상인 고객에게 선택의 절차와 선택 범위에 대해 가이드를 제시하고, 고객은 그 가이드 안에서 선택을 하는 구조이기 때문에 시나리오 기반의 프로세스와 리스트 형의 사용자 선택 UI가 더 적합하다고 할 수 있습니다. 물론 일부는 주소와 같이 키워드를 입력하면 입력 결과를 주소 목록처럼 리스트로 보여주어 선택하는 것도 활용할 수 있겠죠. 이러한 이유로 인해 페이스북 메신저나 라인, 그리고 네이버 톡톡도 리스트형 UI를 제공하는 것입니다.



 정보시스템은 고객 관점에서 제공해야 한다

이번에는 거래가 아닌, 거래와 관련 있거나 무관하더라도 고객에게 정보를 제공하는 서비스를 살펴보겠습니다. 정보를 제공한다는 것은 고객에게 적합한 제품을 추천하거나, 제품이나 기업에 대한 상세한 정보를 제공할 수도 있고 오프라인 매장의 위치나 연락처가 궁금할 수도 있을 것입니다. 

이 경우에 고객은 이미 명확한 목적을 보유하고 있다고 봐야 합니다. 매장이 문을 열었는지, 특정 제품의 재고가 있는지 지금 당장 알고 싶은 것이죠. 그래서 기업이 제공하는 채널을 통해 문의하게 됩니다. 그런데 대부분의 채널이 기업 관점에서 너무 많은 정보를 제공하고 있으므로 고객의 입장(명확한 하나의 목적)에서 보면 그 많은 정보를 일일이 확인하는데 짜증이 날 수밖에 없습니다. 

본인이 궁금한 것만 확인하면 되는데 그걸 일일이 메뉴를 누르면서 확인하는 게 보통의 노력이 필요한 게 아니라는 것이죠. 그래서 결국 웹사이트를 서칭하다가 포기하고 콜센터 상담원에게 전화해서 ‘내가 원하는 게 이건데 알려주세요’라고 묻게 되는 것입니다. 

정보 서비스는 거래 서비스와 다르게 순차적인 프로세스가 필요하지 않습니다. 궁극적으로 고객의 궁금증이나 당면한 문제만 해결하면 되는 것이죠. 아니면 최소한 신뢰할 수 있는 기업 담당자(또는 콜센터 직원)니 어떻게 하면 된다는 것을 안내해주면 되는 것입니다. 그래서 고객이 목적하는 요구사항에 빠르게 도달해야 합니다. 

이는 프로세스가 순차적일 수 없고 프로세스의 시작이 있지만, 종료는 없다는 것입니다. 고객의 입장에서 종료라는 것은 고객이 정보나 처리 결과에 대해 만족하는 순간일 때만 가능합니다. 거래 시스템이 경유지를 모두 거쳐야 목적지에 도달할 수 있는 구조라면 정보 시스템은 단번에 목적지에 도달할 수 있어야 합니다. 


사용자가 원하는 요구사항을 한 번에 쏟아낼 수 밖에 없고, 이를 한 번에 처리(목적지에 도착하게 하기 위해)해야하므로 정형화된 프로세스가 아닌 확률(또는 딥러닝에 기반을 둔 추론) 기반의 결정 구조를 필요로 하고, 리스트 형태로 선택하는 것이 아닌 자연어 문장으로 원하는 사항을 직접 입력하게 하는 것이 효율적인 서비스 UI라 할 수 있습니다.



 그러나 최신 기술을 도입해도 고객이 만족하지 못하면 소용이 없다

문제는 이런 정보 서비스는 기업의 관점에서 디자인하면 안 된다는 점입니다. 비싼 최첨단 솔루션을 쓰거나, 직접 구현한다고 해도 고객이 그 결과를 만족하지 못하면 아무 소용이 없게 되는 것이죠. 철저히 고객이 만족해야 프로세스가 종료되는 것처럼, 서비스의 만족도는 결국 고객이 그 서비스를 지속해서 쓰느냐에 달려있다고 하겠습니다.

제품과 서비스를 받기 위해 불편하더라도 회원가입과 주문, 결제를 요구하는 대로 순종적으로 따르는 것과는 다르다는 것이죠. 거래 시스템은 프로세스의 문제가 아닌 제품과 서비스의 불만족으로 이탈할 수 있지만, 정보 서비스는 정보 자체를 정확하고 빠르게 제공하느냐에 따라 이탈 여부가 결정됩니다.
 
고객이 프로세스의 종료를 결정한다는 것은 매우 중요한 문제입니다. 기업이 정보 서비스에 수백억을 투자했고 최첨단 지능형이라고 아무리 외쳐봐도 고객이 만족하지 못하면 끝나는 게임입니다. 그러니, 지능형을 투자한다면 그것이 고객의 관점에서 얼마나 정확한 정보를 제공하는지 철저히 확인한 후에 서비스를 제공해야 합니다.


 고객은 문제 해결을 원하지 채팅을 원하지 않는다

다시 정리를 해보면, 기업의 서비스는 정보 서비스와 거래 서비스로 크게 구분할 수 있습니다. 이 두 서비스는 비즈니스 구조에서 절대 뗄 수가 없는 관계이죠. 만약 여러분이 챗봇 서비스를 구현한다면 이 두 가지 모델의 차이를 잘 이해하고 그에 적합한 챗봇 서비스 모델을 구현하실 필요가 있습니다. 

거래 서비스는 기업 레거시(Legacy) 관점에서 디자인되어야 하며 거래의 성공을 위해 필요한 프로세스와 항목을 준수해야 합니다. 고객에게는 선택할 수 있는 선택지가 명확하므로 리스트 선택 또는 키워드 입력을 통해 필요한 항목 정보를 입력받아야 하며, 선택의 결과는 전적으로 고객이 책임지게 해야 합니다. 반드시 마지막 단계가 종료되어야 거래는 성공하는 것입니다. 

반면 정보 서비스는 고객이 명확한 요구사항을 가지고 진입하기 때문에 요구사항을 정확하게 파악하는 데 필요한 정보를 한꺼번에 받을 필요가 있습니다. 정형화된 프로세스가 필요하지 않고, 확률에 근거하여 정확한 정보를 추정해야 합니다. 

프로세스의 종료는 결국 사용자의 만족에 의해 결정되기 때문에 철저히 고객의 관점에서 서비스 성공 여부가 판가름납니다. 당연히 추론할 수 있는 대상 데이터가 많을수록, 알고리즘이 정교할수록, 오랜 경험이 쌓일수록 서비스의 품질이 높아질 수밖에 없는 것이죠. 유명 솔루션을 썼다고 해서 고객이 만족하게 되는 구조가 아니라는 것입니다. 

어떤 기업이든 고객에게 제품을 추천하고, 거래하고, 고객서비스를 처리하는 과정에서 정보 서비스와 거래 서비스가 혼용할 수밖에 없습니다. 결국 챗봇 로직은 ‘어느 것이 더 낫다’라는 우열을 가리기보다 각 용도에 맞게 적합한 로직을 구현해야 한다는 것이죠. 분명 거래 흐름에서는 지능형이 그다지 필요하지 않고, 정보 서비스에서는 정형화된 트리(Tree) 로직은 결코 좋은 로직이 아닙니다. 


그에 따라 자연어 방식과 리스트 UI 방식을 로직과 서비스 모델에 맞게 제공해야 사용자가 챗봇을 더 가치 있는 채널로 인식하게 될 것입니다.

 


이번 LG CNS 블로그 독자 초청 세미나가 단 3일 만에 120명 정원을 초과한 180명이 넘는 분들이 신청해주셔서 챗봇에 대한 높은 관심을 확인할 수 있었습니다. LG CNS는 챗봇 기반의 자동화 및 지능형 서비스가 기업 환경에 적합한 서비스가 될 수 있도록 많은 연구와 고민을 하고 있습니다. 기업 담당자 여러분의 고민을 함께 해결하는 LG CNS 챗봇 서비스를 만들어 나가도록 할 것입니다. 감사합니다. 



글 ㅣ LG CNS 미래신사업담당




* 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 LG CNS 블로그에 저작권이 있습니다.

* 해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.




저작자 표시 비영리 변경 금지
신고
Posted by IT로 만드는 새로운 미래를 열어갑니다 LG CNS
위로