IT Solutions/AI

챗봇부터 음성봇까지! ‘언어 AI’가 나타났다

2020. 6. 15. 09:30

대부분의 비즈니스에서 AI 도입을 고려하는 목적은 사람을 대신해서 인식하고 분류한 다양한 정보를 기반으로 신속하게 추론하고 예측해 새로운 비즈니스에 접목하거나 기존의 업무에 활용하는 것입니다.



대표적인 적용 형태는 다음과 같습니다.

1) 음성과 언어 정보를 추론하는 언어 AI

2) 영상과 이미지 정보를 토대로 추론하는 시각 AI

3) 이미 확보된 정보를 분석하고 예측하는 데이터 AI

4) 위 형태를 복합적으로 적용한 복합 AI


언어 AI는 학습을 통해서 문서나 텍스트, 그리고 음성 신호에 담긴 의도와 문맥을 추론하고 이해하는 것을 의미하며 이를 구성하는 요소기술로는 NLU, NLP, STT, Text Analytics 등이 있습니다. 주변에서 챗봇이나 음성봇 형태로 구현된 것을 주로 볼 수 있으며, 그 외에도 업무 문서를 이해하거나 반복되는 업무의 처리 대행까지 폭넓게 활용되고 있습니다.


이제 주요 사례를 통해서 언어 AI가 실제 비즈니스 환경에서 어떤 변화를 주도하고 있는지 하나씩 살펴보겠습니다.


 챗봇


통상적으로 언어 AI라고 하면 챗봇을 가장 먼저 떠올리게 됩니다. 챗봇의 핵심은 사용자 대화의 의도를 파악하는 NLU(Nature Languaege Understanding: 자연어 이해) 기술입니다. 이러한 기술을 활용한 챗봇 개발 사례를 몇 가지 살펴보겠습니다.


1. KB 국민은행

과거 1세대 챗봇은 사전에 정의한 질문에 대한 답변만 가능하다는 한계가 있었는데, KB국민은행은 LG CNS의 DAP Talk On-Promise 솔루션을 도입해 기존 챗봇의 한계를 넘어선 상담 챗봇 “똑똑이” 서비스를 개발해 full 뱅킹 서비스를 제공하는 스타뱅킹 어플에 탑재했습니다.


스타뱅킹 똑똑이는 KB국민은행의 금융 관련 전체 서비스에 대응하던 기존 콜센터 업무 중 빈번하게 발생하는 질의에 대해 대응할 수 있도록 설계되어 금융 서비스 이용 고객들의 시간과 장소에 대한 제약 없이 금융 서비스를 이용할 수 있도록 개발되었습니다.


l KB스타뱅킹 어플 캡처


2. 해외 보험사 챗봇 사례

국내•외 여러 보험회사에서는 AI 챗봇을 도입해 단순 상담 업무뿐 아니라 보험금 청구와 지급, 그리고 상품 추천, 가입 심사 등 여러 업무 영역에서 사용자 편의를 제공하고 있습니다.


보험사들이 챗봇을 도입하는 이유는 데이터를 수집하고 이를 기반으로 고객 경험(Customer Experience)을 최적화해 비용을 절감하고 수익을 창출하며 리스크를 관리하고 할 수 있기 때문입니다.


예를 들어, 고객은 챗봇을 통해서 시간과 장소 등의 제약 없이 원하는 서비스와 정보를 신속하게 받거나 보험 관련 업무를 처리할 수 있게 됩니다. 그리고, 보험사는 텔레매틱스(Telematics)나 로보틱 프로세스 자동화(RPA, Robotic Process Automation)등의 기술과의 연계를 통해 반복적인 업무와 잦은 질문에 대한 처리 비용을 절감하고, 업셀링과 크로스셀링 등을 통해 추가적인 가치를 창출할 수 있게 됩니다.


보험사들의 챗봇 활용 사례는 다음과 같습니다.



 음성봇


앞서 살펴본 챗봇은 텍스트 기반으로 대화를 해야 한다는 제약이 있었으나, 사용자 음성을 텍스트로 변환하거나(Speech-To-Text) 텍스트를 음성으로 변환하는(Text-To-Speech) 기술을 통해서 사용자의 말(speech)을 이해하거나 음성 기반의 대화가 가능한 음성봇 서비스를 개발할 수 있습니다.


유플러스의 경우 LG CNS의 AI 솔루션인 DAP Talk와 텍스트 분석 솔루션인 SMA를 활용해 고객센터의 상담 품질을 향상시키고 있습니다.


우선 음성상담 대화 내용은 STT 엔진을 통해서 고객의 음성인 RX와 상담사 음성인 TX로 분리되어 텍스트로 변환됩니다. 이렇게 변환된 텍스트는 텍스트 분석 솔루션을 통해서 상담 유형을 분류하고 상담사의 상담 스크립트 이행 여부 분석이 가능한 데이터로 정제됩니다.


상담 유형 자동 분류를 통해서 상담 후처리 시간을 단축하게 되며 스크립트 이행 분석을 통해서 상담 내용에 대한 평가도 자동 수행됩니다. 또한 고객의 VOC 분석을 통해서 비즈니스 Scene 발굴도 가능해집니다.



이처럼 음성봇은 고객의 VOC 분석뿐 아니라 PBX(Private Branch eXchange), PDS(Predictive Dialing System) 그리고 CTI(Computer Telephony Integration)와 같은 콜센터 장비와 연계를 통해서 실시간 음성 상담을 지원하는 콜센터 음성 챗봇으로 구성할 수도 있습니다.


 텍스트 분석 봇


언어 AI는 챗봇, 음성봇 외에도 보고서를 분석하고 인사이트를 도출하는 등의 형태로도 활용될 수 있습니다. 대표적인 사례 중 하나인 영국 공공기관의 사례를 소개해 드리겠습니다.


AI 선도국 중 하나인 영국은 공공분야에서의 AI 기술 활용 촉진과 선도적 사례 창출을 위해서 영국 디지털 서비스 청(GDS: the Government Digital Services)과 AI 사무국(OAI: the Office for Artificial Intelligence)은 공공부문의 AI 구축과 활용 방법에 관한 지침 가이드를 2019년 6월에 발표했습니다.


l 영국의 공공분야 AI 활용 지침의 내용 구성 (출처: 영국의 공공분야 AI 활용 가이드 주요 내용.pdf, AI Hub)


영국 법무부는 이러한 지침 가이드에 따라, AI를 통해 교도소의 보고서 자료를 분석하고 관리 효율성을 개선했습니다.


관련 내용을 살펴보면 다음과 같습니다.


1. 영국 법무부(MOJ)는 수감자 간의 충돌 등 교도소 내부 사건들과 지리를 포함한 다양한 요인들이 서로 다른 감옥에 끼치는 영향에 대한 비교 분석이 필요했습니다.

  • 이를 위해 분석해야 할 자료는 관련 기관의 운영, 검사 등의 내용이 담긴 500여 건의 보고서 및 250,000개의 구조화되지 않은 문장 데이터였습니다.


2. 이를 위해 영국 법무부는 인공신경망 학습을 통해 보고서 분석 및 교도소 수감자 및 사감들이 특정 어휘를 활용하는 행태를 추적했습니다.

  • 이를 위해 유사한 의미를 지니는 단어를 분류해 지능형 검색 도구를 구성했습니다.

  • 또한, 신규로 생성되는 보고서는 자동으로 라이브러리에 추가되어 항상 최신 상태의 데이터를 유지했습니다.

  • 이를 통해 직원들은 보고서 내에 수록된 정보를 신속하게 파악하고 식별할 수 있게 되었습니다.



3. 영국 법무부의 AI 활용은 다음과 같은 업무 효율성을 개선했습니다.

  • 여러 교도소에서 발생하는 이슈와 사건들의 패턴을 식별하고 분석

  • 교도소에 영향을 주는 지리적 패턴을 식별


결과적으로 AI 도입을 통해서 교도소 운영과 정책에 관한 데이터 분석 기반의 의사결정이 가능해졌습니다.


이상으로 언어 AI가 활용된 사례에 대해 알아보았습니다. 다음에는 시각 AI와 데이터 AI, 그리고 3가지 형태가 혼합된 복합 AI 활용 사례에 대해 알아보도록 하겠습니다.


글 l LG CNS AI빅데이터연구소


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

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


[참고 자료]

 

<사이트 및 보고서>

  • 보험연구원(2018), 보험 회사의 챗봇 도입 현황과 이슈

  • Indus Net Technologies (2017), "How Chatbots are Changing the Insurance Industry?"

  • AI Hub Blog, [D.N.A 플러스] 영국의 공공분야 AI 활용 가이드 주요 내용 中 첨부파일 ‘영국의 공공분야 AI 활용 가이드 주요 내용.pdf’ 참조

  • (http://www.aihub.or.kr/blog/2607)

  • LG CNS (2020), AI 수행체계 TF 내부 보고자료 中 case study 참고




Posted by IT로 만드는 새로운 미래를 열어갑니다 LG CNS

댓글을 달아 주세요

위로