고객 서비스에서 생성 AI를 지능적으로 사용하는 방법

게시 됨: 2023-05-05

ChatGPT, Google의 Bard, DALL-E, MidJourney 및 계속 증가하는 AI 기반 도구 목록의 고급 기술인 Generative AI는 전 세계를 강타했습니다. 그리고 말 그대로.

인간과 같은 응답을 복제할 수 있는 능력을 갖춘 Gen AI는 고객 경험을 개선하려는 기업에게 차세대 기술입니다. Gen AI 기반 고객 서비스 도구는 고객 문의에 신속하게 응답하고 개인화된 권장 사항을 제공하며 소셜 미디어용 콘텐츠를 생성할 수도 있습니다.

이 선구적인 기술의 좋은 예는 OpenAI와 G2의 자사 데이터 세트를 기반으로 구축된 G2의 최근 출시된 챗봇 비서인 Monty입니다. 사용자가 고유한 비즈니스 요구에 맞는 이상적인 소프트웨어 솔루션을 조사하도록 안내하는 최초의 AI 기반 비즈니스 소프트웨어 추천자입니다.

Monty와 같은 gen AI 지원 및 서비스 도구는 응답 시간을 크게 줄이고 응답 품질을 향상시켜 더 나은 고객 경험으로 전환합니다. 그들은 반복되는 고객 쿼리를 동시에 처리하는 데 능숙하여 인간 지원 에이전트가 보다 전략적이고 복잡한 문제에 집중할 수 있도록 합니다.

그러나 고객 서비스에 Gen AI를 구현하는 데는 고유한 문제가 있습니다. 가장 큰 과제 중 하나는 편향이나 부정확성을 피하기 위해 다양한 데이터 세트에서 AI 모델을 교육하는 것입니다. AI는 또한 윤리적 기준을 준수하고 개인 정보 보호 및 보안을 손상시키지 않아야 합니다.

이 기사에서는 Gen AI가 어떻게 고객 서비스에서 엄청난 잠재력을 가지고 있으며 기업이 윤리적 구현을 통해 어떤 이점을 얻을 수 있는지에 대해 설명합니다.

제너레이티브 AI란?

Generative AI는 방대한 양의 데이터를 처리하여 완전히 새로운 결과를 생성할 수 있는 인공 지능의 한 분야입니다. 사용하는 훈련 데이터(및 AI 모델이 수행할 작업)에 따라 이 출력은 텍스트, 이미지, 비디오 및 오디오 콘텐츠가 될 수 있습니다.

AI 세대 기업에 대한 관심과 투자가 가속화됨에 따라 이 부문의 시장 가치는 2023년 전 세계적으로 426억 달러에 달할 것으로 예상됩니다.

고객 서비스에 생성 AI를 사용하는 이유는 무엇입니까?

비즈니스 리더들은 과거에 고객이 봇과 인간의 상호작용이 불편하다고 생각했기 때문에 자동화 솔루션 구현을 거부했습니다. 이것은 투박하고 규칙 기반의 1세대 봇에 대한 정당한 우려 사항이었습니다. 그러나 그 이후로 기술은 먼 길을 왔습니다.

인간과 간단하고 자연스럽게 대화할 수 있는 Gen AI 챗봇의 고급 기능은 고객 대면 환경에서 이 기술을 사용하는 것을 쉽게 만듭니다. 대화 경험 개선에서 제안된 응답으로 상담원 지원에 이르기까지 생성 AI는 더 빠르고 더 나은 지원을 제공합니다.

고객 서비스에서 생성 AI를 사용하는 방법

보다 광범위한 자동화 또는 CX 전략에 내장된 생성 AI는 더 빠르고 더 나은 지원을 제공하는 데 도움이 될 수 있습니다. 방법은 다음과 같습니다.

더 자연스러운 대화 만들기

자동화된 채팅 대화에 Gen AI 레이어를 추가하면 지원 봇이 보다 자연스러운 답변을 보낼 수 있습니다. 이렇게 하면 인사말, 작별 인사 및 기타 대화에 대한 대화 흐름을 구축하지 않아도 됩니다.

웹 페이지에서 업데이트된 정보 가져오기

대화 흐름을 수동으로 업데이트하거나 지식 기반을 확인하는 대신 생성 AI 소프트웨어가 해당 정보를 고객에게 즉시 제공할 수 있습니다. 이 소프트웨어는 도움말 센터, FAQ 페이지, 기술 자료 및 기타 회사 페이지를 선별하여 최신 정보에 액세스합니다. 이 정보는 추가 교육 없이 자동으로 고객에게 전달됩니다.

고객이 자신의 계정에 나열된 배송 주소를 업데이트하려고 한다고 가정합니다. Gen AI 솔루션에 응답을 요청하면 올바른 답변을 찾기 위해 도움말 문서를 검색합니다. 고객을 기사로 안내하는 대신 봇이 필요한 정보를 통합합니다. 주소를 수정하는 방법에 대한 정확한 지침을 고객에게 직접 전송하여 주고 받을 필요 없이 즉시 쿼리를 해결합니다.

구조 지원 티켓

Gen AI는 티켓을 구조화, 요약 및 자동 채울 때 가장 잘 작동합니다. 이는 지원 팀이 고객 쿼리를 더 빨리 해결하는 데 도움이 될 뿐만 아니라 더 중요하고 전략적인 작업에 집중할 수 있도록 합니다.

Gen AI 모델은 메시지 감정을 분석하고 티켓을 분류할 수도 있습니다. 분류된 지원 티켓은 작업하기 쉬우므로 맞춤형 응답을 보내고 티켓의 우선 순위를 지정할 수 있습니다.

훈련 데이터 생성

Gen AI는 AI 기반 봇 교육 및 유지 관리와 관련된 분석적이고 창의적인 작업을 가속화합니다. 이를 통해 자동화 관리자, 대화 디자이너 및 봇 작성자가 보다 효율적으로 작업하여 조직이 자동화에서 더 많은 가치를 더 빠르게 얻을 수 있습니다.

고객이 반품을 요청할 수 있는 모든 방법을 해결할 시간이 없으십니까? 의도 기반 모델에 대해 이 교육 데이터를 수동으로 생성하는 대신 Gen AI 솔루션에 생성하도록 요청할 수 있습니다.

샘플 대화 흐름 제공

최고의 작가도 때때로 벽에 부딪힙니다. 이러한 경우 Gen AI는 작성자를 위한 응답 템플릿을 생성하여 작성자의 블록을 깨고 창의성을 장려할 수 있습니다. 작성자는 브레인스토밍 대화 흐름에 대한 영감으로 예제 흐름을 사용할 수 있습니다.

더 읽어보기: 제너레이티브 AI란 무엇인가: 합성 매체, LLM 등 →

고객 서비스에서 제너레이티브 AI를 사용할 때의 과제

제너레이티브 AI는 비교적 새로운 기술입니다. 그리고 모든 새로운 개발과 마찬가지로 해결해야 할 몇 가지 단점이 있습니다. 그러나 다음과 같은 위험과 과제를 해결하고 완화한다면 Gen AI 기능을 고객 지원 자동화와 결합하는 것이 가능합니다.

정확성

Gen AI 모델의 인상적인 유창함은 그들이 훈련받은 광범위한 데이터에서 비롯됩니다. 그러나 이처럼 광범위하고 제약이 없는 데이터 세트를 사용하면 ChatGPT에서 종종 발생하는 것처럼 정확도 문제가 발생할 수 있습니다.

사용자가 제공하는 프롬프트에 따라 생성 AI 모델은 학습 데이터를 사용하여 사용자가 듣고자 하는 내용에 대한 최상의 추정치를 제공합니다. 불행히도 이러한 추정은 사실을 고려하지 않을 수 있습니다.

지원팀에 문의하는 고객은 특정 문제를 최대한 빨리 해결하기 위해 정확한 응답을 원합니다. 그렇기 때문에 생성 AI를 기술 스택에 직접 연결하고 느슨하게 하는 것은 좋은 생각이 아닙니다. 그렇다면 제너레이티브 AI 지원 대화가 탈선하지 않도록 어떻게 보장할 수 있을까요?

학습된 데이터에 질문한 특정 질문에 대한 정보가 포함되어 있지 않거나 상충되거나 관련 없는 정보가 있는 경우 AI 모델이 사실을 구성하는 것을 원하지 않습니다. 해결책? AI 모델을 재구성하기 위한 시스템 생성.

AI 기반 지원 대화를 순조롭게 진행하는 방법은 다음과 같습니다.

교육 데이터 세트를 최적화합니다. 데이터를 교육할 때 양보다 질을 고려하십시오. gen AI 모델은 고객 지원 설정에서 지식 기반에 연결됩니다. 이를 구현하여 최대한의 가치를 얻으려면 지식창고를 검토하고, 오래된 문서나 중복 문서를 제거하고, 현재 및 관련 데이터를 봇에 제공하십시오.
검색 엔진으로 모델을 접지하십시오. 모델이 사용자 지정 내부 검색 엔진을 사용하여 훈련된 지식 기반을 탐색하는 방법을 조정할 수 있습니다. 이 모델은 질문과 관련된 정보에 액세스하고 고객 상호 작용을 간소화합니다.
사실 확인 프로세스를 도입합니다. AI 정확성이 우려되는 경우 자동화 솔루션에 추가 팩트 확인 계층을 도입하면 적절하고 유용한 답변을 생성하는 데 도움이 됩니다. 모델을 사용하여 대화형 회신을 생성한 후 다른 AI 모델을 사용하여 고객에게 응답을 보내기 전에 응답을 확인할 수 있습니다.

이러한 가드레일을 설정하면 봇이 악의적인 응답을 보내거나 관련 없는 주제를 제시하는 것을 방지할 수 있습니다.

자원 사용

Gen AI 봇을 훈련하려면 대규모 데이터 세트가 필요합니다. 이로 인해 유지 관리가 자원 집약적이고 기술적으로 까다로워집니다.

자체 모델을 호스팅할 수 있지만 운영 비용이 빠르게 증가할 수 있습니다. 또한 많은 클라우드 공급자는 이러한 모델이 원활하게 실행되는 데 필요한 저장 공간을 제공할 수 없습니다.

이로 인해 모델이 정보를 처리하는 데 시간이 더 오래 걸리고 응답 시간이 지연되는 대기 시간 문제가 발생할 수 있습니다. 90%의 고객이 즉각적인 응답이 필수라고 말하면서 응답 속도가 고객 경험을 만들거나 깨뜨릴 수 있습니다.

합리적인 크기의 언어 모델을 사용하는 것이 리소스 사용량을 줄이는 데 중요합니다. 더 작은 언어 모델은 올바른 학습 데이터로 인상적인 결과를 생성할 수 있습니다. 리소스를 소모하지 않으며 통제된 환경에서 완벽한 솔루션입니다.

"제너레이티브 AI로 최상의 결과를 보려면 고객 지원의 AI를 하나의 신경망이 아니라 두뇌의 다른 부분이 다른 작업을 처리하는 전체 두뇌로 생각해야 합니다."
자코 파사넨
Ultimate의 최고 과학 책임자 및 AI 전문가

고객 지원 자동화 작업을 처리하기 위해 대형 AI 모델에 전적으로 의존하는 대신 더 광범위한 자동화 솔루션의 일부로 사용하십시오.

비즈니스에서 Gen AI를 구현할 때 현명하고 신중해야 합니다.

제너레이티브 AI는 의심할 여지 없이 강력합니다. 그러나 새롭고 많은 도전과 위험이 따르기 때문에 고객 대면 환경에서 사용할 때 주의해야 합니다. Gen AI를 모든 지원 문제를 해결할 묘책으로 보는 대신 더 광범위한 자동화 시스템의 일부로 사용하십시오.

어려움에도 불구하고 Gen AI는 고객 서비스에 많은 이점을 제공합니다. 그리고 성숙함에 따라 새롭고 고급 사용 사례와 기술 스택에서 이를 구현하는 더 나은 방법을 찾을 수 있습니다.

소프트웨어 구매는 이제 간단하고 스마트하며 친근합니다! G2의 AI 기반 챗봇 Monty와 채팅하고 전에 없던 소프트웨어 솔루션을 탐색하세요.