국내 챗봇은 딥러닝, 머신러닝을 활용한 자연어 처리 능력

 

 

 

 

 

728x90

 

 

 

국내 챗봇은 딥러닝, 머신러닝을 활용한 자연어 처리 능력

 

8퍼센트 에이다는 국내 AI 스타트업인 데이터나다가 만든 챗봇으로 페이스북 메신저 기반의 서비스이다.

앞서 국내 금융권 2개 업체와는 달리 시나리오 기반이 아닌 자연어 처리 기반으로 동작한다. 예를 들어 '대출을 받고 싶어요" 라고 입력하면 대출에 관한 안내가 나가고 "계좌 잔고를 알려줄래?"라고 입력하면 홈페이지 회원 정보를 연동하여 페이스북 메신저로 계좌 잔고를 알려준다.

또 하나 특이한 점은 스스로 학습이 가능한 알고리즘이 탑재되어 있어서 인지하기 어려운 문장이 반복되더라도 챗봇이 20분간 학습을 통해 응대한다는 것이다. 생소한 질문이더라도 동일 내용이 반복되면 자동으로 학습해서 테이터를 축적해 나간다.

 

외국에 비해 아직 국내 챗봇은 한계가 있다. 기계의 한국어 이해수준은 개체명 인식, 형태소 분석, 각종 태깅, 구문 분석 등의 분야에 비해 지식 베이스 자동 구축, Q&A, 기계 독해 등에서 연구 성과가 부족하다. 미국 등 인공지능 선진국에서는 딥러닝 기술을 적용해 자연어 처리 분야에서 괄목할 만한 성장세를 바탕으로 연구가 활발하게 진행되고 있다. 하지만 음성을 텍스트로 바꿔주는 기술은 어느 정보수준에 올라왔으니 언어를 이해시키는 기술 수준은 한참 뒤떨어져있다. 현존하는 챗봇과 음성 비서의 동작 방식은 규칙 기반으로 개발 된 제품이 대부분이기 때문이다.

 

머신러닝 방식은 기술적으로 매우 높은 수준을 요구하고 있어서 현재 대표적인 가상 개인비서 서비스인 구글 어시스턴트(영어), 아마존 알렉사(영어), 삼성 빅스비(한국,영어) 정도만 구현된 상태이다.

사람과 비슷한 응대 수준으로 서비스가 가능한 챗봇의 개발에는 아직 상당한 시간이 필요하다. 특히 한국어에 대한 기초 연구와 데이터 규모가 쌓여야만 머신러닝을 제대로 도입할 수 있고, 그 이후 비약적인 발전을 기대할 수 있다.

 

 

 

개인 맞춤형 서비스 분야에서 기대되는 챗봇의 활약

 

국내 금융권의 챗봇은 아직 초기 단계지만 발전 가능성은 아주 많다.

첫째는 365일 24시간 고객 응대가 가능하고, 콜 센터 상담원들의 감정노동을 줄여 줄 수 있다. 대부분의 고개들이 하는 질문은 금리, 대출 한도, 대출 기간등으로 한정되어 있기 때문에 이런 반복적인 업무를 챗봇이 맡는다면 상담원의 수고로움을 상당히 덜 수 있을 것이다.

 

둘째는 빠른 고객 서비스가 가능하다는 점이다. 고객 서비스를 원하는 소비자들은 브랜드와 대기시간 없이 빠르게 연결되길 원한다. 원하는 내용이 간단할수록 니즈는 더 커지는데 챗봇은 채팅을 통해 빠르게 고객과 접촉할 수 있기 때문에 그들의 요청사항을 거의 실시간으로 파악하고 응대할 수 있다. 기존 ARS의 경우 설명을 다 듣고 원하는 답을 듣기까지는 과정이 길지만 챗봇은 원하는 내용을 문자으로 타이핑해 질문하거나, 몇 번의 선택지를 눌러서 정보를 얻을 수 있기 때문이다.

 

셋째는 개별화된 서비스가 가능하다는 점이다. 챗봇은 공개된 채널이 아니라 플랫폼 내에서 브랜드와 이용자 간의 대화창으로 서비스가 이루어지는 경우가 많기 때문에 개인의 정보에 맞는 최적화된 서비스가 가능하다. 고객이 자신의 정보를 제공할 경우, 성별, 직업, 나이, 지역, 재정 상황 등에 맞는 상품 추천이나 이벤트 참여를 제안하는 등의 활동이 이어질 수 있다.