생성 기술 백본을 사용한 생성적 AI 고객 사용 사례

ChatGPT를 둘러싼 미디어의 관심은 주로 이 기술이 작업의 본질을 재정의하는 변혁적인 잠재력을 가지고 있다는 점에 초점이 맞춰져 있습니다. 그러나 더 큰 이야기는 생성적 AI가 고객 경험을 어떻게 변革할 것인지에 관한 것입니다. McKinsey 연구에 따르면 80%의 고객 작업이 채널 전체에서 자동화될 수 있으며, 이는 비용 절감의 20%를 가져옵니다.

ChatGPT와 같은 도구는 마케팅 및 판매, 공급망, 고객 지원, 제품 개발 등 다양한 비즈니스 기능에서 수많은 사용 사례를 지원하는 데 사용될 수 있습니다. 직원 생산성을 높이고, 사전 예방적 조치 및 문제 해결을 가능하게 하며, 일반적인 마찰 지점을 해결함으로써, 생성적 AI 솔루션은 팀이 고객 맞춤형 기능을 빠르게 발전시키는 데 도움이 될 수 있습니다. 그러나 이러한 비전을 달성하기 위해서는 기업 팀은 다섯 가지 다른 장애물을 극복하고 두 가지 다른 아키텍처를 배포해야 합니다. 하나는 인간 증강 상호 작용을 위한 아키텍처이고, 다른 하나는 완전 자동화된 상호 작용을 위한 아키텍처입니다.

프라임타임에 대비하여 ChatGPT를 위한 5가지 도전 과제

그么, 생성적 AI를 구현하는 데 어떤 장애물이나 위험이 있나요? 그리고 어떻게 그것들을 완화할 수 있나요?

1. ChatGPT는 메시지를 개인화하지 않습니다: 현재 생성적 AI 도구는 메시지를 개인화할 수 없습니다. 그러나 개인화는 제품 및 서비스 판매를 주도하고, 구매당 지출을 증가시키고, 반복 구매를 얻고, 고객 충성도를 향상시키는 데 핵심입니다. 마케터는 기업급 생성적 AI 기술을 사용하여 이름, 이미지, 제안, 최근 구매에 기반한 제품 추천 및 카트 방기 메시지를 개인화할 수 있어야 합니다.
2. ChatGPT는 콘텐츠를 상상합니다: 생성적 AI 솔루션은 프롬프트와 과거 학습을 사용하여 콘텐츠를 생성합니다. 즉, 통계적 패턴에서 학습한 콘텐츠로 빈칸을 채웁니다. 이는 종종 사실이 아닌 정보를 “상상”합니다. 생성적 AI를 사용하여 고객 세그먼트와 사용 사례 전체에 걸쳐 이를 확장하기 위해, 기업은 사용자 및 승인자에게 콘텐츠를 전달하거나 고객에게 배포하기 전에 이 잘못된 콘텐츠를 식별하고 제거할 수 있어야 합니다.

3. 생성적 AI는 비즈니스 규칙을 적용할 수 없습니다: 비즈니스 규칙은 고객 상호 작용을 간소화합니다. 협소한 AI 채팅봇은 이러한 유사성을 감지하고 승인된 답변을 제공하는 데 뛰어난 성과를 보였습니다. 생성적 AI는 이러한 유사성을 감지할 수 없으며, 각 질문에 대한 원래의 응답을 생성하여 고객의 혼란을 초래하고 상호 작용에 오류를 도입합니다. 생성적 AI 도구와 기업의 사전 정의된 비즈니스 정책을 결합하는 기업급 기술 아키텍처는 이러한 응답을 표준화하여 고객 전체에 걸쳐 일관된 응답을 제공하는 데 도움이 될 수 있습니다.
4. 생성적 AI는 준수를 보장할 수 없습니다: 고객을 위한 콘텐츠는 일반적으로 법적 검토를 거쳐, 이미지, 텍스트, 제안 및 약속이 회사 법적, 규제 및 고객 정책을 준수하는지 확인합니다. 이 프로세스는 고객의 실수, 규제적 비난 및 벌금, 기타 비즈니스 손실로부터 회사들을 보호합니다. 생성적 AI는 이러한 미묘함을 이해할 수 없으므로, 준수된 콘텐츠를 생성할 수 없습니다. 따라서 생성적 AI를 사용하는 기술은 법적 가드를 내장하여 공공적으로 배포되거나 사용되기 전에 준수되지 않는 콘텐츠를 식별하고 제거하는 데 도움이 될 수 있습니다.
5. ChatGPT의 무제한 사용은 보안 위험을 초래합니다: ChatGPT의 사용은 보안 정책에 의해 제한되지 않는 개인의 경우에 발생하는 일에 대한 흥미로운 사례 연구입니다. 직원들이 이 공개 채팅봇에 기민한 데이터를 입력하여 데이터 노출 및 지적 재산권 상실의 위험을 무릅쓰는 것에 대한 미디어 이야기가 많습니다. 기업 데이터 및 IT 팀은 정보를 분할함으로써 이러한 문제를 완화할 수 있습니다. 즉, 기민한 콘텐츠를 도메인 채팅봇에 보내고, 일반적인 조회는 ChatGPT에 라우팅합니다.

생성적 AI를 위한 새로운 아키텍처 평가

인간 증강형 B2C 및 B2B 작업과 완전 자동화된 B2C 작업을 가능하게 하기 위해, 기업은 두 가지 다른 아키텍처가 필요합니다.

두 아키텍처는 모두 ChatGPT와 같은 오픈 소스 생성적 AI 도구를 사용하여, 프롬프트 입력에서 데이터 합성 및 콘텐츠 생성, 청소 및 개인화, 거버넌스까지의 프로세스를 안내합니다.

ChatGPT를 사용하여 인간 증강형 B2C/B2B 상호 작용을 간소화

일반적인 시나리오를 고려해 보겠습니다. 마케팅 전문가는 프롬프트를 기업 인터페이스에 입력하여, 이메일 캠페인과 같은 콘텐츠 개발을 위한 사전 설계된 질문지를 사용합니다.

직원은 이메일 지시, 원하는 대상, 제품 이름, 마케팅 주장 및 제품 특성, 사용 지침을 포함한 주요 정보를 입력합니다.

그런 다음 아키텍처는 고객 페르소나를 사용하여 지침을 해당 세그먼트에 대한 정보와 함께 풍부하게 합니다. 이러한 데이터 모델이 사용 가능할 때, 향상된 질문은 외부 API를 통해 ChatGPT 또는 유사한 생성적 AI 도구로 전송됩니다.

다음으로, 큐레이터는 기업 및 규제 기준을 충족하는지 확인하기 위해 비즈니스 규칙 및 법적 가드를 콘텐츠에 적용합니다. 마케팅 전문가는 결과 이메일을 검토하고 승인한 후 고객 기반에 전송합니다.

ChatGPT를 사용하여 B2C 상호 작용 자동화

완전 자동화된 상호 작용은 어떻게 될까요?

사용자가 질문을 입력하면, 이전과 마찬가지로 고객 페르소나 데이터로 질문을 풍부하게 합니다. 그러나 업데이트된 쿼리는 두 가지 경로 중 하나로 라우팅됩니다. 도메인 채팅봇은 비즈니스 특정 콘텐츠에 대한 개인화된 응답을 제공할 수 있거나, 외부 API를 통해 ChatGPT로 라우팅됩니다. 도메인 채팅봇은 콘텐츠를 개인화하지만, ChatGPT는 그렇지 않습니다.

결과 콘텐츠는 자동으로 고객에게 배포되기 전에 오류를 제거하고 비즈니스 규칙 및 가드레일과 비교됩니다.

새로운 기술 아키텍처를 배포하여 ChatGPT에서 새로운 비즈니스 가치를 창출

생성적 AI에서 ROI를 추진하기 위한 경쟁이 진행 중입니다. 기업 리더들은 비즈니스 프로세스를 비용과 낭비에 대해 분석하고, 벤더와의 접근 방식 및 솔루션에 대해 논의하며, 증명된 개념을 개발하고 있습니다. 그들은 속도와 규모에 대한 가치를 달성하기 위해 활용할 수 있는 통찰력과 솔루션을 찾고 있습니다.

그들이 이러한 중요한 작업을 수행하는 동안, 이러한 리더는 다섯 가지 일반적인 생성적 AI 도전 과제를 해결하고 인간 증강형 및 완전 자동화된 상호 작용을 모두 가능하게 하는 능력에 따라 모든 제공업체를 평가할 수 있습니다.

이 두 가지 다른 기초 아키텍처를 사용하면 기업은 다양한 비즈니스 이익을 달성할 수 있습니다. 그들은 팀 생산성을 높이고, 고객 경험을 향상시키고, 서비스 상호 작용 비용을 줄이고, 새로운 제품 판매를 추진할 수 있습니다.