Sergey Galchenko, IntelePeer의 Chief Technology Officer – 인터뷰 시리즈

컴퓨터 과학 및 AI 분야에 처음 관심을 갖게 된 계기는 무엇인가?

나는 문제를 해결하는 것을 즐기며, 소프트웨어 개발은 매우 빠른 피드백 루프를 제공합니다. AI는 전통적인 결정론적 프로그래밍 접근 방식으로 해결하기 어려운 새로운 사용 사례를 제공하는 흥미로운 도구입니다.

고객 지원의 랜드스케이프에 AI가 미친 영향은 무엇이며, 특히 CX(고객 경험) 운영의 자동화를 어떻게 변화시켰는가?

생성형 인공 지능은 고객 지원 산업을 전례 없는 방식으로 혁신하고 있습니다. 자동화된 통신 솔루션과 결합하면, 생성형 AI는 고객 상호작용을 개선하고, 운영 효율성을 높이고, 노동 비용을 줄이는 새로운 기회를 제공합니다. 이러한 기술을 사용하면 고객은 개인화된 서비스와 일관된 지원을 받을 수 있으며, 비즈니스에서는 호출을 더 효과적으로 처리하고, 에이전트의 이직과 고용 빈도를 줄일 수 있습니다. 또한, 생성형 AI는 고객 상호작용에서 파생된 데이터를 사용하여 정보를 통합하고 요약하는 데 사용할 수 있습니다. 이러한 기술을 사용하는 CX의ประโยชน은 명확하며, 이러한 추세가 더 많은 회사에 영향을 미칠 것이라는 증거가 증가하고 있습니다.

IntelePeer의 생성형 AI가 고객 지원 에이전트의 단조로운 작업을 어떻게 줄였는지 구체적인 예를 제공할 수 있나요?

IntelePeer의 생성형 AI의 궁극적인 목표는 고객 지원 시나리오에서 완전한 자동화를 가능하게 하는 것입니다. 이는 에이전트의 의존도를 줄이고, 운영 비용을 최대 75%까지 줄일 수 있습니다. 우리의 플랫폼은 조직의 고객 상호작용의 최대 90%를 자동화할 수 있으며, 이미 50억 개 이상의 고객 상호작용을 자동화했습니다. 우리의 생성형 AI는 수동 작업을 자동화할 수 있을 뿐만 아니라, 고객이 점점 더 요구하고 기대하는 셀프 서비스 경험을 제공할 수 있습니다. 이는 하이퍼 개인화된 통신, 개선된 응답 정확도, 빠른 해결을 제공할 수 있습니다.

AI 관련 서비스에서 창의성과 정확성을 어떻게 균형을 유지해야 하는지 설명할 수 있나요.

AI 기반 서비스와 솔루션에서 창의성과 정확성을 균형을 유지하는 것은 신뢰를 구축하는 데 중요합니다. 먼저, AI 솔루션은 입력에 대한 정확한 출력을 제공하는 데 최선을 다해야 합니다. 그러나 좋은 경험을 제공하는 것은 단순히 고객에게 올바른 정보를 제공하는 것만이 아닙니다. 또한 고객에게 정보를 올바르게 전달하는 것도 중요합니다. 예를 들어, 고객 서비스 상호작용에서 AI 기반 통신 솔루션은 고객의 톤을 자동으로 맞추고, 실시간으로 조정할 수 있어야 합니다. 또한, 고객이 인간과 대화하는 것 같은 느낌을 주면서도, 실제로 인간이 아니라는 것을 인식할 수 있어야 합니다. 이는 신뢰를 구축하고, 기술의 더广泛한 채택과 사용을 촉진하는 데 중요합니다.

AI 응답의 정확성을 보장하는 데 데이터가 어떤 역할을 하는지 설명할 수 있나요? 또한, AI 성능을 최적화하기 위해 데이터를 어떻게 관리하는지 설명할 수 있나요?

좋은 데이터는 좋은 AI를 만듭니다. 즉, AI 모델에 입력된 데이터의 품질은 모델이 생성하는 정보의 품질과 직접적으로 관련이 있습니다. 고객 서비스에서 고객 상호작용 데이터는 고객 여정에서 간격을 찾는 데 중요한 역할을 합니다. 이러한 데이터를 더 깊이 분석함으로써, 조직은 고객의 의도를 더 잘 이해하고, AI 기반 상호작용을 개선할 수 있습니다. 그러나, 이러한 데이터를 처리하고 분석하기 위한 적절한 데이터 아키텍처가 필요합니다.

IntelePeer의 AI 솔루션은 상호작용의 내용과 맥락을 사용하여 각 단계에서 최선의 조치를 결정합니다. 상호작용 중에, 고객이 특정 비즈니스 프로세스, 규칙 또는 정책에 대한 답변을 요구하는 질문을 한다면, AI 워크플로는 자동으로 비즈니스 데이터를 포함하는 지식 베이스를 사용하여 답변을 제공합니다. 또한, 비즈니스에서 직접 답변을 제공하지 않도록 하는 경우, AI 워크플로는 에이전트에게 질의를 에스컬레이션할 수 있습니다. 상호작용의 나머지 부분은 자동으로 Q&A 페어에 추가되어 이후 고객 상호작용에서 응답을 개선할 수 있습니다.

AI가 고객 지원에서 점점 더 중요한 역할을 하게 되면, 프런트라인 에이전트의 역할은 어떻게 진화할까요?

우리는 IntelePeer에서 AI 기술의 발전으로 인해 프런트라인 에이전트의 의존도가 크게 줄어들 것이라고 믿습니다. AI 기반의 콜 컨테이먼트가 Dramatically 개선됨에 따라, 조직은 고객 상호작용의 최대 90%를 자동화할 수 있습니다. 이는 프런트라인 인력을 최적화하고, 운영 비용을 크게 절감할 수 있을 것입니다. 또한, 고객에게 더 나은 경험을 제공할 수 있습니다.

AI가 자동화하는 작업이 있는 반면, CX에서 여전히 중요한 역할을 하는 기술적인 CX 역할은 무엇일까요?

AI가 프런트라인 에이전트의 수를 줄일 수 있지만, CX 운영에서 인간의 요소는 항상 필요합니다. 예를 들어, AI 기반 통신 모델은 정확성과 편향성의 제거를 보장하기 위해 인간의 감독과 관리가 필요합니다. 또한, 자동화된 고객 통신을 조직 또는 브랜드의 메시지와 성격에 맞추는 데 인간의 감각이 필요합니다. 이러한 기술적인 역할은 향후 전통적인 프런트라인 역할을 대체할 것입니다.

AI의 환상은 정확한 고객 상호작용을 유지하는 데 문제가 될 수 있습니다. IntelePeer는 AI가 사실을歪曲하지 않도록 구체적인 가드를 어떻게 구현했나요?

 기업은 생성형 AI를 사용하여 고객 서비스 상호작용을 자동화하는 데 책임감을 느껴야 합니다. 이를 위해, 기업은 Retrieval Augmented Generation(RAG) 패턴을 구현하여 대규모 기업 데이터셋을 분석할 수 있어야 합니다. 또한, 자동화된 고객 서비스 상호작용을 위한 인간의 피드백 루프를 생성하여 과거의 상호작용을 분석하고, 데이터셋의 품질을 개선해야 합니다. 이를 통해, AI의 환상을 제거하고, 정확성을 보장할 수 있습니다.

대규모 언어 모델(LLM)이 맥락을 올바르게 해석하고, 신뢰할 수 있는 응답을 제공하는 데 어떻게 보장할 수 있나요?

대규모 언어 모델(LLM)은 생성형 AI의 핵심 구성 요소입니다. 그러나, 이러한 모델을 고객 서비스 환경에서 사용하는 경우, 출력 품질 문제, 환상, 저작권 침해, 편향된 알고리즘 등이 발생할 수 있습니다. 이를 방지하기 위해, 기업은 생성형 AI를 사용할 때 반드시 가드를 구현해야 합니다. IntelePeer는 Retrieval Augmented Generation(RAG) 패턴을 사용하여, 데이터의 맥락을 고려하여 응답을 생성합니다. 이를 통해, 고객의 질문에 대한 답변을 제공하는 데 필요한 데이터를 자동으로 검색하고, 정확한 응답을 생성할 수 있습니다.

앞으로 고객 경험에서 AI의 역할에 대해 예상되는 추세는 무엇인가?

우리는 IntelePeer에서 생성형 AI가 인간의 의사소통 능력을 강화하는 강력한 도구가 될 것이라고 믿습니다. AI는 고객 서비스 통신을 개선하고, 장벽을 극복하며, 새로운 기회를 창출할 것입니다. 또한, 대규모 언어 모델을 사용하여 훈련된 가상 에이전트는 인간의 대화에서 감정을 감지하고, 톤과 단어 선택을 수정할 수 있을 것입니다. 이러한 기술을 사용하여, 기업은 고객과의 연결을 강화하고, 효율성을 개선하며, 생산성을 높일 수 있을 것입니다.

이번 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 IntelePeer를 방문할 수 있습니다.