AI 에이전트란 무엇인가요? 유형, 구축 방법 및 활용 사례

고객지원 케이스 처리 건수가 급증하고 있지만 팀 인력이 부족한 상황이신가요? 혹은 연중무휴 24시간 고객지원을 제공하고 싶지만 예산이 부족해 24시간 근무 인력을 충당하기 어려운 상황일 수도 있습니다. 혹은 고객 문의 응답 시간을 줄여야 한다는 압박을 받고있지만 고객은 계속 더 많은 것을 기대하며 모든 것을 더 빨리 처리하기를 원할 수도 있죠.

바로 이런 모든 경우에 에이전트포스 같은 AI 에이전트가 도움이 됩니다. AI 에이전트의 정의와 작동 방식, 성공적인 AI 에이전트 배포를 위해 준비해야 할 사항을 살펴보세요.

학습 내용

• AI 에이전트란?
• AI 에이전트의 작동 방식
• AI 에이전트 아키텍처란?
• AI 에이전트 아키텍처 6가지 유형
• 지능형 AI 에이전트의 8가지 유형
• AI 에이전트의 장점
• 기업을 위한 AI 에이전트 구축 및 배포 방법
• AI 에이전트 활용 사례
• 성공적인 AI 에이전트 구현을 위한 8가지 팁
• AI 에이전트를 위한 Salesforce Service Cloud

AI 에이전트는 인간의 개입 없이 고객 문의를 이해하고 응답할 수 있는 지능형 시스템입니다. 머신 러닝과 자연어 처리(NLP)를 기반으로 간단한 질문에 대한 답변부터 복잡한 문제 해결, 멀티태스킹까지 다양한 작업을 처리할 수 있습니다.

가장 중요한 것은 AI 에이전트가 자가 학습을 통해 지속적으로 자신의 성능을 향상시킬 수 있다는 점입니다. 이는 특정 작업을 수행하려면 인간이 직접 입력해야 했던 기존 AI와는 크게 달라진 부분입니다.

오늘날 고객의 83%는 구매 여부를 결정할 때 ‘좋은 서비스’를 가장 중요한 기준으로 꼽습니다. 현재의 경쟁 환경에서는 매력적인 제품만 제공하는 것만으로는 충분하지 않죠. 고객은 훌륭한 서비스를 원하며, 모든 접점에서 쉽게 서비스를 이용할 수 있기를 원합니다.

문제는 무엇일까요? 77%의 기업이 전체 가치 사슬에 걸쳐 일관된 고객 경험을 제공하는 것이 어렵다고 말합니다. 여러 문의 채널을 관리하고, 파편화된 데이터 소스를 분류하고, 부서 간 커뮤니케이션이 복잡해지면서 기업은 모든 고객에게 원활한 고객 경험을 제공하는 데 어려움을 겪고 있습니다.

이때 AI 에이전트가 큰 역할을 할 수 있습니다. 업무를 자동화하고 '작업 중 학습'하는 AI 에이전트의 능력은, 기업이 최적의 고객 경험을 제공하기 위해 더 이상 직원 간 커뮤니케이션에만 의존할 필요가 없음을 의미합니다.

개인화된 치료 계획을 지원하는 AI 에이전트나 사용자의 시청 습관에 따라 개인화된 콘텐츠 추천을 제공하는 AI 에이전트를 생각해 보세요. AI 에이전트는 고객과의 상호작용을 실시간으로 모니터링하고 영업 담당자에게 실행 가능한 지원을 제공할 수도 있습니다. 이 모든 기능을 통해 기업은 시간을 절약하고 비용을 절감하는 동시에 고객에게 더 나은 서비스를 제공할 수 있습니다.

AI 에이전트가 'AI 챗봇'과 동일한 것이라고 오해하는 경우가 많지만, 이는 사실이 아닙니다. AI 챗봇은 사용자 질문에 응답하는 보다 단순한 자동화된 AI 봇입니다. 챗봇은 고객 문의를 읽고 적절한 답변을 제공하는 역할을 합니다.

이와는 대조적으로 AI 에이전트는 훨씬 더 복잡합니다. 사회적 단서와 맥락을 이해할 수 있습니다. 자유롭게 사고하고 의사결정 메커니즘을 사용하여 상황에 대한 미묘한 맥락까지 이해하여 최선의 접근 방식을 결정합니다.

챗봇은 반응형 시스템으로 엄격한 스크립트와 대화 패턴을 따르기 때문에 특히 문의 내용을 이해하지 못하는 경우 고객을 실망시킬 수 있습니다. 반면 AI 에이전트는 감정을 감지하고 발화자의 의도를 이해할 수 있어 어떤 상황에도 적응합니다. 이를 통해 AI 에이전트는 보다 개인화된 고객 경험을 제공할 수 있습니다.

또한 AI 에이전트를 활용하면 훨씬 더 다양한 작업을 처리할 수 있습니다. 챗봇은 일반적인 질문을 처리하는 데에만 유용하지만, AI 에이전트는 거의 모든 산업 분야에서 멀티태스킹이 가능하고 종합적인 솔루션을 제공할 수 있습니다.

탁월한 고객 서비스를 제공하는 것 외에도 데이터 정리, 애플리케이션 처리, 일정 관리와 같은 반복적인 작업을 자동화하여 실무 담당자들이 고부가가치 업무에 집중할 수 있도록 돕습니다. 심지어 사용자에게 개인 금융을 추천하거나 의사의 환자 진단을 돕는 등 상황에 따라 데이터에 기반한 의사결정을 내릴 수 있습니다.

결론적으로 AI 에이전트는 챗봇이 할 수 있는 모든 일을 처리할 수 있으며, 이외에 다른 훨씬 더 많은 일도 잘 해낼 수 있습니다.

AI 에이전트의 작동 방식은 다음과 같습니다:

• 인식 및 데이터 수집: AI 에이전트는 고객 상호작용, 거래 내역, 소셜미디어 등 다양한 소스에서 데이터를 수집하는 것으로 시작합니다. 이 데이터는 고객 문의의 맥락과 뉘앙스를 이해하는 데 매우 중요합니다. 고급 AI 에이전트는 실시간으로 데이터를 통합하고 처리하여 문의를 효과적으로 처리할 수 있는 최신 정보를 제공합니다.
• 의사 결정: AI 에이전트는 정교한 딥러닝 모델을 사용하여 수집된 데이터를 분석해 패턴을 파악하고 의사결정을 내립니다. 예를 들어 과거 고객과의 상호작용과 현재 고객 문의 상황을 바탕으로 가장 적합한 응답을 결정합니다. 이전 경험을 통해 학습하고 시간이 지남에 따라 응답을 개선하는 에이전트의 능력은 이러한 의사결정 프로세스를 향상시킵니다.
• 작업 실행: AI 에이전트는 결정이 내려지면 필요한 조치를 실행합니다. 여기에는 고객 문의에 대한 답변, 요청 처리, 복잡한 케이스는 인간 상담원에게 전달 등의작업이 포함됩니다. 이러한 작업 실행이 원활히, 효율적으로 이루어지도록 설계되어 고객이 적시에 정확한 응답을 받을 수 있도록 보장합니다.
• 학습 및 적응: AI 에이전트는 고객 상호작용을 통해 지속적으로 학습하여 알고리즘을 개선함으로써 정확성과 효율성을 높입니다. 지식 기반을 업데이트하고 피드백을 사용하여 향후 상호작용을 개선합니다. 이러한 지속적인 학습 기능은 비즈니스 환경이 변화하더라도 AI 에이전트의 작업 정확도를 유지하여 고객의 기대치를 충족하도록 해줍니다.

이처럼 AI 에이전트는 제품 추천, 문제 해결, 후속 대화 참여 등 다양한 고객 서비스 업무를 자율적으로 처리할 수 있습니다. AI 에이전트는 조직에 큰 도움이 될 수 있는 잠재력을 가지고 있지만, 이러한 에이전트의 작동 방식을 완전히 이해하려면 그 기반에 대해 더 자세히 살펴보아야 합니다. 다음으로 AI 에이전트 아키텍처에 대해 좀 더 자세히알아보겠습니다.

AI 에이전트 아키텍처는 AI 에이전트의 구성 요소, 원칙 및 상호 작용의 기반 역할을 합니다. 이는 기본적으로 에이전트가 의사 결정을 내리고 정보를 처리하며 환경을 인식하는 방식을 결정하는 구조적 프레임워크입니다. AI 에이전트 아키텍처는 네 가지 핵심 구성 요소로 구성되어 있습니다:

1. 프로파일링 모듈: 특정 컨텍스트 내에서 에이전트의 역할이나 기능을 결정합니다. AI 에이전트의 눈과 귀라고 할 수 있죠.
2. 메모리 모듈: 에이전트가 세부 사항을 기억하고, 과거의 행동을 기억하고, 실수로부터 학습할 수 있도록 합니다. 에이전트의 지식 창고 역할입니다.
3. 계획 모듈: AI 에이전트의 두뇌에 해당합니다. 계획 모듈을 통해 에이전트는 결정을 내리고, 상황을 분석하고, 미리 계획을 세웁니다.
4. 실행 모듈: 다른 모듈의 모든 정보를 사용하여 계획과 결정을 실행에 옮깁니다. 이것이 AI 에이전트와 현실 세계의 연결고리입니다.

이 아키텍처를 변경하면 AI 에이전트가 실제 세계에서 작동하는 방식이 크게 달라진다는 점을 유의하세요. AI 에이전트 아키텍처의 몇 가지 다양한 변형 사례를 통해 자세히 살펴보겠습니다.

AI 에이전트 아키텍처의 6가지 핵심 분류는 아래와 같습니다.

1. 반응형 아키텍처: 가장 단순한 형태의 아키텍처로, 단순한 외부 자극이나 환경의 변화에 미리 정해진 방식으로 반응합니다.
2. 심사숙고형 아키텍처: 세상에 대한 내부 모델을 바탕으로 작동하며, 이를 통해 어떤 최선의 조치를 취할지 스스로 판단합니다. 그러므로 훨씬 더 개선된 프로세스와 계획을 수행할 수 있습니다.
3. 하이브리드 아키텍처: 반응형 아키텍처와 심사숙고형 아키텍처의 장점을 결합하여 지능형 에이전트가 자율적으로 결정을 내리고 자극에 즉각적으로 반응하도록 설계됩니다.
4. 군집 아키텍처: 이름에서 알 수 있듯이 이 아키텍처는 개미나 벌과 같은 유기체의 군집을 모방합니다. 여러 에이전트가 함께 협력하여 복잡한 문제를 해결합니다.
5. 계층형 아키텍처: 다중 계층이 특징인 아키텍처입니다. 상위 계층은 추상적인 개념을 다루고 하위 계층은 구체적인 작업과 자극을 처리합니다. 각 계층은 서로 다른 기능을 가지고 있으며 함께 작동하여 다면적인 AI 에이전트를 만듭니다.
6. 인지 아키텍처: 인간의 두뇌를 모방합니다. 이 프레임워크를 기반으로 구축된 AI 에이전트는 새로운 기술을 학습하고 시간이 지남에 따라 개선될 수 있지만, 이를 위해서는 방대한 데이터 세트가 필요합니다.

위 6개의 AI 에이전트 아키텍처 중 다양한 도입 목적에 맞게 아키텍처를 선택하면 에이전트의 행동, 반응 및 의사결정 프로세스를 조정할 수 있습니다.

AI 에이전트는 기반이 되는 에이전트 아키텍처에 따라 다양한 형태로 제공됩니다. AI 에이전트의 8가지 유형을 살펴보세요:

1. 단순 반사 에이전트

단순 반사 에이전트는 '조건-행동' 원리를 사용하여 작동합니다. 이 에이전트는 현재 인식하는 것에만 반응하므로 주변 환경에 대한 깊은 이해가 없습니다. AI 챗봇처럼 일부 시나리오에서는 잘 작동하지만, 복잡한 산업 환경에서는 사용 사례가 제한됩니다.

2. 모델 기반 반사 에이전트

모델 기반 반사 에이전트는 주변 세계에 대한 내부 모델을 가지고 있어 주변 환경을 인식하고 즉시 명확하지 않은 것을 볼 수 있습니다. 누락된 정보의 간극을 스스로 메우고 상황에 대한 이해를 바탕으로 자율적인 결정을 내릴 수 있습니다. 단순 반사 에이전트보다 훨씬 더 복잡하고 민첩합니다.

3. 유틸리티 기반 에이전트

유틸리티 기반 에이전트는 효용 함수를 사용하여 의사결정을 내립니다. 예상되는 효용 측정값에 따라 다양한 작업을 평가하여 최적의 접근 방식을 선택할 수 있습니다. 이 모델은 문제에 대한 여러 가지 해결책이 있고, 그 가운데 가장 좋은 방법을 결정해야 하는 경우에 이상적입니다. 예컨대 가장 안전하고 빠른 경로를 결정하는 자율 주행 차량에서 유용합니다.

4. 목표 기반 에이전트

목표 기반 에이전트는 강력한 도구로서 특정 목표를 달성하도록 맞춤화되어 있습니다. 에이전트는 행동의 결과를 고려하고 그 액션으로 목표를 달성할 수 있는지에 따라 결정을 내립니다. 즉 매우 복잡한 시나리오를 자율적으로 탐색하고 센서를 통해 환경에 대응할 수 있습니다.

5. 학습 에이전트

학습 에이전트는 강화 학습을 통해 시간이 지남에 따라 개선됩니다. 이러한 특성은 비즈니스가 새로운 트렌드를 따라잡아야 하는 산업군일수록 특히 중요합니다. 예를 들어 가상 어시스턴트는 고객의 요구 사항과 원하는 바를 더 많이 학습하여 서비스를 지속적으로 개선할 수 있습니다.

6. 계층형 에이전트

계층형 에이전트는 계층적 구조를 가지고 있습니다. 상위 레벨의 AI 에이전트는 하위 레벨의 에이전트가 공통의 목표를 향해 작업하도록 프로그래밍하고 지시합니다. 이러한 구조를 통해 기업은 복잡한 다단계 프로세스를 더 간단한 작업으로 세분화하여 각 AI 에이전트가 한 가지 책임에 집중할 수 있습니다.

7. 다중 에이전트 시스템(MAS)

다중 에이전트 시스템(MAS)은 공동의 목표를 달성하기 위해 다른 에이전트와 상호작용하며 협력합니다. 일반적인 경우 미리 정의된 목표를 달성하기 위해 다른 에이전트와 조율하고 소통합니다. 이러한 다중 에이전트 시스템은 비즈니스의 필요에 따라 동종(동일한 기능과 목표를 가진) 또는 이종(각각 다른 기능과 목표를 가진) 에이전트가 될 수 있습니다.

8. 설명 가능한 AI 에이전트(XAI)

XAI 에이전트는 비교적 최근에 등장한 개념이지만, 규제가 심한 산업 분야에서 혁신적인 잠재력을 가지고 있습니다. 투명성에 중점을 두고 모든 결정에 대한 명확한 근거를 제공합니다. 이러한 에이전트는 금융, 법률, 의료 산업과 같이 엄격하게 통제되어 신뢰가 중요한 분야에서 핵심적으로 활용될 수 있습니다.

고객 서비스에 AI 에이전트를 도입하면 기업-고객 간 소통과 서비스 운영 관리 방식 혁신 등 다양한 이점을 누릴 수 있습니다.

효율성 향상

AI 에이전트는 여러 고객과의 상호작용을 동시에 처리할 수 있어 응답 시간을 크게 단축합니다. 고객 서비스 운영의 효율성을 높여보세요. 이를 통해 기업은 서비스 품질 저하 없이 더 많은 양의 고객 문의를 처리할 수 있습니다.

고객 만족도 향상

AI 에이전트는 신속하고 정확한 응답을 제공해 고객 만족도를 높이는 데 기여합니다. 데이터를 활용해 고객 상호작용을 개인화함으로써 전반적인 고객 경험을 향상시킬 수 있습니다. 또한 시간이 지남에 따라 학습하기 때문에 지속적인 개선이 가능합니다.

연중무휴 24시간 고객 응대

대부분의 인간 상담원과 달리, AI 에이전트는 24시간 내내 이용 가능합니다. 시간대나 업무 시간과 관계없이 고객 문의를 신속하게 처리할 수 있는 것이 AI 에이전트의 장점입니다. 이러한 지속적인 가용성은 기업이 셀프서비스에 대한 고객의 기대치를 충족하고 고객 충성도를 향상하는 데 도움이 됩니다.

확장성

AI 에이전트는 고객과의 상호 작용량이 늘어났을 때 이를 처리하기 위해 쉽게 확장할 수 있습니다. 따라서 고객 서비스 품질 저하 없이 비즈니스를 성장시키고자 할 때 매우 유용합니다. 고객 문의량이 증가하면 AI 에이전트가 추가적인 부하를 처리하도록 쉽게 조정할 수 있어 일관되고 안정적인 고객 지원을 보장합니다.

데이터 기반 인사이트

AI 에이전트는 고객 상호작용, 선호도, 행동에 대한 귀중한 데이터를 생성합니다. 기업은 이 데이터를 활용해 고객의 요구와 트렌드에 대한 인사이트를 확보함으로써 정보에 입각한 의사결정을 내리고 제공되는 고객 서비스 품질을 개선할 수 있습니다.

일관성 및 정확성

AI 에이전트는 고객 문의에 대해 일관되고 정확한 답변을 제공하여 오류의 위험을 줄이고 고객이 신뢰할 수 있는 정보를 제공받을 수 있도록 합니다. 이러한 일관성은 브랜드에 대한 신뢰와 믿음을 구축하는 데 도움이 됩니다.

이처럼 AI 에이전트는 생산성 향상, 비용 절감, 의사결정 개선, 고객 경험 향상 등 다양한 이점을 제공합니다. McKinsey 조사에서는 “조사 대상 기업의 72% 이상이 이미 AI 솔루션을 배포하고 있으며, 생성형 AI에 대한 관심이 증가하고 있다. 이러한 활동을 고려할 때, 기업들이 계획 프로세스 및 향후 AI 로드맵에 에이전트와 같은 첨단 기술을 통합하기 시작하는 것은 놀라운 일이 아니다.”라고 말했습니다. 이러한 첨단 AI 솔루션을 활용함으로써 기업은 시대를 앞서 나가고 고객 참여를 위한 비즈니스 혁신을 주도할 수 있죠.

사전 구축된 AI 에이전트는 즉시 사용할 수 있지만, 투자 효과를 극대화하려면 필요에 맞게 지능형 에이전트를 개인화해야 합니다. 이를 위해서는 AI 에이전트 프레임워크가 필요합니다.

AI 에이전트 프레임워크란 AI 에이전트를 생성하고 배포할 수 있는 코드, API 및 라이브러리로 구성된 플랫폼입니다. 여기에는 비즈니스의 고유한 요구와 목표에 맞는 개인화된 AI 에이전트를 구축하는 데 필요한 모든 기능과 도구가 포함되어 있습니다.

올바른 AI 에이전트 프레임워크로 구축할 수 있는 몇 가지 예시를 소개합니다:

• 고객 문의에 브랜드 가치에 맞춘 즉각적인 답변을 제공할 수 있는 고객 서비스 챗봇
• 리드 생성을 자동화하고 자체 기준에 따라 잠재 고객의 자격을 검증하는 영업 도우미
• 사용자 선호도를 분석하여 특정 제품이나 서비스를 추천하는 개인화된 추천 엔진
• KPI에 대한 캠페인 성과를 지속적으로 분석하여 개선을 위한 권장 사항을 제시하는 마케팅 에이전트
• 의사의 진단을 지원하기 위해 환자 정보를 제공하는 의료 에이전트
• 금융 사기를 자율적으로 탐지하고 위험 평가를 지원하기 위한 인사이트를 제공하는 금융 에이전트

맞춤형 AI 에이전트를 배포하려면 높은 수준의 코딩 전문성과 기술 지식이 필요하다는 오해가 있지만, 반드시 그런 것은 아닙니다. 예를 들어 자체 AI 에이전트 프레임워크인 에이전트 빌더(Agent Builder)를 사용하면 코딩 경험이 전혀 없어도 AI 에이전트를 구축하고 맞춤화할 수 있습니다. 자연어 지침을 사용해 기술 전문 지식에 관계없이 모든 산업, 역할 및 사용 사례에 맞는 에이전트를 개발하세요. 즉 작업을 설명할 수 있다면 이를 실행할 에이전트를 설계할 수 있습니다.

AI 에이전트는 혁신적인 잠재력을 가지고 있지만, 그렇다고 해서 위험성이 없는 것은 아닙니다. AI와 관련된 모든 것이 안전하고 윤리적으로 사용될 수 있도록 세심한 주의가 필요합니다. 다음은 AI 플랫폼을 구현하기 전에 기업이 고려해야 할 세 가지 주요 우려 사항입니다.

윤리적 영향

AI 에이전트가 공정성을 갖추려면 편견 없는 데이터에 대한 학습을 받아야 합니다. 데이터가 어떤 식으로든 차별적이거나 불균형적인 경우 편견, 불공정성, 잘못된 의사결정으로 이어질 수 있습니다.

예를 들어 대학 지원서를 필터링하는 AI 시스템이 범죄율이 낮은 부유한 지역 출신이라는 이유로 일부 학생에게 자동으로 우선순위를 부여한다고 상상해 보세요. AI 편향성이 왜심각한 문제인지 알 수 있습니다. 기업은 모든 AI 에이전트가 공정하고 편향되지 않은 데이터로 학습되도록 하기 위해 명확한 프로세스를 갖춰야 합니다.

데이터 개인정보보호 및 보안

AI 에이전트를 구축하고 훈련하려면 막대한 양의 데이터가 필요합니다. 기업은 고객의 최선의 이익을 보호하기 위해 이러한 데이터를 관리, 저장, 처리하는 안정적인 프로세스가 필요합니다. 민감한 고객 정보를 보호하기 위해 엄격한 데이터 거버넌스 정책을 구현하는 것은 물론, 데이터 수집 및 저장 정책을 완전히 투명하게 공개하여 고객의 신뢰를 구축해야 합니다.

기술적 한계

AI 에이전트가 잠재력을 최대한 발휘하려면 시간이 필요한 경우가 많습니다. 항상 올바른 방향으로 성장할 수 있다고 생각하면 좋겠지만, 반드시 그렇지는 않죠. AI 시스템이 잘못된 아이디어를 학습하면 어떻게 될까요? 이는 잘못된 의사결정, 의도하지 않은 결과, 사회적 편견으로 이어질 수 있습니다.

AI 에이전트는 ‘한번 설정하고 잊어버리는’ 기술이 아니라는 점을 인식하는 것이 중요합니다. AI 에이전트는 자율적으로 행동하고 학습할 수 있지만, 그러한 최적의 결과에 도달하기 위해서는 숙련된 전문가의 에이전트 프로그래밍이 필요함을 잊지 마세요.

AI 에이전트의 사용 사례에는 제한이 없습니다. 다양한 산업 분야의 AI 에이전트 사례를 통해 에이전트 기능이 얼마나 다양하게 활용될 수 있는지 간략히 살펴보겠습니다.

• 헬스케어: AI 에이전트는 의료 이미지를 분석하여 의사의 질병 진단을 돕습니다. 또한 개인화된 환자 치료 계획을 수립하고 기록 관리를 지원합니다.
• 금융: 맞춤형 AI 에이전트는 은행 기관이 금융 사기를 탐지하고 고객에게 개인화된 금융 추천을 제공할 수 있도록 돕습니다.
• 리테일: 리테일 기업이라면 고객 상담원 프로그래밍을 통해 고객 서비스 접점을 자동화해 보세요. 또한 AI 기반 제품 추천을 통해 개인화된 쇼핑 경험을 제공하여 매출을 높일 수 있습니다.
• 제조업: AI 에이전트를 활용해 기계를 모니터링하여 유지보수 요구사항을 예측하고 생산 프로세스를 최적화할 수 있습니다. 이를 통해 생산성을 높이고 다운타임을 방지하세요.
• 운송: AI 에이전트는 자율 주행 차량을 제어하고, 교통 상황을 분석하고, 안전 위험을 피하는 등의 작업을 수행할 수 있습니다. 이 분야는 아직 신생 분야이지만, 모빌리티 혁신을 가져올 수 있습니다.
• 에너지: 소프트웨어 에이전트는 에너지 최적화 기회를 파악하여 자원을 절약하는 데 도움을 줍니다. 혹은 태양열이나 풍력 같은 재생 가능한 에너지원을 관리하여 생산량을 늘리도록 지원합니다.
• 컴퓨터 사이언스: AI 코드 어시스턴트는 개발 코드 생성을 지원하고 오류를 더 빨리 찾아 수정할 수 있도록 도와줍니다. 이를 통해 프로그래머는 소프트웨어 개발의 다른 영역에 시간을 더 투자할 수 있게 됩니다.
• 마케팅: AI 마케팅 에이전트는 고객 행동을 예측하고 최적의 채널을 결정하여 기업이 보다 효과적인 맞춤형 마케팅 캠페인을 만들 수 있도록 돕습니다.
• 데이터 분석: AI 에이전트는 데이터를 자동으로 분석하고 분류하여 데이터 과학자의 일을 지원 가능합니다. 이를 통해 보유하고 있는 데이터를 분석해 인사이트를 도출하는 데 집중할 수 있습니다.

이러한 AI 에이전트 활용 사례는 아직은 시작에 불과합니다. 개인 AI 비서부터 제조업 조립 라인에 이르기까지, 전 세계 모든 산업군의 업무를 효율화할 수 있는 잠재력이 있습니다.

다음으로 조직이 이미 자체적인 이익을 위해 AI 에이전트를 구축한 실제 기업 사례 연구를 살펴보겠습니다.

의료 산업에서 정확성 향상은 매우 중요한 관심사입니다. 의사들은 시간에 쫓기며 그 속도를 맞추기 위해 무자비할 정도로 효율적이어야 하기 때문에, 인적 오류의 위험이 커집니다.이를 염두에 두고, 필리핀의 더 메디컬 시티(TMC) 병원 방사선 전문의들은 더 빠르고 정확한 진단을 내리기 위해 AI 에이전트를 사용하기 시작했습니다.

루닛이 개발한 AI 에이전트 도구인 인사이트 CXR은 내부 모델을 사용하여 무기폐나 기흉과 같이 치명적일 수 있는 건강 이상 징후를 식별합니다. 이 모든 작업을 인간보다 훨씬 빠르게 수행할 수 있어 생명을 위협하는 질병을 식별하는 데 유용합니다.

물론 의료 분야의 AI 에이전트는 오진 가능성처럼 도전적인 과제가 여전히 남아있습니다. 때문에 TMC 병원은 루닛 인사이트 CXR을 인간의 지능을 완전히 대체하는 용도로 사용하지 않습니다. 의사는 여전히 모든 환자를 직접 진단하며, AI 에이전트는 의사의 초기 진단을 확인하거나 반박하는 보조 역할을 수행합니다.

의사는 AI 에이전트의 진단과 자신의 진단을 비교하여 진료에 대한 의심을 덜 수 있습니다. 의사의 진단과 AI 에이전트의 진단 결과가 다를 경우, 추가적인 진단을 통해 오진 가능성을 줄이고 환자를 위한 보다 정확하고 효율적인 의료 서비스를 제공할 수 있게 됩니다.

AI 에이전트 배포를 준비하고 있다면 다음 8가지 사항을 고려하세요:

1. 명확한 목표 정의

AI 에이전트를 통해 달성하고자 하는 목표를 정의하는 것부터 시작하세요. 응답 시간 단축, 고객 만족도 향상, 운영 비용 절감 등 명확한 목표가 있으면 구현 프로세스를 안내하고 성공을 측정하는 데 도움이 됩니다.

2. 데이터 준비 및 평가

AI 에이전트가 효과적으로 작동하려면 고품질 데이터가 필수입니다. 먼저 강력한 데이터 수집 및 관리 시스템을 갖추고 있는지 확인하세요. 여기에는 고객 상호작용 데이터, 거래 내역 및 기타 관련 정보가 포함됩니다. 깨끗하고 구조화된 데이터는 AI 에이전트가 정확하고 관련성 높은 응답을 제공할 수 있게 해줍니다.

3. 적합한 AI 에이전트 유형 선택

필요에 따라 가장 적합한 AI 에이전트 유형을 선택하세요. 예를 들어 일상적인 고객 문의를 처리할 에이전트가 필요하다면 반응형 에이전트로 충분할 수 있습니다. 만약 변화하는 고객의 요구에 적응하고, 보다 복잡한 작업에 대해 정교한 지원을 제공하는 AI 에이전트가 필요하다면 목표 지향형 또는 학습형 에이전트를 고려하세요.

4. 기존 시스템과 통합하기

AI 에이전트가 기존 CRM 및 고객 서비스 도구와 원활하게 통합되는 것이 중요합니다. 이러한 시스템 통합을 통해 정보 흐름이 원활해지고, AI 에이전트가 필요한 데이터를 손쉽게 활용할 수 있어 더욱 효과적인 지원이 가능해집니다.

5. 사용자 경험에 집중

최종 사용자를 염두에 두고 AI 에이전트를 설계하세요. 긍정적인 고객 경험을 제공하기 위해 상호작용이 직관적이고 응답이 적시에 정확하게 이루어져야 합니다. 배포 전에 AI에이전트를 철저히 테스트하여 잠재적인 문제를 파악하고 해결함으로써 고객의 기대에 부응할 수 있도록 준비하는 것이 중요합니다.

6. 모니터링 및 최적화

AI 에이전트의 성능 요소를 정기적으로 모니터링하고 사용자 피드백을 수집하세요. 이 정보를 활용해 AI 에이전트를 지속적으로 개선하여 효과성과 관련성을 유지하도록 노력해야 합니다. 이러한 지속적인 최적화를 통해 변화하는 고객 요구에 적응하며 AI 에이전트의 전반적인 성능을 개선할 수 있습니다.

7. 인간의 개입을 위한 계획하기

AI 에이전트는 많은 작업을 자율적으로 처리할 수 있지만, 필요한 경우 인간의 개입을 계획하는 것 역시 중요합니다. 고객 서비스 상담원이 언제, 어떻게 지원할 수 있는지 명확한 가이드라인을 마련하세요. 복잡하거나 민감한 상호작용에 대한 안전망을 제공해야 합니다.

8. 데이터 프라이버시 및 보안 보장

AI 에이전트가 취급하는 고객 정보를 보호하기 위해 강력한 데이터 프라이버시 및 보안 조치를 구현하세요. 데이터 보호 규정 준수와 정기적인 보안 감사를 통해 민감한 데이터를 보호하고 고객의 신뢰를 유지하는 것이 포함됩니다.

AI 에이전트 도입은 비즈니스 환경의 중요한 전환점이 될 것입니다. 이전에는 작업 자동화가 전적으로 사전 정의된 입력 내용에 의존했습니다. 이제 AI는 최소한의 개입으로 비즈니스 작업을 수행하고 학습할 수 있습니다. 기업가에게는 혁신의 타이밍이기도 하죠.

앞으로 AI 에이전트가 더욱 발전할 것이라는 것은 쉽게 예측할 수 있는 미래입니다. 머신러닝, 대규모 언어 모델(LLM), 자연어 처리(NLP) 도구가 발전함에 따라 학습, 개선, 정보에 입각한 의사결정 능력도 향상될 것입니다.

이것이 비즈니스 업무 환경에 어떤 영향을 미칠까요? AI 에이전트 기능의 이점은 분명합니다. 더 빠른 의사결정, 생산성 증가, 업무 효율화를 기대할 수 있습니다. 반면에 자율 에이전트 모델을 대규모로 도입하는 것은 여러모로 부담스러운 일이기도 합니다.

이러한 전환이 순조롭게 이루어지려면 기업이 AI를 윤리적이고 책임감 있게 관리할 수 있는 프로세스를 선제적으로 구현해야 합니다. 직원을 교육하고, 최신 규정을 준수하며, 강력한 데이터 엔지니어링 및 거버넌스 프로토콜을 구현하면 AI 혁명을 두려워할 필요가 없습니다.

AI 에이전트를 고객 서비스 전략에 통합하려는 경우 세일즈포스 Service Cloud가 도움이 될 수 있습니다. 방법은 다음과 같습니다:

지능형 AI 에이전트

세일즈포스 플랫폼의 상시 사용 가능한 에이전트 계층인 에이전트포스를 사용하면 맞춤형 AI 에이전트를 활용해 핵심 업무를 자동화하고, 가치 있는 인사이트를 얻고, 정보에 입각한 의사결정을 내릴 수 있습니다. 사람처럼 자연스러운 대화를 통해 연중무휴 24시간 여러 채널에서 자율적으로 고객과 의사소통하고, 신뢰할 수 있는 데이터를 기반으로 빠르게 문제를 해결하세요.

Data Cloud와의 통합 플랫폼

세일즈포스 Service Cloud는 고객 서비스 AI, CRM, 지능형 자동화 툴을 결합한 통합 플랫폼을 제공합니다. 이러한 통합을 통해 에이전트포스는 포괄적이고 최신의 고객 데이터에 액세스하여 더욱 정확하고 개인화된 서비스를 제공할 수 있습니다.

Data Cloud를 포함하면 원활한 데이터 통합 및 관리가 가능해집니다. 이로써 모든 채널에서 고객 데이터에 대한 통합된 뷰를 얻을 수 있습니다.

세일즈포스 플랫폼을 통한 확장성

Service Cloud는 고객 서비스 운영에 신뢰, 보안, 확장성을 제공하는 Salesforce 플랫폼을 기반으로 구축되었습니다. 이 차세대 플랫폼을 사용하면 성능 저하 없이 증가하는 고객 문의 케이스를 처리하면서 AI 솔루션을 확장할 수 있습니다.

고급 도구를 활용한 맞춤화

Service Cloud는 특정 비즈니스 요구사항에 맞게 AI 에이전트를 조정할 수 있는 광범위한 사용자 지정 옵션을 제공합니다. 에이전트포스 기반의 프롬프트 빌더 같은 도구를 사용하면 브랜드와 고객 서비스 목표에 맞춘 맞춤형 워크플로와 응답을 손쉽게 만들 수 있어, AI 에이전트의 일관된 운영이 가능합니다

Apex Code의 유연성과 MuleSoft의 통합 기능을 통해 Service Cloud를 다른 시스템과 연결하고 요구 사항을 충족하도록 기능을 확장해 보세요.

원활한 통합 및 상호 운용성

Service Cloud의 개방형 아키텍처는 다른 시스템 및 플랫폼과 원활하게 통합되어 응집력 있고 효율적인 고객 서비스 생태계를 구축할 수 있도록 지원합니다. 기존 CRM 시스템이나 타사 애플리케이션과 통합해야 하는 경우, Service Cloud는 유연성과 상호 운용성을 기반으로 원활한 고객 경험을 만드는 데 일조합니다.

AI 에이전트는 대규모로 개인화된 지원을 제공함으로써 비즈니스와 고객 서비스에 큰 변화를 가져올 것입니다. 첨단 에이전트 기술을 도입해 고객의 요구를 충족하면서 비용을 절감해 보세요. 치열한 글로벌 시장에서 유리한 위치를 선점할 수 있는 훌륭한 전략입니다!