고객 센터에서 생성형 AI를 사용하는 4가지 방법

상담원과 인공지능이 협력하면 고객 서비스를 혁신할 수 있습니다. AI는 모든 서비스 상호 작용에서 모든 사람이 더 많은 것을 경험할 수 있도록 지원합니다. 상담원은 번거로운 작업을 줄이고 고객에게 집중할 수 있게 됩니다. 더욱 빠르고 정확하며 개인화된 경험을 고객에게 제공할 수 있는 고객센터를 위한 생성형 AI에 대해 알아보세요.

오늘날 서비스에서 가장 뜨거운 주제는 생성형 AI, 특히 고객 센터에서 사용될 수 있는 생성형 AI(Contact Center AI)입니다. 최근 조사한 연구에서 IT 리더의 84%는 생성형 AI가 고객에게 더 나은 서비스를 제공하는 데 도움이 될 것이라고 답했습니다. 저는 매일 고객 센터를 위한 생성형 AI의 잠재력에 열광하는 서비스 리더들과 이야기를 나눕니다.

하지만 실제로 고객 센터를 위한 생성형 AI를 사용하는 기업은 단 24%뿐입니다. 그 이유는 무엇일까요? 조사에 따르면 66%의 응답자가 직원들이 생성형 AI를 성공적으로 활용하기 위한 적절한 기술을 보유하고 있지 않다고 말합니다. 따라서 이제 우리는 Contact Center AI를 활용하는 네 가지 방법과 사례를 살펴보고, 시작하는 데 도움이 될 예시와 팁을 알아보겠습니다.

1. 고객에 대한 서비스 응답 생성

여러분의 고객 센터는 고객이 전화, 이메일, 채팅, SMS에 이르기까지 여러분의 비즈니스와 연락을 취할 수 있는 다양한 방법을 제공합니다. 많은 고객이 여전히 전화를 통해 고객 센터와 소통하고 있지만 이제는 57%가 디지털 채널 사용을 선호합니다. 이러한 디지털 채널을 담당하는 상담원은 정확하고 관련성 있는 정보를 제공하고 적시에 응답하며 고객의 문제를 신속하게 해결해야 합니다.

그렇다면 생성형 AI는 어떻게 도움이 될까요? 생성형 AI를 지원하는 대규모 언어 모델은 모든 질문에 대해 인간과 유사한 답변을 자동으로 생성할 수 있습니다. 고객 데이터 및 지식에 기반을 둔 경우 생성된 응답을 개인화하여 신뢰성을 높일 수 있습니다. 상담원은 모델의 제안을 검토하고 쉽게 답변을 보낼 수 있습니다. 여러 사례를 한 번에 처리하는 상담원의 경우 고객 센터용 생성형 AI는 시간을 크게 절약할 수 있도록 도울 수 있습니다.

Nation-Wide Web이라고 하는 가상의 인터넷 회사로 예를 들어보겠습니다.

Jane은 Nation-Wide Web 고객이며 청구서에 비정상적인 요금이 청구된 것을 발견하고 Nation-Wide Web 사이트에서 온라인 채팅을 통하여 고객 센터로 연락합니다. 이후 곧 바로 상담원인 Katie와 연결되었습니다.

상담원인 Katie는 고객으로부터 전달된 몇 개의 메세지 창을 열어 놓았는데 그 중 하나는 Jane입니다. Jane은 청구서에 대한 잘못된 사항을 공유합니다. 고객 센터의 AI 도구는 Jane의 질문과 그녀의 계정 상태의 정보를 활용하여 공감하는 어조로 청구서 요금을 설명하고, 상황에 따라 요금을 면제하는 것도 회사 정책 내에 있다는 개인화된 메시지를 생성합니다.

Katie는 AI를 통해 생성된 메시지를 검토하고 정책을 확인한 다음 메시지를 보내고 Jane의 계정에서 청구 요금을 제거합니다. Jane은 빠르고 쉬운 해결책을 얻었고 Katie는 더 복잡한 문제가 있는 고객에게 관심을 집중할 수 있는 최고의 결과를 얻었습니다.

팁: 고객과의 커뮤니케이션 내용에 시간을 들여 정확성과 어조를 검토하면 오해를 피하는 데 도움이 됩니다.

2. 사례 요약 생성

고객이 만족할만한 훌륭한 경험을 제공하려면 비즈니스의 서비스 상호 작용을 추적하고 최적화할 수 있는 정확한 데이터가 필요합니다. 이러한 이유로 인해 상담이 종료된 후 상담원이 수행하는 요약 작업이 비즈니스에서 수집할 수 있는 가장 중요한 서비스 데이터 중 하나가 됩니다.

그러나 이 작업은 시간이 많이 소요되며, 상담원들이 다른 고객들과 상담을 진행하는 것에 방해가 될 수 있습니다.

그러나 고객 센터를 위한 AI(Contact center AI)는 복잡한 이메일 및 채팅 대화를 가져와 요약문을 생성할 수 있습니다. 상담원은 이러한 요약문을 케이스 로그에 저장하기 전에 검토하기만 하면 됩니다. 이를 통해 상담원은 데이터 입력에 소모되는 많은 시간과 노력을 절약할 수 있습니다.

Nation-Wide Web 사례로 돌아가 보겠습니다.

Katie의 AI 도구는 Jane의 질문에 대한 응답을 생성했으며, Katie가 한 일은 메시지를 검토하고 보내기를 눌러 Jane의 계정에서 청구 요금을 면제하는 것이었습니다. 그 동안 AI는 메시지 스레드의 데이터와 Katie가 Jane의 계정에 취한 조치를 활용하여 사례 요약을 생성합니다.

Jane과의 대화가 완료되면 Katie는 AI가 생성한 요약을 읽고 일부 세부 정보를 조정한 뒤 사례 레코드에 저장할 수 있습니다. 고객과의 상담 이후 필요한 작업에 시간을 덜 소모하게 된다면 Katie는 다른 고객의 문제를 더욱 빨리 도울 수 있습니다.

팁: 사례 요약에 대한 템플릿을 만들어 Contact Center AI 도구가 중요한 세부 정보를 놓치지 않고 대화 데이터를 CRM에 쉽게 가져올 수 있습니다.

3. 지식 문서 생성

세일즈포스 연구에 따르면 고객의 59%는 간단한 서비스 문제를 해결하기 위한 셀프 서비스 툴을 선호합니다. 그러나 이를 위해서는 고객이 솔루션을 찾기 위해 검색할 수 있는 방대한 데이터(Knowledge base)가 기업에 필요합니다.

서비스 상담원들은 사례를 해결한 후 지식 문서를 게시하는 업무를 맡는 경우가 많습니다. 그러나 상담원들이 기사를 수동으로 작성, 검토하고 게시하는 데에는 시간이 걸리며, 이로 인해 고객 지원에 지장이 생깁니다.

Contact Center AI는 상담이 종료된 후 사례 노트, 메시지 기록 및 기타 서비스 도구의 데이터를 활용하여 기식 기반 문서를 자동으로 생성할 수 있습니다. 상담원은 자동으로 생성된 문서를 검토하여 정확성을 확인하고 승인을 위해 대기열에 추가하기만 하면 됩니다. 이와 같은 방식을 활용함으로써 상담원이 기사를 처음부터 작성해야 한다는 부담에서 벗어날 수 있습니다.

다시 Nation-Wide Web 사례로 돌아가서, Austin은 인터넷 속도가 느린 문제에 대하여 해결을 요청합니다. 오스틴은 Tawni에게 연결되었고, Tawni는 라우터와 모뎀 정보를 요청했습니다. Tawni는 유사한 사례를 기반으로 몇 가지 일반적인 시나리오를 시도해봤지만, 오스틴의 경우에는 해결되지 않았습니다.

Tawni는 기존 데이터베이스에 존재하는 방법이 아닌 새로운 해결 방법을 시도하기로 결정합니다. 그녀는 Austin에게 Nation-Wide Web 모바일 앱을 통해 전체 시스템 재부팅을 요청합니다. 이 작업이 끝나자 Austin의 인터넷 속도가 정상으로 돌아가고 상담이 종료됩니다. Tawni는 라우터 및 모뎀 설정과 재부팅으로 Austin의 문제를 해결한 방법을 포함하여 상담과 관련된 모든 정보를 회사의 서비스 콘솔에 기록합니다.

Austin의 경우 독특한 사례였기 때문에 Contact center AI 도구는 Tawni와 Austin의 대화 세부 정보 및 Austin이 알려온 문제의 맥락을 사용하여 새로운 지식 기반 문서를 생성합니다. Tawni는 추가 세부 정보를 수정하고 승인 대기열에 추가합니다.

팁: 고객이 문제 해결에 필요한 모든 정보를 얻을 수 있도록 지식 문서에 가능한 한 많은 세부 정보를 포함합니다.

4. 응답 생성

상담원이 서비스 상호 작용 중에 있을 때는 설명서 페이지나 지식 문서의 모든 세부 정보를 읽을 시간이 없습니다. 하지만 고객의 질문을 해결하기 위해서는 올바른 정보를 찾아야 합니다.

셀프 서비스도 마찬가지입니다. 필요한 정보를 찾기 위해 문서를 계속 읽어야 하는 것은 좋은 고객 경험이 아닙니다.

생성형 AI는 상담원과 고객이 필요로 하는 답변을 더 빠르고 쉽게 얻을 수 있도록 지원합니다. 답변이 있을 수 있고 그렇지 않을 수도 있는 페이지 목록을 가져오는 대신 AI는 지식 문서에서 관련된 세부 정보를 가져와 일반 텍스트로 질문에 직접 답변할 수 있습니다.

마지막 예시로, Nation-Wide Web 고객인 Austin의 문제를 다시 확인해보겠습니다.

Tawni와의 상담을 하고 몇 달 후, Austin의 인터넷 속도는 다시 느려졌습니다. Austin은 지난번에 모바일 앱을 사용하여 문제를 해결했던 것이 기억났습니다. 하지만 현재 모바일 앱에 로그인을 하는 것이 불가능한 상황입니다. Austin은 상담원에게 도움을 요청하는 대신 회사의 헬프 센터를 살펴봅니다. Austin은 검색 기능을 사용하여 다음과 같은 질문을 합니다. “모바일 앱을 사용하지 못할 때 인터넷 속도저하 문제를 어떻게 해결할 수 있을까요?”

이전에는 Austin이 먼저 비밀번호 재설정에 대한 기사를 찾은 다음, 앱을 사용하여 시스템 전체를 재부팅하는 방법에 대한 문서를 찾아야 했습니다. 하지만 이제 Contact Center AI 도구가 Austin의 질문에 맞는 맞춤형 답변을 생성하며, 여러 문서에서 정보를 조합합니다. “먼저, 모바일 앱에서 새 비밀번호를 요청하려면 여기를 클릭하세요. 로그인이 완료되면 앱을 사용하여 시스템 전체를 재부팅하는 방법은 다음과 같습니다…”

Austin은 상담원과 직접적으로 소통하지 않고 문제를 해결했으며 여전히 개인화된 경험을 얻었습니다. 상담원이 만약 지식 허브에서 특정 정보를 찾아야 할 경우에도 Austin과 같은 경험을 얻을 수 있습니다.

팁: 셀프 서비스 콘텐츠를 쉽게 찾고 탐색할 수 있도록 만드는 것은 고객 신뢰를 쌓는 데 도움이 됩니다.

생성형 Contact Center AI 시작하기

생성형 AI를 고객센터에 추가함으로써 모든 사람이 모든 서비스 상호작용에서 최대한의 효과를 누릴 수 있습니다. 상담원들은 번거로운 작업을 덜 수 있고 더 많은 일을 할 수 있으며, 고객들은 빠르고 간편한 문제 해결과 함께 개인화된 경험을 얻을 수 있습니다.

생성형 AI를 적용하여 성공을 준비하기 위한 가장 좋은 방법은 무엇일까요? 비즈니스가 AI에 대한 기술을 습득하는 과정에 따라 차근차근 시작하고 Contact Center AI 프로그램을 구축해 나가는 것입니다. 예를 들어, 상담원들에게 ‘Trailhead’의 ‘Einstein Reply Recommendations for Service‘를 수강하도록 하고, 배운 내용을 서로 연습하도록 할 수 있습니다. 상담원들이 익숙해지면, 고객 센터 전반에 생성형 AI를 어떻게 적용할 수 있는지 알아보세요.