서비스 분야에서 생성형 AI의 잠재력 알아보기
학습 목표
이 유닛을 완료하면 다음을 수행할 수 있습니다.
- 생성형 AI가 문제를 진단하고 해결하는 데 도움이 되는 방법을 파악할 수 있습니다.
- 생성형 AI가 지식을 포착하고 공유하는 데 어떻게 도움이 되는지 설명할 수 있습니다.
- 분위기 분석을 통해 고객 서비스 경험을 개선하는 방법을 설명할 수 있습니다.
생성형 AI의 전망
참고
아이콘 |
내용 |
|---|---|
참 |
시작하기 전에 대규모 언어 모델(LLM)과 같은 용어를 포함해 생성형 AI의 기본 사항에 대한 복습이 필요한 경우 생성형 AI 기초를 확인하세요. |
생성형 AI 에코시스템은 성능이 뛰어난 여러 대규모 언어 모델(LLM)이 출시되면서 놀라운 속도로 성장하고 있습니다. 동시에 이러한 모델을 최적화하고 신규 및 기존 애플리케이션에 LLM 통합을 지원하기 위한 많은 비즈니스가 생겨났습니다. 이는 모든 유형과 규모의 조직이 전례 없이 생성형 AI에 액세스할 수 있다는 것을 의미합니다. 그러나 이 기술을 활용하는 데 많은 관심이 있지만, 수많은 조직에서는 생성형 AI를 통해 생산성을 향상하고 창의성을 고취하며 단조로움을 줄일 수 있는 방법을 모릅니다.
새로운 기술이 등장하면 해당 기술이 앞으로 어떻게 사용될지, 사용하기 쉬울지 예측하기 어렵습니다. 예를 들어, 미국 정부의 연구원들이 서로 정보를 공유하기 위해 ARPANET을 만들었을 때만 해도 인터넷의 시초가 될 것이라고는 아무도 상상하지 못했습니다.
마찬가지로, 향후 6개월 후의 생성형 AI의 사용 방식과 6년 후의 사용 방식은 현저히 달라질 수 있습니다. 이는 기술의 발전 속도와 도구를 사용하는 인간의 창의성에 따라 달라질 수 있습니다. 사람들은 종종 언어를 기반으로 작업을 수행하는 능력을 당연하게 여기므로 생성형 AI를 활용할 방법을 놓치기 쉽습니다.
미래를 예측할 수는 없지만, 현재 생성형 AI가 어떻게 활용되고 있는지에 대한 사례를 살펴봄으로써 생성형 AI에 대한 사고 방식을 바꿀 수 있습니다. 이 모듈에서는 생성형 AI를 다양한 각도에서 살펴봄으로써 서비스, 영업, 커머스, 마케팅, IT 등 조직의 다양한 부서에 어떻게 적용할 수 있는지 알아봅니다. 이 모듈은 사용 사례에 대한 명확한 백과사전은 아닐지라도 영감을 제공할 수 있습니다. 생성형 AI의 가능성에 대해 배우다 보면 주제와 패턴이 눈에 들어옵니다. 그리고 얼마 지나지 않아 이러한 테마에 대한 본인만의 변형을 상상할 수 있습니다.
생성형 AI를 활용하여 서비스 향상
서비스 조직은 다양한 언어 기반 작업을 처리합니다. 서비스 담당자는 매일 전화, 채팅, 이메일을 통해 고객과 소통합니다. 문제를 해결하는 과정에서 정보를 조사하고 문서화하기도 합니다. 서비스 조직에서 뛰어난 대화 역량이 요구되는 것은 당연한 일입니다. 이러한 환경에서 생성형 AI가 매우 효과적인 이유이기도 합니다.
고객과 처음 연락 후 얼마 지나지 않아 생성형 AI의 적절한 활용처를 찾을 수 있습니다. 당연해 보이지만 우선적으로 문제가 무엇인지 이해하지 못하면 해당 문제를 해결할 수 없습니다. 고객이 문제를 파악하기 위해 정보를 공유할 수 있지만, 고객이 제공하는 정보는 불완전하거나 관련 없는 세부 정보가 포함되어 있는 경우가 많습니다. 따라서 적절한 후속 질문을 하는 것이 중요합니다.
바로 이 지점에서 생성형 AI가 등장하여 이전 사례의 세부 정보, 최근 구매 내역, 제품 변경 로그, 동시 발생 사례의 메모까지 활용함으로써 명확한 질문을 만들 수 있습니다. "최근 Widget Pro를 구매한 것과 관련이 있나요?" "최근에 기기를 업데이트하셨나요?"
이러한 질문은 챗봇이 고객에게 제시하거나 가상 도우미가 서비스 담당자에게 제공할 수 있습니다. 답변은 실시간으로 생성되는 추가 질문으로 이어집니다. 생성형 AI는 미처 생각하지 못했던 새로운 방식을 시사하는 질문을 제시할 수 있습니다. 생성형 AI의 도움으로 문제를 파악하는 데 소요되는 시간을 줄이고 바로 문제를 해결할 수 있습니다.
기술 자료를 기반으로 세밀하게 조정된 생성형 AI를 사용하면 더 빠르게 문제 해결 단계를 수행할 수 있습니다. 문제를 식별하는 데 유용한 컨텍스트는 지원 리소스에 대한 참조와 함께 솔루션을 제공하는 데에도 사용될 수 있습니다. 솔루션에 대한 이유를 설명하도록 생성형 AI에게 지시할 수도 있습니다. 이렇게 하면 서비스 담당자가 일정 수준의 품질 관리를 수행하여 도움이 되지 않는 제안을 무시할 수 있습니다. 솔루션의 적합해 보이면 담당자는 해당 솔루션의 적절성 여부를 조사하고 확인할 수 있습니다.
생성형 AI는 솔루션을 더 간편하게 공유할 수 있도록 지속적으로 지원합니다. 서비스 담당자는 버튼 하나를 클릭하기만 해서 생성형 AI를 사용하여 고객에게 명확하고 정중하며 적절한 답변을 작성할 수 있습니다. 바로 이 부분에서 생성형 AI의 진면목을 알아볼 수 있습니다.
문제가 발생한 이유에 대한 완벽한 설명을 원하는 고객을 도울 수 있습니다. 또는 문제 해결에 어려움을 겪어 빠르게 해결하고자 하는 고객을 도울 수도 있습니다. 어떤 시나리오든, 생성형 AI는 고객의 기대에 가장 적합한 답변을 제공할 수 있습니다. 이러한 개인화는 더욱 강력하고 신뢰할 수 있는 관계로 이어집니다. 그리고 팀에 생성형 AI를 보유하면 이러한 목표를 쉽게 달성할 수 있습니다.
하지만 고객이 솔루션을 찾도록 돕는 것이 끝은 아닙니다. 서비스 담당자는 문제 요약과 해결 방법을 포함하여 사례에 대한 세부 정보를 기록해야 합니다. 생성형 AI를 통해 이 단계도 간소화할 수 있습니다. 생성된 요약은 간결하고, 검색이 가능하며, 주석을 추가할 수 있고, 키워드로 태그가 지정되어 다른 서비스 담당자와 관리자에게 적합합니다.
이 예제에서 서비스 담당자는 최선의 방법을 선택했습니다. 생성형 AI가 옵션을 제시하면 담당자는 최선의 판단을 통해 제안을 수락하거나 직접 조사합니다. 막다른 길은 줄어들고, 여정은 빨라지며, 고객의 만족감은 더 커집니다.
하지만 고객이 정말 만족하고 있을까요? 고객의 만족 여부를 알기 어려울 수 있습니다. 설문조사는 종종 무시되고, 고객의 태도가 항상 사례 노트에 포착되는 것은 아닙니다. 생성형 AI는 이 문제에 대한 몇 가지 솔루션을 제공합니다. 우선, 생성형 AI는 탁월한 분위기 분석을 통해 고객과 서비스 담당자 간의 전반적인 상호 작용을 요약할 수 있습니다. 고객이 어느 시점에서 불만이나 분노를 표출했나요? 시간이 지남에 따라 이러한 감정이 완화 또는 악화됐나요? 이를 통해 우수한 성과를 보이는 서비스 담당자와 개선이 필요한 서비스 담당자를 식별하는 데 도움이 될 수 있습니다.
분위기 분석은 해당 업무에 가장 적합한 상담원에게 사례를 라우팅하는 데도 도움이 될 수 있습니다. 예를 들어, 까다로운 에스컬레이션 사례의 경우 문제 해결에 능숙한 선임 서비스 담당자에게 자동으로 연결되도록 할 수 있으며, 이를 통해 신입 직원들의 업무 부담을 덜어줄 수 있습니다.
[stability.ai에서 DreamStudio를 사용하여 AI가 생성한 이미지. "만화책 스타일로 그려진 방패를 한 손에 들고 있는 로봇."이라는 프롬프트를 사용함.]
마지막으로, 생성형 AI는 Knowledge 기사의 초안을 작성하여 하나 이상의 해결된 사례의 세부 정보의 데이터를 정제하여 일반 사용자에게 적합한 컨텐츠로 변환할 수 있습니다. 심지어 최근 사례 활동을 기반으로 관련 주제에 대한 제안을 제공할 수도 있습니다. 몇 분 안에 도움말 포털에서 커뮤니티와 공유할 수 있는 문서를 준비할 수 있습니다.
서비스 조직에서는 생성형 AI의 미래를 엿볼 수 있습니다. 다음 유닛에서는 영업 및 커머스 운영에서 AI가 무엇을 할 수 있는지 알아보세요.