실시간 Special Report 기사

• Z세대, 연봉보다 ‘스트레스 · 야근 없고, 가까운’ 회사 선호

  [컨택저널 2024년 4월호] Z세대, 연봉보다 ‘스트레스 · 야근 없고, 가까운’ 회사 선호 Z세대, 초봉 높아도 “야근, 스트레스 많은 직장 싫어” Z세대 90% Wellness 복지 원해, 선호 1위는 헬스장, 영양제 등 ‘운동/건강’ 복지 조사 결과 Z세대 취준생은 초봉이 낮아도 ‘야근이나 스트레스가 적은 직장’을 선호하는 것으로 나타났다. 10명 중 4명은 정신적 탈진을 의미하는 Burnout을 경험했으며 선호하는 Wellness 복지로는 영양제, 헬스장 제공 등 ‘운동/건강’ 복지가 1위로 꼽혔다. AI매칭 채용 콘텐츠 플랫폼 캐치가 Z세대 취준생 1,770명을 대상으로 ‘직장생활과 스트레스’에 관한 설문조사를 진행한 결과를 발표했다. 조사결과에 따르면 62%가 초봉이 높은 직장보다 ‘야근과 스트레스가 적은 직장’을 선호하는 것으로 나타났다. Z세대 취준생 10명 중 4명은 Burnout 경험이 있었으며 90%는 ‘직장에서 신체적, 정신적 건강을 지원해야 한다.’라고 생각하는 것으로 나타났다. ‘지원하지 않아도 괜찮다’라고 응답한 비중은 10%에 불과했다. 지원해야 하는 이유로는 ‘직장에서 많은 시간을 보내서’가 36%로 가장 높았고, ‘몸과 마음이 건강해야 업무 효율이 향상해서’가 34%로 뒤를 이었다. 이외에도 ‘육체/신체적 건강에 대한 사회적 관심이 증가해서(16%)’, ‘직장에서 스트레스 받는 경우가 많아서(14%)’ 등의 의견도 있었다. Z세대가 선호하는 ‘Wellness 복지(복수응답)’로는 영양제, 헬스장 제공 등 ‘운동/건강’ 관련 복지가 45%로 가장 인기가 높았다. 이어서 워케이션, 장기 휴가 등 ‘휴식’ 복지가 43%, 심리치료, 명상 등 ‘심리’ 복지가 39%로 비슷하게 나타났다. 진학사 캐치 관계자는 “최근 번아웃을 경험한 취준생과 직장인이 늘며 신체적, 정신적 건강에 대한 관심도 크게 증가하고 있다.”라며 “Wellness 복지는 매우 다양하기 때문에 기업 상황을 고려해 유연하게 도입할 수 있을 것으로 분석된다”라고 언급했다. Z세대 ‘출퇴근 짧은 직장’ 선호, 출퇴근 시간 아껴서 운동 · 취미 즐기고 싶어 시간 효율성 극대화를 위해 분초를 다투며 산다는 의미의 ‘분초사회’가 2024 트렌드 키워드로 선정된 가운데, 캐치의 조사 결과 Z세대는 연봉이 낮더라도 통근 시간이 짧은 직장을 선호하는 것으로 나타났다. AI매칭 채용 contents 플랫폼 캐치가 Z세대 취준생 2,342명을 대상으로 ‘연봉 높지만, 출퇴근 왕복 3시간’ vs ‘연봉 낮지만, 가깝거나 재택’을 주제로 설문조사를 진행했다. 그 결과, ‘연봉이 낮아도 출퇴근 시간이 짧은 직장’을 선호하는 경우가 59%로 더 높게 나타났다. 또, Z세대는 시간의 가성비를 뜻하는 ‘시성비(時性比)’를 중시하기에 ‘재택근무’를 선호하는 것으로 나타났다. 재택근무를 선호하냐는 질문에는 무려 83%가 ‘그렇다’라고 답했고, 그 이유로 ‘출퇴근 시간을 아낄 수 있어서(58%)’를 가장 많이 꼽았다. 한편, Z세대가 허용할 수 있는 최대 왕복 통근 시간은 ‘1시간(33%)’인 것으로 나타났다. 이어서 ‘1시간 30분’이 22%, ‘30분’이 20%로 비슷하게 나타났다. ‘3시간 이상’이라고 답한 비중은 10%에 불과했다. 절약된 출퇴근 시간에 하고 싶은 것으로는 ‘운동(29%)’을 가장 많이 꼽았다. 이어서 ‘취미생활’이 23%로 뒤를 이었고, ‘휴식/취침’이 20%, ‘자기 계발’이 19.7%로 비슷하게 나타났다. ‘가족/친구와 시간 보내기’라고 답한 경우도 7%를 차지했다. 진학사 캐치 관계자는 “분초사회는 채용시장에서도 주목할 만한 키워드 중 하나다”라며 “시간도 돈만큼 중요한 지원으로 여겨지면서 구성원들의 시간을 효율적으로 활용할 수 있도록 하는 제도나 방안이 적극적으로 도입될 것으로 예상된다”라고 언급했다. < 출처 > 아웃소싱타임스,캐치

  • Report
  • Special Report

  2024-04-01

• "AI 대세라는데…속 터지는 챗봇" 결국엔 상담사

  [컨택저널 2024년 4월호] ＂AI 대세라는데…속 터지는 챗봇＂ 결국엔 상담사 직장인 A씨는 대출을 받아야 했지만 영업상 은행방문이 쉽지 않았다. 사전에 필요한 서류를 문의하기 위해 은행의 고객센터에 연락했다가 화가 치밀었다. 챗봇상담을 진행했지만 답변이 시원치 않아서다. 20여분동안 씨름한 끝에 가까스로 상담사와 연결이 되면서 일단락됐다. 그는 "챗봇과 콜봇 모두 제대로 된 구체적인 답을 제시해주지 않아 상담사와 통화할 때까지 기다렸다."며 "AI상담이 오히려 더 불편하고 시간낭비만 한 셈"이라고 말했다. 금융권을 비롯해 산업 전반에 AI를 활용한 AICC(AI Contact Center)도입이 활발하다. 하지만 현장 곳곳에선 고객이 불편함을 호소하고 있다. 기업들은 한정된 상담인력으로 운영되는 컨택센터에 AI로 '효율화'를 더했다고 말한다. 그런데 고객들은 말을 제대로 못 알아듣는 챗봇 탓에 불편하다고 호소한다. Salesforce가 발표한 '금융 서비스 현황 보고서'에 따르면 고객들이 가장 불편해 하는 디지털 경험 요소 1위가 'AI 챗봇 서비스'로 39%에 달한다. 눈 여겨 봐야 할 점은 생성형 AI 챗봇에 대한 신뢰도다. 조사결과 전적으로 신뢰함(21%)보다 신뢰하지 않음(23%)이 더 높다. 즉 챗봇에 대한 신뢰도가 높지 않은 상황에서 똑같이 반복되는 답변에 고객들은 지쳐가고 있다. 결국 상담사 연결이 되기만을 애타게 기다린다. 적반하장으로 이용방법을 다시 숙지하라고 AI에게 혼났다는 우스갯소리도 심심치 않게 찾을 수 있다. 이러다 보니 온라인 커뮤니티에는 '상담사 연결방법'과 '고객센터 직통번호 찾는 법'이 공유될 정도다. 한 카페에는 "카드사들 상담사 연결까지 버튼 누르기 개미지옥"이라는 글도 올라온다. 블로그에 상담사 연결까지 버튼 메뉴얼이라는 공약집 같은 게 있을 정도다. "말로 하는 서비스는 사실 AI가 응답하니까 내가 원하는 용건은 AI가 인식 못하고, 상담사 연결하려면 ARS로 돌아가게 해놨는데 바쁜 와중에 상담사 연결하다 지치고 짜증난다"는 말이 다른 고객들로부터 큰 공감을 얻고 있다. 또 "AI한테 사람이 맞춰야 하는 세상"이라며 "어르신들은 귀도 어둡고 반응도 느린데 언제 그걸 다 알아듣고 하실지 안타깝다"는 댓글도 있다. 또 다른 커뮤니티에는 "기존에는 0번을 누르면 상담사 연결이 됐는데 이제는 AI 상담사 연결만 된다. 이것저것 시도해 봐도 분실신고를 제외하고는 상담사 연결이 어렵다"며 "이제는 상담사 연결 찾기도 힘들다"는 하소연도 올라온다. 문제는 이 같은 불만이 상담사와 연결단계에 분출된다는 점이다. 효율성을 높인다는 기업의 설명과 달리 고객의 답답함과 불편함, 짜증은 높아지고 상담사들이 이를 감내할 수밖에 없는 현실이 되고 있다. 컨택센터 업계관계자는 "상담사 인력수급이 원활하지 않다 보니 기업들이 AI를 활용해 시스템 효율화에 집중하고 있지만 AICC가 만능은 아니며, 고객이탈을 막기 위해서라도 ARS를 줄이고 상담인력을 늘려 고객 목소리에 귀 기울여야 한다"고 우려를 표했다. < 출처 > 프라임경제 (김이래 기자)

  • Report
  • Special Report

  2024-04-01

• 컨택센터 전화 채널을 이용한 사기 방지

  [컨택저널 2024년 3월호] 컨택센터 전화 채널을 이용한 사기 방지 고객 경험의 중심인 컨택센터가 사기범의 주요 표적이 되고 있습니다. 컨택센터 리더는 숨어 있는 보안 위험을 잘 파악하고 있어야 하며, 위협을 방어하면서 고객 경험을 향상시키는 최선의 방법을 찾아야 합니다. 컨택센터에 걸려온 수많은 전화 통화를 분석한 결과를 기반으로 주요 Insight를 소개합니다. ■ 보이지 않는 위험, 전화 사기 사기범은 우리의 생각보다 훨씬 더 많이 전화 채널을 사용하고 있습니다. 당사 데이터에 따르면 컨택센터와 콜센터로 걸려오는 전화 500통 중 1통이 사기범의 전화로 추정됩니다. 이들은 본격적인 공격을 실행하기 전에 평균 26번의 전화를 건다고 합니다. 모든 통화가 직접적인 사기로 이어지는 것은 아니지만, 그들은 통화를 통해 컨택센터의 방어 전략과 보안 프로토콜을 해독합니다. 그렇지만 모든 통화는 악의적인 의도를 저지할 수 있는 잠재적인 기회를 제공하기도 합니다. 사기범은 전화 채널을 통해 다음 2가지 중요한 작업을 합니다. ■ 컨택센터의 기회와 위험 Smart Numbers 플랫폼 데이터에 따르면 지난 1년 간의 고객 통화를 분석한 결과, 컨택센터로 들어오는 통화 유형과 행동 패턴이 다양해졌습니다. 사기범들은 발신제한 번호 뒤에 숨거나, 고객 번호를 스푸핑(spoofing, 공격자가 네트워크, 웹사이트 등의 데이터 위·변조를 통해 정상 시스템인 것처럼 위장하여 일반 사용자를 속이는 해킹 기법)하거나 기존의 규칙 기반 통제 수단을 통해 탐지할 수 없을 만큼 빠르게 움직이며 침투를 시도하고 있습니다. Inbound 통화의 2.8%에 불과한 발신제한 번호가 모든 의심스러운 통화의 58%나 차지합니다. 당사 연구에 따르면 증가하는 사기 위협에 대응하기 위해선 부문 간 협업을 통한 접근 방식이 시급합니다. 사기범의 52%가 적극적으로 여러 컨택센터를 표적으로 삼은 것으로 나타났습니다. 또한 컨택센터에 도달하는 의심스러운 통화의 약 35%는 머신 러닝 기술로만 식별될 수 있는 것으로 나타났습니다. 사기범이 행동을 빠르게 바꾸는 탓에 정적 기반 규칙은 무의미해지고 있습니다. 급변하는 디지털 환경에서 이처럼 급증하는 사기 행위는 큰 위협이 될 수 있습니다. 그러나 발전된 컨택센터 기술과 진화된 커뮤니케이션 습관으로 문제를 해결할 수 있습니다. 연구에 따르면 성인의 대다수는 유선 전화보다 휴대전화를 선호합니다. 휴대전화 번호를 고객 계정과 연결된 고유 식별자로 사용하면 보안 프로세스를 간소화하고 고객 경험을 개선할 수 있습니다. 그러나 번호 spoofing의 위협이 증가하고 있는 만큼, 이러한 모바일 번호가 진짜임을 보장하는 강력한 검증 메커니즘이 필요합니다. 전반적으로 발신 번호는 고객 식별 프로세스를 혁신하고, 보다 원활하고 개인적인 interaction(상호작용)을 가능하게 하는 동시에, 사기에 대처할 수 있는 잠재력까지 지니고 있습니다. ■ 컨택센터 사기범 식별 및 퇴치 방법 1. 동일한 번호가 여러 계정에 연결되어 있는지 확인하세요 모든 사기범의 두뇌가 뛰어나지는 않습니다. 범죄를 반복하는 일부 범죄자는 자신의 정체를 숨기려는 노력을 거의 하지 않습니다. 당사 연구에 따르면 이러한 사기범의 전화는 4건의 의심스러운 통화 중 1건을 차지합니다. 2. 발신제한 번호 사용자에 주의하세요 사기범이 발신제한 번호를 사용할 수도 있습니다. 그러나 발신제한 번호를 사용하는 모든 발신자를 사기범으로 오인해서는 곤란합니다. 당사 연구에 따르면 의심스러운 전화의 58% 이상이 발신제한 번호에서 비롯되며, 이는 심각한 위험을 초래합니다. 이러한 유형의 전화는 의심스러운 수신 통화 4건 중 1건을 차지하므로 각별한 주의를 기울여야 합니다. 3. 사기 퇴치를 위해 협력하세요 사기범은 발견한 취약점을 악용하여 여러 기관을 한꺼번에 공격하는 경우가 많습니다. 조사에 따르면 의심스러운 통화의 약 20%는 해당 컨택센터가 아닌 다른 컨택센터에서 식별한 사기범에 의한 것으로 나타났습니다. 4. 끊임없이 변화하는 사기 수법을 파악하세요 사기범은 민첩하게 끊임없이 수법을 변경합니다. 인공 지능, 특히 머신 러닝은 의심스러운 통화의 3분의 1을 식별할 수 있기 때문에 이를 피하기 위해 그들은 새로운 수법을 시도합니다. 사기범은 컨택센터의 제어 기능을 학습하고 이를 우회하는 방법을 알아냅니다. 예를 들어, 주소 변경 이틀 후에 거래를 차단하면 사기범은 사흘 후에 전화를 겁니다. 이때 머신 러닝은 일반적인 발신자 행동의 변화를 알아차립니다. 위험은 기회의 또 다른 이름입니다. 사기에 맞서는 노력을 통해 컨택센터의 신뢰와 보안을 더욱 강화하고 유지할 수 있습니다. 컨택센터 및 콜센터 환경에 또 다른 보안 Layout을 추가해 보세요. < 출처 > GENESYS Blog

  • Report
  • Special Report

  2024-03-01

• AI 시대, 음성·텍스트 등에 대한 ‘가명처리 기준’ 발표

  [컨택저널 2024년 3월호] AI 시대, 음성·텍스트 등에 대한 ‘가명처리 기준’ 발표 개인정보보호위원회가 개인정보 노출 위험을 사전에 차단하기 위해 ‘Chat GPT’ 같은 인공지능(AI)에 활용되는 이미지, 음성, 대화 기록 등의 ‘비정형 데이터’ 에 대한 가명 처리 기준을 새롭게 마련했다. 최근 인공지능(AI) 기술과 컴퓨팅 자원의 발달로 비정형데이터(이미지·영상·음성·텍스트 등)에 대한 활용수요가 폭발적으로 증가했다. 전 세계 데이터 중 이미지, 영상, 음성, 텍스트 등 비정형데이터가 최대 90%를 차지하고 있다(IDC, ‘23). 하지만, 기존의 「가명정보 처리 가이드라인」은 정형데이터에 대한 처리기준만 제시하고 있어 기업, 연구기관 등은 적합한 가명처리 방법이나 수준을 알지 못하는 등 현장의 불확실성이 컸다. 이에, 개인정보위는 정책연구용역, 각 분야 전문가로 구성된 T/F 운영, 산업계·학계·법조계·시민사회 및 관계부처 의견수렴 등 1년여 기간 동안 준비 작업을 거쳐 가이드라인을 대폭 개정했다. 개정된 가이드라인에는 비정형데이터를 가명처리하고 활용하는 과정에서 특수하게 나타날 수 있는 개인정보 위험을 사전에 확인하고 통제하기 위한 원칙과 함께, 의료·교통·챗봇 등 각 분야 사례 및 시나리오를 제공함으로써 현장에서 손쉽게 활용할 수 있도록 했다. 특히, 80장 분량을 할애하여 가명정보 활용 전 과정을 상세하게 안내한 7종의 시나리오는 의료데이터(MRI, CT, X-ray 등), CCTV 영상, 음성 대화·상담 정보를 활용하는 바이오·헬스, 인공지능, 데이터 솔루션 개발 등 여러 분야에서 안전하게 가명처리를 하는 데, 유용하게 참고할 수 있을 것으로 기대된다. 새 가이드라인에 따르면 대화형 AI인 ‘챗봇’을 개발할 땐 일상생활 데이터에 사생활 관련 정보가 다수 포함될 수 있어 대화 사용자 아이디(ID)를 삭제하고 무작위 ID로 대체해야 한다. 만약 대화 상담 음성 등을 챗봇 개발에 활용할 땐 음성 변환 기술을 통해 텍스트로 변환하고 음성 자체는 활용하면 안 된다. 인공지능 챗봇의 경우 언어 학습에 활용된 가명 정보가 그대로 답변으로 나오지 않도록 '학습DB'와 '답변 DB'를 분리해 처리할 것을 명시했다. 또 이메일 주소와 ID 등 개인이 식별될 수 있는 항목들을 가명 처리해야 한다고 언급했다. 가이드라인은 개인정보위 홈페이지와 개인정보포털에서 내려 받을 수 있다. ■ 비정형데이터 가명 처리 기준 주요 내용 우선, 비정형데이터는 개인식별 가능 정보에 대한 판단이 상황에 따라 달라질 수 있는 만큼, 데이터 처리목적 및 환경, 민감도 등을 종합적으로 고려하여 개인식별 위험을 판단하고 합리적인 처리방법과 수준을 정하도록 했다. 예를 들어, 정형데이터의 경우, 주민번호, 전화번호, 주소 등과 같이 개인식별위험이 있는 정보가 비교적 명확히 구분되지만, 비정형데이터는 그렇지 않다. 이에 대해, 개인정보위는 가이드라인에서 제시한 개인식별 위험성 검토 체크리스트를 통해 식별위험을 사전에 진단하고, 위험을 낮추기 위한 관리적·환경적 통제방안을 마련하여 활용토록 했다. 연구목적 달성에 필수적인 정보항목을 남기는 경우에는 그 외 정보에 대한 가명처리 수준을 높이거나 접근권한 통제, 식별에 악용될 수 있는 소프트웨어(SW) 반입제한, 보안서약서 징구 등 조치를 시행하도록 했다. 두 번째로, 비정형데이터에 내재된 개인식별 위험 요인을 완벽하게 탐지하여 처리할 수 있는 기술이 아직 없기 때문에, 이러한 기술적 한계 등을 보완하기 위한 조치들을 이행할 것을 권고하였다. 가명처리 기술의 적절성·신뢰성을 확인할 수 있는 근거를 작성·보관하고, 가명처리 결과에 대해 자체적인 추가검수를 수행하도록 했다. 또한 처리기술의 적절성·신뢰성을 확인할 수 있는 근거와 추가검수 등에 대해서 외부전문가가 참여한 위원회의 적정성 검토를 받도록 했다. 또한, 가명정보 활용 기관의 내부통제를 강화하고, 처리 목적이 달성된 가명정보는 신속히 파기하도록 하여, 개인정보 침해를 방지하기 위한 노력을 강조했다. 세 번째로, 비정형데이터는 인공지능 및 데이터 복원 기술의 발달에 따라 다른 정보와의 연계·결합 없이도 개인을 재 식별해낼 수 있는 위험이 있으므로, 가명 처리된 비정형데이터 활용 시 관련 시스템·소프트웨어(SW)의 접근·사용 제한 등 통제방안을 마련하여야 한다. 다만, 인공지능 개발·활용 과정에서 나타날 수 있는 다양한 위험을 사전에 완벽하게 제거하는 것은 불가능하므로, 인공지능 서비스 제공 과정에서도 개인식별 위험 등 정보주체 권익 침해 가능성을 지속 모니터링 하도록 했다. ■ 비정형데이터 가명처리 시나리오 예시 가명처리 시나리오는 실제 비정형데이터를 가명처리하여 활용했던 사례를 관련 기업·기관 및 전문가 논의를 통해 재구성한 것으로 단순 참고용이며, 처리자 및 적정성 검토 위원회 등의 판단에 따라 데이터 활용 분야·상황에 맞게 가명처리 방법·수준 등을 자유롭게 적용할 수 있다. 그밖에 기업 및 연구자가 가명 처리 단계별 (①사전준비, ②위험성 검토, ③가명 처리, ④적정성 검토, ⑤안전한 관리)로 고려해야 하는 사항을 안내하고 현재 개발 중인 가명 처리 기술도 소개하여, 관련 경험이 부족한 start-up 등이 참고할 수 있도록 했다. 비정형데이터 영역은 데이터 유형, 활용 분야마다 가명처리 기준·방법이 다양하고 관련 기술도 빠르게 발전하고 있어 다양한 활용사례를 축적하는 것이 중요하다. 기업이나 연구기관은 가이드라인에 포함된 사례 외에도 새로운 기술이나 서비스를 개발하는 과정에서 데이터의 개인식별 위험성을 낮추기 위한 가명처리 절차 및 방법, 관리적·환경적 통제방안 등이 「개인정보 보호법」을 준수하는 것인지에 대해 「사전적정성 검토」를 신청할 수 있다. 앞으로 개인 정보위는 신청 받은 사례를 전문가들과 함께 신속히 검토하여 회신하는 한편, 관련 사례를 가이드라인에 지속 추가하여 모범 사례(Best Practice)를 확산시켜 나갈 계획이다. 개인정보위 위원장은 “인공지능 등 많은 신기술 영역은 현장의 불확실성을 해소할 수 있는 세밀한 데이터 처리 정책이 중요하다.”면서, “금번 가이드라인을 시작으로 대규모 언어 모형 등 생성형 AI와 관련한 「공개된 개인정보 처리 가이드라인」등 현장의 어려움을 해소할 수 있는 기준을 올해 중에 순차적으로 발표하겠다”고 밝혔다. < 출처> 개인정보보호위원회

  • Report
  • Special Report

  2024-03-01

• [2023년 컨택센터 심층분석] BPO시장 확대, 운영·구축기업 협업 강화해야

  [컨택저널 2024년 3월호] <2023년 컨택센터 심층분석> BPO시장 확대, 운영·구축기업 협업 강화해야 2023년 컨택센터 업계는 엔데믹과 AI컨택센터의 활약이 돋보인 한 해였다. 전반적으로 매출과 인원 모두 지난해 대비 소폭 증가해 상승세를 이어가는 모양새다. 특히 AICC가 가속화되면서 컨택센터 운영 기업과 구축 기업은 도약을 위해 협업을 강화해야 한다는 목소리에 힘이 실리고 있다. 프라임경제 기업부설연구소에서는 2023년 10월부터 12월까지 3개월 동안 컨택센터 데이터를 합산해 '2024 컨택센터 산업총람'을 발간했다. 또 2011년을 시작으로 13년 동안 꾸준히 컨택센터 업계 현황을 조사한 기존 자료에 최신 자료를 더해 심층 분석했다. 구체적으로 ▲운영 ▲구축 ▲파견 ▲사용 총 4개 분야로 나눠 분석한 결과, 컨택센터 시장 규모는 8조8588억원(운영·사용(직영)·파견 10%), 18만여명이 종사하는 것으로 나타났다. 컨택센터 구축 시장과 단순 인력 파견은 포함하지 않았고 파견업계의 매출과 인력을 10%만 반영한 수치다. 지난해에는 8조5137억원, 종사자수는 17만8809명이었다. 먼저 컨택센터 종사자 수는 2023년 사용 기업 현황을 중심으로 운영 형태를 살펴보면 ▲아웃소싱 49.6% ▲직영 30.8% ▲직영+아웃소싱 5.4% ▲비공개 14.2%로 나타났다. 비공개 대부분은 직영이다. 업계에서는 컨택센터를 운영하는 사용 기업을 2000~3000여 개사로 보고 있지만 기업부설연구소에서는 대략 91개 산업군 1158개사를 조사했다. 이에 따라 전체 사용 업계 인원 12만1857명을 컨택센터 인력 100%라고 보기 힘들어 가장 신뢰도가 높은 운영 기업(아웃소싱) 현황조사를 기준으로 직영과 아웃소싱 비율을 추산해 ▲직영 3만5534명 ▲운영(아웃소싱) 13만3576명 ▲파견 1만902명을 모두 더한 결과 컨택센터 종사자 수는 18만12명으로 나타났다. 아울러 컨택센터 운영 기업 매출 6조5597억원과 파견기업 매출의 10%만 반영한 3542억원, 사용기업에서 직영으로 운영되는 3만5534명을 월평균 450만원으로 산정해 1조9449억을 더했다. 그 결과 2023년에는 2022년 대비 매출과 종사자 모두 소폭으로 증가했다. 통상적으로 사용 기업 임금이 100%, 운영 기업 임금이 80%라고 가정해 사용기업에서 직영으로 운영되는 경우 1인당 월평균 매출액은 450만원, 운영 기업(아웃소싱)은 368만원으로 산정해 종사자 수에 각각 매출액과 12개월을 곱해 추산한 결과이다. 운영 업계 너도나도 AICC 도입, "최소 인력 유지" 2023년 컨택센터업계는 AICC(AI Contact Center) 전환이 활발해지면서 최소한의 상담 운영 인력을 유지하는 분위기다. 컨택센터 운영 업계는 2022년 대비 2023년 매출액은 5.12% 증가, 종사자 수는 0.98% 늘어났다. 전체 매출액은 소폭 상승했지만, 고물가와 최저임금이 약 5% 상승한 점을 반영한다면 여전히 얼음판을 걷고 있는 셈이다. 또 상담사 채용을 위한 광고비는 밑 빠진 독에 물 붓기처럼 계속되고 있어 실제 운영 사정은 더 좋지 않을 것으로 보인다. 컨택센터 운영 기업은 자체 센터를 갖고 토털아웃소싱이 가능한 기업들로 ▲통신 ▲금융 ▲유통 ▲공공 ▲제조 ▲서비스 등 다양한 산업 분야에서 서비스를 제공하고 있다. 2023년 운영 기업 47곳을 조사한 결과 예상 매출은 6조5597억원으로 지난해보다 5.12% 증가했고, 인력은 13만3576명으로 0.98% 늘었다. 최근 매출을 살펴보면 2019년까지 저조한 성장세를 보이다가 2020년 코로나19 여파로 18.96%로 성장했다. 이어 현재까지 평균 4~5%내외 성장세를 보이며 안정적인 증감률을 나타냈다. 다만 이 매출증감률을 업계성장으로 해석하기는 힘들어 보인다. 매년 물가상승을 비롯해 최저임금이 상승하고 있는데 비해 매출증감률은 소폭이다 보니 성장보다는 비슷한 상태를 유지해나가고 있는 것으로 해석된다. 업계 관계자는 "사업비가 최저임금 인상분만큼만 오르다 보니 업계 성장세는 미미한 수준"이라며 "인건비뿐 아니라 각종 세금과 물가가 천정부지로 오르고 있고 상담사 채용을 위한 광고비에 많은 돈을 쏟아 부어도 채용이 쉽지 않은 상황"이라고 말했다. 또 다른 업계관계자는 "운영 기업은 서로 뺏고 빼앗기기를 반복하면서 파이를 나눠 먹기만 하고 있다."면서 "이제라도 신규사업팀을 만들어 직영으로 하고 있는 콜센터를 컨설팅하고, 아웃소싱으로 전환하는 전략을 펼쳐 시장규모를 키워야 한다"고 말했다. 운영 기업 인원은 2014년부터 11만 명 대를 유지하며 꾸준히 증가세를 유지해 오다 2019년 마이너스로 돌아섰지만 2020년부터 Un-tact 열풍에 힘입어 13만 명을 돌파하며 현재까지 유지되고 있다. 운영 기업 종사자는 1% 미만으로 소폭 증가세를 유지하고 있다. 다만 전 업종에서 상담효율화를 높이기 위해 AICC 활용이 적극적이다 보니 향후 종사자수는 점점 축소될 것으로 전망된다. 일례로 AICC가 활발해지면서 인입콜이 30% 가까이 줄어든 경우도 있다. K은행은 AI를 활용한 챗봇과 셀프서비스 등을 통해 인입콜이 줄어들자 2개 위탁업체와 계약을 해지했지만 노조의 반발로 240여명의 상담사가 고용승계 절차를 밟는 일도 있었다. 업계 관계자는 "AI컨택센터에 사활을 걸던 컨택센터 업계는 금융, 공공기관, 유통 등 전체분야에서 상담사 TO를 10% 가량 줄이는 추세"라면서 "전체 시장 축소와 함께 상담사 채용도 어려워 상담사 TO를 100% 다 채우 지도 못한 채 80~90%를 겨우 유지하고 있다"고 전했다. 이처럼 컨택센터업게는 생성형 AI를 활용한 Chat GPT 도입에 따라 상담표준화가 가능한 업무는 챗봇을 활용하고, 상담사는 앞 단에서 챗봇이 단순 상담을 한 이후 복잡한 상담을 진행하게 된다. 이젠 AICC 도입을 망설이던 기업들도 선택이 아닌 필수로 자리잡았다는 게 업계 중론이다. 황규만 (사)한국컨택센터산업협회 부회장은 "향후 컨택센터는 기술 완성도가 떨어져 기술 도입을 미뤄왔던 기업들이 생성형 AI의 출현으로 도입을 하지 않을 수 없는 상황에 처할 것"이라며 "생성형 AI의 효능이 검증을 마치는 순간 순식간에 모든 컨택센터에 도입되는 계기가 될 것"이라고 전망했다. 사용 업계 금융권, 홈쇼핑 산업 하락세 사용 업계는 91개 산업군 1158개사를 조사한 결과 ▲직영 357개 ▲ 아웃소싱 574개 ▲직영+아웃소싱 63개로 운영하고 있다. 이중 아웃소싱의 비율은 지난해 600개에서 574곳으로 감소했다. 먼저 2023년 민간기업의 운영 형태는 ▲직영 287개 ▲아웃소싱 453개 ▲직영+아웃소싱 63곳으로 나타났다, 직영과 아웃소싱 비율은 각각 30%, 아웃소싱은 48%를 기록, 아웃소싱 비율이 현저히 높았다. 2022년 직영 30%, 아웃소싱 65%에 비하면 올해 아웃소싱은 48%를 기록하며 2022년 9% 감소에 이어 2년 연속 하락했다. 공공기관은 ▲직영 56개 ▲아웃소싱 97개 ▲직영+아웃소싱 6개로 나타났다. 직영은 4% 오른 34%, 아웃소싱은 59%을 보이며 6% 감소했다. 아웃소싱 비율이 줄었지만, 여전히 사용기업 과반수가 아웃소싱 형태를 유지하고 있다. 지방자치단체의 경우 2곳이 직영으로 전환하고 1곳이 직영을 신설했다. 특히 일부 공공기관이 코로나19 엔데믹을 지나면서 기존에 운영했던 백신, 생계 곤란 지원센터 등 일시적으로 운영됐던 컨택센터 사업을 폐지해 인원이 감축된 것으로 보인다. 2023년 사용 업계 종사자는 지난해 대비 1.6% 감소한 12만 1857명으로 나타났다. 업계는 인력 감소의 원인을 상담사 채용 문제와 AI 컨택센터 도입으로 보고 있다. 단순 업무는 고객 스스로 AI를 통해 문제해결이 가능한 서비스를 도입하는 추세다. 또 기업들도 틈틈이 인원 감축을 통한 경비 절감을 추구하고 있어 감소세는 계속될 것으로 전망된다. 업계 관계자는 "사용 기업들이 최소 인원의 운영을 선호하고 있다."며 "아직 AI나 챗봇이 상담사를 대체할 정도로 미치지는 못한 상태이다. 챗봇은 고객이 원하는 답변을 주지 못해 결국 다시 상담사와 통화를 하고 있어 종사자수 감소는 일시적인 현상일 것"이라고 말했다. 사용 업계 종사자를 업종별로 살펴보면 유무선통신과 금융권이 컨택센터 인력의 절반을 차지했다. 비율로 살펴보면 유무선통신 16%, 금융(은행·카드) 15%, 보험 9%로 총 40%에 달한다. 특히, 산업군 별 성장세와 하락세가 뚜렷했다. 미디어나 교육 분야는 증가한 반면 금융권과 TV 홈쇼핑, 인터넷쇼핑몰의 경우 하락세가 돋보였다. 눈 여겨 봐야 할 부분은 금융권의 가파른 시장축소다. 사용기업 종사자수를 살펴보면 은행은 전년도 대비 -14%, 카드 -25%로 큰 폭으로 감소했다. 금융권을 중심으로 셀프서비스나 챗봇을 통해 소비자 스스로가 문제를 해결하는 경우가 늘어났기 때문이다. 하지만 이에 따른 부작용으로 컨택센터를 찾는 소비자들은 보다 복잡한 업무를 상담하다 보니 평균 콜 응대시간은 과거 1분대에서 최근 들어 2분~3분으로 길어졌다는 게 업계 설명이다. 은행업계는 AI 기술을 활용한 챗봇, 셀프서비스 등 서비스 다변화를 추진 하는 동시에 상담사 전문화와 다이렉트 은행 창구 연결 서비스를 출시하면서 앞으로의 은행업계 컨택센터 종사자는 더욱 감소될 것으로 전망된다. 보험업계 컨택센터는 기존 구 시대적인 대면 영업 방식에서 온라인 보험 플랫폼의 등장과 비대면 계약이 활성화되면서 감소세를 보이고 있다. 또 전화주문이 줄어들고 있는 추세에서 TV홈쇼핑은 -23% 감소됐다. 전체적인 시청률 하락과 홈쇼핑이 유료방송에 채널을 공급하면서 지불하는 송출수수료의 부담이 커지면서 홈쇼핑시장이 대다수 침체가 길어지고 있는 것으로 나타났다. 다만 홈쇼핑 업계에서도 탈 TV를 위해 유튜브·SNS 등 다양한 미디어를 활용한 Commerce contents 개발에 힘을 쏟고 있어 인력 복원의 가능성이 보인다. 한편, 인터넷쇼핑몰은 -45%로 절반 가까이 줄어들었다. 11번가와 G마켓 등에서 상담사 축소가 반영된 결과다. 최근 상담사 채용이 어렵다 보니 미흡하더라도 표준화된 업무는 AI·챗봇 상담으로 대체하려고 하는 추세다. 반면 인공지능은 일반 상담사를 대체하지 못해 종사자수는 채팅 모니터링, 데이터러닝 요원 등으로 채용되면서 새로운 직종이 탄생하는 모습이다. 업계 관계자는 "AI 도입으로 일반 상담사에 의존하는 운영 형태는 힘들다."며 "인간과 디지털 시스템이 공존하는 Hybrid 운영형태라는 새로운 형태가 탄생할 것"이라고 말했다. 구축 업계 Chat GPT 등장에 '대화형 AI' 주목 AICC(AI Contact Center)도입은 금융과 통신, 공공기관을 시작으로 최근에는 제조, 유통 등 산업전반으로 확산되고 있다. 특히 지난해 컨택센터는 생성형AI인 Chat GPT 등장으로 '대화형 AI'에 주목하고 있다. 해를 거듭할수록 AICC가 고도화되면서 AI를 활용한 디지털 전환이 속도를 내는 분위기다. 2023년 구축 업계 예상 매출은 3조644억원, 종사자 수는 1만5717명으로 파악됐다. 매출액은 2017년부터 6년간 꾸준히 성장세를 보이다 2023년 -4.6% 감소한 반면 종사자 수는 23.6% 대폭 늘어났다. 구축 기업 119곳을 조사한 결과다. 매출은 소폭 감소했지만 AICC 도입에 대한 관심이 돋보였다. 특히 눈 여겨 봐야 할 부분은 Chat GPT 등장에 따라 고도화된 대화형 챗봇과 음성봇(콜봇)의 활약이다. 그 동안 시나리오를 기반으로 한 상담으로 진행해 왔다면 보다 자연스럽게 상담할 수 있는 ‘대화형 상담’으로 한층 진화하고 있다. 많은 기업들이 AICC도입을 검토하고 있고, 먼저 AICC에 뛰어든 선두주자들은 LLM기반 생성형AI를 활용해 상담 품질을 높이는 고도화 작업에 공을 들이고 있다. 이에 따라 구축 시장은 꾸준한 성장세를 유지하고 있다. 업계관계자는 "기존에는 FAQ로 질문에 대한 답변을 해왔다면 이젠 시나리오가 아닌 업무를 이해하는 AI가 사람과 같이 자연스러운 대화를 수행하는 방식으로 발전해가고 있다"고 밝혔다. 구축 기업의 종사자 수는 2022년부터 2023년까지 각각 10.73%와 23.6%로 급격히 늘어났다. 지난 2023년은 ▲챗봇 상담 ▲음성봇 ▲RPA ▲STT ▲Cloud 등이 자리 잡으면서 IT & SW 시스템 업계의 개발자 채용 경쟁과 인력 공급이 가장 활발했던 것으로 보인다. 컨택센터업계의 풀리지 않은 숙제인 '상담사 인력난'으로 상담사 채용이 어려워지자 기업들은 인입콜을 줄이기 위해 AI활용이 선택이 아닌 필수로 자리 잡은 것이다. 미래의 컨택센터의 역할도 더 중요해졌다. 기업과 고객의 소통창구에서 머무르지 않고 디지털 경쟁력 확보에 초점을 두고 있어서다. AICC로 전환되면서 모든 상담데이터들이 데이터로 저장돼 고객이 무엇에 불만인지, 어느 시점에 어떤 것을 필요로 하는지 고객 needs 파악에 '고객 데이터'를 활용할 수 있다. 업계관계자는 "컨택센터는 과거의 단순한 '콜센터'의 개념보다는 데이터를 활용한 고객관계 관리와 데이터기반의 '맞춤형 마케팅'이 가능해졌다."면서 "고객의 needs, 관심, 취향은 모든 것이 데이터를 활용한 통합플랫폼으로 발전하고 있다"고 말했다. 파견 업계 '엔데믹 훈풍' 종사자 7.85% 증가 2023년은 코로나19 종식을 알리는 엔데믹으로 오프라인 유통업계의 매출 상승을 기대했으나 기대에 못 미쳤다. 반면, 쿠팡, 알리익스프레스 등 온라인 유통플랫폼의 성장세로 인해 파견업계에도 새로운 바람이 불고 있다. 파견업체 71개사를 조사한 결과 2023년 예상 매출은 3조2848원으로 직전 해보다 7.85% 증가했다. 파견업체 종사자 수는 2022년 대비 3.75% 증가한 10만 9025명이다. 2023년은 온라인 유통 플랫폼 등이 코로나19로 온라인 구매 경험자가 늘면서 자연스레 성장한 것으로 보인다. 본격적인 엔데믹의 시기를 맞아 일시적으로 단기파견이 늘었다. 제조현장을 중심으로 제조 단순 노무 종사자, 단순 조립종사자의 소폭 증가가 영향을 미쳤다. 다만, 정부가 근로자 파견용역과 인력공급용역의 부가가치세를 면제한다고 발표하면서 업계 반발이 거세지고 있다. 부가세가 면제되면 사업자들이 구인광고비, 소모품·자재 구입, 임대료 등 사업운영비의 매입세액 공제를 받지 못해 기업규모에 따라서 연간 수억 원에서 많게는 수십 억원의 비용부담이 발생하기 때문이다. 한편, 컨택센터로의 파견은 점차 감소하는 분위기다. 파견의 경우 근로감독대상이 되기 때문에 고객사의 입장에서는 도급 계약으로 전환하면서 파견형태로의 계약이 줄어들고 있는 것이다. 따라서 파견 기업의 컨택센터 매출비중은 꾸준히 감소했고 지금은 매출의 20%를 넘지 않는다. 앞으로도 이러한 추세는 계속될 것으로 보인다. 컨택센터는 코로나 3년을 거치면서 시스템 부분에 대해서는 비약적인 성장세를 거두었다. 재택의 확대로 인해 구축형보다는 Cloud 기반 구독형 서비스가 각광을 받았고 기존 시스템에 챗봇과 AI를 연동해 효율성을 극대화했다. 2023년에도 이러한 현상은 계속돼 오고 있으며 코로나 때 단기적으로 운영하던 코로나 신고센터가 줄면서 BPO기업들의 성장세가 주춤해졌다. 문재인 정부 시절 활발히 진행됐던 비정규직의 정규직화는 현 정부 들어 다소 주춤해졌다. 정규직화를 요구하는 공공기관은 여전히 많지만, 고용의 유연화를 강조하고 있는 정부에서는 큰 주목을 받지 못하고 있다. 이에 따라 사용기업의 운영행태도 지난해와 비교했을 때 큰 변화를 가져오지 못했다. 구축업체의 경우 AI 도입이 활발해 지면서 이와 관련된 기업들이 신규 업체로 꾸준히 추가되고 있다. 파견·도급은 센터에 인력을 공급해 주는 기업들로 도급으로 형태가 바뀌면서 파견기업은 점차 줄어들고 있다. 컨택센터는 급격한 디지털 혁신 바람에 잘 적응하면서 그 동안 다져온 AI 기술력과 운영 노하우로 한 걸음씩 위기를 극복하며 나아가고 있다. 특히 시스템기업과 BPO기업들의 연계가 눈에 띈다. 시스템기업의 경우 자체 영업력만으로는 성장세에 한계가 있다고 판단하고 평균 50여개 이상의 고객사를 운영하고 있는 BPO기업들과 연계해 눈높이에 맞는 영업을 펼치고 있다. 컨택센터 업계는 전반적으로 매출과 인원 모두 지난해와 비슷한 기조를 보이며 상승세를 이어가는 모양새다. < 출처 > 프라임경제 < 정리 > 한국컨택센터산업협회

  • Report
  • Special Report

  2024-03-01

• 고객 경험(CX) 혁신의 출발점, VOC

  [컨택저널 2024년 3월호] 고객 경험(CX) 혁신의 출발점, VOC 고객 경험(CX)의 실행 방법이 아무리 디지털 기반으로 전환되었다 하더라도 결국 가장 기본적인 고객의 needs를 찾는 것은 VOC 시스템에서 출발해야 한다. 오래 전 만들어진 VOC 시스템이 지금까지도 활용되고 있다는 것은 그 가치를 증명해준다. VOC 시스템을 통해 고객에게 탁월한 경험을 제공하고자 하는 기업의 철학이 충분히 녹아 들도록 하는 것이 무엇보다 중요하다. 돌이켜 보니 2021년 하반기부터 부쩍 기업들의 VOC 시스템 구축에 대한 상담 요청이 많아지고 있다. 덕분에 대표 생명보험사 한 곳과는 이미 프로젝트를 성공적으로 마치고 가동을 시작했으며, 지금은 그 기업의 추천으로 또 다른 대형 생명보험사와 프로젝트를 진행하고 있다. 뿐만 아니라 곧이어 또 다른 대표 손해보험사로부터도 VOC 시스템 구축 프로젝트 의뢰가 있을 것 같다. 형태는 조금 다르지만 통신 3사 중 한 곳과도 VOC 시스템 구축 프로젝트를 진행하고 있다. 물론 KMAC와 프로젝트를 진행하지 않을 뿐 다른 여러 회사들의 VOC 시스템 구축 소식도 여기저기서 들려온다. VOC 시스템 구축에 대한 관심이 봇물 터지듯 일어나는 이유는 뭘까? 01 왜 지금 VOC인가 거슬러 올라가보면 2010년대 초반에 많은 기업에서 VOC 시스템을 구축했었다. 물론 공공기관도 예외는 아니었다. KMAC에서 진행한 프로젝트로만 한정해도 한화그룹, SPC그룹 등이 그룹 차원의 통합 VOC 시스템을 구축했고 현대자동차, 아시아나항공, 롯데백화점에 이어 스타벅스도 통합 VOC 시스템을 구축했다. 공공기관 중에서는 예금보험공사, 기술보증기금, 건강보험심사평가원, 한국마사회, 경기도시공사 등에서 VOC 시스템을 구축해 ‘고객의 소리’에 귀를 기울이려는 노력을 가속화했다. 2010년대 초반에 이렇게 많은 기업이나 공공기관에서 VOC 시스템을 구축하고 그로부터 약 10년 내외의 시간이 흘렀으니 당연히 당시 구축했던 시스템이 현재의 여러 IT 환경에서 잘 작동하지 않는 상황이 일어나고 있을 것이다. 예를 들어 그사이 우리나라 IT 생태계를 옥죄고 있던 Active X도 사라졌고 개인정보 보호에 대한 규제는 훨씬 강화되었다. AI가 일상생활에 깊숙이 들어왔고, 심지어 Chat GPT로 통칭되는 거대 언어 모델(LLM)이 세계적인 관심을 받고 있다. 그러다 보니 VOC 시스템도 변화된 환경에 적응하고 바뀐 기술들을 새로이 접목할 필요성이 커진 것이다. 간단히 말하면 최근의 VOC 시스템 구축에 대한 열풍은 약 10여 년 전에 구축한 VOC 시스템의 고도화에 대한 열풍이라고 하는 것이 더 정확한 진단이라 할 수 있겠다. 어쨌든 기업 입장에서는 고객의 다양한 요구를 기업 내부로 끌어들여 관리할 수 있는 수단이 필요한데, 기왕이면 최신 기술을 활용하여 보다 효율적으로 고객의 needs를 탐색하고 발 빠른 대응을 할 수 있는 방법을 찾으려는 것이다. 특히 최근 디지털 혁신에 발맞춰 많은 기업에서 화두가 되고 있는 고객 경험(CX) 혁신에 대응하기 위해서도 VOC 시스템을 근간으로 고객의 Pain Point(지속적으로 고객들에게 불편을 초래하는 상품이나 서비스)를 발굴하고 혁신하기 위한 활동에 더욱 힘을 실어 주는 모습들을 보이고 있다. 02 VOC 시스템에 대한 오해와 진실 VOC(Voice of the Customer)는 그대로 번역해도 ‘고객의 소리’이다. 고객의 소리에는 단순한 문의도 있을 수 있고 불만, 칭찬, 건의(제안)도 있을 수 있다. 요즘 금융권에서 강조하고 있는 민원도 VOC의 한 유형이라 할 수 있다. 다만 해당 기업으로 수집되지 않고 금융감독원과 같은 감독기관으로 제기되기 때문에 ‘민원’이라는 용어로 별도 관리를 하고 있을 뿐이다. 이런 다양한 고객의 소리는 그 유형만큼이나 수집되는 통로도 다양하다. 기업의 홈페이지에 마련된 고객의 소리 수집 시스템을 통해 수집될 수도 있고 메일로 수집될 수도 있다. 심지어 대면 접점에 있는 직원들이 직접 청취하는 고객의 소리도 수없이 많다. 양적으로 가장 많은 고객의 소리가 수집되는 통로(채널)는 바로 컨택센터(콜센터)이다. 아마도 컨택센터가 구축된 기업의 경우 전체 고객의 소리 중 약 85~90%는 컨택센터를 통해 수집이 되고 있을 것이다. 최근에는 이런 기업 자체 채널 외에도 각종 소셜미디어에서 언급되는 기업에 대한 내용도 중요한 고객의 소리로 간주하여 수집하는 경우도 있다. 다만 컨택센터에서 수집된 고객의 소리는 음성 파일로 보관하고 있어 이를 활용하는 데 한계가 많은 실정이다. 비록 음성을 텍스트로 변환(Speech to Text : STT)했다 하더라도 그 양이 너무나 방대하다는 이유로 쌓아만 둘 뿐 제대로 분석하거나 활용하지 못하고 있다. 수많은 대기업들 역시 상황이 크게 다르지 않다. 문제는 많은 기업들이 ‘고객의 소리’는 온라인, 오프라인, 컨택센터 등 모든 채널에서 고객이 전달한 다양한 의견들이라고 생각하면서 VOC 시스템이라고 하면 대체로 컨택센터는 제외하고 홈페이지에 구축한 시스템으로 좁혀 생각하는 경우가 많다는 것이다. 이는 용어의 문제도 있지만 소위 VOC 시스템으로 불리는 시스템과 컨택센터의 관리 주체가 다르기 때문에 나타나는 문제이기도 하다. 쉽게 말해 고객의 소리라는 큰 저수지에서 농업 용수와 공업 용수로 나눠 쓰는 순간 그 관리 주체가 달라지기 때문에 모든 고객의 소리가 통합적으로 분석되지 못하고 각자의 필요에만 한정되게 분석 활용되고 있는 듯 하다. 이를 개선하는 방법은 간단하다. 농업 용수와 공업 용수로 나누기 전에 저수지에 있는 물 전체를 먼저 분석한 다음 활용 목적에 맞게 배분해 주면 되는 것이다. 03 고객 경험 (CX) 혁신과 VOC 고객 경험을 혁신하기 위해서는 고객이 원하는 경험에 대해 이해해야 한다. 고객이 기업과 만나는 순간, 아니 만나기 이전부터 기업과 접촉하면서 겪게 되는 경험 그리고 이후 오롯이 고객에게 남겨지는 평가(리뷰)의 순간까지 이 모든 과정을 고객이 기업에 대해 경험하는 여정이라고 한다. 이 고객 여정(Customer Journey)에서 고객은 다양한 자신의 생각을 어딘가에 표출한다. 특히 오늘날 소비자는 편리해진 IT에 힘입어 자신의 생각을 매우 쉽게 표출하곤 한다. 이렇게 표출하는 생각이 바로 VOC이다. 고객 경험에서 가장 중요하게 생각하는 것이 고객 여정을 Touch Point 단위로 세분하고 각 터치 포인트에서의 긍정 경험과 부정 경험을 명확히 하는 것이다. 그렇다면 긍정 경험과 부정 경험을 판단하는 근거는 무엇이 되어야 할까? 당연히 고객의 생각이다. 고객의 생각은 VOC 시스템을 통해서 수집될 수 있다. 여기서 말하는 VOC 시스템은 컨택센터의 상담 기록과 소셜미디어에 쌓이는 평가까지 모두 포함한 범위를 말한다. 혹자는 지금 시대에 고객 경험을 논하면서 VOC 시스템을 말하는 것이 너무 고리타분하다는 의견을 내기도 한다. 하지만 고객 경험의 실행 방법이 아무리 디지털 기반으로 전환되었다 하더라도 결국 가장 기본적인 고객의 니즈를 찾는 것은 VOC 시스템에서 출발할 수밖에 없다. 그렇다면 이제 디지털 시대 고객 경험 혁신을 위한 VOC 시스템 활용의 바람직한 방향에 대해 고민해 보자. 특히 본 글에서 강조하고 싶은 것은 VOC 시스템의 능동적인 활용이다. 과거에는 VOC 시스템을 그다지 능동적으로 활용하지 못했다. 다시 말해 고객이 먼저 기업에 VOC를 제기하기 전까지 기업은 수동적으로 기다리곤 했다. 하지만 이제는 고객이 VOC를 제기하기 전에 선제적으로 고객의 소리를 수집하고자 노력하는 기업들이 많아졌고 그 방법도 다양해졌다. 그 중 몇 가지 방법을 살펴보자. ■ 사례 ① 모바일 고객 조사를 활용한 VOC 수집 고객 조사는 고객의 소리를 수집하는 대표적인 방법 중 하나다. 주로 고객만족도(CSI)나 고객추천지수(NPS, Net Promoter Score)와 같은 조사를 말한다. SURVEY라는 방법의 특성상 주로 수치화된 데이터로 표현되며 부서 간 비교나 시계열적인 추이 분석에 많이 활용되고 있다. 간편하지만 정량화된 결과를 가시적으로 보여줄 수 있기에 많은 장점을 가지고 있지만 수치 외에 고객의 구체적인 의견을 수집하는 데는 한계가 있었다. 그런데 최근 모바일을 통한 서베이가 활성화되면서 수치 외에 정성적인 의견을 수집하는 데도 좋은 수단이 되고 있다. 통신 기업인 A사는 이런 모바일 고객 조사를 활용해 고객의 의견을 적극적으로 수집하기 시작했다. A사는 주로 NPS를 통해 고객 의견 수집 활동을 하고 있는데, NPS를 크게 2가지로 분류하여 수집하고 있다. 하나는 접점별 NPS이다. 통신 기업이기 때문에 다양한 접점을 가지고 있다. 대리점도 있고, 컨택센터도 있고, 다양한 앱도 있다. 이들 접점에서 고객의 접촉이 일어나면 정해진 시간 내에 모바일 서베이를 위한 설문이 발송되도록 시스템화하였다. 설문에 응답할 때는 단순히 점수만 표시할 수도 있지만 좀 더 구체적인 의견도 작성할 수 있도록 설계했다. 다른 하나는 시기별 NPS이다. 통신 기업의 고객은 해당 기업과 1회성이 아닌 장기적 관계를 형성한다. 첫 가입부터 1개월 후 첫 요금 납부를 하게 되고 가입 시 의무적으로 포함시켰던 부가 서비스에 대해 약 3개월 후 중지 또는 유지 판단을 하면서 기업과 접촉하게 된다. 이후 멤버십 등을 사용하기 위해 접촉하기도 하고 약 2년 후면 기기 변경이나 요금제 변경을 위해서도 접촉이 일어난다. 이런 다양한 접촉 기회에서 접촉 후 일정 시간 내에 모바일 서베이를 위한 설문을 발송하고 피드백을 받는다. 이후 과정은 접점별 NPS와 동일하다. 접점별 NPS와 시기별 NPS 데이터는 실시간으로 집계되어 A사 계층별로 대시보드를 통해 분석 화면을 제공하고 있다. 아마도 국내 대부분의 기업이 고객 서베이를 하고 있을 것이다. 다만 대부분 오프라인 형태로 하거나 온라인이라는 방법을 쓰고는 있지만 1년에 1회, 아무리 빈도를 많이 해도 분기 1회를 넘지 못하고 있을 것이다. 지금 시대에 고객 경험에서 혁신을 추구하기 위해 중요한 것 중 하나는 시간이다. 많은 경험에 대한 피드백이 거의 실시간으로 일어나는 시대에 고객이 경험한 긍정 또는 부정의 사건에 대해 실시간으로 파악하지 못한다면 아마도 그 고객은 이미 어딘가에서 그 경험을 대중에게 확산하고 있을 것이다. 또한 고객 여정 중 어느 단계에서의 경험이 긍정적이거나 부정적이었는지 특정하지 못한다면 결국 ‘모두의 책임’으로 남겨질 것이다. 이렇게 보면 고객 조사라는 동일한 일을 하더라도 어떤 방법을 쓰는가에 따라 고객 경험 혁신에 어떻게 적용되고 반영될 수 있는지 달라질 수 있다는 측면에서 신중하게 생각해 볼 문제가 아닐까 싶다. ■ 사례 ② 컨택센터 광산에서 황금 VOC 분석 이미 언급했듯이 컨택센터는 기업으로 제기되는 고객의 소리 중 약 85~90% 정도를 차지한다. 그리고 기업은 이 고객의 소리를 대부분 녹취 데이터로 남겨두고 있다. 문제는 이렇게 확보된 녹취 데이터를 활용하지 못하고 계속 쌓아만 두고 있다는 것이다. 과거에는 이 많은 녹취를 들어볼 수 없어 그냥 쌓아 두었다. 그러다 녹취 음성을 텍스트로 변환해 주는 기술(STT)이 개발되면서 많은 기업이 STT 작업을 했다. STT 기술을 가진 IT 기업들은 STT만 되면 그 많은 고객의 소리를 다 분석할 수 있을 것처럼 영업을 했고 기업들은 서둘러 그 작업을 했던 것이다. 하지만 결과는 처참했다. 텍스트로 변환된 데이터 역시 어마어마한 양이었고 이 데이터를 누구도 감히 읽어 볼 엄두를 내지 못했다. 물론 선도적인 기업들은 이 데이터 중에서 키워드 중심으로 분류를 해서 나름대로 활용도를 높이는 작업을 한 곳도 있지만 그 역시 분류를 해서 그래프로 보여주는 것 외에는 특별한 효용을 찾기 어려운 실정이었다. 그런데 최근 AI 기술이 급속도로 향상되어 AI 기술을 통해 모델링을 하면 이 많은 텍스트 데이터를 원하는 목적에 맞게 분석할 수 있는 길이 열린 것이다. 금융 기업인 B사는 매월 엄청난 양의 상담 콜이 들어오고 그 콜은 모두 녹취 및 텍스트화까지 되어 있다. 하지만 더 이상의 활용은 엄두를 내지 못하고 있었다. 최근 AI 기술을 활용해 이 데이터를 활용해 보기 위해 먼저 ‘단순 문의’로 분류된 데이터를 분석해 보기로 했다. 분석 목적은 ‘단순 문의’로 들어오는 콜 양을 줄인다면 상담사들이 더 깊이 있는 상담에 투입되거나 한 번의 상담으로 문제를 해결해 주는 FCR(First Call Resolution) 비율을 높일 수 있을 것이라고 판단했기 때문이다. 과거에는 이런 경우 일부 샘플링한 내용을 잘 정리해서 문제점을 도출하고 개선을 위해 과제화하는 방식이 일반적이었다. 하지만 이제는 그런 과거 방식이 아닌 ‘단순 문의’ 콜 데이터를 AI로 분석하고 모델링을 하여 고객 페르소나별 패턴을 도출하고 패턴에 따라 선제적으로 정보를 제공하는 등 예측 모델을 만드는 방식으로 접근해 보고 있다. ‘단순 문의’ 콜 데이터에 대해 이 시도가 성공한다면 ‘불만’ 등 다른 유형의 상담 콜에 대해서도 확대를 해볼 수 있을 것으로 기대하고 있다. B사에게 이 시도는 1차적으로는 콜 양을 줄이기 위한 것임에 틀림없다. 하지만 콜 양이 의미 있게 감소한다면 다음 순서로 가치 있는 고객의 소리를 찾는 작업에 들어갈 수 있다. 즉 엄청나게 쌓인 고객의 소리에서 고객의 니즈를 찾고 경쟁사와 차별화할 수 있는 상품, 서비스를 개발하는 데 활용하려는 것이다. 다시 말해 지금까지 컨택센터의 상담 콜 데이터는 고객이 자발적으로 전화를 해서 불만이든 건의 사항이든 말해 준 소중한 자산임에도 불구하고 거의 손을 대지 못한 원초의 광산이었다면 이제 이 광산에서 황금 VOC를 채굴하여 고객 경험 혁신에 활용할 수 있는 길이 열린 것이다. 더욱이 최근 Chat GPT로 통칭되는 생성형 AI 기술을 접목한다면 더 이상 녹취 데이터를 분류하고 쌓아 두는 대신 이제부터는 일정 시간 학습만 거친 후 바로 필요한 인사이트를 얻는 데 활용할 수도 있을 것이다. 말 그대로 고객 경험 혁신의 속도가 상상을 초월할 정도로 빨라질 수 있는 것이다. 이는 비단 외부 고객에게만 해당되는 일이 아니라 고객 서비스를 담당하는 내부 직원에게도 엄청나게 새로운 경험을 제공할 수 있을 것으로 생각된다. 04 VOC 시스템이라는 수단이 아니라 사용하는 방식이 문제 이상과 같이 고객 경험 혁신과 VOC 활용에 대해 간략히 살펴보았다. 여기서 제시한 사례가 아주 일부의 단편적인 사례라고 폄훼할 수도 있을 것이다. 중요한 것은 같은 방향을 보고 있지만 시선의 끝은 다른 곳을 향할 수 있음을 알아야 한다는 사실이다. 즉 VOC 시스템이라는 수단이 시대에 뒤처지거나 구태의연한 것이 아니라 그것을 사용하는 방식이 문제일 수 있다는 것이다. 미국 기업들을 보면 지금도 수십 년 전 나온 6시그마 혁신 방법론을 잘 활용하고 있다. 6시그마라고 하는 방법론은 말 그대로 혁신을 하는 방법 중 하나이다. 어디에 활용할지는 사람 또는 기업이 정하는 것이다. 우리나라 기업의 담당자들을 만나 보면 이렇게 하소연한다. “CEO가 계속 새로운 것을 찾아 오래요.” 과연 하늘 아래 새로운 혁신 기법들이 끊임없이 나올 수 있을까? 쉽지 않은 일이다. VOC 시스템 역시 마찬가지다. 오히려 오랜 역사의 VOC 시스템이 지금까지 활용되고 있다는 것은 그 시스템의 가치가 변하지 않기 때문이 아닐까. ‘고객의 소리’를 듣겠다는 의지가 잘 담긴 VOC 시스템이 만들어지고 그 시스템을 통해 고객에게 탁월한 경험을 제공하고자 하는 기업의 철학이 충분히 녹아 든다면 세상 그 어디에도 없는 최고의 고객 경험 시스템이 되지 않을까 생각한다. < 글 > 한국능률협회컨설팅(KMAC)

  • Report
  • Special Report

  2024-03-01

• 협회 홈페이지 개편, 사용자 편의성/접근성 개선

  [컨택저널 2024. 2월호] 협회 홈페이지 개편, 사용자 편의성/접근성 개선 (사)한국컨택센터산업협회는 1998년 설립이래 26년간 컨택센터 업계의 정보를 빠르고 효과적으로 전달하기 위해 항상 노력해 왔습니다. 그러다 이용자 피드백과 사용 통계를 기반으로, 홈페이지의 디자인 및 콘텐츠 구성을 개선하게 되었습니다. 특히 이번 홈페이지 개편의 주요 변화는 온라인 컨택저널의 업그레이드입니다. 이미지 방식의 E-BOOK에서 개별 기사 형태로 새롭게 개편하였습니다. 이번 업그레이드로 인해 사용자 여러분은 보다 편리하게 원하는 기사에 빠르게 접근하고, 풍부한 정보를 효과적으로 찾아볼 수 있습니다. 새로운 방식의 온라인 컨택저널은 사용자 경험을 높이고, 뉴스 및 정보에 대한 이해를 깊이 있게 할 수 있도록 설계되었습니다. 사용자 편의성 강화 개별기사 형태의 새로운 디자인은 사용자들의 편의성을 강화하는데 중점을 두었습니다. 기존 온라인 컨택저널은 이미지 형태로 텍스트와 이미지가 하나의 E-BOOK으로 제공되었지만, 이제 각 기사는 독립적인 페이지에서 제공됩니다. 새로운 개별기사 방식에서는 각각의 기사가 독립적으로 제공되어 사용자들이 원하는 정보에 보다 빠르게 접근할 수 있도록 직관적이고 편리하게 디자인되었습니다. 이는 사용자들이 정보를 보다 시각적으로 이해하고 소화할 수 있도록 도와 줍니다. 이를 통해 사용자들은 기사의 핵심을 빠르게 파악할 수 있게 하여 정보 전달의 효율성을 높이고, 생동감 있게 정보를 받아들일 수 있습니다. 간편한 네비게이션 설계 새로운 디자인에서는 메인 화면에서 사용자가 원하는 카테고리를 빠르게 선택하거나 검색 기능을 통해 특정 주제나 원하는 키워드로 기사를 손쉽게 찾을 수 있도록 설계되었습니다. 이는 사용자들이 번거로운 클릭 없이도 쉽게 원하는 정보에 접근할 수 있도록 해줍니다. 카테고리로 분류된 기사를 하나의 플랫폼에서 다양한 주제에 맞춰 효과적으로 찾아볼 수 있도록 구성하였습니다. 이는 사용자들이 자신의 관심사에 따라 다양한 시각에서 정보를 얻을 수 있도록 도와줍니다. 또한, 특정 기사에 집중하여 읽을 수 있어 정보를 보다 효율적으로 습득할 수 있게 되었습니다. 콘텐츠 현재 개편된 홈페이지 주요 카테고리는 다음과 같습니다. 신규 홈페이지 내 회원사 전용 콘텐츠는 로그인을 해야만 열람이 가능합니다. 기존 홈페이지 아이디는 연동되지 않으므로 신규 회원으로 가입 후 이용하셔야 합니다. 회원사 별 1개 아이디로 가입 가능하며, 반드시 [이름]항목을 회원사명으로 등록하시기 바랍니다. 회원 가입 후 협회에 메일 통보해 주시면, 열람권한을 부여해 드립니다. (kcca1998@naver.com) 또한, 월 1회 업데이트 되던 E-BOOK과 달리 즉시성이 요구되는 회원사 및 업계뉴스, 입찰공고 등은 실시간으로 업데이트 되므로 빠르고 새로운 업계 소식을 만나보실 수 있으십니다. 뉴스를 더욱 개인화된 방식으로 즐길 준비가 되셨나요? 이번 개편을 통해 더 나은 정보 서비스를 제공하게 되어 다행입니다. 새로운 홈페이지를 통해 보다 다양한 주제를 탐험하고, 풍부한 내용을 통해 더욱 효율적으로 정보를 활용하시기를 기대합니다. 새로운 서비스를 경험하며 피드백이나 궁금한 사항이 있으면 언제든지 문의해주세요. 항상 여러분의 의견에 귀 기울이고 더 나은 서비스를 제공하도록 노력하겠습니다. 또한, 기술적인 면에서도 계속해서 발전하여 최신 트렌드에 부합하는 서비스를 제공할 계획입니다. 더 나은 서비스를 위해 노력하는 협회가 되겠습니다. 감사합니다.

  • Report
  • Special Report

  2024-02-05

• 2023년 총 입찰공고

  [컨택저널 2024년 2월호] 2023년 총 입찰공고 ▶  2022년도 및 2023년도 ‘입찰공고 공고 수’ (공고게시 일자 기준) ▶  2022년도 및 2023년도 ‘운영위탁 총 입찰금액’  ▶  입찰공고 좌석 수 Top 8 (기관별) ▶  2023년 총 입찰공고 (운영위탁) : 첨부 참조 < 출처 > 나라장터_국가종합전자조달(www.g2b.go.kr) < 정리 > 한국컨택센터산업협회

  • Report
  • Special Report

  2024-02-05

• 목소리로 본인 여부를 확인해주는 화자인증기술

  [컨택저널 2024년 2월호] 상담중인 고객의 음성을 문자로 변환하는 음성인식기술과 목소리로 본인 여부를 확인해주는 화자인증기술 Chat GPT와 인공지능기술의 발전으로 날마다 새로운 기술과 서비스가 사람들을 놀라게 하고 있다. 여러가지 업무에서 복잡하고 귀찮은 일들을 인공지능이 손쉽게 처리하는 과정을 지켜보면서 신기하고 놀라움을 지나 두려움까지도 느끼게 된다. 생성형 인공지능은 엄청난 양의 학습데이터를 기반으로 다양한 정보의 검색을 넘어 사용자가 원하는 창작의 영역까지, 때로는 과거 튜링테스트* 가 무색할 정도의 자연스런 인간과의 대화를 이끌어낸다. 이러한 기술의 진화는 이미 시작되었으며 봇물 터지듯 우리 생활 곳곳에서 다양한 서비스로 확대되기 시작하였다. (* 튜링테스트 : 1950년 앨런 튜링에 의해 개발된 Turing test는 인간의 것과 동등하거나 구별할 수 없는 지능적인 행동을 보여주는 기계의 능력에 대한 테스트) 여기서는 AICC와 같은 비대면 환경에서의 고객과 상담사, 고객과 인공지능이 대화하는 음성인터페이스 기술에 대해 간략하게 살펴보고자 한다. 음성인식기술(STT : speech to text)의 진화 인공지능기술의 포문을 연 딥러닝(Deep Learning)에 대한 연구는 최근 인간의 뇌 구조를 모사하여 인간이 언어를 학습하는 자기지도학습(self-supervised learning)에 이르고 있다. 2020년 발표된 wav2vec기술은 5만여시간의 Labeling이 없는 학습데이터로 학습한 후, 단 10분정도의 Labeling된 데이터로 강화학습하여 LibriSpeech** 기준 5.2%의 WER(Word Error Rate)을 달성했다. 즉, 95%에 달하는 자연어 음성인식율을 달성한 결과이다. (**LibriSpeech : LibriVox 프로젝트3의 일부로 1,000시간 정도의 오디오북 녹음 데이터 ) Open AI사는 68만 시간에 달하는 방대한 다국어 음성데이터와 번역 데이터, 비 음성 음향(배경음악 및 속삭이는 듯한 소리) 등의 다양한 멀티태스크 학습데이터를 기반으로 우수한 성능의 다국어 음성인식 및 번역 기술을 선보이며 Chat GPT와 연결하는 서비스를 발표하고 있다. 파워보이스는 Attention기법에 기반한 WeNet2.0 (Joint CTC-AED)을 기반으로 한국어 대화 음성 인식율을 98% 수준으로 끌어올리는 STT엔진(VOIS#STT)을 발표하였다. 이는 인간이 일상대화에서 상대방의 음성을 인식하는 수준이 95%인데 반해 상당히 높은 수준으로 적절한 미세조정을 통해 인간과 인공지능시스템 간의 다양한 서비스의 대화를 이끌어내는데 충분한 성과를 이룰 수 있을 것으로 보인다. 화자인증기술(SV : speaker verification)의 진화 화자인식(speaker recognition)기술은 화자인증(speaker verification)과 화자식별(speaker ID)로 구분된다. 화자인증은 목소리의 특징점을 기반으로 발화자의 본인여부를 확인하는 기술이고, 화자식별은 다수의 군집합속에서 누구의 목소리에 가까운지를 찾아내는 기술이다. 우리는 흔히 보안과 생체인증, 본인확인의 수단으로 화자인증기술을 사용하고 있으며, 전화와 같은 유무선 통신환경에서는 인간이 통화중에 상대방의 목소리로 상대방을 인지하듯 목소리를 구분하여 본인확인의 수단을 삼을 수 있다. 화자인증기술은 아주 많은 발화자의 다양한 음성데이터를 사전학습하여 배경모델을 생성하고, 특정 발화자의 다양한 음성을 비교학습하여 모델간 변별력을 최대화해 테스트 음원의 특징점을 추출하여 발화자 본인여부를 확인하는 기술이다. 최근 딥러닝을 기반으로 하는 인공지능기술은 이러한 방대한 학습데이터를 효과적으로 학습할 수 있도록 해주었고, 과거 GMM(gaussian mixture model, 가우시안 혼합 모델)이 가지고 있던 noise, channel bias 등의 이슈들을 최소화 시켜주므로 인해 화자인증기술의 신뢰성을 높여주었다. 파워보이스의 화자인증기술인 OSSM(OpenSesame)엔진은 문장종속(text dependent)방식에서 99.99%의 인증율을 보여 다양한 모바일인증 어플리케이션에 적용되어 상용화되었다. 또한, 자유발화를 기반으로 하는 전화채널에서는 문장독립(text independent)방식으로 99.87%의 자유발화 화자인증율을 보였다. 이는 Caller ID 전화번호와 단순 지식정보(주소나 이름, 주민번호일부 등)만으로 본인확인을 할 수 밖에 없는 기존의 컨택센터 환경에서 복합적으로 활용하여 빠르고 정확한 본인확인을 통해 질 좋은 서비스로의 전환이 가능한 기술이다. 또한, 해외의 사례나 통계에 따르면 본인확인절차를 위한 ARS시스템 전환이 필요치 않아 본인확인절차에 걸리는 시간을 40%이상 단축하는 효과를 가져오고, 단순 지식정보에 기반한 본인확인으로 발생하는 사기방지(fraud detection)에 큰 효과를 볼 수 있는 것으로 알려졌다. 페르소나 음성합성기술(TTS : text to speech)의 진화 우리는 컨택센터와 통화 시 기계음처럼 들려오는 시스템의 목소리가 상담사 목소리와 이질적인 상품안내멘트를 자주 듣곤한다. 이는 고객과의 상담서비스품질을 떨어뜨리고 고객불만으로 이어져 특히 상품설명을 하거나 판매를 유도하는 경우 성공율을 저하시키는 원인이 되기도 한다. 최근, 인공지능기술은 사진 몇 장만으로도 닮은 사람을 만들기도하고 조금의 음성샘플로 그 사람의 목소리를 모사하는 기술로 진화하고 있다. VITS(Variational Inference TTS)라 불리우는 생성적 적대 신경망(GAN : Generative Adversarial Networks)을 이용한 음성합성기술은 자연스러운 발음과 감정표현, 억양까지도 사람의 음성과 유사한 모델을 생성하고 특히, 단 수분 정도의 특정인의 음성만 가지고도 특정인의 목소리를 그대로 흉내내고, 심지어는 기계라 느껴지지 않을 만큼 자연스러운 사람의 음성을 페르소나로 모사하고 있다. 컨택센터에서 TTS를 이용한 상품설명과 약정관련 음성서비스를 제공하는 경우나 AICC에서 고객이 기계와 통화한다는 것을 인지하지 못할 정도의 서비스 품질을 고려하면 짧은 시간 동안 상담사가 본인 스스로의 목소리로 학습하여 통화의 이질감 없는 서비스를 구축하는 방안을 고려해볼 만한 기술인 듯 하다. AICC(인공지능컨택센터)로의 기술활용과 시장 최근 몇 년사이 코로나19는 사회 전반에 걸쳐 비대면과 디지털로의 전환을 가속화하였다. 모바일과 유무선 통신을 기반으로 하는 원격 비대면 업무환경으로의 전환과 컨택센터를 통한 상담업무의 중요성이 높아지고 있다. 그러나, 컨택센터의 경우 구성원간 밀집된 구조로 감염확산 우려로 인해 상담사를 줄이거나 재택 근무로 전환하는 등 변화를 꾀하면서 고객과 컨택센터 간의 상호작용을 약화되고 상담서비스 품질저하의 원인이 되고있다. 이는 고객들의 불만과 거친 말투로 이어지는 등 상담사들의 정신적 스트레스와 감정노동 피해를 생산하고 잦은 이직과 퇴사로 인한 컨택센터의 재교육 비용을 증가시키는 결과를 초래한다. 이러한 문제 해결을 위해 기업에서는 보다 효과적인 고객서비스를 위해 음성 인식기술을 기반으로 한 상담 어시스턴스와 Chatbot, Voicebot을 통한 인공 지능 상담기술 도입하고 보다 효과적인 고객서비스를 제공하고자 노력중이다. 나아가 인공지능기술은 단순 응대를 넘어서 고객 경험을 체계적으로 관리, 통합하고 정보를 공유하여 새로운 인사이트를 창출하고 한단계 높은 고객서비스를 제공하는 도우미가 되고 있다. Chatbot과 Voicebot 활용은 고객이 원하는 상담을 빠르게 받아 처리가 가능한 차세대 콜센터 기술로 고객에게는 주야간, 공휴일과 무관하게 365일 안정적인 고객 서비스를 제공할 수 있고, 기업 입장에서는 단순 반복되는 일상적인 업무를 인공지능이 대체하여 상담사 업무의 전문성과 효율성을 높이고 장기적인 비용절감의 효과를 기대할 수 있다. 전화로 들어오는 고객의 질문과 요구사항을 빠르게 파악하기 위해 고객 음성을 실시간으로 인식하여 텍스트로 변환하고, 고객과의 상담 내용을 분석, 고객에 필요한 내용을 전달하고 상담이후 내용을 정리해 데이터로 제공하는 자연어처리와 텍스트분석(TA : Text Analysis) 기술을 활용하여 효율적인 업무 처리가 가능하도록 지원한다. 또한, 기존에 등록된 고객의 음성정보와 실제 통화시의 음성정보를 대조하여 본인 여부를 검증하는 화자인증 솔루션의 도입을 통해 사칭, 사기 방지와 같은 위험을 예방할 수 있고 센터의 운영 효율성과 고객 서비스 품질 개선 및 시간과 비용절감의 효과를 높일 수 있다. 전 산업분야의 디지털 전환에 따른 AICC시장은 다양한 활용처(공공기관, 금융, 보험사, 유통, 병원, 여행 등)를 기반으로 사업확대가 이루어지고 인공지능기술과 더불어 새로운 사용자경험으로 성장이 가능한 시장 잠재력을 가지고 있으나, 아직까지 뚜렷한 시장 지배 사업자가 없는 분야로 많은 인공지능과 IT솔루션 기업들이 앞다투어 경쟁하고 있으며, 특히 유무선 통신 기술과 전국 컨택센터 인프라를 가진 통신사를 중심으로의 시장 진입에 속도를 내고 있는 양상이다. 시장조사업체 Allied Market Research는 국내 AICC 시장이 2020년 4214만 달러(약 542억원)에서 연평균 23.7% 성장해 2030년 3억5008만 달러(약 4546억원)에 이를 것으로 전망한다. 또한, 시장조사업체 Polaris Market Research에 따르면 글로벌 AICC 시장 규모는 2021년 14억 1000만 달러(약 1조 9000억원)에서 2030년 80억 7600만 달러(약 10조 8000억 달러)로 성장할 것으로 전망하고 있다. 어찌 되었든 조만간 컨택센터는 Human Agent가 Digital Agent의 도움을 받아 고객에게 신속.정확하게 필요한 정보를 전달하는 시대가 도래할 것으로 보인다. < 글 > ㈜파워보이스 정희석 대표

  • Report
  • Special Report

  2024-02-05

• 초거대AI의 대화형AI서비스 적용 방안 ②

  [컨택저널 2024년 2월호] 초거대AI의 대화형AI서비스 적용 방안 ② 지난호에 이어 '초거대AI의 대화형AI서비스 적용 방안' 2편을 알아본다. RAG기반 대화형AI서비스 구축 절차 1. Contextual Data의 준비 사내에 존재하는 PDF 등의 Text 문서와 Excel파일 등을 계산 효율을 높이기 위해 절절한 단위로 나누는 문서 Chunking과정을 진행하고 이후 각 Chunking을 Embedding 과정을 거쳐 고정 길이 벡터로 변환하는 과정을 진행한다. 이후 각 청크의 Embedding 벡터를 인덱싱하고 저장하는 과정을 진행한다. 이를 우리는 Data Preprocessing으로 불러도 좋을 것이다. 2. Prompt Engineering LLM에서 응답을 생성하기 위한 입력 값으로 최상의 답변을 이끌어내기 위해 최적의 단어, 입력 값들의 조합을 찾는 과정이다. 이를 위해 특정 테스트 및 지시문(Instruction)과 답변유도문(Context), 답을 구하고자 하는 것에 대한 질문(Input Data), 결과물의 유형 또는 형식의 제안(Output Indicator)을 통해 프롬프트를 구성한다. 3. Orchestration frameworks 사용자의 복잡한 질문이나 요청에 대해 세부적이고 순차적인 작업을 가능하게 하는 프롬프트 체인을 추상화하고, 외부 API와의 인터페이스 그리고 벡터데이터베이스 등과 연계하여 데이터를 검색하고 그 결과를 사용자에게 제공하는 일련의 작업을 수행한다. LLM과 연계하여 복잡한 작업을 쉽게 처리할 수 있도록 하는 개발 도구를 활용하면, 상당부분을 Low Code(적은 코딩으로 동일한 결과를 도출)형태로 구현이 가능하다. 생성형AI를 기반한 서비스 구현 사례 ▶초거대AI를 활용한 고객 대응 지원 서비스 본 사업을 통해 지자체 콜센터 상담사의 인터뷰와 관찰 연구를 통해 현재의 업무 프로세스와 Pain Point(고충 사항)를 바탕으로 개선점을 도출하고 업무 효율성을 높이는 목표 형상을 기획했다. 다음 그림과 같이 2,000여개의 상담 매뉴얼을 자사의 AI검색엔진을 통해 사전에 색인하고, 이를 기반으로 상담 대응 시 검색 화면을 통해 원하는 정보를 확인하고 대응함으로써 상담업무에 효율성을 높였다. 이와 같이 RAG와 생성형AI를 연계하게 되면 사용자 질의에 대해 내부 문서를 근거로 자연스러운 답변이 생성되며, 답변에 대한 출처를 우측에서 확인이 가능하여 신뢰성 높은 답변을 제공할 수 있다. 이런 서비스는 고객이 직접 Self-Service로 활용하거나, 내부 상담사를 지원하는 KMS대용의 AI Assistant로 활용이 가능하다. 생성형AI는 현재 MS, Google, Naver 등에서 제공하는 API서비스를 활용할 수 있고, 소규모 생성형모델을 활용할 수 있다. 이는 기업과 기관의 경제성과 보안 규정에 따라 의사 결정할 수 있다. 생성형AI를 구동하기 위해서 고가의 GPU을 구매하여 활용해야 함을 감안한다면 우선 소규모 모델을 활용하여 내부 설치형으로 활용하는 것도 보안성과 경제성을 고려했을 때 대안이 될 수 있다. ▶MS Azure Platform을 기반한 LLM Application 구현 사례 와이즈넛은 22년 하반기부터 마이크로소프트와 협업하여 마이크로소프트의 Cloud Platform인 Azure의 Open AI를 기반으로 LLM을 기반으로 기업/기관에서 활용할 수 있는 어플리케이션을 개발하고 있다. 그리고 자사가 보유한 자연어처리 및 AI기술을 기반으로 국내 LLM을 보유한 기업과의 파트너십을 통해 LLM을 실제 비즈니스에서 활용할 수 있는 방안을 모색하고 있다. 특히나 최근 비즈니스환경에서 활발하게 시도중인 RAG개념을 적용하여 Azure Cognitive Search 또는 랭체인(Langchain) 등을 기반으로 Azure Open AI를 연계하여 구현하고 있다. RAG기반 생성형AI서비스 확대 기대 RAG기반의 생성형AI서비스에 대한 시장의 관심이 높아지고 있다. 이는 생성형AI모델이 가질 수 밖에 없는 최신성 이슈와 기업의 의도에 부합되는 답변생성에 대한 방안을 생성형모델 스스로 제시할 수 없는 한계성이 존재하기 때문이다. 기업 및 기관이 도입을 위해 고려할 사항은 다음과 같다. 다만, 아래의 3가지 고려사항 외에도 경제성에 대한 고려 역시 필요하다. 설치형의 LLM을 보유할 시 초기 투자 금액이 반드시 고려되어야 하기 때문이다. RAG기반의 생성형AI서비스를 도입하게 되면, 최신 정보를 기반으로 응대가 가능하게 되어 고객응대분야의 효율성이 증대될 것으로 기대된다. < 글 > (주)와이즈넛 Global전략사업본부 김정민 본부장(kris.kim@wisenut.co.kr)

  • Report
  • Special Report

  2024-02-05