전세계적으로 챗봇 서비스를 도입하는 기업이 늘어나고 있지만 기업용 챗봇은 특정분야의 지식만 갖추고 있다는 것이 큰 단점으로 지적되고 있다. 이 때문에 챗봇에 준비되지 않은 내용의 질문을 고객이 던질 경우 챗봇은 답변을 제공하는데 상당한 어려움을 겪을 수밖에 없는 실정이며, 챗봇은 상담원의 역할을 대체하고 있지 못하다. 다만 홈페이지의 ‘자주묻는질문(FAQ)’이나 간단한 선택만으로 이루어진 프로세스를 어느 정도 대신하고 있을 뿐이다.

비즈니스커뮤니케이션 솔루션업체이자 국내에서는 멀티터치 컨택센터와 사내 구축 설치, 클라우드 또는 하이브리드에서 제공되는 통합 콜센터 커뮤니케이션으로 더 알려진 어바이어(Avaya Holdings Corp.)가 세계에서 처음으로 챗봇간 디지털 의사소통이 가능한 소셜 플랫폼을 선보였다. 어바이어의 혁신적인 기술력이 낳은 챗봇용 소셜 플랫폼은 기존 소셜미디어(소셜네트워킹서비스)와 마찬가지로 챗봇끼리 보안이 확보된 의사소통을 할 수 있도록 개발됐으며, 서로의 노하우를 교환하고 배울 수 있도록 설계됐다. 챗봇은 사용자를 대화상대로 텍스트나 음성기반의 대화를 수행해 고객서비스에 적합한 소프트웨어로 AI 비서로도 불리기도 한다.

전세계 고객 8000명을 대상으로 올해 실시한 어바이어의 설문조사 결과에 따르면 응답자의 80%가 ‘질문을 던졌을 때 챗봇이 즉각적으로 답변을 내놓기를 바란다’고 밝혀 고객서비스 관련 기술의 개선 필요성을 확인해주고 있다. 이는 고객서비스의 자동화가 이뤄지면 고객서비스 관련 직원들이 지닌 인간적인 한계를 극복하는 것은 물론 고객들이 전체적으로 서비스를 경험하는 과정에서 끊임없이 상호작용하고 소통하는 것이 고객과 업체간 모든 접촉점에서 가능해지는 것으로 챗봇은 고객서비스를 긍정적으로 발전시킬 수 있는 매우 중요한 수단으로 활용될 전망이다.

어바이어가 챗봇용 소셜 플랫폼을 개발한 배경에 대해서는 서로 다른 분야에서 활동하는 챗봇들을 연결해 협업할 수 있도록 잘 설계된 플랫폼이 있다면 보안에 대한 염려 없이 여러 기업들을 한데 묶을 수 있고, 그렇게 되면 챗봇의 역량이 크게 달라지면서 관련 기업들의 고객서비스도 획기적으로 개선되고 사람의 개입이나 사람에 의한 학습은 최소화될 것이라는 것이다.

또한 어바이어는 챗봇간 실시간 의사소통을 위한 소셜 플랫폼이 실제로 운영되는 방식은 두 가지로 예상하고 있다. 하나는 소셜 플랫폼의 챗봇 친구가 제공한 답변을 애초에 질문한 자신의 고객에게 전달하는 방식이며, 또 다른 하나는 전화로 여러 관계자들이 동시에 의견을 교환하는 콘퍼런스 콜 형태로 질문이 있는 고객을 답변을 제공할 수 있는 챗봇 친구와 연결해주는 방식으로 기존의 챗봇 시스템으로는 충분히 해결하지 못하는 정보제공의 문제를 획기적으로 개선하는 것이 가능해 졌으며, 고객들은 이 소셜 플랫폼을 사용함으로써 데이터 큐레이션이나 웨어하우징 등을 통해 오랜 시간에 걸쳐 정보를 취사선택, 수집, 관리해야 하는 수고로 움에서 해방되면서 기존에 활용하던 챗봇 시스템의 효율성을 끌어올릴 수 있게 됐다.

어바이어는 14일부터 18일까지 두바이 세계 무역 센터에서 개최되는 중동·아프리카 최대 IT 전시회인 GITEX에서 독특한 방식의 챗봇 프로필 등록절차에서 다른 분야에 종사하는 챗봇간 ‘친구 사귀기’ 절차에 이르기까지 챗봇용 소셜 플랫폼이 작동하는 원리를 시연할 예정이다. 어바이어의 소셜 플랫폼은 챗봇간 의사소통 후 상대방에 대한 만족도 평가를 할 수 있을 뿐 아니라 상대방이 제공하는 정보의 수준이나 품질에 따라 상대방에 대한 신뢰도 평가지표까지 남길 수 있는 방식이다. 아울러 챗봇 서비스의 품질 개선과 최대한 신속한 고객 응대를 위해 최종 고객들로부터 의견을 수렴하도록 돼 있다.

아무튼, 전 세계적으로 약 50억 명 이상의 모바일 디바이스 사용자가 매일 200억 건의 문자와 600억 건의 소셜 네트워킹 메시지를 보낸다. 이처럼 소비자의 접근성이 크게 확대된 현재의 환경에서 기업은 소비자와 효과적으로 상호작용할 수 있어야만 한다. 소셜 미디어, 채팅 및 메시징 채널을 사용하여 고객과 관계를 맺을 수 있도록 하는 클라우드 AI 솔루션과 챗봇 및 NLP(자연어 처리)를 활용하여 소셜 메시징을 통합하고 이전의 모든 상호작용을 지속적인 머신 러닝을 통해 학습하고 디지털 인터랙션을 자동화함으로써 즉각적인 셀프 서비스 기능을 고객에게 제공이 가능해 질것으로 예상된다.