2019년 챗봇이 극복해야 할 최신 장애물

우리는 잠시 동안 챗봇의 놀라운 힘과 경이로움에 대해 들었고, 저는 심지어 그들을 고객 서비스 및 지원을 위한 차선책 중 하나로 환영했습니다. 그러나 물론 인생에서 완벽한 것은 없으며 챗봇은 아직 그 수준의 성숙도에 가깝지 않습니다.

그러나 AI가 점점 더 강력해지고 시간이 지남에 따라 계속 그렇게 할 것이므로 챗봇 자체의 기능이 성장할 것입니다. 그러나 성장하는 고통이 있을 것입니다. 챗봇은 이미 몇 가지 성장통을 겪고 있으며 2019년에 해결해야 할 몇 가지 매우 구체적인 문제가 있습니다.

조직은 고객 경험을 개선하기 위해 지속적으로 노력하고 있지만 목표 지점을 옮기는 것은 어려울 수 있습니다. 고객 요구는 빠르게 변할 수 있으며 지난 몇 년 동안 조직에 대한 완전히 새로운 기대가 발생하는 것을 보았습니다.

챗봇은 기업에 고객을 지원하는 새로운 방법을 제공할 수 있지만 챗봇의 기능을 효과적으로 활용하려면 2019년에 챗봇이 직면한 과제를 인식해야 합니다.

현실 세계의 챗봇

특정 기술과 현재의 실제 기능을 중심으로 컨텍스트를 구성하려고 할 때 저는 항상 기대치와 성공을 측정하는 표준화된 방법을 사용하고 싶습니다. 그러한 측정 중 하나는 일반적으로 Gartner Hype Cycle로 전환합니다. Gartner Hype Cycle은 현재 기술이 "Hype Cycle"에 있는 위치와 이 솔루션이 실제 실제 사용에서 얼마나 멀리 떨어져 있는지를 더 잘 이해하는 데 도움이 될 수 있습니다.

우리가 챗봇의 상태를 살펴보았을 때 나는 Hype Cycle도 언급했고 Gartner는 2016년 신흥 기술의 Hype Cycle에서 "대화형 사용자 인터페이스"와 "가상 개인 비서"를 포함하여 정점에 도달했습니다. 부풀려진 기대치. 그러나 더 중요한 것은 '자연어 질의응답'이 이미 '환멸의 골짜기'로 내려가고 있다는 점입니다.

2년 앞으로 나아가 2018년 신흥 기술을 위한 하이프 사이클을 살펴보면 이제 "대화형 AI 플랫폼"과 "AI PaaS"가 특히 기대치를 높이고 있고 정체된 결과에 도달할 것으로 예상된다는 것을 알 수 있습니다. 5-10년 안에.

그러나 우리는 또한 "Virtual Assistants"가 "환멸의 골짜기"를 향해 이동하고 있음을 알 수 있으며, 2-5년 안에 정점에 도달할 것으로 예상됩니다.

그렇다면 이것이 챗봇에게 의미하는 바는 무엇입니까? 글쎄요, 관련 기술은 여전히 ​​부풀려진 기대치 내에 있으며, 우리가 해당 기술의 결함을 인식하고 기능이 원래 약속한 것만큼 억지스럽지 않을 수 있다는 것을 이해하기 시작하는 환멸의 기간에 막 도달하기 시작했습니다.

이것은 나쁜 것이 아닙니다. 우리는 우리의 기대치를 관리하고 가능한 최선의 방법으로 기술을 활용하는 방법을 알아야 합니다. 이것은 또한 챗봇이 주변에 없다는 것이 아니라 여기 있고 여기 있기 위해 존재한다는 의미입니다. 2017년 Marketsandmarkets의 조사에 따르면 2016년에 챗봇 시장의 가치는 약 7억 300만 달러에 달했으며 Opus Research는 2017년에도 2021년까지 지능형 비서에 45억 달러가 투자될 것으로 예상한다고 밝혔습니다.

챗봇의 한계 이해

따라서 챗봇은 계속 존재하지만 기대치를 더 잘 관리할 수 있도록 챗봇 참여를 제한해야 합니다. 챗봇이 무엇을 할 수 있는지 정확히 이해하면 최상의 ROI를 위해 챗봇을 적절하게 활용하고 최적화하는 방법을 더 잘 이해할 수 있습니다.

UX Collective는 "챗봇이 실패하는 이유"에 대한 스토리를 훌륭하게 전달합니다.

전체 내용을 살펴보고 싶지는 않습니다. 독자가 페이지를 확인하여 전체 효과를 확인해야 한다고 생각하지만 이 그룹에서 관찰한 몇 가지 중요한 사항을 강조하고 싶습니다.

1. AI는 우리가 원하는 만큼 쉽게 접근할 수 없습니다. 이는 Gartner Hype Cycle에서도 인식할 수 있습니다. 물론 AI는 챗봇과 기타 UX 기술에 진출하고 있지만 실제로는 사용과 접근성이 본질적으로 제한되어 있습니다.
2. 봇은 컨텍스트를 이해하기 위해 고군분투합니다. 이것은 봇의 투쟁 이면에 있는 전반적인 주제이자 주요 이유이기 때문에 우리가 꽤 많이 다룰 과제입니다. 인간의 "기억"이 없지만 보다 인간적인 대화를 위해 관련 정보를 끌어오기 위해 고군분투합니다.
3. 통합은 제한적일 수 있습니다. 다른 클라우드 서비스와 마찬가지로 솔루션과 도구가 잘 작동한다는 보장이 없으며 특정 봇이 선택한 특정 플랫폼에서 작동한다는 보장도 없습니다. 이것은 또한 제한된 접근성으로 돌아옵니다.

UX 컬렉티브는 훨씬 더 자세히 설명하고 몇 가지 제한 사항을 더 설명하지만, 이는 챗봇이 진정으로 가능한 한 능력을 발휘하지 못하게 하는 세 가지 주요 제한 사항 중 일부였습니다. 제한된 형태의 AI와 맥락을 이해할 수 없기 때문에 챗봇은 우리 대부분이 갈망하는 인간적인 접촉을 제공하는 데 어려움을 겪을 수 있습니다.

반면에 기존 도구에 깔끔하게 통합할 수 없고 접근성이 부족하여 조직에서 일관된 사용자 경험을 개발하고 구축하기가 어렵습니다. 이러한 종류의 문제가 바로 Vonage가 최근 Dimelo를 인수한 이유입니다.

2019년에 주의해야 할 과제

챗봇이 직면한 대부분의 문제는 이러한 한계를 둘러싸고 있습니다. 조직은 챗봇이 무엇을 할 수 있는지에 대한 기대치를 관리하는 데 도움이 될 뿐만 아니라 챗봇이 전체 고객 센터 도구 상자에 어떻게 들어맞는지 더 잘 이해하는 데 도움이 되도록 이러한 문제를 인식해야 합니다.

소셜 미디어 마케팅이 메시징 애플리케이션에 의해 빠르게 추월되고 있음이 분명해졌습니다. 1년 전인 2018년 1월 기준으로 Birdsbeep에서 수행한 연구에서 볼 수 있듯이 수백만 명의 사용자가 10개 이상의 인기 있는 모바일 메시징 애플리케이션에 분산되어 있었습니다.

즉, 불과 1년 전만 해도 조직이 가장 많은 수의 사용자에게 도달하려면 11개의 서로 다른 메시징 응용 프로그램에 조직을 분산시켜야 했습니다. 여기에는 챗봇의 중요한 환경인 조직의 애플리케이션과 웹사이트도 포함되지 않습니다.

이것은 빠르게 조직에 더 큰 과제가 되고 있습니다. 고맙게도 우리가 볼 수 있듯이 상위 몇 개의 모바일 메시징 응용 프로그램에서만 많은 수의 사용자에게 도달할 수 있지만 이는 여전히 해결해야 할 문제입니다. 이제 조직은 웹사이트 챗봇, 잠재적인 인앱 챗봇, 다양한 메시징 플랫폼의 챗봇을 관리하여 사용자에게 최대한의 적용 범위와 접근성을 보장해야 합니다.

조직은 다양한 채널 또는 커뮤니케이션 방법의 우선 순위를 적절하게 지정하고 사용자가 봇과 상호 작용할 가능성이 가장 높은 위치를 인식해야 합니다. 응용 프로그램의 수가 계속해서 증가할 가능성이 있으며 RCS와 같은 다른 형태의 문자 메시지에 봇을 주입해야 할 필요성도 알게 될 것입니다.

AI 활용

인공 지능은 특히 컨택 센터 및 고객 참여 산업에서 엄청나게 인기를 얻고 있습니다. AI는 또한 챗봇의 중요한 초석임이 분명합니다. 가장 단순한 구성 내에서 챗봇은 단순하고 기본적인 "if>then" 규칙을 따르지만 강력한 인공 지능 덕분에 기능이 성장했습니다.

그러나 우리가 보았듯이 AI는 챗봇 자체만큼이나 과대 광고입니다. 챗봇을 구축하는 개발자와 비즈니스 내에서 라이브 웹사이트 채팅을 구현하는 개발자 모두 다양한 형태의 AI를 언제 어떻게 적절하게 활용해야 하는지 알아야 합니다.

예를 들어 자연어 처리는 컨텍스트를 적절하게 이해하는 데 필요한 반면 감정 분석을 사용하면 대화를 실시간 상담원이나 사람이 응답하는 사람에게 에스컬레이션해야 하는 시기를 챗봇이 이해할 수 있습니다. 더 많은 AI 솔루션과 기술이 개발됨에 따라 사용자와 개발자는 더 많은 선택권을 갖게 될 것입니다.

감정 분석은 고객의 현재 감정을 이해하여 실제 상담원을 지원하는 데는 적합하지만 챗봇이 인간에게 자연스럽게 반응하는 것을 지원하는 데는 부족할 수 있습니다. 챗봇과 라이브 에이전트를 구현하기로 결정할 때 자연어는 고려해야 할 중요한 에이전트 특성입니다. 그러나 챗봇이 인간의 화를 읽을 수 있다고 해서 고객의 기분이 나아지는 데 도움이 되는 방식으로 응답할 수 있다는 의미는 아닙니다.

의미 있는 참여

소비자와 동일한 플랫폼에서 챗봇에 액세스할 수 있어야 할 뿐만 아니라 그러나 실제 의미 있는 연결도 제공해야 합니다. 이제 여기서 다시 기대치를 관리해야 합니다. 이것은 챗봇이 당신의 하루에 대해 묻고 삶의 조언을 제공한다는 것을 의미하지 않으며, 그것은 단지 시간 낭비입니다. 그러나 우리는 챗봇이 진정으로 의미 있는 경험을 제공하고 인간이 필요 없는 인간적인 터치를 제공하기를 바랍니다.

가장 확실한 것은 챗봇이 방문자를 환영하는 간단한 인사와 함께 웹사이트를 방문하게 하는 것이지만 대부분의 사용자는 여기에서 바로 클릭할 것입니다. 우리는 사용자가 챗봇에 참여하도록 장려해야 하며, 챗봇은 이러한 참여를 장려할 뿐만 아니라 의미 있는 결과도 제공하도록 구성해야 합니다.

챗봇은 사용자에게 클릭 유도문안을 제공하는 데 활용되어야 합니다. 내 동료인 Nick이 썼듯이 "고객은 챗봇과 상호작용해야 한다고 느낄 필요가 있습니다." 대화를 간소화하기 위한 소개 메시지 내의 버튼과 같은 간단한 클릭 유도문안은 고객이 참여하고 도움을 찾도록 보장할 수 있습니다. 그들은 필요.

컨텍스트 활용

아마도 챗봇의 가장 큰 단점은 인간의 기억력 부족일 것입니다. 그들은 당신이 방금 논의한 것을 빨리 잊어버릴 것입니다. 이것은 봇이 구축 및 설계되는 방식에 기반한 제한 사항이며 이 때문에 단순히 "성격"의 한 측면입니다. 이전 정보와 컨텍스트를 기억할 수 있는 능력이 없으면 챗봇은 사용자에게 더 나은 서비스를 제공하기 위해 활용할 수 있는 풍부한 정보를 놓치고 있습니다. 컨텍스트가 핵심입니다.

챗봇의 메모리가 향상되면 기존 컨텍스트를 더 잘 사용할 수 있습니다. 이전 대화를 기억하고 참조할 수 있는 챗봇, 또는 마지막으로 방문한 웹 페이지 또는 마지막으로 검색한 제품과 같은 기타 세부 정보를 기억하고 참조할 수 있는 챗봇은 대화에 더 나은 지원과 흐름을 제공할 수 있습니다. 훨씬 더 자연스러운 방식.

이것은 인간적인 접촉을 제공하는 것과 관련이 있으며 "인간 상호 작용"의 일부는 정상적인 인간 대화의 자연스러운 흐름과 함께 제공됩니다. 개발자와 조직은 이러한 대화 컨텍스트뿐만 아니라 조직의 애플리케이션이나 웹사이트 내에서 사용자의 이전 작업에서 밝혀진 것과 같은 물리적 컨텍스트 단서도 활용해야 합니다.

이 두 가지 수준의 컨텍스트를 결합하고 해당 정보를 활용함으로써 챗봇은 훨씬 더 나은 서비스로 더 인간적인 연결을 제공할 수 있습니다.

적절한 보안 보장

안타깝게도 많은 조직에서 보안이 최우선 순위가 된 적은 없습니다. 우리는 최근 데이터 침해로 인해 기업이 개인 고객 정보의 저장을 충분히 심각하게 여기지 않고 Amazon과 Uber가 데이터 침해를 경험하는 만큼 이름이 큰 경우를 반복적으로 목격했습니다.

지불 또는 개인 정보를 처리하는 조직의 경우 보안은 고려 사항이 아니라 절대적인 필수 사항이어야 합니다. 이것이 바로 주요 신용 기관이 PCI 규정을 개발하고 채택한 이유입니다. 어떤 형태의 커뮤니케이션에서도 마찬가지이며 챗봇도 마찬가지입니다.

고객이 조직의 챗봇을 통해 구매하거나 어떤 식으로든 개인 및 개인 정보를 제공하는 경우 데이터가 저장된 경우 적절하게 보호되도록 하는 것은 조직의 절대적인 책임입니다.

챗봇은 고급 암호화를 활용해야 하며 모든 조직은 가장 기본적인 보안 프로토콜도 따라야 합니다. 2019년은 기업이 데이터 보안을 위해 노력해야 하는 시기이며 챗봇은 많은 조직이 논의할 때 고려하지 않는 고유한 사용 사례입니다. 보안.

적절한 데이터 관리

데이터에 대해 말하자면 데이터에는 절대적으로 좋은 측면도 있습니다. 조직은 전체 비즈니스 프로세스를 최적화하기 위해 최대한 많은 데이터를 활용할 수 있고 사용해야 합니다. 특히 챗봇은 고객 경험의 다른 지점과 마찬가지로 데이터 수집 및 분석을 통해 구체적으로 최적화할 수 있습니다.

그러나 사용자와 봇 간의 참여 및 상호 작용의 수가 증가함에 따라 조직에서 저장하고 관리해야 하는 데이터의 양은 처리하기 어려워질 것입니다. 이것은 물론 보안과 관련이 있습니다. 대규모 데이터 세트는 특히 취약하고 보호해야 하기 때문입니다. 조직은 이 모든 데이터를 적절하게 구성, 수집 및 관리하는 방법을 찾아야 합니다.

기업은 챗봇을 개선하기 위해 어떤 데이터가 필요한지 정확히 이해하고 수집된 데이터의 양을 최소화하여 문제가 발생하지 않도록 먼저 노력해야 합니다.

유럽은 이미 GDPR을 가지고 있으며 미국과 다른 국가들이 이를 따르고 데이터 수집 및 관리에 대한 생각은 2019년에 지금 일어나야 하고 챗봇이 데이터 수집을 위해 무르익는 것은 시간 문제일 뿐입니다.

접근성 문제 해결

잠재적으로 좋은 문제가 있지만 동일한 동전에 대한 양면과 함께 접근성 문제가 증가하고 있습니다. 한편으로, 우리는 액세스 가능성의 수준이 매우 높고 원하는 경우 거의 옵션이 과부하되어 올바른 솔루션을 찾기가 어렵습니다. 예를 들어, 2016년에 Facebook Messenger는 이미 34,000개 이상의 다양한 챗봇을 지원하고 있었습니다.

이러한 수준의 과포화 시장은 조직이 자신의 플랫폼에 적합한 챗봇을 찾기 어렵게 만들고 Facebook과 같은 플랫폼이 제공하는 챗봇이 얼마나 강력한지 이해하기 어렵게 하며 Clickz가 언급한 바와 같이 이 또한 챗봇 개발자가 봇이 어떻게 사용되고 있으며 어떻게 개선할 수 있는지 진정으로 이해하기 어렵게 만듭니다. 옵션이 너무 많기 때문에 세계 최고의 봇을 목록 맨 아래에 숨길 수 있습니다.

반면 접근성이 떨어지는 것도 문제가 될 수 있다. 앞서 언급했듯이 챗봇의 큰 한계는 기존 도구와 통합할 수 없거나 특정 플랫폼에 대한 개발이 부족하다는 것입니다. 예를 들어 Facebook Messenger에 집중하는 개발자가 너무 많기 때문에 Whatsapp(Facebook도 소유)은 다른 강력한 옵션을 놓칠 수 있습니다. 또는 Facebook Messenger에 중점을 둔 조직에서는 여러 플랫폼에서 여러 챗봇을 사용할 여유가 없을 수 있습니다.

다국어 지원 보장

모든 단일 조직 또는 비즈니스가 전 세계에 도달할 수 있는 것은 아니지만 고객과 연결하려면 다국어 지원이 항상 필요합니다. 컨택 센터는 수년 동안 IVR 메뉴에 다국어 지원을 포함해 왔으며 챗봇은 자연스러운 확장으로 간주되어야 하며 더욱 그렇습니다.

챗봇은 국내 및 국제적으로 조직의 범위를 확장하는 데 도움이 되어 사용자가 하루 중 언제든지 조직과 상호 작용할 수 있습니다. 24시간 지원은 결국 챗봇의 가장 강력한 사용 사례 중 하나입니다. 챗봇이 여러 언어로 사용자와 상호 작용할 수 있는 기능이 없으면 조직은 많은 잠재 고객과의 연결을 놓칠 것입니다.

자연어 처리 AI는 다국어 지원과 관련하여 고유한 문제가 있으며 다른 언어뿐만 아니라 다른 방언과 구어체에도 적응하는 데 어려움을 겪을 수 있습니다. 이것은 챗봇이 2019년에 컨택 센터의 주류 지원 무기고로 본격적으로 진입함에 따라 이제 해결되어야 하는 고유한 문제입니다.

챗봇에는 극복해야 할 과제가 있습니다

챗봇은 조직이나 컨택 센터가 제공할 수 있는 지원 수준을 혁신하는 매우 강력한 방법이 될 수 있습니다. 웹사이트, 모바일 애플리케이션 또는 인기 있는 메시징 앱을 통해 사용자가 상호 작용할 수 있는 챗봇으로 담당자를 보완함으로써 비즈니스는 전 세계적으로 범위를 확장하고 주 7일 24시간 서비스를 제공할 수 있습니다.

그러나 챗봇은 이전에 논의한 바와 같이 인간 지원의 전부가 아닙니다. 고객과 사용자가 찾고 요구하는 수준의 지원과 개인화를 제공하기 위해 인간의 손길이 진정으로 필요한 때가 항상 있을 것입니다.

조직은 고객 참여 포트폴리오 내에서 챗봇을 적절하게 활용하는 방법과 시기를 인식할 수 있어야 하며 이와 함께 챗봇이 직면한 고유한 문제를 인식하고 식별할 수 있어야 합니다.

2019년에 챗봇은 고유한 기능을 키울 뿐만 아니라 몇 가지 고유한 문제에 직면하게 될 것입니다. 말할 것도 없이 기술 환경이 변화하고 소비자가 더 많은 개인 정보 보호와 더 강력한 데이터 제어를 요구함에 따라 조직은 챗봇을 포함한 모든 커뮤니케이션을 조정할 수 있어야 합니다.