인공지능과 대화형 플랫폼

Deep Learning and Conversation as a Platform

  최근 세종대학교 소프트웨어학과로 옮기고나서 경희대 테크노경영대학원, 계명대학교 글로벌창업대학원등에 특강을 하게되었다. 그 중 일부를 발췌해본다.

인공지능의 진화

 인공지능은 필자가 LG소프트웨어 연구소에 근무한 1990년도에도 연구가 진행중이던 역사가 오래된 분야이다. 그 당시 small talk, Lisp 등의 언어로 AI 를 연구했던 사람들 중에, 오늘날의 신경만기반의 머신러닝으로 명맥을 이어 온 사람을 찾기는 쉽지않다.

 미국의 경우, 코넬대의 로젠블레트박사가 전자장치로 연결된 인간의 뇌를 모방한 퍼셉트론이라는 기계로 논리연산을 처리하는 시도가 있어 주목을 끌었는데, MIT 의 마빈민스키교수가 XOR 연산이 하나의 함수로 해결되지 않는 문제를 제시하면서 이 퍼셉트론이 내포하는 내재적 한계가 부각되어 전체 학계가 앞으로 나아가지 못하는 1차 AI 침체기가 도래하고 미국 정부에서도 연구예산을 삭감하면서 찬바람이 불게된다. 이후 전문가 시스템등으로 산업계의 일시적 부흥이 일지만 이후, 신경망기반의 역전사(backward propagation) 에서 발생하는 경사소멸(gradient descent)로 오차값 산출이 layer 가 멀어질 수록 sigmoid 함수로 인해 값이 소멸되가는 문제가 해결이 안되어서 또다시 2차 인공지능의 암흑기를 맞게된다.

컴퓨터비전분야에서의 획기적 성능향상

  이러한 인공지능이 2012년에 이르러 특히 컴퓨터비전 분야에서 도달할 수 없다고 생각했던 성능의 진전을 보게된다. 2012년 ImageNet 이라는 대회에서 토론토의 제프리힌튼 교수가 이끄는 팀이 37% 의 에러율 감소라는 획기적인 성능 향상을 보이게되면서 이목을 끌게 하였고, 바야흐로 인간이 판별하는 수백만 이미지중에 고양이 사진같은 특정 사물을 판독하는 분야에서 인간과 경쟁하는 여정에 들어서게된다. 여기에 사용된 머신러닝 기술을 Convolution Neural Network(CNN) 기술로 1980년대 후반 얀리쿤교수가 고양이가 TV를 보면서 image 의 edge 가 변할 때, 뇌의 특정 부위가 활성화되는 것에 착안하여 input 이미지를 조각으로 나누어, 이 조각들을 신경망에 태워서 필터를 이용한 edge 의 강화를 반복하여 조각의 이미지가 전체 이미지의 어느 부위의 특징을 나타내는 지를 강조하는 기술을 발표한다. 이 기술은 이후 90년대에 미국의 대다수의 국민들이 사용하는 개인수표의 숫자로 표시하는 수기를 디지털로 판독하는데 크게 기여한다. 

IBM 왓슨의 상용화

   2011년 미국의 퀴즈쇼 Jeopardy 에 출연하여 최고 상금왕과 최다 승리자와 대결하여 우승한 IBM 왓슨 컴퓨터는 몇 년 전에 IBM 딥블루 컴퓨터로 체스챔피언을 물리친 이후, 우리들에게 노출된 인공지능 기술의 현주소였다. 이후 IBM은 이러한 질의 응답 방식의 퀴즈쇼 해답과 같은 방식의 솔루션에서 확장하여 클라우드 기반의 왓슨 API 라고 하는 알고리즘 세트를 API(Application Programming Interface)방식으로 제공하는 개방형 혁신 정책을 펼친다.  퀴즈쇼 당시의 왓슨 API 가 Q&A 라는 기술이었는데, 이러한 규모의 API 가 2017년말까지 50가지의 API 로 확장될 계획을 가지고 있고, 2017년 11월을 기해 이러한 API 들을 무상으로 공개하는 것으로 발표되었다.

최근 기사에서는 한국의 왓슨 사업을 담당하는 SKC&C 에서 일반인들을 대상으로 왓슨 AI 를 이용한 경진대회를 열었는데, 하루만에 마치 레고블록을 조립하는 것처럼 쉽게 수천장의 운동기구 사진에서 원하는 운동기구 사용법을 알려주는 '픽미'라는 솔루션을 개발하였고, 음성으로 선풍기나 가전제품을 조정하는 것을 시연했다고 한다. 이러한 것들이 가능하게 된 것은, 클라우드기반의 PaaS 즉, 개발을 코딩을 몰라드 직관적 사용자인터페이스를 통해 구현하게 하는 기술이 보편화 됨을 의미하고, 이는 아이디어만 있으면 데이터베이스 접속, 챗봇 구현 그리고 인공지능의 알고리즘에 API 로 연결하여 원하는 기능을 불러 사용할 수 있음을 의미한다.

대화형 플랫폼 시대

  2017년으로 진입하면서, 눈에 띄는 현상은 글로벌 IT 기업의 'AI First' 전략 이었다. 그 중에서도 아마존의 알렉사가 CES 에서 선풍적 바람을 이끌었고 Google 의 Assistant, Facebook 의 M 플랫폼 발표, MS 의 메시지 플랫폼, 아마존의 에코 출시 그리고 삼성의 Viv Labs 인수에 따른 빅스비 출시, 네이버의 AI 챗봇인 Clova 발표등의 일들이 줄을 이었다.

이러한 현상이 가속화된 이면에는, 2015년 후반부터 주요 메세지앱이 주요 SNS 앱(App)을 설치 및 사용면에서 앞지르면서 한동안 앱의 부흥을 이끌었던 동력이 메세지앱으로 이동하는 측면에서 AI와 결합되어 대화형 챗봇이라는 모습으로 대중에게 모습을 보이게 된 것이다.

  여기에 음성인식을 기반으로 한 아마존의 알렉사가 음성기반의 장치라는 시장을 열었고 이러한 대화형 플랫폼이 주는 시사점이 시장에 주는 반향은 많은 기업들로 하여금 이러한 대화형 플랫폼이 과연 차세대 플랫폼에 기폭제가 될 것인가에 주목하게 만든것이다.

  App 은 2016년 11월 한달간 미국 스마트폰 사용자의 50%가 전혀 새로운 App 을 다운로드하지 않았다고 한다. 게다가 애플의 경우 94%의 Appstore 매출이 1% 에서 나온다고 하니, 사용자들이 88% 시간을 5개 정도의 App 에 사용한다고 하는 정보가 틀린 것 같지가 않다.

 그보다 App 을 사용하기위해 다운로드하고 다시 불러오고 하는 시간에 비해, 음성기반의 챗봇은 'OK 구글' 혹은 '알렉사' 한 마디로 wakeup 상태로 불러내고 바로 사용이 가능하다.  그리고 무엇보다도, 즉각적이고 개인화된 응답이 불러오는 이점은, 은행권을 중심으로 짜증나는 고객센터 응답을 대체하는 강력한 수요의 기반이 된다.

AI 기반의 음성 장치가 불러올 혁신 

  미국 최대의 사무기기용품 회사인 Staples 는 이러한 AI 기반의 음성장치로 소비자의 사무기기 구매 패턴을 혁신적으로 바꾸어놓은 회사가 될 것이다. 버튼 하나를 누르고 필요한 물품을 말하는 것 만으로 구매가 만족되고 자동으로 주문이 이루어져서, 경쟁사가 보면 소름이 끼칠 것 같은 공급가치사슬의 혁신을 예시하는 동영상을 위의 'Staples' 글짜를 누르면 볼 수 있다.

  이러한 솔루션을 개발하는 데 앞에서 살펴본 바와 같이, 단 몇 일만의 교육으로 일반인들도 쉽게 개발할 수 있다고 하니, AI 가 이제 우리 곁에 일반화(democratizing AI) 된 다는 것이 남의 얘기만은 아닌 것 같다.

  한편으론, 이러한 음성 우선장치(screenless device) 시장에서 벌어지는 고객경험이라는 측면은 또한 몇가지 주요한 시사점을 우리에게 말하고 있다.  2016년 가을 뉴욕 테크크런치에서 viv labs 의 대표가 시연을 하는 내용은 음성만으로 스마트폰을 통해 꽃을 배달하고 호텔을 예약하는 conversation as a platform 의 미래 모습을 설파하고 있다. 삼성이 인수하여 빅스비라고 출시한 갤럭시S8에서는 아직 삼성페이와 결합되어 이러한 자동 결제와 연결되는 상거래까지는 아직 100% 가동 되고 있지 못하지만, 머지않아 이러한 자동 상거래는 현실이 될 것 같다. 알렉사를 통해 반복적으로 구매하는 어느 가정의 상황을 상상해보자.

  알렉사는 거실에 딱하고 버티고 있어서 24시간 주인님이 하시는 음성을 청취하고 있다. 아울러 이러한 과거 주문내역을 통해 주인님의 persona 즉 성향이나 개성을 알렉사는 차곡차곡 쌓아놓고 분석을 하고 있다. 경쟁사 입장에서는 이것은 마치 문지기와 같아서, 이 가정에 하기스 기저귀보다 좋은 팸퍼스 기저귀를 어떻게 저 알렉사를 뚫고 들어가서 알릴 수 있을까 고민하게 만들게 할 것이다.

  왜냐하면 고객님이 자주 사용하시는 주문 웹사이트가 고객님의 "기저귀 1 세트 주문해 줘" 라는 말과 함께, 늘 주문하는 사이트를 알렉사가 불러내어 자동 주문할 것이기 때문이다. 경쟁사는 어쩔수 없이, 보다 선동적인 문구로 찰나의 고객의 마음을 사로잡을 광고문구를 고민하게 될 것이고, 광고주 입장에서는 고객의 단일 표현(utterance)에 대응하는 개인화된 단일 광고 재고(repository)를 보유하고 있다가 온디맨드로 제공해야 한다는 것을 의미한다. 이것은 광고업자의 입장에서는 상상하기 힘든 수지타산이 맞지않는 고난도 작업임에 틀림없다.

  또 한편으론, 설령 알렉사라는 문지기를 뚫고 들어가 광고에 성공했다 치더라도, 그간의 이력을 꽤뚫고 주인님께 추천하는 알렉사에 비해 전후좌우 문맥에 취약한 경쟁사의 광고는 치기어린 헛소리 처럼 주인님의 관심을 끌기에는 역부족일 가능성이 높아서, 이러한 광고에 신물이 나는 주인님은 어쩌면 둘 중에 하나일 거다 - 짜증나는 시도때도 없는 선전성 광고를 참고 견디던지 아니면 아마존의 광고를 배제한 프리미엄서비스를 신청해서 아마존에 매달 일정 회비(미국의 경우 99$) 를 내고 아마존의 관대한(?) 우산속으로 오히려 내발로 걸어들어가던지 말이다.

  이러한 이유로, 지니, 누구, 빅스비, 클로바 등의 국내 음성우선장치들이 가정에 침투하려고 애를 쓰지만, 전세계적으로 벌어지고 있는 플랫폼전쟁의 진정한 승자가 되기위해 치뤄야할 댓가와 전제조건에는 아직 많이 부족한 면이 보인다.

인공지능 챗봇들의 부상과 마케팅에서의 시사점

지난 3월8일 코엑스 그랜드볼룸에서 디지털마케팅코리아주관의 디지털마케팅서밋 2017 행사에 연사로 “대화형 인공지능 플랫폼(챗봇), 마케팅의 미래를 바꿀 것인가?” 를 발표할 기회가 있었다..

둘째 날 8일 오전에 디지털마케팅코리아 설립자 박세정대표님과 대담을 나누는 시간을 갖기도 하였다.

우버 신드롬

발표 시작은 전혀 다른 형태의 비즈니스모델을 내세운 경쟁자가 등장하여 시장을 장악하는 우버 신드롬으로 시작했다. 공유경제라는 전혀 다른 비즈니스 모델로 동종 산업에서 경쟁자라고 인식조차 하지 못했을 우버라는 회사의 현재 시장가치는 73조원으로 최대자동차회사인 GM 이나 Ford 보다 월등한 시장가치를 자랑하고, 차를 생산하지 않으면서도 운송수단이라는 시장을 유틸리티개념으로 영역을 파괴한 “경쟁자로 간주되지 않았던 새로운 경쟁자의 출현” 이다. 

마케팅은 어떨까? 오길비 등을 포함한 세계최대 광고그룹 WPP CEO 인 마틴쏘렐 경도 Amazon 이 광고수입을 따로 분리하지 않을 정도로 현재 10억원 매출 정도의 아직 초기 단계이지만, 2016년에 60% 성장을 한 점에 크게 우려하고 있다고 한다. 구글과 페이스북이  광고 에이전시를 건너뛰어 고객과 직접 일할 수 있는 능력을 보유해서 50억원 구글과 17억원 페이스북의 광고매출을 내는 점도 두려워할 처지이지만, Amazon 은 실제 구매를 하려는 고객들이 웹이나 App에 몰려있고 Amazon 이 직접 통제한다는 점에서 마틴쏘렐 경은 무척 위협적으로 느낀다고 한다.

또한 딜로이트, 액센츄어, IBM, 맥켄지 등의 글로벌 컨설팅회사들과  IT 자이언트들이 크리에이티브/에이전시/마케팅 서비스 회사들을 쓸어담고 있는 현상이 마케팅이 C-레벨의 주요 아젠다로 부상하여 마케팅과 컨설팅이 주요 사업으로 재편되는 흐름이다. 또한 2011년 구글의 ZMOT(Zero Moment of Truth) 이 발표된 이후로. 고객결정여정(customer decision journey)에서 미국 고객의 84% 이상이 매장 방문 전 사전 결정에 인터넷 검색이 지대한 공헌을 발표한 이후 , 이제 대화형 인공지능 비서라는 새로운 기술로 무장한 신생 종(species)이 마케팅의 새로운 시장 변화를 야기할 것일까?

Conversation as a platform 시대

하버드대의 Utterback 교수는 산업의 혁신에서 여러 디자인의 혼돈 시대가 지나면 지배적 디자인이 등장하고 이렇게 되면, 다른 경쟁자들은 지배적 디자인을 중심으로 생태계를 조성한다고 했다.  혹자는 1990년대의 인터넷시대, 2000년도의 App 시대 그리고 현재의 Assistant (대화) 시대가 도래하고 있다고 한다.  기술 혁신의 변곡점을 판별하는 것은 어쩌면 인텔의 앤드루 그로브 CEO가 얘기했듯이 “오직 편집증 환자”만이 인지하는 지는 몰라도, 시장에서 이렇게 얘기하는 근거는 있어 보인다.

  Bot 이 부상하는 이유

  Business Insider 자료에 의하면, 2015년 1사분기를 기점으로 Big 4 Message App 이 전세계 30억 사용자로 Big 4 SNS (25억) 를 추월했다. 또한 2016년 11월 한 달간 미국 스마트폰 사용자의 50%가 전혀 App 을 설치하지 않았다고 한다. 소비자들은 보통 한 달에 25~30개의 App 을 사용하고 88% 시간을 5개 App 에 집중 한다고 한다. 더욱 놀라운 사실은,  94%의 App store 매출이 1% 에서 나오고 있다고 한다. 이러한 App 시장의 포화상태와 Message App 의 급속한 성장이 무엇보다도 UI 측면에서 인간의 자연언어가 가장 자연스러운 인터페이스라는 점과 그동안 기술적으로 미진했던 부분들이 해결되어, 챗봇의 부상을 가져온 것으로 보인다.

반면, Bot 의 제약점으로는,  대화는 인간의 가장 자연스러운 소통방법이라는 점에서, 아직 한글의 자연스런 대화는 조금 더 지켜봐야 할 것 같고, 둘째, Q&A 나 고객서비스부분 등 소위 curated service 에 사용되는 것을 넘어 전체 마케팅 프레임워크에 어떻게 융합하느냐의 문제가 남아있고, 셋째, 신경망네트워크의 클래스가 300개 내외의 class 에서 효율적인 점을 감안하면, 범위를 넘어선 뜬금없는 질문에 챗봇이 어떻게 예외처리를 하느냐의 문제도 상존한다. 많은 부분 사람이 전달받아 서비스하는 방법으로 현재 이 부분을 해결하고 있다.

  Screen-less (음성우선장치) 시장의 등장

올해 CES 쇼에서 Amazon 의 Alex 가 주목을 받았듯이, 국내에서도 음성 우선 장치들의 출현이 현실화 될 전망이다. 이미 KT의 ‘지니’, SKT 의 ‘누구’가 출시되었고 Naver 의 Line 역시 MWC 에서 Clova 를 발표하고 6월에 네이버의 AI 스피커 ‘웨이브’를 LGU+ 를 통해 출시할 것으로 보인다. Recode.net 자료에 따르면, 2017년에 전세계에 약 3천5백만개의 음성우선장치가 출시될 것으로 예상한다고 한다. 문제는 Amazon Alexa 도 약 8백20만개정도가 현재 판매되어있고, 7,000개가 넘는 Amazon skill 이 있지만 (꽃배달, 음악감상 등의 프로그램을 하나의 skill 이라고 Amazon 은 명명한다), 평균 3% 만이 2주 이상 설치하는 현상을 보인다고 한다. 즉 97%의 Amazon skill 은 사용자로부터 외면 받고 있는 것이다. App 도 그렇지만, 이러한 현상은 앞으로 assistant 시장에서 더 흔하게 목격하게 될 것이다.

삼성전자는 VIV Lab 을 인수한 것에 삼성페이를 결합해서 항상 스마트폰에서 주인님의 호출을 기다리도록, 3월 29일에 Intelligent Assistant 의 unpack 행사를 계획하고 있고 이를 위해 기사에 의하면, 3000명의 인력이 소단위 cell 로 막바지 개발에 박차를 기하고 있다고 한다. 냉장고, TV 등에 타이젠 OS 기반의 intelligent assistant 들도 탑재되어 갤럭시 스마트폰에서 통제가 가능하게 할 계획도 당연히 추진 중인 것 같다.

LG전자는 MWC 에서 G6 스마트폰에 구글 어시스턴트를 탑재하기로 발표하고 한글화는 올해 11월쯤에 제공되는 것으로 하였다. 어제 보니, 미국에서 4월30일까지 G6를 구입하는 고객들에게 140$ 상당의 Google Home을 무료로 제공하는 행사를 하는 것 같았다. Amazon Alexa, Google Home, Naver Wave 등의 음성우선장치들의 출현에는 몇 가지 시사점을 생각하게 한다.  우선 웹 이나 모바일 환경의 디스플레이광고를 중심으로 가속화되는 AdTech 부분에는 어떤 영향이 향후에 있을까이다. AI 스피커를 통한 광고는 무척 고려할 점이 많다. 한 개인의 persona 에 관련된 문맥을 알아채고 적시에 기분을 해치지 않는 정도의 센스 있는 광고를 찔러 넣지 못하면,  유투브를 광고를 참으면서 무료로 볼 거냐 아니면 subscription 을 가입해서 광고 없는 화면을 볼것이냐와 같은 운명을 마주하게될것이다.

음성우선장치 시장에서의 고객경험

가트너의 향후 10대 예측에 의하면, 2020년까지 화면 없는 장치가 30%에 달할 것 이라고 한다. 이는 구글이나 페이스북 같은 디지털마케팅의 광고수입을 향유하는 업체들에게 광고속성 측면에서 시사점을 준다. 이는 개인의 단일 utterance(발언)에 대응하는 단일 광고로 대응해야 한다는 점에서 광고 inventory 의 막대한 부담을 갖게 되고 아울러 과거 이력에 근거한 능동적 추천이 되어야 한다는 점에서 무엇보다도 Amazon 과 같은 장치제공업체에게 종속적이다. 즉 기존 디지털마케팅 플레이어입장에서 ROI 를 생각하게 한다.

둘쨰는 좀더 심대한 영향인데, 집안에 설치된 AI 스피커를 통해서 반복적으로 구매하는 예컨데, 기저귀, 분유, 쌀, 책…완구…패션 등의 반복구매가 어느 정도 익숙해지면, 이는 경쟁사의 입장에서 볼 때, 엄청난 진입장벽으로 작용할 것이 뻔하다. 소위 conversational commerce 시대의 도래인데, 고객경험입장에서 Amazon 이 국내의 배송업체와 손잡고 Amazon 의 buy-box (아마존 사이트의 물품 추천화면) 나 dash button (원스톱결재) 같은 소위 premium subscription 계약을 통하여 아주 최저가는 아니더라도 어느 정도 경쟁력 있는 가격조건을 제공하고, Alex 에다 대고 손쉽게 “클리넥스 휴지 2통, 하기스 기저귀 1박스” 라고 주문하면 그 고객의 이전 구매이력 학습을 통해 주소, 금액, 주문처 등을 말할 필요 없이 알아서 디지털 ‘Pay’ 를 통해 결재하고 문앞까지 배달하는 것이 가능해진다고 생각해보자.

이는 삼성페이나 네이버페이와 같은 간편결제를 통해 소비자가 지불에 대해 점점 대수로운 일이 아닌 걸로 되는 지불 메커니즘의 진화단계(카네기멜론대 조지 로웬스타인교수)일뿐만 아니라, commerce 입장에서 보면, 이전의 단위 트랜잭션으로 처리하던 ‘거래’가, 고객의 평생고객가치(lifetime value) 를 지향하는 ‘관계’ 로의 변화로 즉, 서비스화(servitization) 하는 것을 뜻하게 된다.  

이는 공급업자 측면에서 아주 수익성이 좋은(lucrative) 비즈니스 모델인데, 자동차 한대를 파는 것보다 그 고객의 평생 자동차와 관련된 모든 가치 요소, 즉 정비, 중고차거래, 보험, 소모품교환, 렌탈, 자동차담보대출 등의 매출을 오롯이 향유하게 됨을 뜻한다. 더욱이 고객이 꽃 배달이나 기저귀 주문 등에 관련되는 공급업체들을 AI 스피커에게 일임하기 시작하면, 경쟁사 입장에선, 아니 그보다 디지털 마케팅 공급업체 측면에선, AI 스피커가 분명히 gate keeper 로 인식될 것이고 연구하고 싶은 상전으로 보이기 시작할 지도 모른다. 일전에 방송에서 Amazaon Alexa 에 인형을 주문한 뉴스 내용을 듣고 실제로 Alex 가 해당 인형을 주문한 해외 뉴스가 화제가 된 적이 있다. 이를 방지하기 위해, Google Home 같은 경우는 100$이 넘는 주문은 쇼핑 리스트에 넣어 나중에 검토하고 주문하도록 하고 있다 – 고객경험측면에서 대화형주문이 별도의 저항없이 성장할지 지켜볼 일이다.

아래의 비디오는 세계에서 가장 큰 사무용품 유통업체인 Staples 가 어떻게 음성우선장치를 도입하여 B2B 시장에서 고객들의 사무용품구매를 손쉽게 자동 주문하도록 하였는지를 보여준다.

디지털 마케팅의 시사점

  일반적으로 디지털 어낼리틱스를 하는 목표는 5가지 측정 요소를 보통 얘기한다. 1) E-commerce 를 통한 제품판매 결과 측정, 2) 가망고객판별을 위한 Lead 생성, 3) 광고노출을 통한 컨텐츠 제공, 4) 온라인정보제공을 통한 소비자 정보취득 지원, 그리고 5) 브랜드 노출을 통한 충성도 제고이다.

  AI 비서(virtual assistant) 측면에서 보면 어떨까? 보는 사람에 따라 여러 다른 시각이 있겠지만, 필자가 보기엔 그림과 같은 차이가 있어 보인다. 1) 제품판매 -> 고객평생가치 서비스화, 2) 가망고객판별 -> 고객 Persona 정교화, 3) 컨텐츠 제공은 앞에서 언급한 바와 같이, 문맥에 맞는 자연스런 offer 가 되어야 한다는 점에서 극히 수동적일 수 밖에 없어 보이고, 4) 온라인 정보 역시 주인님의 성향에 따라 수동적일 수 있다. 5) 브랜드 제고라는 측면에서도 AI 비서가 공급업체를 선별하는 상태에 다다르면, 어떻게 AI 비서가 찾는 업체 리스트의 최 상단에 위치시킬지 연구가 일어날지… 글쎄다… 쉽지 않은 얘기다.

 한글 챗봇 도입 기획 시점에 고려할 점

대화형 어시스턴트(챗봇) 의 도입을 통해 서비스를 계획하고 계시는 분들을 위해 몇 가지 고려할 점을 짚어보려고 한다. BOT 은 특정업무를 자동화하도록 설계된 일련의 SW 를 의미한다. 예를 들어 세무서 웹사이트에 세무계산 BOT 이 있다고 하면, BOT 이 요구하는 내용에 따라 관련내용을 입력함으로써 자동으로 필요한 세금 계산을 도와준다. 반면, 챗봇은 이에 추가해서 인공지능을 사용하여 대화에서 사람을 흉내내는 BOT 이다. “대화에서 사람을 흉내내는” 이라는 문구에 주목할 필요가 있는데, 이는 이 부분이 인공지능의 최첨단 기술이 필요한, 특히 한글에서 쉽지 않은 부분이기 때문에 그러하다.

이러한 챗봇을 인공지능 입장에서 보면 흐름은 다음과 같다. 우선 사람이 말로 하는 대화는 인공지능 입장에서는 알아듣지 못한다. 사람의 대화는 speech to text 라는 SW 를 통해 일단 문자로 바꾸어야 한다.  그리고 이렇게 바뀐 문자열 대화는 구성된 대화(문장)들이 어떠한 내용인지를 판별하기 위해 자연어처리(Natural Language Processing) 라는 과정을 거친다.

필자가 아주 오래 전에 자연어처리를 위해 사용한 방식은 규칙기반의 형태소분석이라면, 최근의 신경망기반의 머신러닝 자연어처리는 문장 각각의 음소, 단어, 어휘 단위의 벡터를 만들어 이를 문장 단위별로, 중심 어휘를 중심으로 전과 후에 올 단어나 어휘가 올 확률을 계산하여 처리하는 방식이라서 당연히 상당한 양의 샘플 문장들을 훈련시키고 테스트해봐야 하는 과정이 남아있는 것이어서, 테스트 데이터의 확보와 학습을 위한 훈련에 많은 준비가 필요하다. 후발주자 입장에서는, 어쩌면 일단 개통해서 사용자가 데이터를 제공하게 함으로써 이러한 일반화의 문제를 해결해야 하는 문제에 봉착할지도 모른다.

그림에서 보듯이, 은행 챗봇에다가 “패스워드 리셋을 어떻게?”라고 얘기하면, 스마트폰 상의 은행 메시지 App 에서 돌아가는 챗봇은 연결된 API (어플리케이션 SW 프로그램 인터페이스)를 통해 아마도 어딘가의 데이터센터에 있는 클라우드의 Speech to text 알고리즘 SW 을 돌려서 대화 내용을 문자로 바꾸어서 그 다음 NLP 단계로 넘길 것이다.

  NLP(자연어처리) 부분에서는, 해석된 대화 구문에서 intent(의도) 와 entity(개체)를 사전 설정된 학습에 의거해서 분리해낸다. 컴퓨터 입장에서는 계속해서 들어오는 대화의 문자열이 무슨 내용인지 알기가 어렵다. 그래서 먼저 intent(의도)가 뭔지를 판별할 어휘가 필요하다. 아울러 그러한 의도와 함께 관련되는 개체를 통해 전체 문맥을 해석한다. 이를 기반으로 그 다음 대화를 이어갈 수 있다. 무슨 이야기냐 하면, 챗봇입장에서 대화 문장을 컴퓨터가 읽을 수 있는 디지털 숫자로 변환했다고 해도 이게 도통 무슨 뜻인지 모른다. 사람이 미리 어떤 어휘(챗봇 입장에서는 어떤 숫자)가 어떤 intent(의도)이고 어떤 entity(개체) 인지를 사전 학습시켜놔야 한다는 뜻이다.

그림에서 보듯이, “Will I need an umbrella in Tokyo tomorrow?” 라는 대화가 입력되었을 때, 사전에 이와 유사한 유형의 대화를 학습한 결과에 따라 이 대화가 ‘날씨예보’와 관련된 의도(intent)가 있음을 감지한다. 그리고 Tokyo 는 도시 entity(개체), tomorrow 는 날짜 entity(개체) 임을 자동 인식한다. 보통 업체에서 챗봇을 출시할 때, 용도에 따라 (Amazon 에서는 이를 Skill 이라고 부른다) 일자, 요일, 도시등의 기본적 개체나 함수(내장 함수나 개체라고 함)를 설정해서 출시하는데, 사용자가 특정 도메인의 업무에 사용하기 위해서는 이러한 내장 설정만으로는 부족함으로 훈련을 통한 학습이 필요하다. 그림에 나타난 confidence level 은 챗봇이 봤을 때 “날씨예보” 라는 intent(의도) 일 확률이 0.87 즉 87% 예상한다는 것이다.

그 다음 흐름은, 그림에서 보듯이, 이러한 의도와 개체를 가지고 실제 데이터베이스를 접속해서 패스워드 리셋을 수행하는 것이다.

 일하는 방식의 변화: 민첩한 탐험적 프로토타입 접근법

일련의 대화를 통해 날씨, 도착하는 버스시간, 영화추천 등의 일상사를 활용하는 정도로는 고객의 assistant 의 지속 사용을 담보하기 어려워 보인다. 시장이 개화하려면, 인간처럼 자연스러운 대화를 통해 필요한 모든 정보와 주문 등을 즉시 처리할 수 있는 소위 "conversational commerce" 환경이 소비자의 persona 에 맞게 지원되어야 하지 않을까 생각된다.

  만약 여러분들이 직접 고객 서비스로 intelligent assistant 를 구축하려면, 먼저 플랫폼을 선정하고 (Alexa, Google Assistant, Naver Clova, Samsung Bixby, MS 메시지 플랫폼, facebook M 등등) 이런 업체에서 제공하는 API 를 이용해서 의도와 개체 등을 등록하고 훈련해보는 과정이 필요할 것이다. 대부분의 업체에서 크게 코딩이 필요하지 않아도 진행할 수 있도록 관련 내용들을 지원하고 있어서 관심만 가진다면 어렵지 않게 시작할 수도 있을것같다.

  많은 업체들이 플랫폼의 주도권을 위해서 API 나 관련 소스등을 공개하고 있어서, 기존 기술팀도 조금만 노력을 기울이면 쉽게 적용할 수 있다고 생각한다. 다만, 이 시장이 아직 초기 단계이고 기술 도입에 대한 적응과 훈련 데이터의 준비 및 테스팅에 시간이 소요되는 불확실성이 상존하는 점을 감안하면, 린스타트업 방식의 탐험적 실험정신으로 접근하는 것은 어떨까 싶다. 

  완벽한 완성품을 단숨에 만든다고 시도하기 보다는, 고객을 중심으로 문제를 해결하려는 디자인싱킹 중심의 아이디어로, 소규모의 복수학제 팀 예컨데, UI, SW 개발자, 산업전문가, 디지털마케팅 전문가등이 한 팀이 되어 고객의 문제점 해결책을 논의하고, 즉석에서 MVP (Most Viable Product) 프로토타입을 만들어보는 등의 민첩한 개발 방법을 시도하는 것 말이다. 이를 통해 사용자는 어떻게 가치를 느낄지를 살펴보고 피드백에 근거해서 다시 개선의 피드백 루프로 순환되는 - 일하는 방식의 변화를 가져보는 것도 필요해보인다. <끝>