AI

2021년 상반기 가트너 트렌드 요약과 내 생각

가트너에서 상반기에 발표한 전략 기술 관련 자료들을 훑어보면서, 작년 하반기 리포트와 비교해서 뭐가 달라졌는지, 그리고 저희 팀 입장에서 뭘 가져갈 수 있는지 정리해봤습니다.매번 느끼는 거지만, 이런 리포트는 읽는 순간엔 다 맞는 말 같은데 막상 우리 서비스에 대입하면 애매한 부분이 많아요.그래서 이번엔 항목별로 "이게 우리한테 지금 의미가 있는가"를 스스로 채점해보는 식으로 정리했습니다. 상반기 리포트에서 눈에 띈 건, 사용자 인터페이스가 화면 밖으로 계속 확장되고 있다는 이야기였습니다.음성 인터페이스, 웨어러블, 심지어 촉각 피드백까지 언급이 됐는데, 저희 서비스처럼 모바일 앱이 메인인 곳에서는 당장 적용할 접점이 많지는 않았어요.다만 음성 검색 관련해서는 저희도 고객센터 문의 중 일부를 음성으로 처..

AI 모델 성능과 사용자 경험, 균형 잡기

얼마 전에 팀 내부 회의에서 좀 민망한 상황이 있었습니다.추천 모델 정확도를 12%나 개선했다고 보고했는데, 정작 사용자 만족도 조사 결과는 거의 그대로였거든요.데이터 사이언티스트는 "지표상으로는 확실히 좋아졌는데 왜 반응이 없냐"고 물었고, 저도 딱히 명쾌한 답을 못 했습니다.그날 이후로 몇 주간 이 문제를 계속 붙잡고 있었는데, 결국 "모델 성능"과 "사용자 경험"이 같은 방향을 보고 있지 않을 수도 있다는 결론에 도달하게 되었어요. 저희가 개선한 건 추천 알고리즘의 클릭률 예측 정확도였습니다.숫자로는 분명히 좋아졌어요.그런데 사용자 입장에서는 "이전보다 더 마음에 드는 추천이 나온다"고 느끼려면, 정확도뿐 아니라 다양성, 신선함, 그리고 무엇보다 응답 속도까지 같이 좋아져야 했습니다.저희 모델은 정..

챗봇 UX 라이팅 - 톤앤매너 정하기

챗봇 프로젝트를 진행하면서 가장 과소평가됐던 작업이 UX 라이팅이었습니다.개발 일정과 NLU 정확도에는 다들 신경을 쓰는데, "이 챗봇이 어떤 말투로 말할 것인가"는 회의 마지막에 잠깐 다뤄지고 넘어가는 경우가 많았어요.저희도 초반엔 그랬다가, 런칭하고 나서 사용자들이 "챗봇이 너무 딱딱하다"는 피드백을 꽤 많이 남기는 걸 보고서야 이 문제를 제대로 다루기 시작했습니다. 톤앤매너 가이드 없이 여러 사람이 답변 스크립트를 쓰면, 같은 챗봇인데 문장마다 말투가 다 달라집니다.어떤 답변은 "확인해드리겠습니다"로 끝나고, 어떤 답변은 "확인해볼게요!"로 끝나는 식이었어요.사용자 입장에서는 이게 같은 챗봇이 하는 말인지 헷갈릴 수 있습니다.저희는 결국 "친절하지만 과하게 캐주얼하지 않은, 신뢰감 있는 톤"이라는 ..

AI 프로덕트의 신뢰(Trust) 설계

AI 기능을 기획하면서 요즘 가장 자주 떠올리는 단어가 "신뢰"입니다.정확도나 속도만큼, 혹은 그 이상으로 중요한 게 사용자가 이 AI 결과를 얼마나 믿을 수 있느냐는 문제였어요.이번 글에서는 저희 팀이 AI 기능을 만들면서 신뢰를 어떻게 설계에 반영했는지, 그리고 그 과정에서 겪은 시행착오를 정리해보려 합니다. 처음엔 정확도가 높으면 신뢰도 자연스럽게 따라올 거라고 생각했습니다.그런데 실제로는 정확도가 90%인 기능인데도 사용자가 안 믿는 경우가 있었고, 정확도가 70%대인 기능인데 사용자들이 잘 활용하는 경우도 있었어요.차이를 들여다보니, 사용자가 "왜 이런 결과가 나왔는지"를 이해할 수 있느냐가 정확도보다 신뢰에 더 큰 영향을 주고 있었습니다.근거를 보여줄 수 있는 기능은 정확도가 조금 낮아도 사용..

챗봇 도입 ROI 어떻게 측정하나

챗봇을 도입하자는 제안은 쉬운데, "그래서 이게 얼마나 돈이 되는가"를 설명하는 건 항상 어려운 부분이었습니다.저희도 챗봇 프로젝트 예산을 받기 위해 경영진에게 ROI를 설명해야 했는데, 처음엔 "고객 만족도가 올라갈 것"이라는 식으로만 이야기했다가 구체적인 숫자를 요구받고 당황했던 기억이 있어요.이번 글에서는 그 이후로 저희가 정리한 챗봇 ROI 측정 방법을 공유해보려 합니다. 가장 명확하게 계산할 수 있는 부분은 상담 인력 비용 절감입니다.저희는 먼저 챗봇이 처리할 수 있는 문의 유형(배송 조회, 환불 절차 안내 같은 것들)이 전체 상담량의 몇 퍼센트를 차지하는지 파악했어요.저희 케이스에서는 전체 문의의 45%가 이런 반복 문의였고, 상담원 한 명이 하루에 처리하는 문의 수와 평균 인건비를 곱해서 "..

2020 년 100 개 이상의 AI 사용 사례 및 애플리케이션 : 심층 가이드

AI는 모든 산업 및 비즈니스 기능을 변화시키고 있으며 그 결과 AI, 하위 도메인 및 기계 학습 및 데이터 과학과 같은 관련 분야에 대한 관심이 증가하고 있습니다. 최근 Gartner 설문 조사에 따르면 조직의 37 %가 여전히 AI 전략을 정의하려고합니다. AI를 비즈니스에 통합하려면 AI가 비즈니스에 어떤 도움을 줄 수 있는지, 비즈니스에서 AI의 가능한 사용 사례를 식별해야합니다. 이 기사에서는 마케팅, 영업, 고객 서비스, 보안, 데이터, 기술 및 기타 프로세스를 다루는 가장 일반적인 사용 사례를 수집합니다. 마케팅 마케팅은 지속적으로 학습하면서 적절한 채널을 통해 적절한 제안, 적절한 메시지를 적시에 고객에게 도달하는 것으로 요약 할 수 있습니다. 성공을 달성하기 위해 기업은 AI 기반 도구를..

AI 챗봇 페르소나 설계 노트

챗봇을 기획하면서 가장 뒤로 밀리기 쉬운 작업이 페르소나 설계입니다."일단 답변이 잘 나오게만 하자"가 우선이 되기 쉬운데, 저희도 처음엔 그렇게 접근했다가 나중에 크게 후회했어요.페르소나 없이 만든 챗봇의 말투가 화면마다 미묘하게 달라져서, 사용자 입장에서는 마치 서로 다른 사람이 응대하는 것처럼 느껴졌던 거죠. 초기 버전에서 챗봇은 어떤 답변에서는 "죄송하지만 확인이 어렵습니다"라고 하고, 다른 답변에서는 "그건 안 돼요!"라고 했습니다.답변 스크립트를 여러 사람이 나눠서 작성했기 때문이었어요.사용자 피드백 중에 "챗봇이 갑자기 반말로 답해서 놀랐다"는 항의가 몇 건 들어왔는데, 확인해보니 한 담당자가 급하게 스크립트를 추가하면서 톤을 못 맞춘 거였습니다.이 문제를 겪고 나서야 저희는 "이 챗봇은 누..

AI 프로젝트 기획할 때 데이터 팀과 소통하는 법

최근 추천 기능 프로젝트를 진행하면서 데이터 팀과 처음으로 밀접하게 협업하게 됐습니다.기존에는 기획-디자인-개발 삼각 구도로만 일해왔는데, 여기에 데이터 사이언티스트가 들어오니 소통 방식 자체를 다시 배워야 했어요.몇 번의 실수를 거치며 정리한 소통 노하우를 공유해보려고 합니다. 프로젝트 초반에 데이터 팀에게 "얼마나 정확한 모델을 만들 수 있나요"라고 물었더니 "정확도 90% 정도는 나올 것 같아요"라는 답을 들었습니다.저는 이 말을 듣고 안심했는데, 나중에 알고 보니 그 90%가 제가 생각한 것과 다른 의미였어요.데이터 팀이 말한 정확도는 전체 예측 중 90%가 맞는다는 뜻이었는데, 저는 "사용자가 실제로 만족할 추천을 90% 확률로 준다"는 뜻으로 받아들였던 겁니다.실제로 모델이 배포되고 나니, 특..