UIpac

AI 스타트업들의 챗봇 서비스 비교 분석

사내 챗봇 프로젝트를 준비하면서, 국내외 AI 스타트업들이 내놓은 챗봇 서비스를 한 달 넘게 써보고 비교해봤습니다.직접 계정을 만들어서 데모를 돌려보고, 가능한 경우 무료 티어로 실제 시나리오를 넣어서 테스트했어요.이 글은 특정 서비스를 홍보하거나 비판하려는 목적이 아니라, 저희 팀이 도입 검토를 하면서 정리한 비교 기준과 각 유형별 장단점을 공유하려는 목적으로 씁니다. 챗봇 서비스를 비교할 때 그냥 "어떤 게 더 똑똑한가"로 접근하면 판단이 안 섭니다.저희는 다섯 가지 기준을 세웠어요.첫째, 시나리오 빌더의 학습 곡선.둘째, 폴백 처리와 상담원 연결 흐름의 유연성.셋째, 기존 CS 시스템(티켓팅, 지식베이스)과의 연동 난이도.넷째, 응답 로그 분석 기능의 깊이.다섯째, 비용 구조와 트래픽 증가에 따른 ..

기능 우선순위, 이해관계자 설득하는 법

우선순위 회의만큼 감정 소모가 큰 회의가 없다고 느낄 때가 많습니다.영업팀은 "이 고객사가 요청한 기능을 안 하면 계약이 위험하다"고 하고, 디자인팀은 "지금 UI 부채를 안 갚으면 나중에 더 힘들어진다"고 하고, 개발팀은 "기술 부채부터 해결해야 신규 기능도 빨리 나온다"고 합니다.다 맞는 말이라서 반박하기도 어려운데, 결국 자원은 한정되어 있으니 뭔가는 뒤로 밀려야 해요.이 과정을 몇 년 겪으면서 제가 나름대로 정리한 설득 방법을 공유해봅니다. 가장 먼저 바꾼 건, 우선순위 논의를 "제 생각엔"으로 시작하지 않는 것이었습니다.예전엔 회의에서 "제가 보기엔 이게 더 급한 것 같아요"라고 말하곤 했는데, 이렇게 시작하면 상대방도 "저는 아닌 것 같은데요"로 맞받아치고, 결국 누구 목소리가 더 크냐의 싸움..

5월 2주차 읽을거리

개인적으로 읽은만한 글을 주 단위로 KEEP하기 위한 페이지 입니다. 함께 공유하면 좋을 것 같아 전체 공개로 업데이트를 합니다. 데이터 기반의 사용자 모델링 프로세스 채요공고에 나오는 7가지 데이터 분석 툴 요즘 전문가에게 볼 수 있는 5가지 데이터 분석 정말 공부해야 하나 싶은 당신을 위해 데이터 시각화의 첫 발검음 IT가 알아야 할 '디지털 워크플레이스' 구축법 MZ세대 100명이 말하는 '커모스 앱'을 쓰는 이유 세련되고 직관적인 대시보드 만드는 법 비즈니스에서 데이터 사이언티스트의 역할 카카오페이 PO분과 함께한 서비스 기획 프로젝트 스터디 반복 구매를 늘리기 위한 빈틈 없는 전략 7가지 앱 구독 상품 프라이싱 101 TL;DR 요약은 요기, 알라미 구독 얘기는 아래 길게 medium.com 채..

서비스 런칭 후 지표 모니터링 체크리스트

기능을 런칭하고 나면 다들 잠깐 긴장이 풀립니다.저도 그랬어요.몇 달간 준비한 기능이 배포되고 나면, "이제 좀 쉬어도 되겠다"는 생각이 먼저 들었습니다.그런데 진짜 중요한 건 런칭 이후 첫 2주였다는 걸, 몇 번의 시행착오를 겪으며 배웠습니다.지표를 제때 안 보고 넘어갔다가, 문제를 3주 뒤에야 발견하고 그동안의 데이터를 다 날린 경험도 있었어요.그래서 이제는 런칭 후 모니터링을 위한 체크리스트를 팀 위키에 고정해두고 씁니다. 가장 먼저 보는 건 에러율과 응답 속도입니다.새 기능이 나가면 서버 부하나 예상치 못한 예외 상황이 생기기 마련이에요.저희는 런칭 당일에는 개발팀과 함께 에러 로그 대시보드를 최소 세 시간 간격으로 확인하는 걸 규칙으로 정해뒀습니다.한 번은 런칭 6시간 뒤에 특정 기기에서 결제 ..

책 정리

요즘 정리하지 못한 항목들을 정리하고 있습니다... 할 것도 많지.. 오늘은 몇 년만에 가지고 있던 책들을 정리했는데, 나름 고심해서 고른 책들이라 공유하는 것도 좋을 것 같아서 블로그에 올려 봅니다. 그런데 책들을 보니 너무 오래된 책들이 많네요. 기획/PM 도서명 저자 출판사 콘텐츠 UX 디자인 재니스 레디쉬 위키북스 THE DESIGN OF SITES 더글러스 밴 듀인 에이콘 정보 디자인 교과서 오병근, 강성중 안그라픽스 UX DESIGN COMMUNICATION 댄 브라운 위키북스 UX DESIGN COMMUNICATION 2 댄 브라운 위키북스 컨텍스트를 생각하는 디자인 캐런 홀츠블랫 인사이트 UX 디자인 프로젝트 가이드 러스 응거 위키북스 UX 디자인 프로젝트 가이드2 러스 응거 위키북스 웹사..

사용자 피드백을 백로그로 전환하는 프로세스

앱스토어 리뷰, CS 문의, 슬랙에 올라오는 영업팀의 "고객이 이런 걸 원한대요" 같은 이야기들.사용자 피드백은 사방에서 쏟아지는데, 이걸 실제로 백로그에 반영하는 과정이 없으면 결국 다 흩어지고 사라집니다.저희 팀도 예전엔 피드백을 받으면 그때그때 슬랙에서 반응만 하고, 정리해서 백로그로 만드는 절차가 없었어요.같은 요청이 세 달 뒤에 또 올라오는 걸 보고서야, 이건 프로세스로 만들어야 한다는 걸 깨달았습니다. 가장 먼저 한 일은 피드백이 들어오는 채널을 파악하고, 이걸 한 곳으로 모으는 구조를 만드는 것이었습니다.저희는 앱스토어 리뷰, CS 문의, 영업팀 슬랙 채널, 사용자 인터뷰 노트까지 네 개 채널에서 피드백이 들어오고 있었어요.채널마다 형식이 다 달라서, 이걸 노션 데이터베이스 하나로 모으는 작..

디자인 스프린트 5일 워크숍 후기

구글 벤처스의 디자인 스프린트 방법론을 책으로만 읽다가, 이번에 실제로 5일짜리 워크숍을 팀 내부에서 처음 돌려봤습니다.결과부터 말하면, 계획했던 대로 딱 맞게 진행되진 않았지만 얻은 게 훨씬 많았던 5일이었어요. 첫날은 문제를 다시 정의하는 데 거의 하루를 다 썼습니다.저희 안건은 "장바구니 이탈률을 낮추는 방법"이었는데, 막상 화이트보드에 사용자 여정 지도를 그려보니 이탈 시점이 저희가 생각했던 결제 단계가 아니라 배송비 확인 단계였다는 걸 처음 알게 됐어요.전문가 인터뷰 시간에 CS팀 리드를 초대해서 물어봤는데, "배송비가 갑자기 화면에 뜨는 순간 사용자들이 놀란다"는 말을 듣고 다들 조용해졌던 기억이 나요.이 하루를 그냥 브레인스토밍으로 시작했다면 놓쳤을 통찰이었습니다. 둘째 날은 크레이지 8이라..

에듀테크의 시장 현황

사교육업계에서 일하고 있는 입장에서 빠르게 변화되고 있는 시장 현황은 지속적으로 체크 해야될 부분이다. 특히 코로나 19로 인한 비대면 문화의 확산은 유례없는 공교육의 온라인 개학 등의 교육산업 변화를 야기하였고, 이로인해 에듀테크에 대한 관심은 더욱 더 증가하게 되었습니다. 기존 이러닝 산업에서 조금 더 발전한 에듀테크 부분이 학습관리 플랫폼을 기반으로하는 "자가학습 이러닝" 형태였다면 이제는 센서, 로봇, 게임과 같은 기술과 연계되어 제공되는 ICT 용합적인 에듀테크 시장이 만들어지고 있는 상황 입니다. 방식 교육기술 주요 내용 전통 방식 자가학습 이러닝 (Self-paced eLearning) 규격화된 콘텐츠, 설치용 학습 관리 플랫폼·서비스 등을 바탕으로 하는 교육용 프로그램 ICT 융합 방식 인..

5월 1주차 읽을거리

개인적으로 읽은만한 글을 주 단위로 KEEP하기 위한 페이지 입니다. 함께 공유하면 좋을 것 같아 전체 공개로 업데이트를 합니다. 데이터 기반의 사용자 모델링 프로세스 데이터를 비즈니스적 가치로 전환하려면 머린러닝 지원 데이터베이스 8종 성공적인 머신러닝 프로젝트를 위한 17가지 핵심 질문 챗봇이 진화한다 커먼스BN 큐레이션 - 풀필먼트 연합군 '노동인력 전환' 지원 시스템 구축 프로젝트 관리에 관한 그릇된 통념 12가지 쉬운 단어를 썻더니 고개이 사라졌어요 Airbnb의 이벤트 로그 처리 구글 애널리틱스 마케터라면 꼭 알아야할 7가지 Data Driven User Modeling - 데이터 기반의 사용자 모델링 프로세스 pxd에서 사용자를 이해하는 방법으로 데이터 활용에 관심을 갖기 시작한 것은 201..

챗봇 NLU 엔진 선택 기준 (오픈소스 vs 상용)

챗봇 프로젝트에서 가장 먼저, 그리고 가장 오래 고민하게 되는 결정이 NLU(자연어 이해) 엔진을 뭘로 쓸지입니다.저희도 이 결정을 내리기까지 두 달 가까이 걸렸어요.오픈소스 엔진과 상용 서비스를 각각 파일럿으로 붙여보면서 비교했는데, 이 과정에서 정리한 선택 기준을 공유해봅니다. 처음엔 단순하게 "어떤 엔진이 의도(intent) 분류를 더 정확히 하는가"만 비교하려고 했습니다.그런데 막상 테스트를 해보니, 정확도는 학습 데이터의 양과 질에 크게 좌우되어서 엔진 자체의 우열보다 저희가 얼마나 좋은 학습 데이터를 준비했는지가 더 중요한 변수였어요.오픈소스 엔진에 저희가 직접 정성껏 라벨링한 데이터 800건을 넣었을 때가, 상용 엔진에 대충 만든 데이터 300건을 넣었을 때보다 정확도가 더 높게 나왔습니다...

PM의 문제 정의 능력, 어떻게 기르나

PM 3년 차쯤 되니까 "이 사람은 문제를 잘 정의하네"라는 평가를 듣는 동료와, 그렇지 않은 동료가 확실히 나뉜다는 걸 느꼈습니다.둘 다 회의도 열심히 하고, 문서도 열심히 씁니다.그런데 결과물의 질이 달라요.저는 한동안 후자에 속했던 사람이라, 이 차이가 어디서 오는지 꽤 오래 고민했습니다.그 고민을 정리해보려 합니다. 입사 초반에 저는 "이탈률이 높다"는 걸 문제라고 정의하고 프로젝트를 시작한 적이 있습니다.디자이너와 개발자를 모아서 온보딩 화면 UI를 통째로 뜯어고쳤어요.두 달을 갈아 넣었는데 이탈률은 거의 그대로였습니다.나중에 데이터를 다시 파보니, 이탈이 몰리는 지점은 온보딩 화면이 아니라 결제 수단 등록 화면이었어요."이탈률이 높다"는 증상이었고, 진짜 문제는 결제 수단 등록 단계에서 인증 ..

원격 협업 시대의 온보딩 문서 만들기

작년부터 재택근무가 길어지면서, 신규 입사자 온보딩이 예전과는 완전히 다른 문제가 되었습니다.예전엔 옆자리 선배가 궁금한 거 있으면 바로 물어보고, 회의실에서 화이트보드에 구조도 그려주면서 설명해줬는데, 지금은 그게 불가능해요.저희 팀에 신규 입사자가 들어왔을 때, 첫 2주 동안 슬랙 DM으로만 30개 넘는 질문을 받았던 게 이 글을 쓰게 된 계기였습니다.이건 온보딩 문서가 없어서가 아니라, 있는 문서가 원격 환경에 맞지 않게 짜여 있어서 생긴 문제였어요. 사무실 근무 시절에는 온보딩 문서가 좀 부실해도 사람이 그 틈을 메워줬습니다.누군가 물어보면 바로 답해주고, 어깨너머로 보고 배우는 것도 많았어요.그런데 원격 환경에서는 이 즉시성이 사라집니다.질문을 슬랙에 남기고 답을 기다리는 동안 신규 입사자는 그..