성공 사례: 생성형 AI를 위한 헬프 센터 준비하기

생성형 AI는 고객 지원 산업에 변화의 물결을 일으키고 있습니다. 판도를 완전히 바꾸는 이 기술을 최대한 활용할 수 있도록 고객 서비스 헬프 센터를 성공적으로 구축하는 방법은 다음과 같습니다.

이 문서에서는 다음과 같은 주제를 다룹니다.

고객 서비스 환경에서의 생성형 AI
지식 소스가 생성형 AI 기반 AI 상담사에게 투입될 때 일어나는 일
사내 AI 연구자의 헬프 센터 구성 팁
생성형 AI를 위한 헬프 센터 아키텍처 성공 사례
최적의 명확성을 위해 문서 서식 지정하기

고객 서비스 환경에서의 생성형 AI

대형 언어 모델(LLM)과 생성형 AI가 돌풍을 일으켰습니다. 이러한 기술이 제공하는 자연스러운 대화식 경험은 확실히 상호작용의 수준을 한 단계 끌어올렸습니다. 마치 사람과 하는 것 같은 AI 기반 상호작용을 경험한 고객은 이제 고객 지원 환경에서도 동일한 것을 기대합니다.

고객 지원에서 생성형 AI의 가장 혁신적인 사용 사례 중 하나는 헬프 센터와 같은 지식 소스에서 즉시 정보를 가져오는 것입니다. 이 기술을 헬프 센터에 접목하면 몇 분 안에 실제 사람과 대화하는 것처럼 더 정확한 지원 대화를 나눌 수 있습니다. LLM을 헬프 센터나 FAQ 페이지에 연결하면 별도의 교육 없이도 고객에게 최신 지원 정보를 즉시 제공할 수 있습니다.

하지만 생성형 AI 상담사로부터 최대한의 가치를 얻으려면 LLM이 액세스할 수 있는 데이터를 가능한 한 간결하고 일관되게 제시하는 것이 필수적입니다. 고객 서비스 헬프 센터가 생성형 AI를 준비할 수 있도록 돕기 위해 따라야 할 몇 가지 성공사례가 있습니다.

생성형 AI에 지식 소스를 투입할 때 실제로 어떤 일이 일어나는지부터 시작하여 전체적인 헬프 센터 아키텍처 성공 사례를 살펴본 다음 더 자세한 서식 지정 팁을 심도 있게 알아보겠습니다.

지식 소스가 생성형 AI 상담사에게 투입될 때 일어나는 일

생성형 AI 기반 AI 상담사에게 지식 소스를 투입할 때 지식 소스의 텍스트가 지능적으로 텍스트의 “청크”로 분해됩니다. 이것은 검색 증강 생성(RAG)이라는 프레임워크의 첫 번째 단계입니다. RAG를 사용하면 LLM이 신중하게 작성된 헬프 센터 문서와 같은 원래 학습 데이터 이외의 정보에 액세스할 수 있습니다.

이러한 청크는 시멘틱 의미에 따라 구성된 데이터베이스에 저장됩니다. 사용자 메시지를 AI 상담사에게 보내면 해당 메시지의 의미를 데이터베이스에 있는 청크의 의미와 비교하여 가장 일치하는 내용을 표시합니다. 그런 다음에는 안내, 페르소나 및 어조, 안전 가이드라인에 따라 AI 상담사가 그 정보를 사용하여 사용자의 메시지에 답변합니다.

다음은 생성형 AI가 헬프 센터를 사용하여 고객 질문에 자세히 답변하는 방법입니다.

분해하기: 처음에는 헬프 센터를 가져와서 "청크"라는 단위로 세분화합니다. 이러한 청크는 크기가 다양하며 콘텐츠의 길이와 본질적인 의미 둘 다를 캡처하도록 맞춤 조정됩니다.
번호를 통해 이해하기: 그런 다음 각 청크는 청크의 시멘틱 의미를 나타내는 벡터인 고유한 숫자 서명을 받습니다. 기본적으로 텍스트를 AI 상담사가 이해하고 효율적으로 벡터 데이터베이스에 저장할 수 있는 수학적 언어로 변환하는 것입니다.
일치 항목 찾기: 사용자가 AI 상담사에게 질문을 하면 시스템은 질문의 시멘틱 의미를 저장된 벡터와 비교하여 가장 일치하는 항목을 찾습니다. 이 프로세스는 가장 관련성 높은 청크를 검색하여 정확하고 정보에 입각한 답변을 제공하도록 보장합니다.
답변하기: 마지막으로, AI 상담사는 검색된 정보를 사용하여 안내, 페르소나 및 어조, 안전 가이드라인에 따라 사용자의 쿼리에 답변합니다.

청크가 AI 상담사 답변의 기초가 된다는 핵심 요점을 이해하면 생성형 AI 상담사에 통합될 때 헬프 센터의 호환성과 효율성을 더욱 높일 수 있습니다.

LLM과 RAG가 오늘날의 기술 발전을 선도하며 혁신적 기능으로 주목을 받고 있지만, 아직 인공 일반 지능(즉, 인간이 할 수 있는 모든 일을 수행할 수 있는 AI)은 없습니다. 따라서 생성형 AI를 워크플로우에 통합할 때는 백그라운드에서 찾아보거나 연구를 수행하는 대신 연결된 지식 소스에서 만든 텍스트 청크에서 인사이트를 얻는다는 점을 기억하세요.

사내 AI 연구자의 헬프 센터 구성 팁

일반적인 성공 사례를 살펴보기에 앞서 저희 AI 연구자들이 헬프 센터를 준비하기 위해 제시한 두 가지 주요 팁을 소개합니다.

각 문서가 고객 질문에 직접 답변하도록 하세요. 이렇게 하면 LLM의 수행 능력이 더욱 향상될 뿐만 아니라, 사용자가 헬프 센터에서 답변을 검색할 때도 훨씬 수월합니다.
질문과 주제가 솔루션에 부합되게 하세요. 질문(예: "XYZ하려면 어떻게 하나요?") 또는 주제(예: "XYZ를 수행하는 단계")가 제목에만 표시되는 경우, 청킹 과정에서 항상 해당 답변이나 안내에 첨부되지 않을 수 있습니다. 따라서 컨텍스트를 명확하게 유지하려면 문서 본문의 단계나 정보 근처에서 질문이나 주요 문장을 반복하는 것이 좋습니다. 이로써 문서의 각 청크가 포괄적이고 그 자체로 유용하게 유지될 수 있습니다.

이런 방식은 청크 내에서 질문을 답변과 연결할 뿐만 아니라 검색 시스템이 완전하고 문맥상 정확한 응답을 제시할 가능성을 높입니다.

생성형 AI를 위한 헬프 센터 아키텍처 성공 사례

생성형 AI 기반 AI 상담사를 사용하면서 최상의 성능을 발휘하려면 헬프 센터의 아키텍처를 개선하는 것이 중요합니다. 다음은 시작하기 위한 간단한 가이드라인입니다.

중복성 제거: 콘텐츠를 선별하고 중복되거나 충돌되는 모든 정보를 제거합니다. AI 상담사의 정확성은 AI 상담사가 받는 데이터의 품질에 달려 있다는 사실을 잊지 마세요. 항상 최신의 관련 콘텐츠를 우선시하세요.
깊이 및 초점: 문서를 초집중적으로 구성하세요. 각 지원 주제는 헬프 센터에서 철저히 다루어져야 합니다. 사람과 달리 생성형 AI 상담사는 외부 웹 페이지를 찾아보거나 링크를 따라 추가 컨텍스트를 수집할 수 없습니다. 따라서 필요한 모든 정보가 자체적으로 포함되어 있어야 합니다.
콘텐츠에 레이블 지정: 헬프 센터 콘텐츠에 레이블을 구현합니다. 검색 규칙을 사용하여 지리적 위치와 같은 사용자 속성을 기반으로 콘텐츠 가시성을 조정하고자 할 때 특히 유용합니다.
텍스트 선택: 모든 문서의 텍스트 전용 버전이 있도록 하세요. 생성형 AI는 텍스트를 해석하여 그 의미를 데이터베이스에 저장하기 때문에 이미지, 동영상, 도표 등 헬프 센터에 있는 텍스트가 아닌 모든 것은 읽히거나 데이터베이스에 저장되지 않습니다.

최적의 명확성을 위해 문서 서식 지정하기

체계적인 구조는 콘텐츠의 접근성과 유용성을 크게 향상시킬 수 있습니다. 각 청크는 의미에 따라 저장되고 검색되므로 의미가 명확할수록 좋습니다.

명확한 계층 구조 사용: 제목과 하위 제목을 효과적으로 사용하고 작업 중심 단계로 콘텐츠를 체계적으로 구성하세요. 위의 팁처럼 주제나 질문을 답변과 분리하지 마세요.
중첩 안내 피하기: 한 문제에 대해 여러 솔루션이 존재하는 경우에는 더 광범위한 단계 내의 하위 단계가 아닌 별도의 안내로 제시하세요. 이러한 명확성은 사용자와 LLM 둘 다 신속하게 솔루션을 찾는 데 도움이 됩니다.
서론 포함: 각 문서는 관련성과 해결하고자 하는 문제를 간략하게 설명하는 서론으로 시작해야 합니다. 이는 현재 실제 사용자에게 유익하며, LLM의 문맥상 이해가 발전함에 따라 점점 더 중요해질 것입니다.
단순하게 유지: 특정 질문에 직접 답변하거나 주제를 간결하게 설명하는 데 중점을 두고 단락을 짧게 유지하세요. 마찬가지로, 문장은 직접적이고 요점을 잘 잡아야 합니다. 이는 또한 더 나은 번역에 도움이 됩니다.
목록 체계화: 글머리 기호를 사용하여 사실이나 팁을 나열하고, 프로세스를 자세히 설명할 때에는 단계에 번호를 매기세요. 텍스트 기반 테이블(이미지가 아닌 실제 텍스트)은 생성형 AI 상담사가 읽을 수 있지만, 일반적으로 LLM이 일반 문장에 표시된 정보보다 이해하고 의미를 부여하기가 더 어렵습니다. 따라서 가능한 모든 곳에서 자연어를 사용하는 것이 더 좋습니다.
용어의 명확화: 용어를 처음 소개할 때에는 항상 전체적으로 설명하고 괄호 안에 약어를 추가하세요. 이렇게 하면 모든 사용자가 명확하게 이해할 수 있습니다.
대상 파악: 헬프 센터 또는 그 일부가 고객 대면 리소스가 아닌 자체 상담사용으로 만들어진 경우, AI 상담사가 고객에게 전달할 수 있는 적절한 방식으로 정보를 다시 작성해야 하는지 고려해 보세요.

새로운 기술을 구현하는 것과 마찬가지로, 약간의 준비는 큰 도움이 됩니다. 따라서 생성형 AI 솔루션을 연결하기 전에 고객 서비스 헬프 센터를 준비하세요. 그러면 더 빠른 가치 창출 시간과 더 정확한 자동화된 지원이라는 보상을 받게 될 것입니다.

마지막으로, 생성형 AI 상담사는 모든 지원 문제를 해결할 수 있는 만능 해결사가 아니라는 사실을 명심하세요. 대신 이 기술은 생성형 AI, 상황 기반 자동화, 그리고 (물론) 실제 상담사가 모두 각자의 강점을 발휘하고 협력하여 고객에게 최고의 경험을 제공하는 광범위하고 훌륭히 계획된 CX 전략의 일부로 사용되어야 합니다.