챗봇 대 대화형 AI

오늘날의 고객 서비스 세계에서 인공 지능은 중요한 역할을 합니다. 그 결과 챗봇, 대화형 AI, 머신 러닝과 같은 신기술이 지속적으로 등장하고 있습니다. 그러나 이 모든 용어가 의미하는 바를 이해하는 사람은 소수에 불과합니다.

특히 인공 지능 및 고객 서비스의 맥락에서 점점 더 상호 교환적으로 사용되는 챗봇 및 대화형 AI와 같은 문구가 있습니다. 그러나 두 이름에는 중요한 차이점이 있습니다. 이 게시물에서는 그들에 대해 자세히 알아볼 것입니다.

챗봇의 탄생

1966년 MIT 컴퓨터 과학자 Joseph Weizenbaum은 스크립트를 사용하여 심리 치료사의 대화를 복제할 수 있는 제한된 미리 결정된 흐름을 기반으로 하는 챗봇인 Eliza 모양의 챗봇을 세상에 소개했습니다. Eliza는 패턴 일치 및 대체 기술을 사용하여 "대화"를 수행했습니다. 이는 사용자에게 소프트웨어가 자신을 이해하지만 이벤트를 맥락화하기 위한 기본 제공 프레임워크가 없다는 인상을 줍니다.

그러나 이 크리스마스 이야기의 아이러니는 바이젠바움이 엘리자를 인간-기계 통신의 ​​피상성을 강조하기 위해 디자인했고 그 과정에서 사피엔스를 인간으로 착각하도록 속일 수 있는 챗봇을 만들었다는 것이다. Eliza는 기계 지능에 대한 제한된 Turing 테스트를 통과하여 결국 그녀의 성취를 확인할 것입니다.

8년 후, 스탠포드 인공 지능 연구소에서 대화 공학의 다음 중요한 이정표가 달성될 것입니다. 따라서 개발자 Kenneth Mark Colby는 이전의 심리 치료사 교육을 사용하여 편집증 환자의 추론을 모방한 자연어 소프트웨어인 "PARRY"를 만들었습니다. PARRY는 Turing 테스트를 완전히 통과하여 기대치를 능가했습니다. ‍

Colby는 Joseph Weizenbaum의 Eliza 이후 10년 이내에 이러한 놀라운 결과를 달성하기 위해 음성 입력에 할당된 다양한 가중치에 의해 유발된 가정, 귀인 및 "감정적 반응"의 복잡한 시스템을 고안했습니다. 이 인공 지능이 대화를 할 수 있습니까?

아니요. PARRY는 봇의 "감정"을 에뮬레이트하는 보다 제어 가능한 구조와 멘탈 모델을 가지고 있었지만 여전히 규칙 기반이었습니다. 즉, X(조건), Y(활동) 공식이 엄격한(복잡하긴 하지만) 따랐습니다.

목록에 규칙 기반을 추가합니다. 제한된 사전 결정된 대화 흐름 및 규칙 기반 개념을 기억하도록 상기시켰습니다. 이제 진행해 보겠습니다.

ALICE는 이 분야(Artificial Linguistic Internet Computer Entity)에서 다음으로 큰 이름이었습니다. 다시 말해서 ALICE는 1995년 Richard Wallace에 의해 만들어졌으며 봇이 언어를 단순화하기 위해 패턴 일치자를 재귀적으로 호출할 수 있도록 하는 태그를 포함하는 XML 버전인 AIML(인공 지능 마크업 언어)을 사용했습니다. 그러나 2000년, 2001년, 2004년에 ALICE는 가장 인간과 유사한 시스템에 주어지는 영예인 Loebner Prize를 세 번 수상했습니다.

ALICE는 모든 면에서 탁월했지만 대화형 AI 챗봇이라고 할 수 있을까요? 이 경우 대답은 다시 한 번 아니오입니다. 따라서 ALICE는 입력 패턴을 출력 템플릿과 일치시키기 위해 많은 수의 "카테고리" 또는 규칙을 사용했습니다. 그러나 ALICE는 풍부한 기본 규칙으로 형태론적, 구문론적, 의미론적 NLP 모듈의 부족을 보완합니다. Wallace는 복잡함보다 크기를 선택했습니다.

ALICE는 평신도 용어로 대화형 AI의 모든 것을 가지고 있었지만 본질적으로 단순히 꽤 거대한 챗봇이었습니다.

봇이란 정확히 무엇입니까?

봇은 Merriam-Webster Dictionary에서 "사람의 활동을 복제하기 위한 컴퓨터 프로그램 또는 캐릭터(게임에서와 같이)"로 정의됩니다. 로봇(Robot)이라는 단어에서 이름을 따온 Abbot은 특정 인간의 특성을 모방할 수 있는 비인간 기계입니다.

챗봇이 정확히 무엇인가요?

종종 가상 비서로 알려진 챗봇은 음성이나 텍스트를 통해 인간의 언어를 해석하고 응답할 수 있는 로봇 유형입니다. 결과적으로 "채팅"이 "봇"보다 먼저 옵니다. 모든 봇이 챗봇(예: RPA 봇, 맬웨어 봇 등)이 아니기 때문에 이는 중요한 차이점입니다. 챗봇은 사전 정의된 질문에 반응하도록 설계된 매우 간단한 Q&A 봇일 수 있습니다. 챗봇의 핵심은 자연어 처리(NLP) 기술로, 이를 통해 사용자 요청을 이해하고 적절하게 응답할 수 있습니다(훈련된 경우).

대화형 인공지능(AI)이란?

먼저 대화형 AI가 무엇인지 정의해 보겠습니다. 미리 정해진 대화 흐름을 따르는 챗봇과 달리 대화형 AI는 대화를 기반으로 합니다. 대화형 AI는 챗봇과 달리 자연어 처리, 자연어 이해, 기계 학습, 딥 러닝 및 예측 분석을 사용하여 보다 동적이고 덜 제한된 사용자 경험을 제공합니다.

따라서 ASR(자동 음성 인식기), SLU(구어 이해) 모듈, DM(대화 관리자), NLG(자연어 생성기) 및 TTS(텍스트 음성 변환) 합성기가 모두 전형적인 대화형 AI 아키텍처 그러나 ASR은 원시 오디오 및 텍스트 데이터를 수신하고 이를 단어 가설로 변환하여 SLU로 보냅니다. SLU의 목적은 특정 단어 시퀀스(발화)의 기본 의미를 포착하는 것입니다. 사용자 발화의 의미 슬롯을 구문 분석하고 대화 영역과 목적을 결정합니다.

DM의 목적은 사람들과 의사 소통하고 목표를 달성하도록 돕는 것입니다. 또한 의미 표현이 완전한지 확인한 후 시스템의 동작을 결정합니다. 지식 데이터베이스를 사용하여 사용자가 찾고 있는 정보를 찾습니다. 그러나 대화 에이전트는 대화 상태 추적 및 정책 선택을 포함하는 DM의 도움으로 보다 강력한 판단을 내릴 수 있습니다.

챗봇과 대화형 AI의 차이점

대화형 AI와 챗봇: 다음은?

초기 챗봇 구현은 주로 NLP 엔진이 처리할 수 있는 간단한 질문과 답변 시나리오에 중점을 두었습니다. 또한 많은 고객들이 이를 디지털 채널을 통해 자주 묻는 질문에 대한 답변을 얻을 수 있는 편리한 방법으로 여겼습니다.

반면에 이러한 기본적인 챗봇은 보다 정교한 작업을 수행하지 못하고, 특히 클라이언트 문의가 예상 경로를 따르지 않을 때 요청을 계속 처리하기 위해 종종 인간 에이전트에게 전달했습니다. 챗봇은 기술 도입 물결의 초기 단계에 남아 있던 실패로 인해 좋지 않은 이미지를 얻었습니다.

우수한 옵션은 무엇입니까?

최근 몇 년 동안 챗봇과 대화형 AI 간의 문제가 다시 대두되었습니다. 봇과 대화형 AI 모두 장단점이 있지만 어느 쪽이 더 나은 선택일까요?

대화형 AI는 기업이 고객 서비스 향상을 모색함에 따라 최근 몇 년 동안 인기를 얻었습니다. 더 기능적인 챗봇과 달리 대화형 AI는 사람에게 더 자연스럽게 느껴지는 방식으로 질문에 응답할 수 있습니다.

대화형 AI가 둘 중 더 지능적이지만 챗봇은 나름의 이점을 제공합니다. 예를 들어, 소비자가 무엇이든 구매하기를 원하는 경우 대화형 AI는 고객을 결제 페이지로 안내하고 그곳에서 거래를 완료하도록 할 수 있습니다. 이러한 이점은 챗봇과 대화형 AI 간의 현재 논쟁을 촉발시킨 것입니다.

반면에 대화형 AI는 고객의 요구를 더 잘 예측하는 반면 챗봇은 보다 기능적인 솔루션을 제공하는 데 더 좋습니다.

대화형 AI는 어떤 문제에 직면합니까?

AI로 구동되는 챗봇은 향상된 사용자 경험, 브랜드 충성도 증가, 수익 증가 등 다양한 이점을 제공합니다. 그러나 사람과 같은 수준의 경험을 가진 AI 챗봇 서비스를 배포하는 것은 어려운 과제입니다. 이를 달성하려면 정기적인 교육과 업데이트가 필요합니다.

따라서 대화형 AI 시스템을 개발하고 구현하는 데 가장 어려운 측면은 사람들이 이를 활용하도록 설득하는 것입니다. 이러한 서비스를 사용할 수 있고 사용할 의사가 있는 개인이 사용해야 합니다. 개인이 원하더라도 항상 새로운 기술을 채택할 준비가 되어 있지는 않습니다.

그렇기 때문에 기술보다는 소비자에 중점을 두는 것이 중요합니다. 사람들은 문제를 해결하기 위해 이러한 서비스를 사용하며 아직 대화형 AI 경험을 할 준비가 되지 않았을 수 있음을 항상 기억하십시오.

가장 중요한 문제 중 하나는 챗봇이 오직 한 가지, 즉 대화에만 효과적이라는 것입니다.

1. 그들은 지적이지 않고 감정이 없습니다.
2. 특정 용어에 응답하도록 미리 프로그래밍되어 있습니다. 챗봇은 종종 간단한 질문을 하고 간단한 응답을 받는 데 사용됩니다. 그러나 소비자가 단순히 쿼리에 대한 응답보다 더 많은 정보를 원하는 상황이 있습니다.
3. 그들은 누군가가 주제에 대해 어떻게 느끼는지 또는 그것에 대한 생각이 무엇인지 알고 싶어합니다.
4. 그들은 봇이 그들과 대화를 나눌 수 있는지 알고 싶어합니다.
5. 대화형 봇을 구축하는 것은 생각할 수 있지만 많은 시간과 노력이 필요합니다. 시중에 대화형 봇이 있지만 대부분은 그다지 좋지 않습니다. 그들은 어떤 징후를 인식하지 못하거나 특정 용어의 의미를 이해하지 못합니다.

최종 사용자에 대한 공감을 얻고, 기존 기술의 한계를 알고, 깨끗하고 직관적인 구조를 사용하는 것은 모두 이러한 장애물을 극복하는 일부입니다. 대화형 AI를 구축할 때 대상 사용자와 그들의 행동을 이해하는 것이 중요합니다.

더 읽어보기: 챗봇이 서비스 부문을 변화시키는 5가지 방법

또한 첫 번째 단계는 최종 사용자가 누구이며 그들의 요구 사항이 무엇인지 확인하는 것입니다. 페르소나를 만들어 이를 수행할 수 있습니다. 그러나 페르소나는 일반적인 최종 사용자에 대한 전체 설명입니다. 각 사용자의 목표, 행동 및 동기를 설명합니다. 결론적으로 팀 구성원은 페르소나를 사용하여 디자인, 개발 및 테스트에 사용할 인간과 유사한 캐릭터를 구축할 수 있습니다.