고객문의 분석 및 답변 생성 자동화: AI 고객센터

챗봇 형태의 고객센터를 구축하여 자주 묻는 질문과 답변(FAQ), 옵션형/채팅형 문의를 효율적으로 처리하는 시스템입니다.

제작 배경

대규모 쇼핑몰을 운영하는 클라이언트께서는 매일 최소 7명 이상의 고객 상담원이 다양한 고객문의를 직접 응대하고 계신 상황에서, 문의량이 많은 날이나 복잡한 내용으로 상담시간이 길어질 경우, 고객들의 상담관련 만족도가 매우 떨어지는 상황이었습니다
FAQ (자주 묻는 질문과 답변), 문의 게시판 등을 활용하였으나 사용자들은 채팅 상담을 선호하는 경향을 보였습니다. 그런데, 기존의 제공중인 카카오톡 채널 기반의 선택지(옵션 선택형) 기반의 고객 센터는 고객들이 만족도가 상대적으로 낮았습니다
클라이언트님께서는 쇼핑몰의 지속적인 확장을 진행하시는 상황이셨고, 이에 고객들의 문의는 더 늘어날 것이었기에, 이를 효과적으로 해결하기 위한 방안이 꼭 필요하셨습니다
일시적으로 늘어나는 고객 문의를 대비하여 고객 상담 인력을 추가로 채용하시는 것이 부담스러우신 상황이셨으며, 기존의 상담 인력도 다른 업무에 활용할 수 있다면 더 효과적일 것이라 판단하고 계신 상황이었습니다

지난 고객 문의 내용 분석 및 주요 시나리오 확인
- 자주 묻는 질문과 답 (FAQ), 채팅이 필요한/필요하지 않은 질문 상황 구분
- 새로이 추가되어야 하는 응대 상황들을 정리하여 분류함
사용자 Interface 설계 (디자인 포함)
- AI 기반 챗봇 프로젝트에 또 하나의 핵심은, "정해진 채팅 공간 안에서 효율적으로 Input/Output을 주고 받는 것"이므로 이를 위한 시나리오 분석 및 디자인 작업 수행
백엔드 시스템 설계 및 개발
- 어떤 생성형 AI 솔루션을 사용할지, 언제/어떻게 API를 호출하여 사용할지
- 쇼핑몰의 회원정보/상품정보 등의 Database와 어떻게 연결할지 등에 대한 종합적인 설계 및 구현
질문-응답 데이터베이스 구축
- 앞서 분류한 FAQ, 옵션형/채팅형 문의 등에 대한 질문-응답 DB를 구축
- 향후 비용 효율적으로 서비스를 운영할 수 있을지 파악하고 실행
실제 상담사와 AI 챗봇의 협업 시나리오 설계 및 구현
- AI 챗봇을 사용하더라도, 특정 예외 상황에서는 실제 상담사가 개입하는 것이 필요
- AI 챗봇 답변의 초반 품질 관리 등을 위하여 실제 상담사가 AI 챗봇과 협업할 수 있어야 하므로 이를 위한 기능 구현
지속적 학습을 통한 업데이트
- 응답의 최적화를 위하여 지속적으로 Prompt Engineering, Fine Tuning 등을 수행

상담사의 업무시간 (월~~금, 10~~17시)에만 가능했던 고객들의 문의 내용 처리를, 요일/시간에 관계없이 제공할 수 있어 사용자들의 만족도가 매우 높아졌습니다
"주문 관련 문의", "배송 정책 안내", "결제 방법" 등 몇가지 주어진 옵션들만 선택하는 경우, 고객들이 상담을 통하여 원하는 답을 찾을 확률이 매우 낮았습니다만, 챗봇 형태의 고객센터를 구축하여 80~90% 가량의 "1차" 응답 완료율을 기록하였습니다
- (10~20%의 문의는 상담사가 직접 해결하면서 고객센터 챗봇의 역량을 더욱 강화시켰습니다)
기존 고객센터 상담을 위하여 투입되던 Human Resource 대비 20~30%의 인력만으로 더 많은 문의를 처리할 수 있었습니다
상용화 후 지속적으로 Vector DB (RAG)를 업데이트 하여 응답률을 높였습니다

Step 1: 서비스 요구사항 정립
- 고객센터 관련 상세 요구사항 정립 (AI 응답 관련 및 상담사 협업 기능 포함)
- 판매정책, 배송정책, FAQ 등 자료 수집
- 기존 문의/답변 내역 정리 및 데이터 정제
Step 2: 사용자 시나리오 확정
- 챗봇 상담사의 응답 시나리오(flow) 확정
- Prompt Engineering 관련 기본 설계
- 챗봇 응답에 대한 피드백 확인 및 사람 상담사 협업 방안 확정
Step 3: User Interface 및 Web UX 디자인
- 서비스 요구사항, 사용자 시나리오 검토 및 조정
- 시나리오를 소화할 수 있는 User Interface 결정
- Web Application 기능 디자인
Step 4: 아키텍쳐 설계, AI 솔루션 연결
- 백엔드 시스템, Database 구성 관련 설계
- VectorDB(Weaviate) 활용 RAG 시스템 구축
- OpenAI, Gemini 등 LLM 연동
Step 5: 전체 기능 개발 및 상용화
- Front-End 개발 진행
- Back-End 개발 진행
- 상용화를 통한 사용자 피드백 수집
Step 6: 지속적인 튜닝 (AI)
- 응답률을 높이기 위한 Prompt Engineering
- 사용자 피드백 분석을 통한 업데이트 진행

업력 10년 이상의 법인 개발 회사
데이터/알고리즘 관련 전문 인력 보유 (서울대학교 전기컴퓨터공학부 학/석사 졸업)
실제 120만 다운로드 이상을 달성한 "대화형 챗봇" 서비스를 기획/설계/개발/상용화 한 경험이 풍부합니다
Google에서 1년에 한번 선정하는 Google Play Best Award를 수상할 만큼, 사용자를 분석하고 및 사용성이 뛰어난 UX/UI를 구성하는 능력을 보유하고 있습니다
생성형 AI 솔루션을 활용한 자동화/컨텐츠 생성 등 다양한 프로젝트 경험이 풍부합니다