굿모닝작전
유베이스, STT와 LLM 기반 AI로 상담 내용 실시간 자동 분석…상담사는 고객 응대에 집중
보험 상담사 C씨는 의료보험 가입을 원하는 고객의 전화를 받았다. 고객은 가족 구성원의 연령과 병력을 설명하며 적합한 상품을 추천해달라고 요청했다. 조건이 복잡해지자 C씨는 중요한 정보를 놓치지 않기 위해 대화와 동시에 메모를 하느라 진땀을 흘렸다.
마침내 고객에게 적합한 상품을 안내했지만, 상담이 끝난 뒤에도 일이 남아 있었다. 고객 요청 사항을 정리하고 상담 내용을 시스템에 입력해야 했기 때문이다. 응대 시간만큼이나 후처리에 시간이 들다 보니 다음 상담을 준비할 여유가 없었고, 대기 콜 수를 볼 때마다 마음이 조급해졌다. C씨는 고객과의 대화에 집중할 수 있는 환경이 마련되길 바랐다.
상담이 끝났다고 해서 상담사의 업무가 종료되는 것은 아니다. 상담사는 직접 고객과의 대화 내용을 요약하고, 요청 사항을 정리한 후 시스템에 입력하는 후처리 작업을 수행해야 한다. 그러나 해당 과정은 많은 시간이 소요되며, 상담사의 업무 부담을 가중시키는 요인이 된다. 또한, 동일한 상담 내용이라도 상담사마다 기록 방식이 달라 일관성이 부족했다. 그 결과, 상담 데이터가 체계적으로 정리되지 않아 상담 기록을 효율적으로 활용하는 데 어려움이 있었다.
상담 후, AI가 자동으로 상담 내용 요약 및 분류까지 수행…평균 상담처리 시간 단축 효과
이러한 문제를 해결하기 위해 유베이스는 STT(Speech-to-Text) 기술과 대규모 언어 모델(LLM) 기반의 분석 시스템을 활용한 AI 자동화 후처리 프로세스를 도입했다. 상담이 진행되는 동안에는 STT 기술이 실시간으로 고객과 상담사의 음성을 텍스트로 변환해 상담 화면에 출력하고, LLM 기반 AI가 이 텍스트를 분석하여 고객의 요구 사항, 상담 주제 등 중요한 정보를 식별한다.
특히 고객의 설명이 길어지거나 복잡한 경우에도, LLM 기반 AI가 고객의 질문 내용을 실시간으로 요약해 상담 화면에 표시함으로써 상담사가 핵심 의도를 놓치지 않고 빠르게 파악할 수 있도록 돕는다. 이로써 상담사는 대화 흐름을 놓치지 않으면서도 보다 효과적인 응대를 이어갈 수 있다.
상담이 종료되면, LLM 기반의 AI 분석 시스템은 전체 대화 내용을 자동으로 요약하고, 이를 기반으로 상담 유형을 자동으로 분류한다. 기존에는 상담사가 수작업으로 수행하던 이 작업이 자동화되면서, 유베이스 내부 데이터 기준 평균 상담처리 시간은 약 45초 단축, 일일 유효 콜 처리 수는 10% 증가하는 성과를 얻었다.
CRM과 연계되는 상담 데이터, 맞춤형 서비스까지 가능해진다
LLM 기반 AI는 단순 분석을 넘어서, 축적되는 상담 데이터를 지속적으로 학습하며 스스로 개선되는 구조를 갖고 있다. 유베이스는 상담 데이터를 분류, 정제, 가공하여 LLM이 학습하기 좋은 형태로 구성한 후, 이를 통해 AI 모델을 학습시킨다. 이렇게 학습된 모델은 새로운 상담 데이터를 분석하고, 예측 결과의 정확도를 테스트한 뒤 오류를 보완하는 반복적인 개선 과정을 통해 점점 더 정밀한 분석 능력을 갖추게 된다.
이러한 기술적 기반을 통해, 상담 데이터는 기업의 CRM 시스템과 연계되어 고객 맞춤형 서비스 제공, 이탈 방지 전략 수립, 사전 대응형 상담 지원 등 다양한 고도화된 서비스로 확장될 수 있다. 또한, LLM이 일관된 기준으로 상담 내용을 분석하고 분류하기 때문에 상담사마다 기록 방식이 달라 생기던 데이터 일관성 문제도 자연스럽게 해결된다.
더 나아가, 상담 데이터는 기업의 마케팅 및 영업 전략 수립에도 활용될 수 있어 고객의 행동과 관심사에 기반한 정밀 타겟팅 및 맞춤형 프로모션 운영으로 이어질 수 있다. 이는 실질적인 전환율 상승과 고객 충성도 제고로 이어질 수 있다.
유베이스의 AI 기반 후처리 자동화 시스템은 고도화된 STT 및 LLM 기술을 기반으로 높은 수준의 정확도와 일관성을 유지하고 있으며, 지속적인 학습을 통해 각 기업에 최적화된 맞춤형 분석 모델로 진화하고 있다. 상담사는 고객 응대에 더욱 집중할 수 있고, 기업은 AI 기반 분석 데이터를 통해 전략적 의사결정을 강화할 수 있을 것으로 기대된다.
한경닷컴 뉴스룸 open@hankyung.com
관련뉴스
