업계 전반의 고객 서비스 부서는 통화량 증가, 고객 서비스 담당자 이직률 증가, 인재 부족, 고객 기대치의 변화 등에 직면해 있습니다.
고객은 셀프 헬프 옵션과 실시간 개인 대 개인 지원을 모두 기대합니다. 이러한 원활하고 개인화된 경험에 대한 기대는 라이브 채팅, 문자 메시지, 소셜 미디어를 포함한 디지털 커뮤니케이션 채널 전반에 걸쳐 확장됩니다.
디지털 채널이 부상했음에도 불구하고 많은 소비자는 여전히 지원을 위해 전화를 받는 것을 선호하여 콜센터에 부담을 주고 있습니다. 기업이 고객 상호작용의 질을 향상하기 위해 노력함에 따라 운영 효율성과 비용은 여전히 중요한 관심사입니다.
이러한 과제를 해결하기 위해 기업에서는 AI 기반 고객 서비스 소프트웨어를 배포하여 상담원의 생산성을 높이고, 고객 상호작용을 자동화하고, 통찰력을 얻어 운영을 최적화하고 있습니다.
거의 모든 산업에서 AI 시스템은 서비스 제공과 고객 만족도를 개선하는 데 도움이 될 수 있습니다. 리테일러는 대화형 AI를 사용하여 옴니채널 고객 요청을 관리하고, 통신 제공자는 네트워크 문제 해결을 개선하고, 금융 기관은 일상적인 은행 업무를 자동화하고, 의료 시설은 환자 치료 용량을 확장하고 있습니다.
고객 서비스를 위한 AI의 이점은 무엇인가?
AI를 전략적으로 배치하면 기업은 직관적인 문제 해결을 통해 고객 상호작용을 혁신하고, 이를 통해 운영 효율성을 높이고 고객 만족도를 높일 수 있습니다.
지원 상호작용, 문서화된 FAQ 및 기타 기업 리소스에서 고객 데이터를 활용함으로써 기업은 조직의 고유한 집단적 지식과 경험을 활용하여 개인화된 서비스, 제품 추천 및 사전 예방적 지원을 제공하는 AI 도구를 개발할 수 있습니다.
사용자 정의 가능, 오픈 소스 생성형 AI 다음과 같은 기술 대규모 언어 모델 (LLM)은 자연어 처리(NLP)와 결합되어 있습니다. 검색 증강 생성 (RAG)는 산업이 사용 사례별 고객 서비스 AI의 출시를 가속화하도록 돕고 있습니다. 맥킨지고객 서비스 임원의 80% 이상이 이미 AI에 투자하고 있거나 곧 투자할 계획입니다.
비용 효율적인 맞춤형 AI 솔루션을 통해 기업은 헬프데스크 지원 티켓 관리를 자동화하고, 보다 효과적인 셀프 서비스 도구를 만들고, AI 어시스턴트로 고객 서비스 에이전트를 지원하고 있습니다. 이를 통해 운영 비용을 크게 절감하고 고객 경험을 개선할 수 있습니다.
효과적인 고객 서비스 AI 개발
만족스러운 실시간 상호작용을 위해 AI 기반 고객 서비스 소프트웨어는 정확하고 빠르며 관련성 있는 응답을 반환해야 합니다. 몇 가지 요령은 다음과 같습니다.
오픈소스 기초 모델 AI 개발을 빠르게 추진할 수 있습니다. 개발자는 이를 유연하게 적응하고 개선할 수 있습니다. 사전 훈련된 머신 러닝 모델 및 기업은 이를 사용하여 AI 프로젝트를 시작할 수 있습니다. 모델을 처음부터 구축하는 데 드는 높은 비용 없이.
조각 프레임워크는 기초 또는 범용 LLM을 재고 관리 및 고객 관계 관리 시스템, 고객 서비스 프로토콜을 포함한 독점 지식 기반 및 데이터 소스에 연결합니다. RAG를 대화형 챗봇, AI 어시스턴트 및 조종사에 통합하면 고객 문의의 맥락에 맞게 응답을 조정할 수 있습니다.
인간 참여 프로세스 AI 교육과 라이브 배포에 모두 중요합니다. 기초 모델 또는 LLM의 초기 교육 후, 인간 검토자는 AI의 응답을 판단하고 시정 피드백을 제공해야 합니다. 이는 환각과 같은 문제(모델이 거짓 또는 오해의 소지가 있는 정보를 생성하는 경우)와 독성 또는 주제에서 벗어난 응답을 포함한 기타 오류를 방지하는 데 도움이 됩니다. 이러한 유형의 인간 참여는 AI 개발 중에 공정성, 정확성 및 보안이 충분히 고려되도록 합니다.
생산에서 AI의 경우 인간의 참여가 훨씬 더 중요합니다. AI가 고객 질문을 적절하게 해결할 수 없는 경우, 프로그램은 전화를 고객 지원 팀으로 연결할 수 있어야 합니다. AI와 인간 상담원 간의 이러한 협력적 접근 방식은 고객 참여가 효율적이고 공감적임을 보장합니다.
고객 서비스 AI의 ROI는 얼마입니까?
고객 서비스 AI의 투자 수익률은 주로 효율성 향상과 비용 절감을 기준으로 측정해야 합니다. ROI를 정량화하기 위해 기업은 응답 시간 단축, 콜센터 운영 비용 감소, 고객 만족도 점수 향상, AI 강화 서비스로 인한 매출 증가와 같은 주요 지표를 측정할 수 있습니다.
예를 들어, 오픈소스 모델을 사용하여 AI 챗봇을 구현하는 데 드는 비용은 기존 콜센터를 통해 고객 문의를 라우팅하는 데 드는 비용과 비교할 수 있습니다. 이 기준을 확립하면 AI 배포가 고객 서비스 운영에 미치는 재정적 영향을 평가하는 데 도움이 됩니다.
AI 배포를 확장하기 전에 ROI에 대한 이해를 굳건히 하기 위해 회사는 시범 기간을 고려할 수 있습니다. 예를 들어, 콜센터 트래픽의 20%를 1~2분기 동안 AI 솔루션으로 리디렉션하고 결과를 면밀히 모니터링함으로써 기업은 성과 개선 및 비용 절감에 대한 구체적인 데이터를 얻을 수 있습니다. 이 접근 방식은 ROI를 증명하고 추가 투자를 위한 의사 결정에 도움이 됩니다.
산업 전반의 기업이 고객 서비스에 AI를 활용하고 성공 여부를 측정하고 있습니다.
소매업체, 콜센터 업무량 감소
현대의 쇼핑객들은 매장에서든 전자상거래 사이트에서든 매끄럽고 개인화되고 효율적인 쇼핑 경험을 기대합니다. 모든 세대는 살아있는 인간 지원을 계속 우선시합니다.다양한 채널을 사용할 수 있는 옵션도 원합니다. 하지만 다양한 고객 기반에서 발생하는 복잡한 고객 문제로 인해 지원 담당자가 들어오는 요청을 신속하게 이해하고 해결하기 어려울 수 있습니다.
이러한 과제를 해결하기 위해 많은 소매업체가 대화형 AI와 AI 기반 콜 라우팅으로 전환하고 있습니다. NVIDIA의 2024년 소매 및 CPG AI 현황 보고서소매업체의 약 70%는 AI가 이미 연간 매출을 증가시켰다고 믿고 있습니다.
태국의 7-Eleven 편의점의 유일한 라이선스 운영자인 CP All이 대화형 AI 챗봇 하루에 25만 건 이상의 전화를 받는 콜센터에서. 봇을 훈련하는 데는 21개의 자음, 18개의 순수 모음, 3개의 이중 모음, 5개의 성조를 포함하는 태국어의 복잡성으로 인해 고유한 과제가 있었습니다.
이를 관리하기 위해 CP All을 사용했습니다. 엔비디아 네모GPU 가속 음성 및 자연어 이해 모델을 구축, 훈련 및 미세 조정하도록 설계된 프레임워크입니다. NVIDIA 기술로 구동되는 자동 음성 인식 및 NLP 모델을 통해 CP All의 챗봇은 구어 태국어를 이해하는 데 97%의 정확도를 달성했습니다.
대화형 챗봇이 상당수의 고객 대화를 처리하면서 인간 상담원의 통화 부하가 60% 감소했습니다. 이를 통해 고객 서비스 팀은 더 복잡한 작업에 집중할 수 있었습니다. 챗봇은 또한 대기 시간을 줄이고 더 빠르고 정확한 응답을 제공하여 고객 만족도를 높이는 데 도움이 되었습니다.
AI 기반 지원 환경을 통해 소매업체는 고객 유지율을 높이고, 브랜드 충성도를 강화하고, 매출을 늘릴 수 있습니다.
통신 서비스 제공업체, 네트워크 문제 해결 자동화
통신 서비스 제공자는 네트워크 가동 시간을 위해 최종 고객과 서비스 수준 계약을 준수하는 동시에 복잡한 네트워크 문제를 해결해야 하는 과제에 직면해 있습니다. 네트워크 성능을 유지하려면 네트워크 장치의 신속한 문제 해결, 근본 원인 파악, 네트워크 운영 센터에서의 어려움 해결이 필요합니다.
방대한 양의 데이터를 분석하고, 네트워크 문제를 자율적으로 해결하고, 동시에 여러 작업을 실행하는 기능을 갖춘 생성 AI는 네트워크 운영 센터에 이상적입니다. IDC 조사전 세계 통신사의 73%가 운영 지원을 위한 AI 및 머신 러닝 투자를 최우선 변혁 이니셔티브로 지정했습니다. 이는 업계가 AI와 첨단 기술로 전환되고 있음을 보여줍니다.
인포시스차세대 디지털 서비스 및 컨설팅 분야의 선두주자인 는 통신사 파트너가 고객 서비스 과제를 극복할 수 있도록 AI 기반 솔루션을 구축했습니다. 엔비디아 NIM 마이크로서비스 및 조각Infosys는 네트워크 문제 해결을 지원하는 AI 챗봇을 개발했습니다.
생성적 AI 기반 챗봇은 진단 및 모니터링을 위한 필수적이고 공급업체와 무관한 라우터 명령에 대한 빠른 액세스를 제공함으로써 네트워크 해결 시간을 크게 줄이고 전반적인 고객 지원 경험을 향상시킵니다.
정확성과 상황에 맞는 대응을 보장하기 위해 Infosys는 생성 AI 솔루션을 통신 기기별 매뉴얼, 교육 문서 및 문제 해결 가이드에 따라 교육했습니다. 사용 NVIDIA NeMo Retriever 기업 데이터를 쿼리하기 위해 Infosys는 LLM 출력에 대해 90%의 정확도를 달성했습니다. NVIDIA 기술로 모델을 미세 조정하고 배포함으로써 Infosys는 0.9초의 대기 시간을 달성했으며, 이는 기준 모델과 비교하여 61% 감소한 것입니다. NeMo Retriever가 구동하는 RAG 지원 챗봇도 기준 모델의 85%에 비해 92%의 정확도를 달성했습니다.
네트워크 관리자, IT 팀 및 고객 서비스 담당자를 지원하는 AI 도구를 사용하면 통신 서비스 제공업체는 더 많은 것을 할 수 있습니다. 네트워크 문제를 효율적으로 식별하고 해결합니다..
금융 서비스 기관, 사기를 쉽게 파악
고객이 언제 어디서나 뱅킹과 지원을 기대하는 반면, 금융 서비스는 더 높은 수준의 데이터 민감성을 요구합니다. 그리고 일회성 구매를 포함할 수 있는 다른 산업과 달리 뱅킹은 일반적으로 지속적인 거래와 장기적인 고객 관계에 기반을 둡니다.
동시에 사용자 충성도는 최대 덧없을 수 있습니다. 은행 고객의 80% 더 나은 경험을 위해 기관을 바꿀 의향이 있습니다. 금융 기관은 지원 경험을 지속적으로 개선하고 고객 요구 사항과 선호도에 대한 분석을 업데이트해야 합니다.
많은 은행들이 고객과 직접 상호 작용하여 문의를 관리하고, 거래를 실행하고, 복잡한 문제를 인간 고객 지원 담당자에게 보고할 수 있는 AI 가상 비서를 도입하고 있습니다. NVIDIA의 2024 금융 서비스 AI 현황 보고서설문 응답자의 4분의 1 이상이 AI를 사용하여 고객 경험을 향상하고 있으며, 34%는 고객 경험과 참여를 위해 생성 AI와 LLM을 활용하는 것을 모색하고 있습니다.
200만 명 이상의 고객과 80억 유로 상당의 예금을 보유한 유럽 디지털 은행인 Bunq는 사용자 요구를 충족하기 위해 생성형 AI를 구축하고 있습니다. 이 회사는 독점적인 LLM을 통해 개인 AI 비서, 핀 고객과 은행 직원 모두에게 제공됩니다. Finn은 “지난달에 식료품에 얼마 썼나요?” 또는 “지난주에 먹었던 인도 레스토랑 이름은 뭐였나요?”와 같은 금융 관련 질문에 답할 수 있습니다.
또한, 인간 참여형 프로세스를 통해 Finn은 직원이 사기를 더 빨리 식별하도록 돕습니다. 규정 준수 담당자가 검토할 수 있도록 데이터를 수집하고 분석함으로써 bunq는 이제 Finn이 없을 때 30분이 걸리던 사기를 단 3~7분 만에 식별합니다.
고객 거래를 보호하고, 은행 업무를 실행하고, 고객 피드백을 반영하기 위해 데이터를 활용할 수 있는 AI 도구를 구축함으로써 금융 기관은 고객에게 더 높은 수준의 서비스를 제공하고, 장기적인 관계에 필요한 신뢰와 만족도를 구축할 수 있습니다.
의료 및 생명 과학 기관, 인력 부족 극복
의료 분야에서 환자는 의료 전문 지식에 대한 빠른 접근, 정확하고 맞춤화된 치료 옵션, 의료 전문가와의 공감적인 상호 작용이 필요합니다. 그러나 세계보건기구는 2030년까지 인력 1000만명 부족질 좋은 치료에 대한 접근성이 위협받을 수 있습니다.
AI 기반 디지털 의료 보조원은 의료 기관이 더 적은 비용으로 더 많은 것을 할 수 있도록 돕고 있습니다. 전문 의료 코퍼스에 대한 교육을 받은 LLM을 통해 AI 조종사는 임상 노트 작성을 도와 의사와 간호사의 일상 업무를 몇 시간 절약할 수 있습니다. 처방전과 실험실 검사에 대한 주문 자동화, 방문 후 환자 메모로 후속 조치 등을 수행합니다.
언어와 시각 모델을 결합한 멀티모달 AI는 환자 모니터링을 위해 통찰력을 추출하고 이미지 데이터 요약을 제공함으로써 의료 환경을 더 안전하게 만들 수 있습니다. 예를 들어, 이러한 기술은 직원에게 환자 낙상 위험 및 기타 환자실 위험에 대해 경고할 수 있습니다.
의료 전문가를 지원하기 위해 히포크라테스 AI 저위험, 비진단적 일상 업무를 수행하도록 생성 AI 의료 에이전트를 훈련시켰습니다. 예를 들어, 환자에게 필요한 진료 예약 준비를 상기시키고, 방문 후 약물 복용 일정이 준수되고 부작용이 없는지 확인하기 위해 후속 조치를 취하는 것입니다.
히포크라테스 AI는 증거 기반 의학에 대한 모델을 훈련시키고 많은 인증 간호사와 의사 그룹과 함께 엄격한 테스트를 완료했습니다. 솔루션의 별자리 아키텍처는 20개의 모델로 구성되어 있으며, 그 중 하나는 환자와 통신하고 다른 19개는 출력을 감독합니다. 전체 시스템에는 1조 7,000억 개의 매개변수가 포함되어 있습니다.
모든 의사와 환자가 AI 기반 디지털 의료 보조원을 갖게 되면 임상의의 소진이 줄어들고 의료 서비스의 질이 향상됩니다.
AI로 고객 경험의 기준을 높이다
AI를 고객 서비스 상호작용에 통합함으로써 기업은 보다 개인화되고 효율적이며 신속한 서비스를 제공하여 플랫폼 전반의 옴니채널 지원 경험에 대한 새로운 표준을 설정할 수 있습니다. 방대한 양의 데이터를 몇 초 만에 처리하는 AI 가상 비서를 통해 기업은 지원 담당자에게 다양한 고객 기반의 복잡한 요구에 맞는 맞춤형 응답을 제공할 수 있습니다.
효과적인 고객 서비스 AI를 개발하고 배포하기 위해 기업은 AI 모델을 세부적으로 조정하고 RAG 솔루션을 배포하여 다양하고 구체적인 요구 사항을 충족할 수 있습니다.
NVIDIA는 기업이 고객 서비스 AI를 시작하는 데 도움이 되는 도구와 기술을 제공합니다.
엔비디아 NIM 마이크로서비스의 일부 엔비디아 AI 엔터프라이즈 소프트웨어 플랫폼은 생성적 AI 배포를 가속화하고 원활하고 확장 가능한 추론을 위해 다양한 최적화된 AI 모델을 지원합니다. NVIDIA NIM 에이전트 블루프린트 개발자에게 고객 서비스 애플리케이션을 위한 혁신적인 솔루션을 구축할 수 있는 패키지된 참조 사례를 제공합니다.
기업은 AI 개발 도구를 활용하여 정확하고 고속의 AI 애플리케이션을 구축해 직원과 고객 경험을 혁신할 수 있습니다.
고객 서비스 개선에 대해 자세히 알아보세요 생성적 AI를 통해
