시사점

○ [업무 효율성 증대] 내부 감사 보고서 초안 작성, 세무 감사에 필요한 서류 준비, 기업 맞춤형 재무 분석 등에 활용되어 직원들이 보다 복잡한 문제에 집중함으로써 업무 효율성과 생산성 증대

• 도이치텔레콤(Deutsche Telekom)은 회사의 정책과 과거 조달 전략에 대해 방대하게 학습한 내부 조달 부서용 AI 어시스턴트를 개발
  - 이 AI 어시스턴트는 정책 준수 등 각종 사안에 대한 문의에 답변을 제공하고 특정 제안 요청에 대해 공급업체, 계약, 적정 가격 등을 추천하는 기능도 제공
  - 조달 부서 직원들은 이 AI 어시스턴트를 활용하여 월간 약 5천 시간을 절감
  
  
• AI 어시스턴트는 고객 맞춤형 이메일을 자동으로 생성하고, SNS 마케팅에도 활용 가능
  - 개인화된 콘텐츠 생성 등을 통해 마케팅 담당 직원의 생산성 향상에 기여. 한 기업은 생성형 AI 적용으로 마케팅 콘텐츠 작성에 소요되는 시간을 30% 이상 절감

○ [고객 서비스 개선] 콜센터용 AI 어시스턴트는 고객 상담 과정에서 상담원의 각종 업무를 보조하여 고객 만족도를 높이고 응대 품질을 향상시키는 데 기여

• 한 기업은 광범위한 데이터 학습을 기반으로 콜센터 직원을 보조하는 AI 어시스턴트를 도입하여 응대 품질을 약 40% 개선하고 고객 응대 시간을 약 35% 절감
  
  

○ [비용 절감] 업무 자동화를 통해 필요한 인력을 줄이거나, 인력을 보다 효율적으로 재배치함으로써 운영비용을 낮출 수 있음

• 클라르나는 AI 도입으로 인한 일자리 감소 등의 논란에도 불구하고 생성형 AI 챗봇 도입 성과를 토대로 직원 수를 현재 3천800명에서 향후 2천 명 수준으로 감축할 계획
  

○ [개인화된 경험 제공] 생성형 AI 챗봇은 고객의 선호도와 이전의 상호 작용 내용을 학습해 맞춤화 된 상품과 서비스를 제안함으로써 고객 충성도를 높이고 기업 성과를 향상시킬 수 있음

[생성형 AI 챗봇 도입 관련 고려 사항]

○ (❶광범위한 데이터 학습을 통해 어떤 질문에도 답변 가능) 과거 챗봇은 한정된 내용에 대해서만 응답하였으나 생성형 AI 챗봇은 고객의 어떤 질문에도 정확히 답변할 수 있는 수준의 완성도를 추구할 필요

• 과거에는 챗봇의 응답 수준이 만족스럽지 않아 고객이 곧바로 상담원 연결을 시도하는 경우도 존재
  
• 내셔널웨스트민스터의 ‘코라+’와 같이 광범위한 데이터 학습을 통해 고객의 질문 의도를 정확히 파악하여 적절한 답변을 실시간으로 생성하고 맥락을 유지해 일관성 있는 대화를 이어나갈 수 있는 수준을 목표로 삼아야 함
  - 상품 및 서비스, 지점, 기업 개요 등은 물론 채용 정보 등에 대한 광범위한 학습을 통해 어떤 질문에도 답변할 수 있을 정도의 고성능 AI 어시스턴트 개발을 고려할 필요
  - 일반적인 금융 상식 및 각종 경제 지표 등에 대해서도 일정 수준 이상의 응답을 제공하여 국내 금융권에서 출시한 챗봇이 고객에게 ‘금융ㆍ경제 분야 챗GPT’로 인식되는 수준을 성능 향상의 목표로 삼을 수 있음

○ (❷다양한 기능을 포괄해 기존 챗봇의 역할에서 탈피) 과거 챗봇이 질의응답 기능 중심으로 구현되었다면, 생성형 AI 챗봇은 다양한 요구 사항을 실질적으로 처리하여 고객의 불만을 해소하는 역할을 수행

• 웰스파고 및 내셔널웨스트민스터와 같이 단순히 고객의 언어를 더 잘 이해하고 보다 나은 답변을 제공하는 수준을 넘어 의미 있는 금융 인사이트 제공과 업무 처리 기능까지 고려할 필요
  - 웰스파고는 생성형 AI 챗봇을 통한 계좌 이체 기능을 구현. 국내 금융사는 이를 넘어 자연어로 지시한 계좌 이체를 챗봇이 자동으로 처리하는 수준의 자동화를 고려할 필요
  
• 클라르나와 같이 다양한 상품의 특징과 장단점을 요약 제시하고 타 상품과의 비교 정보를 제공함으로써 다수의 금융상품 중 적합한 것을 고르지 못해 고민하는 고객에게 해결책을 제시
  - 예를 들어 고객이 자연어로 “자녀 학자금 및 결혼 자금 마련을 위한 최적의 금융상품은?”과 같이 질문하는 경우 관련 금융 상식과 함께 유관 상품 특징 및 장단점을 요약 제시
  
  

○ (❸챗봇이 인간 직원을 보조하는 기능 구현) 내셔널웨스트민스터와 같이 생성형 AI 챗봇에 콜센터 상담원을 지원하는 어시스턴트 기능을 탑재하는 방안도 고려할 필요

[AI 어시스턴트 도입 관련 고려 사항]

○ (❹직원 업무 처리에 실질적으로 필요한 기능 구현) 업무 처리에 필요한 기능에 대한 직원의 의견을 반영하여 실질적인 도움을 제공할 수 있는 어시스턴트 구현이 필요

• DBS의 경우 ‘CSO 어시스턴트’ 실제 사용자인 콜센터 상담원들이 참여한 파일럿 테스트를 수개월간 진행하는 과정에서 다수의 문제점을 개선하여 실질적인 도움을 제공하는 AI를 개발
  
  

○ (❺자체 개발 역량 보유) 빠르고 용이한 테스트 및 수정을 통한 기능 향상을 위해 DBS와 같이 자체적인 어시스턴트 개발 역량을 보유하는 것도 고려할 필요

[생성형 AI 챗봇과 어시스턴트 도입 관련 공통 고려 사항]

○ (❻도입 목적과 목표 명확화) 생성형 AI 챗봇 또는 AI 어시스턴트 도입 목표를 명확히 정의하고 고객 서비스 향상, 비용 절감, 사용자 경험 개선 등 해결하려는 문제나 달성하고자 하는 구체적인 목표를 설정할 필요

○ (❼통합성과 확장성 고려) 기존 시스템이나 소프트웨어와의 통합 가능성을 염두에 두어야 하며, 비즈니스 상황 변화에 따라 확장 가능하도록 기술적인 호환성과 시스템의 유연성도 고려해야 함

○ (❽품질 관리) AI가 생성하는 콘텐츠의 정확성과 적절성을 지속적으로 모니터링하고 관리해야 함

• 새로운 데이터와 상황에 맞게 AI를 학습시키고 성능을 개선하기 위해서는 정기적인 성능 평가와 업데이트가 필요하며, 사용자의 피드백을 반영하는 절차도 마련되어야 함
  
• (❾데이터 및 프라이버시 관리) AI는 대량의 사용자 데이터를 처리하므로 데이터 보호 관련 법규를 준수하고 사용자의 개인정보를 안전하게 관리해야 하며, 데이터 수집 및 사용에 대한 투명성 확보도 중요
  
• 인터넷상에 공개된 데이터로 훈련된 모델의 경우 데이터 이용 허락 조건이 충족되지 않으면 지식재산권을 침해할 수 있음에도 유의
  

○ (❿에이전트 기술 발전 상황에 대한 지속적인 모니터링) 생성형 AI 챗봇 및 AI 어시스턴트 적용 이후 AI의 발전 단계인 에이전트 기술 발전 상황을 지속적으로 모니터링할 필요