.svg)
AI 솔루션 문의하기
금융상품 상담챗봇은 창구를 방문하지 않고도 궁금한 사항을 곧바로 물어볼 수 있다는 편리함으로 이용자의 접근성을 크게 높여주고 있습니다. 다만 대화가 자연스럽게 이어진다고 해서 그 안에 담긴 정보까지 정확하다는 보장은 없기 때문에 학습데이터 단계에서부터 답변의 근거를 하나하나 확인하는 검증 과정이 상담챗봇 운영의 근간을 이루어야 합니다. 사람 상담원은 애매한 질문을 받으면 되물으며 조율할 수 있지만 챗봇은 학습된 데이터의 범위 안에서만 판단하기 때문에 그 범위 자체가 정확하고 촘촘하게 갖추어져 있어야 합니다.
이러한 특성으로 인해 금융상품 상담챗봇의 데이터 검증은 일반적인 대화형 서비스보다 훨씬 여러 겹의 확인 절차를 거치는 방향으로 발전하고 있습니다.
챗봇이 학습하는 질문의 폭이 좁으면 조금만 다르게 표현된 질문에도 엉뚱한 답변을 내놓을 수 있어 실제 상담 창구와 고객센터에 쌓인 질문 이력을 폭넓게 수집하고 유형별로 정리하는 작업이 검증의 출발점이 됩니다. 같은 궁금증이라도 이용자마다 표현하는 방식이 다르기 때문에 표현의 다양성을 충분히 반영하지 않으면 실제 서비스에서 인식하지 못하는 질문이 늘어날 수 있습니다.
세대나 상황에 따라 질문의 형태가 달라지는 경우도 있어 특정 연령층이나 특정 상황에 치우친 데이터만으로는 폭넓은 이용자를 만족시키기 어렵다는 점도 함께 고려되어야 합니다.
챗봇이 제시하는 답변은 반드시 공식적으로 확인된 상품 설명 자료나 약관에 근거해야 합니다. 학습데이터에 담긴 답변 하나하나를 원천 자료와 맞대어 확인하는 대조 작업은 검증 과정에서 가장 기본이 되면서도 가장 많은 시간이 소요되는 절차입니다.
이러한 기록을 남겨두면 이후 특정 답변에 문제가 제기되었을 때 어떤 자료를 근거로 작성되었는지 신속하게 추적할 수 있다는 장점도 함께 얻을 수 있습니다.
금융상품을 설명하는 문장 중에는 의도치 않게 확정된 결과처럼 들릴 수 있는 표현이 섞여 들어가는 경우가 있습니다. 이러한 표현이 학습데이터에 남아 있으면 챗봇이 반복적으로 오해를 부르는 답변을 내놓을 수 있어 별도의 점검 절차가 마련되어야 합니다.
이 점검을 거치지 않은 문장이 그대로 학습에 반영되면 이용자가 실제와 다른 조건을 사실로 받아들일 위험이 있어 표현 점검은 여러 차례 반복해서 이루어지는 경우가 많습니다.
하나의 질문과 답변만으로는 실제 상담의 흐름을 충분히 검증했다고 보기 어렵습니다. 이용자가 이어서 추가 질문을 던지거나 조건을 바꾸어 다시 묻는 상황을 가정한 연속 대화 시나리오를 구성하여 챗봇이 맥락을 놓치지 않고 답변하는지 확인하는 작업이 함께 이루어져야 합니다.
여러 단계로 이어지는 대화에서 앞선 질문의 맥락을 잊어버리거나 이전 답변과 모순되는 내용을 제시하는 경우가 발생할 수 있어 이러한 흐름 전체를 검증하는 작업은 단답형 검증만으로는 발견하기 어려운 문제를 찾아내는 데 도움이 됩니다.
이용자 중에는 일반적인 조건에 해당하지 않는 특수한 상황에 놓인 경우도 있습니다. 이러한 상황을 미리 학습데이터에 반영해 두어야 챗봇이 무리하게 답변을 시도하다가 오히려 잘못된 안내를 하는 상황을 막을 수 있습니다.
금융상품 관련 규정은 시기에 따라 개정되는 경우가 많아 개정 사항이 발생할 때마다 관련 학습데이터를 신속하게 찾아 수정할 수 있는 체계를 갖추는 일이 검증 작업 못지않게 중요합니다. 개정 전 내용이 남아 있는 상태로 서비스가 계속되면 이용자에게 지난 기준을 안내하는 결과로 이어질 수 있어 규정 변경 정보가 담당 부서에서 데이터 관리팀으로 신속하게 전달되는 연결 체계가 마련되어야 합니다.
관련된 여러 답변이 하나의 규정에 함께 얽혀 있는 경우도 많아 개정 사항이 발생했을 때 영향을 받는 범위를 빠짐없이 찾아내는 작업도 함께 이루어져야 누락 없이 데이터를 갱신할 수 있습니다.
아무리 정교하게 검증된 데이터라 하더라도 챗봇이 모든 상담을 완결할 수는 없기 때문에 어느 시점에 사람 상담원에게 연결해야 하는지를 판단하는 기준 역시 학습데이터에 함께 담겨야 합니다. 복잡한 사정이 얽힌 질문이나 챗봇이 확신할 수 없는 답변을 억지로 제시하기보다 상담원 연결을 안내하는 편이 이용자에게 더 안전한 결과로 이어지는 경우가 많습니다.
이러한 전환 기준이 지나치게 넓으면 챗봇의 효용이 줄어들고 지나치게 좁으면 부정확한 안내로 이어질 위험이 있어 실제 운영 데이터를 바탕으로 전환 기준을 지속적으로 조정하는 작업이 병행되어야 합니다.
.svg)
.svg)
