[Microsoft AI Tour] AI Agent가 바꾸는 리테일 고객 서비스 혁신 세션 간략 후기

2025.03.27

세션 정보 바로가기(https://aitour.microsoft.com)

회사에서 진행하는 세션이 있어서 참석하게 됐다. 같은 회사이기는 해도 다른 계열사이고, 특히 나는 회사에서 AI와 전혀 상관없는 업무를 하고 있는데, 내부에서 AI를 업무에 녹일 때 어떤 시너지가 나고있는지 궁금하기도 했다.

발표는 Microsoft 측과 AI Labs 팀장님이 함께 진행하셨다.

아래 내용은 발표내용을 정리한 글인데, 아무래도 AI에 대해 아는 게 많지 않다보니 중간중간 내용이 잘못될 수 있다. 또 전부 집중해서 적진 못해서 내용이 빠진 것도 많다..ㅎㅎ

발표 내용은 크게 두가지였다. 인력의 강화와 효율성을 증대하는 것 중심의 B2B 솔루션을 시작으로, AI 수준이 올라온 시점에서 AI Assistant를 도임하여 B2C 사업을 어떻게 풀어나갔는지에 대한 내용으로 이루어져있었다.

B2B 솔루션 - 인력의 강화 / 효율성 증대 중심

할루시네이션 및 보안 때문에 B2B 우선적용.

AI 카피라이터 (마케팅 활용)

현재는 모든 사람들이 챗지피티를 쓸 수 있기 때문에 초기에 해당 주제를 잡은 스타트업 회사들은 문을 닫거나 다른 사업을 전환하였다.그렇다면 현대퓨처넷의 AI 카피라이터는 어떤 차별점이 있는가?AI Agent를 통해 제품의 식자재, 영양소, 옷의 소재 등의 “고급 정보”를 제공하면서 고객들에게 제공할 수 있다는 점이 차별점이다.

고객의견 분석

온라인에서는 누적된 상품평 데이터를 활용한 인사이트에 활용할 수 있었으나, 오프라인에는 한계가 있었다. 여러 채널에서 고객이 불만이나 멘트를 주면 AI Agent가 자동 수집하고 분석을 하면서 분석 과정에서 고위험군 카테고리의 매장이나 해당 팀에 팀즈로 알람이 가게 하여 과거보다 빠르게 고객 응대를 할 수 있게 했다.지누스 회사에서 고객이 글을 남기면 LLM으로 분석해서 직접 공장으로 알림을 주는 시스템이 있었기 때문에 여기서 영감을 받으셨다고 하였다.

트렌드 분석 (for 기획)

구글, 유튜브 등에서 정보를 취합하다보니 정제된 정보를 바탕으로 누구나 알 수 있는 사례 기반의 기획이 될 수 밖에 없다는 점이 현업에서 한계로 자주 언급했다. 트렌드 분석 AI Agent는 전세계의 글을 스크랩해서 글에서는 “ESG 기획” 이런 식의 키워드가 없는 글과 인터뷰에서도 인사이트를 뽑아낼 수 있게 됐다.

챗봇

고객지원 챗봇은 AI가 적용되는 정말 대표적인 분야인 것 같은데, 개인적으로 은행이나 카드사의 챗봇이랑 대화하면 속터질 때가 한두번이 아니었기 때문에 관심있게 들었다.기존의 챗봇은 유지보수 비용이 끊임없이 들어갈 수 밖에 없던 분야로, 그 이유는 정보가 업데이트 되지 않으면 새로운 질문에 대해 대답하지 못하기 때문이다. 따라서 계속해서 데이터를 업데이트 해줘야했다. 수작업으로 일일이 하기 어려운 부분이다. 예를 들어 인도 출장가는 직원이 비자 상담을 할 때, 인도 대사관 정보가 업데이트 되어있지 않으면 해당 국가에 대한 비자 상담을 받을 수 없었다. 비자 관련 Agent는 전세계의 모든 대사의 공지사항을 수집하고 승인과 reject 방식으로 데이터를 최신화하면서 관련 직원들이 유연하게 일을 할 수 있게 되었다. 찾아본 링크 : https://www.ceoscoredaily.com/page/view/2024031416384277347

참고 ) 파인튜닝과 RAG

기존의 방식인 파인튜닝의 한계 예를 들어 라마(사전학습모델)에게 여름휴가를 학습시키고 난 후 겨울휴가에 대해 물어보면 학습하지 않은 겨울휴가에 대해서는 할루시네이션 발생. 무한대의 파인튜닝이 필요한 상황.

특히 마소측에서 강조한 부분은 회사에서는 새로운 모델이 등장했을 때, 모델을 검증하고 보안팀의 승인을 받아야하고 테스트를 하는 데에 시간이 많이 드는데 애저 플랫폼 형태로 AI 서비스 제공하면서도 엔터프라이즈 보안 테두리 안에서 할 수 있다는 강점으로 꼽았다.

B2C 솔루션 - AI Assistant 활용

더현대 챗봇

고객은 편하고 익숙한 것을 찾게 된다. 특히 백화점 고객은 고객 데스크와 키오스크에 익숙하기 때문에 키오스크와 같이 즉각적인 답변, 안내 데스크와 같이 친근하고 자연스러운 대화, 고객 경험 올바름(홈페이지 정도의 정확도)에 중점에 두며 개발하였다.

특히 할루시네이션을 AI Agent로 풀었다고 하셨는데 이부분은 아직 이해가 잘 안 됐다.

즉각적인 답변 이슈 : 문의 번역까지 답변 시간 3~5초 시간이 걸렸음 해결 : 모든 정보를 사전에 번역해놓고, 매일 갱신되는 정보를 AI Agent가 시나리오에 맞게 미리 한 번에 번역하여 올려둔다.(배치성) 또한 번역할 때마다 토큰을 사용하는 것은 비용이 낭비되기 때문에 미리 올려두는 것이 비용 효율적.
친근하고 자연스러운 대화 이슈1) : RAG의 단점은 모르는 정보는 모른다고 답변하기 때문에 자연스러운 대화가 이어지지 않음.해결 : 정답을 찾아가는 Agent와 대체옵션을 찾아가는 Agent 두개의 agent를 돌려서, 정답이 없는 경우 대체옵션에 대한 답변을 주도록 함.

이슈2): 직관적이고 사용자 맞춤 정보가 필요했다. 안내데스크나 키오스크와 다르게 매번 고객의 시작점을 기반으로 질문을 해결 필요가 있었다. 따라서 길찾기를 할 때 어디 브랜드 앞인지 등의 정보를 사용자에게 받아, 브랜드 agent로 해당 점의 층수를 찾고 층수 정보를 가지고 맵을 꺼낸다. 맵 agent가 돌아가게 되고 프롬프트 상에서 “어느 브랜드 옆, 어느 브랜드 안쪽으로 들어가라”고 설정되어있기 때문에 직관적인 설명이 가능해졌다.

그외에도 카테고리, 면,빵,등의 식자재 / 데이터, 비즈니스 등의 테마 이러한 다양한 정보들을 의미있게 분석해서 답변하고, 특정 식당에 대한 응답이 오면 타 예약앱으로 전환하지 않고 내부에서 예약 시스템을 연동하여 즉시 예약이 가능하게끔 한다던가, AI 큐레이션을 통해 많은 팝업스토어 중 고객 히스토리와 국적을 바탕으로 팝업 스토어를 추천하는 서비스도 추가하였다고 한다.

관련 링크:'여의도 랜드마크' 더현대 서울, 글로벌 관광객 편의 키운다

AI Assistant와 기존 챗봇의 차이점.

데이터에 대한 업데이트, 최신화의 속도가 사람이 쫓아가지 못하는 문제를 AI Agent가 해결할 수 있다.

What’s next.

다양한 레퍼런스 경험을 바탕으로 내부에서 생성형 AI로 가능한 것과 불가능에 대한 경계가 명확해지는 노하우를 얻었고, B2C가 가능하다는 판단 하에 현업 니즈를 하나하나 타파할 뿐만 아니라 더 영역을 넓힐 것이다. (Ex - 항공 관련)