테라에너지/span>

테슬라를 포함한 자율 주행 자동차부터 스마트 스피커, 넷플릭스 추천시스템, 운송 로봇까지. 최근 우리의 생활 속에서 빠지지 않고 등장하는 친숙한 키워드입니다. 이들의 공통점은 모두 인공지능과 관련된 서비스라는 것입니다. 인공 지능의 최신 발전 기능을 이해하는 것은 매우 어려워 보일 수 있지만 관심 있는 기본 사항을 살펴보면 AI 혁신을 두 가지 개념, 즉 머신러닝과 딥러닝으로 요약할 수 있습니다. 이러한 용어는 의미가 같은 유행어처럼 보이는 경우가 많으므로, 차이점을 이해하는 것이 중요합니다.

머신러닝이란 무엇인가요?

머신러닝을 한국어로 직역해보면 “기계 학습”이 됩니다. 머신러닝은 인공지능을 만들기 위해 기계를 학습시키는 다양한 방법에 대한 학문으로 ‘로봇공학’, ‘제어계측공학’과 같이 하나의 학문입니다. 머신 러닝 알고리즘의 쉬운 예는 주문형 음악 스트리밍 서비스입니다. 서비스에서 청취자에게 추천할 새 노래나 아티스트를 결정하기 위해 머신 러닝 알고리즘은 청취자의 선호 사항을 음악적 취향이 비슷한 다른 청취자와 연관시킵니다. 종종 간단히 AI라고 불리는 이 기술은 자동화된 추천을 제공하는 많은 서비스에서 사용됩니다.

머신 러닝은 결국 손전등, 자동차 또는 컴퓨터 화면이 작동하는 것과 같은 방식으로 기계적 기능을 수행하는 여러 복잡한 수학/코딩입니다. ‘머신 러닝’이 가능하다는 말은 주어진 데이터로 기능을 수행하고, 시간이 지남에 따라 그 기능이 점차 향상됨을 의미합니다. 예를 들어 “어두워”라고 말할 때마다 불이 켜지는 손전등이 ‘어둠’이라는 단어가 포함된 다른 구절을 인식하는 것입니다.

딥러닝과 차이점

실질적으로 딥러닝은 머신러닝의 하위 개념입니다. 실제로 머신러닝에 해당하며 ‘신경망’을 통해 인공지능을 만드는 머신러닝의 한 종류입니다. 하지만 둘의 기능은 다릅니다. 기본 머신러닝 모델은 그 기능이 무엇이든 점진적으로 향상되는데, 여전히 약간의 안내가 필요합니다. AI 알고리즘이 부정확한 예측을 반환하면 엔지니어가 개입하여 조정해야 합니다. 딥러닝 모델을 사용하면 알고리즘이 자체 신경망을 통해 예측의 정확성 여부를 스스로 판단할 수 있습니다.

손전등의 예로 돌아가 보겠습니다. 누군가 ‘어둠’이라는 단어를 말하는 소리 신호를 인식할 때 불이 켜지도록 손전등을 프로그래밍할 수 있습니다. 이를 계속 학습하면서 그 단어가 포함된 구절을 인식하면 결국 불을 켤 수 있습니다. 손전등에 딥러닝 모델이 있다면 “안 보여” 또는 “스위치가 안 켜져”라는 신호가 있을 때, 어쩌면 빛 센서와 함께 불을 켜야 한다는 것을 이해하게 될 수 있습니다. 딥러닝 모델은 자체적인 컴퓨팅 방법, 즉 자체적인 두뇌가 있는 것처럼 보이는 기술을 통해 학습할 수 있습니다.

고객 서비스에 어떤 의미가 있을까요?

오늘날 고객 서비스 분야의 AI 애플리케이션 중 다수는 머신러닝 알고리즘을 활용합니다. 이들 애플리케이션은 셀프 서비스를 유도하고, 상담원 생산성을 높이며, 워크플로의 안정성을 향상시키는 데 사용됩니다.

이러한 알고리즘에 공급되는 데이터는 지속적으로 유입되는 고객 쿼리로부터 발생하며, 여기에는 고객이 직면한 문제에 대한 관련 컨텍스트가 포함됩니다. 그러한 컨텍스트를 AI 애플리케이션에 종합하면 결과적으로 더욱 빠르고 정확한 예측이 이루어집니다. 이는 많은 비즈니스에서 인공 지능에 큰 기대를 갖게 만들었으며, 업계 리더들은 비즈니스 관련 AI 애플리케이션 고객 서비스 부문에서 가장 실용적일 것으로 내다보고 있습니다.

그리고 딥러닝이 개선되어 감에 따라, 고객 서비스 분야에서 인공 지능의 더욱 많은 고급 애플리케이션을 보게 될 것입니다. 좋은 예는 Zendesk의 자체적인 Answer Bot으로, 지원 티켓의 컨텍스트를 이해하고 고객에게 어떤 도움말 문서를 추천해야 하는지 학습할 수 있는 딥러닝 모델이 통합되어 있습니다.