• 최종편집 2025-06-13(금)

통합검색

검색형태 :
기간 :
직접입력 :
~

Report 검색결과

  •
    멀티모달 AI・AI 에이전트・AI 오케스트레이션 기반 AICC 기술 혁신 전략 ②
    [컨택저널 2025년 6월호] 멀티모달 AI・AI 에이전트・AI 오케스트레이션 기반 AICC 기술 혁신 전략 ② 지난호 ①편에서는 현재 AICC 시스템의 한계를 분석하고, 이어서 멀티모달 AI・AI 에이전트・AI 오케스트레이션 등 최신 기술 동향을 알아보았습니다. 이번 ②편에서는 이를 통합한 ReAct 에이전트 기반 AICC 프레임워크를 제시하며, 이후 차세대 AICC 구조의 기대 효과를 설명하고, 마지막으로 향후 남은 과제를 논의합니다. 에이전트 기반 차세대 AICC 프레임워크 지난호에 살펴본 3가지 최신 기술을 모두 아우르는 통합 AICC 아키텍처가 앞으로 나아가야 할 차세대 AICC의 모습이라 할 수 있습니다. 이는 일종의 청사진으로서, 멀티모달 AI와 AI 에이전트가 AI 오케스트레이션 하에 유기적으로 결합된 에이전트 기반 프레임워크입니다. 그림 1은 제안하는 아키텍처의 개략도를 나타냅니다. 중앙에는 컨택센터의 두뇌 역할을 하는 AI 오케스트레이터 (Orchestrator)가 위치합니다. 오케스트레이터는 전체 시스템의 중앙 제어탑으로서, 다양한 채널로부터 들어오는 고객 입력을 받고 해당 문의의 성격을 분석하여 적절한 처리 경로를 결정합니 다. 이때 고객 입력은 텍스트, 음성, 이미지 등 어떤 형태로 오든지 간에 먼저 멀티모달 AI 처리 모듈로 전달됩니다. 멀티모달 AI 모듈(예: 멀티모달 LLM 모델)은 입력된 여러 데이터를 동시에 분석하여 고객의 의도와 감정, 문의 내용을 파악하고, 그 이해 결과를 오케스트레이터에 컨텍스트로 제공합니다. 오케스트레이터는 이렇게 얻은 컨텍스트와 고객 의도의 난이도를 바탕으로 다음 행동을 결정합니다. 만약 문의가 단순한 안내성 질문이라면(예: 운영 시간 문의, 간단 FAQ 등), 오케스트레이터는 지식 검색 에이전트를 동작 시켜 답변을 생성하거나, 기존 FAQ 지식베이스를 조회하여 응답합니다. 이를 위해 벡터 DB 기반의 RAG 엔진과 연동하여 최신의 정확한 정보를 찾아 답변을 구성할 수도 있습니다. 반면 문의가 처리형 요청이라면 (예: “계좌이체 한도를 늘려주세요”, “휴대폰 분실 신고합니다”), 오케스트레이터는 AI 에이전트 모듈을 가동합니다. AI 에이전트는 ReAct 방식으로 동작하는 LLM 에이전트로, 복잡한 요구를 해결하기 위해 단계적으로 계획을 세우고 필요한 도구를 사용합니다. 예를 들어 “자동이체를 설정하고 싶어요.”라는 고객 요청의 경우, AI 에이전트는 먼저 요청 내용을 이해한 뒤 내부 시스템 API를 호출하여 해당 고객 계좌의 자동이체 설정을 수행합니다. 그리고 나서 그 결과(예: “설정 완료”)를 받아 최종 답변을 생성하여 고객에게 전달합니다. 이 과정에서 내부 업무 시스템(기간계/계정계 등 전산 시스템)과의 연결은 오케스트레이터가 중재합니다. 오케스트레이터는 에이전트가 필요로 하는 고객 정보나 업무 시스템 접근을 API 게이트웨이를 통해 제공하고, 처리 과정 전체를 모니터링하여 오류가 없도록 합니다. 또한 필요시 사람 상담사와의 연계(Handoff)도 관리합니다. 하지만, AI 에이전트가 시도했으나 권한 문제 등으로 완료하지 못하는 작업이 있다면, 오케스트레이터는 즉시 해당 이슈를 담당 인간 상담사에게 티켓으로 전달하고, 상담사가 개입할 수 있도록 합니다. 반대로 사람 상담사가 채팅 중 AI 도움을 원할 경우 오케스트레이터는 관련 정보를 AI 에이전트에게 제공하여 보조 답변을 제시하게 할 수도 있습니다. 즉, 오케스트레이터는 AI와 인간의 협업까지 포함하여 전체 상담 흐름을 관리하는 Control Tower입니다. 이 통합 프레임워크의 한 예시 시나리오를 통해 좀 더 자세히 살펴보겠습니다. 은행의 고객이 모바일 앱 채팅으로 “최근에 바뀐 신용카드로 자동이체를 설정하고 싶어요. 그리고 혹시 내 대출 한도도 늘어났나요?”라는 문의를 남깁니다. 이 문의는 2가지 의도(자동이체 설정 요청 + 대출한도 문의)를 담은 복합 요청이며, 처리형 작업과 정보 조회가 모두 필요합니다. 먼저 멀티모달 LLM은 텍스트에서 2가지 의도를 모두 식별하고, 고객의 계정 정보(맥락)를 이해하여 오케스트레이터에 전달합니다. 오케스트레이터는 자동이체 설정은 업무 처리형으로 AI 에이전트 수행이 필요하고, 대출 한도 문의는 안내성이므로 정보 조회 후 답변하면 된다고 판단합니다. 이에 자동이체 설정을 위한 결제 처리 에이전트와 대출 한도 안내를 위한 지식 검색을 병렬로 실행합니다. 에이전트는 내부 계정계 시스템을 호출해 자동이체를 설정하고 결과를 확인한 뒤, 지식 검색 모듈은 대출 한도 정보를 CRM에서 조회합니다. 그 사이 멀티모달 AI 모듈은 고객이 첨부한 최근 거래명세서 PDF를 분석하여 고객의 월 납입금 패턴 등 추가 단서를 추출, 이를 에이전트에게 전달하여 대출 한도 답변에 참고하도록 합니다. 최종적으로 오케스트레이터는 이 모든 결과를 취합하여 하나의 응답을 생성합니다. 응답에는 “고객님, 요청하신 자동이체 설정이 성공적으로 완료되었습니다. 또한 현재 고객님의 대출 가능 한도는 5,000만원입니다.”라는 문장이 포함되어 있습니다. 고객은 한 번의 문의에 대해 즉각적이고 종합적인 답변을 얻고, 필요한 처리가 자동으로 완료되어 별도의 조치를 취할 필요가 없습니다. 이처럼 제안된 프레임워크에서는 멀티모달 AI로 맥락 파악력을 높이고, ReAct 기반 AI 에이전트로 복합 업무 수행력을 확보하며, AI 오케스트레이션으로 전반적인 흐름과 연계를 조율함으로써 기존 AICC의 한계를 극복합니다. 아래 표는 기존 AICC와 에이전트기반 AICC를 비교하여 핵심 차이점과 특징을 정리한 것입니다. 위 표에서 보듯이, 통합 프레임워크를 적용한 AICC는 다양한 입력을 동시에 이해하고(멀티모달), 이해한 바를 토대로 스스로 행동하여 문제를 해결하며(AI 에이전트), 그 과정에서 여러 시스템을 연결하고 관리하는 기능(AI 오케스트레이션)을 갖춤으로써 현재 컨택센터가 직면한 한계를 크게 완화시킬 것으로 기대됩니다. 구체적인 기대 효과를 다음 장에서 정리합니다. 에이전트기반 차세대 AICC의 특징 에이전트기반 통합 AICC 프레임워크를 도입함으로써 얻을 수 있는 주요 기대 효과는 다음과 같습니다. •모든 채널에서 일관된 응대 품질: 멀티모달 AI와 오케스트레이션을 통해 채널에 상관없이 고객의 맥락과 정보를 일관되게 파악하고 유지할 수 있으므로, 고객이 어떤 채널로 문의하더라도 동일한 수준의 정확하고 친절한 응대를 받을 수 있습니다. 이는 채널 간 단절을 해소하고 진정한 옴니채널 경험을 제공합니다. •복잡한 상담 자동화 및 문제 해결 능력 향상: LLM이 추론(Reasoning) 과정을 거쳐 필요한 행동(Action)을 결정하는 AI 에이전트를 활용함으로써, 과거에는 사람이 처리해야 했던 복잡한 요청도 이제 AI가 상당 부분 처리할 수 있습니다. 예를 들어 계좌 이체, 예약 변경, 장애 진단 등 업무를 AI가 척척 해내어, 더욱 유연하고 지능적인 문제 해결이 가능해집니다. 이는 고객 대기시간을 줄이고 FTF(First-Time-Fix) 해결률을 높여 전반적인 만족도를 끌어올릴 것으로 기대됩니다. •데이터 일관성과 정확도 개선: 기존 레거시 시스템(콜 로그, CRM 등)과 최신 AI 모델을 유기적으로 결합함으로써, 데이터의 일관성과 처리 정확도가 향상됩니다. 예를 들어 AI 에이전트가 답변을 생성할 때 항상 최신 내부 데이터를 조회하고 사용하므로 잘못된 정보 제공을 예방할 수 있고, 모든 단계가 중앙 오케스트레이션으로 기록/관리되어 규정 준수와 모니터링도 용이합니다. •운영 효율 및 비용 절감: AI 자동화 범위가 넓어짐에 따라 상담사가 직접 처리해야 하는 사례가 크게 감소합니다. 상담사는 보다 부가가치 높은 업무(정서적 공감이 필요한 상담이나 복잡한 클레임 등)에 집중할 수 있고, 반복적이고 시간 소모적인 일은 AI가 처리하여 인력 비용이 절감됩니다. 또한 AI 에이전트가 사람 대비 실수를 줄이고 표준화된 응대를 제공하므로 품질 편차가 줄어들고, 신규 상담사 교육비용 절감 등의 부수 효과도 기대됩니다. •고객경험(CX) 혁신: 이상적인 경우, 고객은 AI의 존재를 느끼지 않을 정도로 자연스럽고 끊김 없는 서비스를 누리게 됩니다. 필요할 때마다 즉각 답을 얻고, 요청한 작업은 백그라운드에서 자동으로 처리되며, 어느 채널로 문의하든 이전 대화가 이어져서 일관되고 개인화된 경험이 제공됩니다. 이는 기업의 CSAT(고객 만족도), NPS(고객추천지수) 등의 향상으로 이어지고, 나아가 브랜드 로열티(loyalty) 제고로 연결될 수 있습니다. 위의 기대 효과를 바탕으로 앞서 에이전트 기반 차세대 AICC 프레임워크에서 소개한 시나리오를 정리해보면, 금융사 고객의 “자동이체 설정 및 대출한도 문의” 예에서, 통합 AICC는 멀티모달 이해 → 에이전트 처리 → 결과 통합의 End-to-End 자동화를 살펴보았습니다. 그 결과 고객은 앱에서 문의를 남긴지 수십 초 만에 “자동이체가 성공적으로 설정되었고, 대출 한도는 XX원입니다”라는 맞춤형 답변을 받을 수 있습니다. 실제 운영 환경에서도 이와 유사하게, 고객이 챗봇과 상호작용하는 동안 그 이면에서 여러 AI 에이전트들이 동시에 움직이고, 필요한 작업을 수행하며, 고객에게는 단일 창구를 통한 원스톱 서비스가 제공될 것입니다. 인포뱅크 연구팀이 진행한 내부 파일럿 시험에서 제안된 프레임워크를 적용할 경우 단순 FAQ에 국한되었던 자동화율이 크게 상승하고, 평균 처리시간도 유의미하게 단축될 수 있음을 시뮬레이션 했습니다. 예를 들어 복잡도 높은 시나리오에서 기존에는 0% 자동화(100% 사람이 처리)되던 것이 통합 프레임워크 적용 후 약 50% 이상 AI가 자체 처리될 수 있음과, 고객 응대 품질 점수도 기존 수준 대비 동등하거나 오히려 향상될 수 있음을 살펴보았습니다. 이러한 시뮬레이션과 초기 실험은 에이전트 통합 차세대 AICC 접근법의 실용적 가능성을 보여주며, 컨택센터 현장에 도입될 경우의 ROI와 혁신 잠재력을 시사합니다. 향후 과제 및 결론 멀티모달 AI, 지능형 AI 에이전트, 오케스트레이션이 결합된 차세대 AICC 프레임워크는 컨택센터 혁신의 새로운 지평을 열어줄 것으로 기대됩니다. 본 글 에서 현재 AICC의 한계를 진단하고, 최신 AI 기술 통합을 통한 해결 방안을 제시하였습니다. 제안된 통합 전략을 통해 모든 채널에서 일관된 맥락 유지, 복잡한 고객 요청의 자동 처리, 사람과 AI의 유기적 협업이 가능함을 보였습니다. 이것은 궁극적으로 고객에게는 더욱 편리하고 만족스러운 경험을, 기업에게는 운영 효율과 비용 절감이라는 두 마리 토끼를 잡을 수 있게 해줍니다. 그러나 이러한 혁신적 프레임워크를 실현하기 위해 남은 과제들도 존재합니다. 첫째로, 멀티모달 LLM 등의 초거대 AI 모델의 도메인 특화와 경량화가 필요합니다. 컨택센터 분야에 최적화된 데이터로 추가 학습을 시키고, 실시간 서비스에 적합하도록 응답 지연을 줄이는 연구가 뒤따라야 합니다. 둘째, AI 에이전트의 신뢰성과 안전성을 확보해야 합니다. 실제 업무를 자동으로 수행하는 만큼, 잘못된 행동을 방지하기 위한 엄격한 검증 절차와 모니터링이 요구됩니다. 특히 금융 거래를 처리하는 에이전트라면 보안과 규제 준수를 철저히 검사해야 하며, 오류 시 롤백 등의 대비책도 마련되어야 합니다. 셋째, AI 오케스트레이션 환경에서 사람 상담사의 역할 정의와 교대에 관한 거버넌스 설정이 필요합니다. AI가 대부분 처리하더라도 예외 상황에서 사람이 개입할 수밖에 없는데, 언제 어떻게 개입할지, AI와 사람 간 책임 소재는 어떻게 나눌지 등에 대한 정책과 훈련이 중요합니다. 넷째, 프라이버시 및 윤리 문제도 간과할 수 없습니다. 멀티모달 AI는 대량의 고객 데이터를 활용하므로 개인정보 보호를 위한 익명화, 데이터 보안이 필수이며, LLM의 편향이나 부적절한 대응을 막기 위한 윤리적 통제 장치도 마련해야 합니다. 마지막으로, 이러한 첨단 시스템 도입에 따른 비용 대비 효과를 각 기업 맥락에서 분석하고, 점진적인 통합 전략을 수립하는 것도 과제입니다. 기존 시스템을 한 번에 대체하기보다 모듈별로 통합해가는 방식, 예산 확보와 경영진 설득 등을 포함한 현실적 로드맵이 필요할 것입니다. 멀티모달 AI, AI 에이전트, AI 오케스트레이션을 중심으로 한 통합 전략은 AI 컨택센터(AICC)의 패러다임 전환을 이끌 수 있는 강력한 방안입니다. 다양한 정보를 동시에 이해하고, 스스로 판단·행동하며, 전체 시스템을 조율하는 컨택센터 AI는 더 이상 먼 미래의 이야기가 아니며, 실현 단계에 접어들고 있습니다. 이러한 통합 프레임워크를 도입한 컨택센터는 고객이 어느 채널로 접근하든 동일한 품질의 응대를 제공하고, 복잡한 요구도 실시간으로 처리하는 진정한 의미의 지능형 컨택센터로 거듭날 것입니다. 기업은 이를 통해 고객 만족과 충성도를 높이고 운영 효율을 극대화할 수 있으며, 나아가 시장에서 서비스 혁신을 주도하는 경쟁우위를 확보할 것으로 기대됩니다. 향후 본 기술의 실제 현장 적용 사례와 장기적 성과에 대한 연구가 이어지길 바라며, 인포뱅크를 비롯한 업계의 지속적인 노력으로 AI 컨택센터의 혁신이 가속화되기를 기대합니다. 참고문헌 (References) 1. Deloitte. “Trends & AI in the Contact Center.” Deloitte US Consulting Report, 2023 2. McKinsey. “Where is customer care in 2024?” McKinsey Insights, 2023 3. BCG (Boston Consulting Group). “How Generative AI is Transforming Customer Service.” BCG Publication, 2023 4. Shunyu Yao et al. “ReAct: Synergizing Reasoning and Acting in Language Models.” Proc. of ICLR 2023 5. Iris Zarecki. “ReACT Agent LLM: Making GenAI React Quickly and Decisively.” K2View, Dec 2024 6. Quiq. “What is Multimodal AI? Definitions, use cases, and examples.” Quiq, 2023 7. Teneo. “AI Agent Orchestration Explained: How and Why?” Teneo, Aug 2023 8. 인포뱅크. “멀티모달·AI 에이전트·AI 오케스트레이션 기반 AICC 혁신 전략.” 제11회 AI 차세대 컨택센터 컨퍼런스 발표자료, 2025. < 글 > 강진범 대표/ 인포뱅크 아이랩(iLab)
    • Report
    • Special Report
    2025-05-30
  • AICC 주요 솔루션의 품질 관리: 디지털 상담의 신뢰를 높이는 핵심
    [컨택저널 2025년 6월호] AICC 주요 솔루션의 품질 관리: 디지털 상담의 신뢰를 높이는 핵심 디지털 전환 속, AICC 품질 관리는 왜 중요한가? AIContactCenter(AICC)의 도입이 빠르게 확산되고 있습니다.음성인식(STT),챗봇,AI상담Assistant,AIKMS,예측 분석 시스템 등 다양한AI솔루션들이컨택센터에 적용되면서, 고객 응대의 패러다임이 ‘사람 중심’에서 ‘기술 중심’으로 전환되고 있습니다. 하지만 이처럼 기술이 중심이 되는 환경일수록, ‘품질 관리’의 중요성은 더욱 커지고 있습니다. 기존의컨택센터 품질 관리는 주로 상담사의 응대 태도, 프로세스 준수 여부, 고객 만족도 등 ‘사람’에 초점을 맞추고 있었습니다. 하지만 AI 기반의 시스템이 고객 접점의 전면에 등장하면서, 이제는 ‘기술의 응답’에 대한 품질 관리가 요구되는 시대입니다. 즉, 시스템이 제공하는 답변의 정확도, 데이터 처리의 신뢰도, 자동화된 응답의 민감성 등을 평가하고 개선해나가는 품질 관리 체계가 필수가 된 것입니다. AICC 품질 관리가 필요한 이유 정확성 보장 음성인식(STT) 기술의 오류율이 높다면 고객의 말을 정확히 인식하지 못하고 잘못된 정보가 전달될 수 있습니다. 일관성 확보 ChatBot이 동일한 질문에 매번 다른 답변을 제공한다면 고객은 시스 템에 대한 신뢰를 잃게 됩니다. 확장성 기반 마련 품질 기준이 명확하지 않으면 새로운 기능이나 채널을 추가할 때 기존 시스템의 안정성을 해칠 수 있습니다. 상담사 지원의 효과성 AI KMS나 Assistant 기능이 부정확한 정보를 제공할 경우 상담사의 대응력이 떨어지고, 업무 피로도가 상승할 수 있습니다. AI 컨택센터 솔루션, 무엇을 관리해야 하는가? AI 기술을 활용한 컨택센터 솔루션이 확산되면서, 단순히 솔루션을 도입하는 것을 넘어, 그 솔루션이 정확하고 일관된 품질을 유지하고 있는가를 점검하는 관리 체계가 요구됩니다. 특히 다음과 같은 항목은 주요 관리 대상입니다. AICC 솔루션 품질 관리를 위한 체크포인트 AICC의 주요 품질 관리는 단순한 수치 확인을 넘어서,실제 상담 업무에서 솔루션이 얼마나'신뢰받고' '활용되고'있는지를 점검하는 것이 중요합니다.다음은 품질 관리를 위한 실질적인 체크포인트입니다. AICC 품질 관리의 조직 내 정착을 위한 전략 AI기반 솔루션의 품질을 지속적으로 관리하기 위해서는 단순히 기술적 개선을 반복하는 것을 넘어,조직 전체가 품질 관리를 일상적인 업무로 내재화하는 전략이 필요합니다. 특히 AICC 시스템은 운영, 상담, IT, 교육 등 다양한 부서와 직무 간 협업이 필수이기 때문에, 다음과 같은 정착 전략이 요구됩니다. 추가적으로 고려해야 할 품질 관리 항목 데이터 윤리 및 보안 검토 AICC는 방대한 고객 대화를 기반으로 학습하고 동작합니다.이 과정에서 고객 개인정보 유출이나 윤리적 문제 발생 가능성도 함께 커지므로,AI 학습 데이터의 익명화와 접근 권한 관리, AI 응답의 근거 제시 기능 등의 품질 기준이 수립되어야 합니다. 모니터링 시스템 도입 시스템 도입 이후에도 ‘정답률’,‘사용률’,‘오류 패턴’,‘고객 이탈’과 같은 다양한 품질 지표를 실시간으로 모니터링하고 자동으로 이상 징후를 감지하는 시스템이 필요합니다.품질 관리는 프로젝트가 끝나고 나서의 과제가 아니라,운영 중 지속적으로 이뤄져야 하는 활동입니다. 사용자 피드백 루프 설계 상담사와 고객의 실제 경험을 기반으로 한 피드백을 품질 개선에 반영하는 구조가 반드시 필요합니다. 예를 들어, ‘챗봇 답변이 도움이 되었나요?’와 같은 간단한 만족도 조사나, 상담사의 AI 응답 평가 기능이 좋은 예입니다. 품질 관리를 조직 전반의 과제로 인식해야 기술 중심의 도입 이후 품질 관리 체계를 정립하지 않는다면 AICC는 ‘시스템은 있는데 효과는 없는’ 실패한 디지털 전환이 될 수 있습니다. 특히 ‘고객 경험’이 평가 기준이 되는 컨택센터 산업에서는 운영 조직 전체가 품질을 함께 관리하고 개선하는 문화가 무엇보다 중요합니다.품질 관리는 기술팀만의 일이 아닙니다. 상담사는 어떤 응답이 불충분했는지 피드백을 주고, 운영팀은 KPI를 점검하고, 전략 부서는 개선 우선순위를 설정하며, 기술팀은 이를 반영하는 구조가 되어야 진정한 AICC의 성공이 가능합니다. 결론: 품질이 신뢰를 만든다 컨택센터의 AICC 솔루션은 그 자체로 기술의 정수가 모인 시스템입니다. 하지만 고객은 기술을 경험하는 것이 아니라,‘정확한 응답’과‘신뢰할 수 있는 서비스’를 경험합니다. 그렇기에 AI 솔루션이 아무리 정교해도, 그 품질이 지속적으로 관리되지 않으면 고객의 신뢰를 얻기 어렵습니다. AICC솔루션의 성공은 기술 도입이 아닌,품질 유지와 개선의 지속성에 달려 있습니다. 결국, 고객이 믿고 사용할 수 있는 AI 응대 환경을 만드는 것이야말로 디지털 컨택센터의 핵심 경쟁력이 될 것입니다. LB유세스의 사례 LB유세스는STT기술 기반의 상담 어플리케이션을 고도화하며,실시간 모니터링과 대화 텍스트 화의 정확도를 지속적으로 개선해왔습니다. 또한 챗봇,AIKMS,예측 분석 시스템을 포함한AICC 솔루션의 도입 이후, 각 솔루션의 품질을 주기적으로 점검하고 실시간 개선이 가능한 품질 관리 체계를 구축하였습니다.이를 통해LB유세스는 단순한AI기술 도입을 넘어,고객에게 신뢰받는컨 택센터 운영을 실현하고 있습니다. ※자세한 내용은 lbucess.com을 방문하시거나 salesmarketing@lbucess.com으로 문의하시기 바랍니다. < 글 > LB유세스 전략기획팀
    • Report
    • Special Report
    2025-05-30

News 검색결과

  • [트랜스코스모스코리아] KT와 AI Transformation 선도를 위한 전략적 파트너십 체결
    글로벌 전문 BPO 그룹 ㈜트랜스코스모스코리아와 KT는 지난 4월 22일 여의도 트랜스코스모스코리아 본사에서 ‘BPO 시장의 AI Transformation을 선도하기 위한 전략적 파트너십’을 체결했다고 밝혔다. 협약식에는 KT의 안창용 부사장을 비롯해 트랜스코스모스코리아의 타니 히로유키 대표이사, 이정아 대표이사 등 관계자 10여 명이 참석했다. 이번 협약은 통합 서비스 플랫폼 ‘TCK AICC+’를 중심으로 진행된다. TCK Cloud를 기반으로 한 TCK AICC+는 트랜스코스모스코리아의 IT 인프라와 응용 애플리케이션, KT의 AICC 서비스, 그리고 KT-Microsoft가 공동 개발한 AI 솔루션 등을 포함한다. 양사는 TCK AICC+를 통해 BPO 시장 내 다양한 기업들이 보다 손쉽고 빠르게 AI 전환을 실현할 수 있도록 지원할 계획이다. 트랜스코스모스코리아와 KT는 TCK AICC+의 성공적인 도입과 신속한 시장 진출을 위해 ▲AI 솔루션 개발 및 적용 ▲클라우드 인프라 구축 ▲공동 마케팅 및 세일즈 활동 ▲글로벌 비즈니스 확장 등 총 4개 분야에서 긴밀히 협력하기로 했다. 특히, 생성형 GPT 등 최신 AI 기술을 기반으로 한 솔루션을 개발해 산업별 맞춤형 AICC 서비스에 접목함으로써 고객의 니즈에 더욱 정밀하게 대응하고 차별화된 고객 경험을 제공하겠다는 전략이다. 여기에 TCK 전용 클라우드 인프라도 설계·구축해 고객 요구에 유연하게 대응하고 보안성과 플랫폼 안정성도 함께 확보한다. 공동 마케팅 및 세일즈 활동도 본격적으로 추진한다. 양사는 신규 비즈니스 기회를 적극 발굴해 시장 내 입지를 한층 강화할 방침이다. 나아가 TCK AICC+ 성공 사례를 발판 삼아 동남아시아 등 해외 시장 공동 진출까지 도모한다. 트랜스코스모스코리아 관계자는 “TCK의 클라우드 인프라와 KT의 AI 기술이 만나 BPO 산업 전반의 AI 전환을 가속화시키는 데 중요한 역할을 할 것으로 기대한다”라며 “양사 간의 긴밀한 파트너십을 통해 국내외 시장에서 AI 경쟁력을 더욱 강화해 고객에게 실질적인 비즈니스 혁신을 제공해 나가겠다”라고 말했다.
    • News
    • 회원사 및 업계 뉴스
    2025-05-29
  • [메타엠] GPT 기반 '대화형 컨택센터' 선봬
    메타엠(대표 신인수)이 공개한 GPT 기반 챗봇이 '대화형 인공지능 컨택센터(AICC)'로 주목받고 있다. AICC 기술에 지속적 투자를 이어온 메타엠은 △음성인식(STT) △음성합성(TTS) △교류분석(TA Analysis) 등 상담 시스템에 GPT를 접목해 독자적 기술력으로 구축했다. 오랜 기간 축적된 △노하우 △상담 매뉴얼 △상황별 스크립트 △자주 묻는 질문(FAQ) △고객 상담 녹취록 등 데이터 기반 '대화형 AICC 챗봇'도 구현했다. 메타엠이 개발한 'GPT 챗봇'은 기존 시나리오 기반 챗봇처럼 정해진 질의 응답을 반복하지 않는다. 대화 맥락·고객 감정까지 이해해 상황에 맞게 답변을 내놓는다. 또 알고리즘을 통해 상황과 문맥에 따라 고객 문의를 이해하고 적절한 답변 제공이 가능하다. 이로써 고객은 자연스럽고 유연한 대화 형태의 상담을 경험할 수 있다. 추가 문의에 대한 예측으로 신속한 문제 해결도 지원한다. 또한 챗봇으로 해결이 어려운 이슈는 전담 부서로 연결해 불필요한 대기 없이 문제를 해결할 수 있다. 아울러 메타엠은 GPT 챗봇을 AICC 솔루션 핵심 기술로 탑재했다. 이에 상담 시작부터 후처리까지 전체 상담 프로세스를 고도화하고 있다. AI 후처리를 통한 자동 상담 요약도 가능해 상담 내용을 분석과 대화 유형 분류로 핵심 정보를 빠르게 요약 가능하다. 메타엠 관계자는"자사 AICC는 일반적인 시나리오 기반 단순 문의 대응과 다르다."며 "실제 상담사처럼 자연스러운 답변이 나오는 게 핵심"이라고 말했다. 이어 "자체 개발한 기술력을 통해 상담 효율 극대화를 위한 AICC 솔루션을 제공하고 있다"고 전했다.
    • News
    • 회원사 및 업계 뉴스
    2025-05-29
  • [아톤] AI 채팅∙챗봇 솔루션 ‘깃플챗K’ 나라장터 입성
    핀테크 보안기업 아톤(대표 김종서, 우길수)은 공공기관 전용 AI챗봇·채팅상담 솔루션 ‘깃플챗K’를 조달청 나라장터 디지털서비스몰에 등록하고 공공 시장 확대에 나선다고 밝혔다. ‘깃플챗K’는 아톤의 AI 챗봇·채팅 상담 서비스 ‘Aton Intelligence Communication Center(AICC)'의 공공 특화 솔루션이다. 이번 조달청 나라장터 디지털서비스몰에 정식 등록됨으로써 공공기관 및 지자체에서는 일반 경쟁 입찰과 같은 복잡한 행정 절차 없이 ‘깃플챗K’의 간편하고 신속한 도입이 가능하다. SaaS 방식으로 공급하는 깃플챗K는 기존 On-Premises 방식에 비해 초기 구축 비용과 시스템 유지보수 인력 운영 비용을 크게 절감할 수 있어 효율적인 예산 집행을 지원한다. 이를 통해 아톤은 정부의 공공부문 클라우드 네이티브 전환 정책에 맞춰 공공기관의 디지털 혁신을 가속화할 방침이다. 앞서 Aton Intelligence Communication Center는 한국인터넷진흥원(KISA)로부터 채팅 서비스로는 업계 최초로 CSAP(클라우드 보안인증) 인증을 획득함으로써 공공기관의 보안 요건을 충족했다. 또한 네이버 클라우드 플랫폼 공공기관 전용 인프라에 구성되어 365일 24시간 안정적인 서비스 운영을 보장한다. 깃플챗K는 FAQ봇, 시나리오봇, 생성형 AI를 목적에 맞게 단독 또는 통합 운영할 수 있는 챗봇 서비스와 전문 채팅상담 시스템을 연계 제공한다. Advanced RAG 기술을 적용한 AI 추론 엔진으로 정확한 고객 응답이 가능하며, 백오피스 시스템을 통해 프롬프트와 지식베이스를 효율적으로 관리할 수 있다. 시나리오봇의 Gen AI 노드를 활용하면 생성형 AI를 쉽게 연동할 수 있어, 비개발자도 손쉽게 업무 자동화를 구현할 수 있다. 또한 상담사 스킬 배정, 상담 전달, 귓속말 등 상담사 협업 기능과 함께 상담 번역, 저장된 답변 활용, 상담 노트 작성 등 다양한 채팅상담 기능으로 업무 생산성을 높일 수 있다. 이 외에도 깃플챗K는 ‘원솔루션-멀티채널’ 통합 아키텍처를 통해 다양한 채널의 고객 상담을 단일 솔루션으로 일원화할 수 있다. 웹과 모바일 앱, 카카오톡 등 주요 플랫폼과 완벽히 연동되며, 텍스트, 음성, 동영상, Live Streaming까지 다양한 커뮤니케이션 방식을 지원한다. 클러스터 구조를 기반으로 동시 접속 6만명, 초당 최대 1,800만 건의 메시지 처리가 가능한 뛰어난 성능과 99.9%의 안정적인 서비스 가동률(SLA)을 자랑한다. 이용량 증가 시 쉽게 확장 가능한 구조로 설계되어 상담량 폭주에도 안정적인 서비스를 제공한다. 아톤 관계자는 “깃플챗K를 도입하는 기관에서는 맞춤형 챗봇을 통해 재난 안전, 교통, 지역 행사 및 관광 정보 등 대국민 정보 제공을 자동화하고, 필요시 전문 상담사의 채팅 상담으로 자연스럽게 연결해 민원인의 만족도를 높일 수 있다.”며 “신규 직원 On-Boarding과 내부규정 및 정책 문의 자동 응대 등 기관 내부 업무 효율화에도 활용이 가능하다”고 말했다. 한편, 아톤은 이미 삼성생명, 한국투자증권, NH농협카드, 교보라이프플래닛 등 주요 금융기관과 케이카, 한국미스미 등 다양한 기업에 AI챗봇·채팅상담 솔루션을 성공적으로 공급한 경험을 보유하고 있다. 공공영역에서도 한국청소년상담복지개발원, 국민체육진흥공단, 신월여의지하도로 등에 각 기관 특성을 고려한 맞춤형 상담 솔루션을 제공했으며, 고객 환경에 따라 On-Premises, 독립형 클라우드, SaaS 등 다양한 방식으로 서비스를 구축할 수 있다.
    • News
    • 회원사 및 업계 뉴스
    2025-05-29
비밀번호 :