종종 고객센터는 전화를 받고, 해결책을 찾고, 사유를 기록하며, 신속하게 다음 고객에게 넘기는 것에 조건지어져 있습니다. 하지만 몇 분 만에 연락을 취하는 것은 관련 정보를 얻기 어렵습니다. 이러한 상호작용을 미래를 위한 학습으로 바꾸는 기술이 있다면 어떨까요?
이 기술은 이미 존재하며 전화 통화를 넘어선 것으로, 고객과 기업 간의 모든 종류의 대화를 분석할 수 있습니다. 포함적으로, 긍정적이거나 부정적인 경험을 결정하는 것은 단지 목소리의 톤이 아니라 전체 커뮤니케이션의 맥락입니다. 지역적 특성이나 문화적 표현과 같은 요소들은 이러한 해석에서 중요한 역할을 하며, 한 사람이 어떤 사건에 대해 이야기할 때 반드시 불만이 있어서가 아니라 흥분해서 말하거나, 부정적인 의미 없이 구어체 표현을 사용할 수도 있기 때문이다.
생성 인공지능—단순히 작업을 자동화하는 것뿐만 아니라 데이터를 분석하고 통찰력을 생성하는—을 통해 기업은 특정 문제를 해결하는 것뿐만 아니라 수천 개의 파일과 데이터를 검토하고, 대화에서 불만족 패턴을 식별하며, 필요성을 예측하고, 고객 여정을 개선하는 데 도움을 줄 수 있습니다.
AI는 각 상호작용마다 상세한 분석을 수행하는데, 이는 데이터 양이 많아 인간 분석가가 같은 범위와 시간 내에 할 수 없는 일입니다. 기회가 되는 경우, 작은 대화에서도 이러한 통찰력을 기업이 실행 가능한 지능으로 전환하는 도구라고 카를로스 세나 창립자는 설명합니다.에이다생성 AI 사용에 특화된 플랫폼으로, 상호작용을 실행 가능한 지능으로 전환합니다.
브라질은 이미 이 인공지능의 "팔"을 채택하는 글로벌 선두주자 중 하나로 부상하고 있습니다: 구글이 의뢰한 조사에 따르면, 세계에서 생성 인공지능을 가장 많이 사용하는 나라 중 하나이며, 응답자의 54%가 작년에 이 기술을 사용했다고 답했으며, 글로벌 평균은 48%에 머물렀습니다.
고객 서비스에 적용된 생성 AI는 채팅봇과 가상 비서를 통한 자동화와 같은 전통적인 사용을 넘어설 수 있습니다. 심지어 자동화된 상호작용에서도 사용자 경험이 항상 만족스럽지 않은 경우가 있기 때문입니다. 그래서 더 복잡한 상담이나 고객 자체도 여전히 인간의 존재를 필요로 합니다.
그리고 이러한 경우에 인공지능의 덜 명백한 사용이 가치 있을 수 있습니다: 생성 인공지능은 고객이 상담원과의 대화에서 보여주는 행동을 분석하고 불만족 패턴을 식별하며 마찰 지점을 매핑하여, 여정을 더 효율적으로 만들기 위한 지속적인 조정을 가능하게 합니다. 도구가 수행한 데이터 분석은 브랜드가 병목 현상과 고객 불만이 가장 많은 지점을 이해하는 데 도움을 주며, 아무 것도 "추측"할 필요가 없습니다. 따라서 개선 결정은 더 잘 근거를 두게 되며, 결과적으로 긍정적인 효과를 낼 가능성이 더 높아집니다.
사용자의 요청에 응답하는 것 이상으로 인공지능은 기업이 각 상호작용을 서비스 향상의 기회로 바꾸고, 궁극적으로 진정한 정보의 원천을 만들어내며 문제의 근본 원인에 다가가 해결하는 것을 가능하게 합니다. 잘 듣고, 반성하며, 분석하고, 정리하는 것은 고객을 잃는 것과 영원히 확보하는 것의 차별점이 될 수 있습니다. 모순처럼 보이지만, 기술은 오히려 더 인간적인 서비스를 제공하는 데 큰 도움을 줍니다.라고 세나가 마무리합니다.
