AI를 활용해 효율적인 고객 서비스를 제공하는 T-Mobile

기술을 통해 고객과 원활한 소통

소비자에게 항상 독창적인 서비스를 제공하기 위해 노력하는 혁신적인 무선 통신 업체 T-Mobile은 이러한 노력의 일환으로 고객 서비스에 AI를 사용하고 있습니다.


기계 학습의 예측 기능을 사용해 고객 서비스를 개선하는 방식은 AI를 통해 직원들의 능력을 강화하는 좋은 예라 할 수 있습니다. 이처럼 T-Mobile은 고객에게 더 유용한 서비스를 더욱 빠르게 제공하는 수단으로 AI를 활용하고 있습니다. 이는 T-Mobile 및 서비스 담당자에게 도움이 될 뿐만 아니라, 고객 경험과 사용자 간 연결 기능도 강화합니다.

T-Mobile의 CIO/부사장인 Cody Sanford는 말합니다. “대다수 업계에서는 고객 서비스 상담원과 고객 간의 상호 작용을 최대한 줄이기 위한 수단으로 첨단 IVR(대화형 음성 응답) 시스템과 챗봇을 제작하는 데 AI와 기계 학습을 사용해 왔습니다.” 하지만 T-Mobile에서는 AI와 기계 학습이 전혀 다른 방식으로 사용됩니다. T-Mobile 고객은 IVR이나 챗봇과 상담을 하는 대신, 고객에 대해 알고 있는 상담원과 즉시 연결할 수 있습니다. 연결된 상담원은 AI를 활용하여 고객 요구에 가장 밀접하게 관련된 정보에 빠르게 액세스할 수 있습니다.

이처럼 상담원에게 실시간으로 상황 정보를 제공하면 각 고객의 문제를 빠르게 정확하게 해결할 수 있습니다. 이를 위해 T-Mobile은 방대한 텍스트 데이터에서 의미를 추출하는 자연어 이해 기계 학습 모델을 개발했습니다. T-Mobile의 데이터에는 매일 수신되는 수많은 고객 요청과 고객 쿼리에 사용 가능한 답변을 찾을 수 있는 지식 리포지토리가 포함됩니다. 기계 학습 모델은 청구 요금 결제, 신규 회선 추가 등 특정 고객의 요구를 충족할 수 있는 정보를 예측합니다. 그러면 고객을 정기적으로 상담하여 고객 정보를 파악하고 있는 TEX(전문가 팀) 그룹에 소속된 고객 서비스 상담원에게 관련 콘텐츠가 표시됩니다.

“T-Mobile 고객은 자신에 대해 잘 알고 있는 상담원과 연결될 때 만족합니다. 기계 학습을 통해, 우리는 새로운 고객과의 관계를 다시 구축할 수 있습니다.”

Cody Sanford
EVP/CIO
T-Mobile

“T-Mobile 고객은 자신에 대해 잘 알고 있는 상담원과 연결될 때 만족합니다. T-Mobile에서는 기계 학습을 통해 새로운 고객 상담 방식을 제공할 수 있습니다.”

Cody Sanford
EVP/CIO
T-Mobile

하지만 이 프로세스를 시작하려면 예측 기계 학습 모델을 학습시키기 위해 데이터에 레이블을 추가해야 합니다. 이전에 T-Mobile에서는 데이터 사이언티스트 팀이 수동 레이블 지정을 담당하였습니다. 이 작업은 반드시 필요했지만 번거롭고 시간이 많이 걸렸습니다. 데이터 사이언티스트는 고객 메시지를 살펴보면서 키워드와 구를 찾은 다음 트랜잭션 유형에 매핑했습니다.

T-Mobile은 Amazon SageMaker Ground Truth를 통해 데이터 레이블 지정 작업을 AI와 통합하기로 결정했습니다. Ground Truth는 학습 데이터 레이블 지정 속도를 높이고 범위를 확장합니다. 기계 학습 모델이 높은 정확도로 예측을 하려면 이러한 학습 데이터가 반드시 필요합니다. Ground Truth는 이 작업을 수동으로 수행하는 대신 실시간으로 이러한 주석에서 학습을 하고 나머지 데이터 세트의 대부분에 레이블을 자동으로 적용합니다.

T-Mobile은 Ground Truth를 사용함으로써 해당 프로세스를 간소화할 수 있었습니다. 또한 데이터 사이언티스트가 직접 레이블 지정을 수행할 필요가 없어졌기 때문에 모델 생성/분석/검증/배포 등의 특수 작업에 주력할 수 있게 되었습니다.

Sanford는 “이전에는 데이터 사이언티스트들이 오랜 시간에 걸쳐 수천 개의 메시지에 레이블을 지정해야 했습니다. 하지만 Ground Truth를 사용한 후로는 레이블 지정 과정의 효율성이 매우 높아져서 이제는 더 이상 숙련된 데이터 사이언티스트가 수동으로 데이터 레이블을 지정할 필요가 없습니다.”라고 말합니다.

예를 들어 Ground Truth는 고객 텍스트 메시지 수백만 개에 포함된 구와 키워드를 확인해 정확한 학습 데이터를 생성합니다. 따라서 T-Mobile은 고객이 문의를 하는 이유와 관련하여 더 적절한 예측 권장 사항을 생성해 첫 번째 문의에서 적절한 답변을 제공할 수 있습니다. 이 모델은 자체 학습형이므로 시간이 지나면서 정확도가 계속 높아집니다.

Sanford는 덧붙입니다. “T-Mobile 고객은 자신에 대해 잘 알고 있는 상담원과 연결될 때 만족합니다. 기계 학습을 통해, 우리는 고객과의 관계를 다시 구축할 수 있습니다.”

교통사고 사망자를 줄이기 위해 ML을 사용하는 Kia

자세히 알아보기 »

고객이 사기를 당하지 않도록 ML을 사용하여 더 효과적으로 보호하는 Capital One

자세히 알아보기 »

ML을 활용해 의료 서비스의 품질을 개선하는 GE Healthcare

자세히 알아보기 »

팬들의 TV 시청 환경을 개선하기 위해 ML을 사용하는 NFL

자세히 알아보기 »