AI 에이전트와 챗봇의 차이점은 무엇인가요?

온라인 고객 지원 상담원과 채팅하거나 Siri에게 로드 아일랜드의 공식 주조가 무엇인지 물어본 적이 있다면 챗봇과 상호작용한 경험이 있는 것입니다.

이 편리한 디지털 비서는 간단한 질문에 답하고 기본적인 작업을 수행하는 데는 능숙하지만, 생성형 인공지능(AI) 시대에는 한계를 느낄 수 있습니다. Siri에게 지역별 가장 중요한 영업 잠재 고객 목록을 요청하면 Google에서 이를 알려줄 것입니다.

An AI 에이전트는 워크플로우에 디지털 AI 비서가 내장되어 있는 것과 같습니다. 그날의 주요 영업 잠재 고객의 우선순위를 정하는 데 도움이 필요하신가요? 오늘 아침에 놓친 서비스 팀 회의에 대한 간략한 요약을 찾고 계신가요? 크리에이티브의 벽에 부딪혀 고객 인구 통계에 맞는 마케팅 카피가 필요하신가요? 귀사의 고유한 데이터를 기반으로 하는 상담원이 이 모든 것을 도와드릴 수 있습니다.

하지만 두 가지 모두 대화형이라는 특성을 고려할 때 챗봇의 끝과 상담원의 시작이 어디인지 궁금해지는 것은 당연합니다. 자세히 알아보려면 계속 읽어보세요.

기존의 챗봇은 사전 정의된 규칙, 의사 결정 트리 및 스크립트 응답을 사용하여 사용자와 상호 작용하는 컴퓨터 프로그램입니다. 자연어 처리(NLP)를 지원하는 덜 발전된 형태의 AI를 기반으로 하는 챗봇은 일반적으로 사용자 요청을 정확하게 처리하기 위해 상당한 훈련과 미세 조정이 필요합니다. 1964년 조셉 와이젠바움이 엘리자를 만든 이래로 사용되어 온 챗봇은 주로 정보 검색, 기본적인 상호작용 처리, 일반적인 고객 지원 질문에 답변하는 데 사용됩니다. 챗봇은 AI 에이전트와 유사한 대화형 인터페이스를 가지고 있지만, 동일한 방식으로 언어를 이해하지는 못합니다. 대규모 언어 모델 (LLM)과 같은 방식으로 언어를 이해하지 못합니다.

일반적인 질문에 신속하고 일관된 답변을 제공할 수 있어 일상적인 고객 서비스 문의를 처리하고 기본 정보를 수집하며 관련 리소스를 제안하는 데 있어 신뢰할 수 있고 비용 효율적인 솔루션이 될 수 있습니다. 그러나 문맥을 이해하고 상호 작용을 통해 학습하는 능력과 미리 정의된 대화 흐름 이외의 쿼리를 처리하는 능력은 제한적입니다. 따라서 간단하고 반복적인 작업에는 효과적이지만 개방적인 대화에는 어려움을 겪습니다.

"기존 봇의 대화 흐름 자체는 매우 선언적이고 미리 정의된 방식으로 구축됩니다. 자연스러운 대화 경험을 완전히 제공하지는 못합니다."라고 Salesforce AI 팀의 제품 관리 디렉터인 Abhi Rathna는 말합니다.

챗봇을 자판기처럼 생각하세요: 챗봇은 고정된 스낵(미리 정해진 응답)과 사용자 입력을 위한 작은 키패드(사용자가 입력할 수 있는 쿼리)를 가지고 있으며, 사용자가 선택한 것(스크립트화된 응답)만 정확하게 제공할 수 있습니다. 간단하고 예측 가능하며 특정 요구 사항을 충족해야 하는 경우에 적합합니다.

챗봇은 모든 응답이 브랜드 메시징 가이드라인을 준수하는 것이 중요한 시나리오에 적합합니다. "매우 구체적인 브랜드 목소리를 가진 사용자가 주요 시나리오에서 대화 흐름에 대한 규범을 원하는 경우, 기존 봇은 이러한 대화를 제어할 수 있는 기능을 제공합니다."라고 Rathna는 말합니다.

AI 에이전트는 고급 AI 어시스턴트 다양한 작업에서 인간의 역량을 강화하도록 설계되었습니다. 보다 제한된 챗봇과 달리, AI 에이전트 ( 자율 에이전트)은 자연어를 이해하고 생성하며, 대량의 정보를 처리 및 분석하고, 글쓰기, 코딩, 문제 해결, 창의적인 작업과 같은 복잡한 활동을 지원할 수 있습니다.

이러한 시스템은 일반적으로 방대한 양의 데이터로 학습된 대규모 언어 모델(LLM)을 기반으로 구축되기 때문에 보다 미묘하고 맥락에 맞는 상호작용을 더 잘 수행할 수 있습니다. 또한 기업이 개인화된 결과물을 생성하거나 중요한 비즈니스 인사이트를 발견하기 위해 에이전트가 귀사의 고유한 비즈니스 데이터 - 스프레드시트나 데이터베이스와 같은 정형 데이터와 PDF, 이메일, 채팅 로그와 같은 비정형 데이터를 모두 포함할 수 있습니다.

또한 AI 에이전트는 상호작용에 적응하고 학습할 수 있기 때문에 생산성과 의사 결정을 향상시키는 데 탁월한 다목적 툴입니다.

"AI 에이전트는 대규모 언어 모델을 사용하여 대화를 조율하므로 자연스러운 흐름을 만들기가 매우 쉬우며 구성 시간도 단축할 수 있습니다."라고 Rathna는 말합니다. "상담원이 의도를 이해하고 정답과 일치시키는 작업을 더 잘 수행합니다."

챗봇이 자판기와 비슷하다면 AI 에이전트는 인상적인 레시피 레퍼토리(방대한 지식 기반)와 복잡한 요리 요청을 이해하는 능력(자연어 처리), 사용자의 선호도에 맞는 새로운 요리를 학습하는 능력(과거 데이터를 통한 학습 능력)을 갖춘 개인 셰프와도 같습니다.

챗봇은 기능, 학습 방식, 구현에 걸리는 시간 등 여러 가지 중요한 면에서 AI 상담원과 다릅니다.

챗봇이 주로 규칙 기반 대화를 따르고 미리 정의된 질문에 답하는 것으로 제한되는 반면, AI 상담원은 관련 지식과 콘텐츠를 바탕으로 추론하고 답변을 제공할 수 있습니다. 고객 서비스 챗봇은 상담원과 달리 자연어 요청을 이해하기 위해 수백 개의 발화에 대한 광범위한 교육이 필요하므로 상담원이 훨씬 빠르고 쉽게 구현하고 실행할 수 있습니다. 또한 상담원은 작업을 호출하고 대화를 안내하기 위해 규칙 기반 대화 상자 및 구성이 필요하지 않습니다.

그렇다면 이 모든 것이 비즈니스에 가장 적합한 것을 결정하는 데 어떤 의미가 있을까요? 고객 대면 요구 사항과 직원 대면 요구 사항으로 나뉠 수 있다고 Rathna는 말합니다.

"주로 고객 대면 시나리오의 경우 기존 챗봇과 최신 제너레이티브 AI 에이전트가 혼합되어 사용될 것으로 예상됩니다. 직원 대면 시나리오의 경우 에이전트가 더 유리합니다."라고 그는 말합니다. "저희 Einstein Copilot 는 다른 비즈니스 프로세스와 함께 업무 흐름에 통합되어 있습니다. 그리고 빠른 통합과 결합하면 더 빠르게 채택할 수 있을 것입니다."

단기적으로는 생성형 AI 응답의 안정성이 계속 개선됨에 따라 Rathna는 하이브리드 모델이 많은 고객에게 좋은 옵션이 될 것으로 보고 있습니다.

"제가 예상하는 것은 고객들이 좀 더 규범적이고 더 많은 제어권을 갖고자 하는 경우에는 챗봇을 사용하고, 제너레이티브 AI가 대화를 제어하는 것이 편한 다른 사용 사례에서는 에이전트를 사용하는 것입니다. 기술은 계속 발전하고 있으므로 몇 년 후에는 달라질 수 있지만 그때까지는 상담원과 챗봇을 더 나은 동반자라고 생각해야 합니다."

AI 기술이 계속 발전함에 따라 AI 에이전트는 향후 몇 년 동안 급격한 성장을 이룰 것으로 예상됩니다. 상담원과의 상호작용은 텍스트, 음성, 시각적 매체 전반에서 더욱 직관적이 될 것이며, 문맥 이해도가 향상되어 시간이 지남에 따라 더욱 관련성 높은 정보를 제공할 수 있게 될 것입니다.

기존 챗봇의 진화는 AI 에이전트만큼 흥미롭지는 않겠지만, 사용자 경험의 실질적인 발전, 다른 비즈니스 시스템과의 통합 강화, 맞춤형 챗봇 흐름 및 응답의 손쉬운 구현 등을 보게 될 것입니다.

우리 모두가 빠르게 진화하는 AI 환경을 함께 헤쳐 나가면서 챗봇과 상담원이 현재와 미래에 비즈니스에 고유한 혜택을 제공할 수 있는 방법을 이해하는 것은 그 영향력을 극대화하는 데 중요한 역할을 할 것입니다. 챗봇을 사용하든, 상담원을 사용하든, 아니면 두 가지를 함께 사용하는 하이브리드 접근 방식을 취하든, 이러한 도구는 비즈니스 운영에서 점점 더 의미 있는 역할을 수행하여 기술 및 서로 간의 상호 작용 방식을 재편할 것입니다.