STT, TA, FAQ – 고객센터 솔루션
SQL로 STT/TA/FAQ생성 실행하기
ThanoSQL(타노시퀄)의 VoC 분석 서비스의 핵심 기술인 STT와 TA, FAQ 를 소개합니다.
LLM을 기반으로 자연어로 대화하듯이 VoC를 분석하는 사례는 아래 링크에서 확인하실 수 있습니다.
– VoC 분석 앱
– 대화형 분석 사례 – 01 콜 센터의 상담 통화 분석
위의 경우처럼 ThanoSQL의 대화형 분석 서비스를 이용하면 쿼리나 DB 같은 IT 지식이 없는 사람들도 자연어로 대화하듯이 쉽고 빠르게 분석을 할 수 있습니다.
하지만 여기서는 ThanoSQL 워크스페이스 내의 쿼리 매니저(Query Manager)라는 기능으로 VoC를 분석하는 방법을 살펴보겠습니다. 쿼리 매니저를 사용하게 되면 자연어 기반의 대화형 분석이 아니라 관계형 데이터베이스의 스키마(schema)와 SQL 쿼리문을 사용하는 직관적인 방법으로 분석합니다.
아래 그림을 보시면 ThanoSQL에는 VoC 분석을 위하여 STT와 TA 그리고 FAQ Gen 모듈이 포함되어 있습니다. 콜센터에서 고객과 상담사가 통화한 내용을 녹음한 음성 파일을 ThanoSQL에 업로드하고 STT를 실행하면 녹음된 음성이 텍스트로 변환됩니다. 변환된 텍스트는 TA 모듈에서 여러 가지 다양한 분석을 할 수 있습니다. 그리고 반복되는 질문과 답변들은 모아서 FAQ를 자동으로 생성할 수도 있습니다.
STT/TA/FAQ 각각에 대하여 자세히 살펴보기 전에 먼저 ThanoSQL의 쿼리 매니저를 간단히 소개해 드리겠습니다.
ThanoSQL의 쿼리 매니저는 분석하고자 하는 데이터를 ThanoSQL DB에 추가하여 SQL 쿼리를 실행하고 즉시 그 결과를 분석할 수 있는 도구입니다.
쿼리 매니저에 대한 더 자세한 설명은 다음 링크를 참조해주십시오.
– Query Manager
다시 본론으로 돌아와서 ThanoSQL의 STT/TA/FAQ에 대하여 하나씩 살펴보겠습니다.
1. STT (Speech To Text)
STT는 말 그대로 음성을 글자(텍스트)로 바꾸는 기능입니다. 사람의 목소리 그 자체로는 분석이 어렵기 때문에 상담 내역을 분석하기 위해서는 가장 먼저 음성을 텍스트로 변환해야 합니다. 아래 그림은 ThanoSQL STT의 구성과 데이터 흐름입니다.
콜센터나 고객센터에서 생성되는 녹음 파일들은 보통 아마존 S3 같은 클라우드 스토리지 또는 기업 내부의 로컬 스토리지에 저장이 되어있습니다. 해당 스토리지에서 mp3나 wav 같은 형식으로 저장된 오디오 파일들을 업로드하여 ThanoSQL STT의 DB에 넣으면 Open AI의 Whisper 같은 AI 모델을 통해 텍스트로 변환됩니다. 변환된 내용은 csv 또는 xls 형식의 파일로 최종 결과물이 만들어집니다.
2. TA (Text Analysis)
TA는 STT에서 변환된 텍스트에 여러가지 AI 모델들을 적용하여 내용을 요약하거나 핵심 키워드를 추출하거나 글의 내용이 부정인지 긍정인지 등 고객의 감성을 분석하거나, 글의 주제를 파악하여 카테고리를 분류할 수 있는 기능입니다.
아래는 ThanoSQL 쿼리 매니저의 처음 시작 화면입니다.
my_data 옆에있는 + 버튼을 눌러서 분석에 사용할 텍스트 데이터를 추가합니다.
STT의 결과물로 생성된 텍스트 파일(엑셀 또는 csv 포맷)을 ThanoSQL로 업로드합니다.
업로드한 텍스트 파일의 내용들을 ThanoSQL DB의 테이블로 인서트(insert)한 모습입니다.
이렇게 DB의 테이블에 들어가 있으므로 해당 데이터를 다른 곳에서도 API를 통해 얼마든지 자유롭게 활용 할 수 있습니다.
위 그림은 각각의 대화들을 주제 별로 분류하도록 하는 쿼리문을 입력하는 화면입니다. 예제에서는 Mistral 7B 모델을 사용하였습니다.
쿼리 실행 결과 12개의 카테고리로 분류된 화면입니다. 쿼리 실행 결과 역시 DB의 테이블로 저장되므로 외부에서 API를 통해 해당 데이터를 호출하여 분석에 활용 가능합니다.
3. FAQ 생성
STT로 변환된 텍스트 내용 전체를 분석하여 반복되거나 자주 묻는 질문과 그에 대한 답변을 모아서 FAQ를 생성하는 기능입니다.
위 그림은 통화 내용을 기반으로 FAQ를 생성하는 쿼리문을 입력하는 화면입니다. 예제에서는 GPT-4o 모델을 사용하였습니다.
쿼리 실행 결과 FAQ가 생성된 화면입니다. 이렇게 생성된 FAQ도 마찬가지로 DB의 테이블로 저장되므로 API를 통해 해당 데이터를 분석에 활용할 수 있습니다.
ThanoSQL 만의 차별점
ThanoSQL에 Pre-Built 되어 있는 모델 외에 다른 AI 모델이나 알고리즘이 필요한 경우 간단하게 외부 모델을 추가하여 등록하고 결과를 확인할 수 있습니다.
위의 사례에서는 ThanoSQL의 FAQ 결과 또는 STT 결과 테이블에 허깅페이스(Hugging Face)의 최신 모델을 적용(register)하여 내용상 긍정/부정을 따로 쿼리하여 테이블에 넣고 결과를 카운트 하는 등 ThanoSQL에 필요한 ML을 적용한 뒤 결과를 확인할 수 있습니다.
기대 효과 – AICC, CS 업계에서의 활용
마지막으로 아래 표에 AI 기반의 STT와 TA 기술이 어떻게 활용되는지, 그로 인한 효과는 무엇인지 정리하였습니다.
위에서 살펴본 것처럼 AI 기반의 STT/TA/FAQ 를 사용하면 콜센터의 효율성과 서비스 품질을 극대화할 수 있습니다. 상담원은 단순하고 반복적인 업무에서 벗어나 보다 더 복잡한 문제 해결에 집중할 수 있고 고객은 신속하고 정확한 서비스를 받을 수 있게 됩니다.
그리고 기업은 데이터 분석을 통해 고객의 요구를 미리 파악하고 맞춤형 서비스를 제공함으로써 더 나은 고객 경험을 제공할 수 있습니다. 또한 상담원 교육과 관리는 물론 전체적인 상담 업무를 효율화하고 상담 품질을 향상 시킬 수도 있습니다. 스마트마인드의 AI 기술은 고객과 상담원 모두에게 더 나은 환경을 제공하며 콜센터와 고객센터의 미래를 혁신적으로 변화 시킬 것입니다.
ENG 
KOR