1. 우리가 원하는대로

우린 답을 원한다. 우리가 컴퓨터에게 요구하는 건 우리가 알고자 하는 답이었다. 그 답은 주로 가장 위급할 때 요구되었는데, 전쟁이라는 극한의 상황에서 적을 이기기 위하여 방어를 위한 ‘암호 해독’(튜링의 봄브) 이었고 공격을 위한 ‘탄도 거리 측정 계산’(에니악)이었다. 컴퓨터가 생기게 된 배경에는 전쟁, 전염병과 같이 급히 답이 요구될 때였다. 입출력 시스템(input & output system), 컴퓨터의 다른 말은 우리가 질문하는 것에 답하는 기계다. ‘인간이 묻는 질문에 어떻게 답을 할 것인가?’가 중요했다. 이를 달리 표현하면 인간에게 답변하기 위해 ‘기계가 생각을 할 수 있는가?’이다. (엘런 튜링이 1950년에 제안한 ‘튜링 테스트(모방 게임)’가 가장 잘 알려져 있다.) 
질문은 인간의 생각에서 나온다. 인간의 생각을 나타내고 전달하기 위해 ‘기호’를 사용했다. ‘문자’와 ‘숫자’ 등이 대표적인 기호라 할 수 있다. 언어 기호인 문자는 상형문자처럼 그림 그 자체에서 문자가 된 경우도 있고 발음 소리를 통해 문자가 된 경우도 있다. 어찌 되었든 이 모든 것은 ‘의미’를 전달하기 위한 수단으로서 문자를 사용하게 되었다. 문자 기호*는 ‘의미를 담는 그릇’이라 말할 수 있다. 

*기호의 학문은 프랑스의 철학자 ‘소쉬르’(1857~1913)에 의해서 시작되었다. 소쉬르는 언어 기호를 기호 그 자체를 의미하는 ‘기표’와 실제 의미가 되는 ‘기의’로 구분하여 정의했다. 여기서 기표와 기의의 인과관계는 없다라는 것이 소쉬르의 결론이다. 다시 말해 실제의 개(기의)를 ‘개’로 말하는 것은 문자 ‘개’(기표)에 의미가 있어서 아니라 그냥 이름 붙여진 것이다. 인간은 우연히 실제 개를 ‘개’로 말했을 뿐이다. 클로드 섀넌의 컴퓨터 정보이론에서는 소쉬르의 언어 기호 이론을 확장하여 기표에서 의미를 삭제해 버린다. 그것이 바로 우리에게 지금 매우 친숙한 정보단위 ‘bit’ 이다.

다시 말해 언어 기호, 문자는 우리의 생각인 ‘의미’가 담겨 있다고 할 수 있다. 질문을 컴퓨터에 하기 위해서는 우리의 생각을 문자로 표현하고 문자를 컴퓨터가 이해할 수 있게 입력해야 한다. 문자 입력은 ‘키보드’ 등으로 할 수 있다. 문자 기호를 컴퓨터에 입력하면 컴퓨터 디스플레이 화면에 출력할 수 있다. 이는 단지 출력일뿐이다. 여기에서 컴퓨터가 한 것은 입력된 기호를 화면에 보여준 것일 뿐 ‘의미’를 이해한 것은 아니다. 우리가 원하는 것은 질문에 대한 ‘의미’ 있는 답이다.
 

2. 인공지능의 두 접근, 기호 추론과 기계학습

컴퓨터가 우리의 질문에 ‘의미’ 있는 답을 하기 위해서는 ‘생각’을 해야 한다. 하지만 컴퓨터는 생각이라는 것을 하지 못하고 생각을 흉내 낼 뿐이다. 아직까지는. 앞에서 언급했듯 초기 인공 지능 과학자들은 컴퓨터를 생각하게끔 하기 위해 기호 논리 추론 방법으로 접근했다. 클로드 섀넌은 불(Bool)의 논리 결정 – 5편 현대컴퓨터의 시작, 폰 노이만 아키텍처 참고 – 으로 전자 회로에 응용할 수 있게 함으로써 지금의 컴퓨터 프로그래밍의 논리적 기반을 마련했다. 전자회로에서 발전한 컴퓨터에서 Bool의 논리적 접근은 어쩔 수 없는 선택이기도 했다. 우리가 언어 기호를 쓰는 이유이기도 하다. 언어 기호는 복잡한 현실을 추상화(상징화)하여 의미를 전달한다. 예를 들어 통화 중에 바로 앞에 짖는 개가 있어 상대방에게 전화로 ‘개가 앞에서 짖고 있다.’라고 말한다면 실재하는 개의 생김새, 크기 등과 관계없이 ‘짖는 개’가 앞에 있다고만 전달된다. 실재하는 ‘개’의 정보는 대부분 삭제되고 우리가 ‘짖는 개’라고 생각하는 추상화된 정보만 전달된다. 컴퓨터에서 질문(문제)에 대한 답(해결)을 얻기 위해 사용되었던 논리 추론 방법은 문제를 풀기위한 해(解), 프로그래밍 방법이다. 우리가 언어 기호를 배우기 위해 많은 시간이 필요하듯 프로그래밍 방법으로 답을 얻기 위해서는 소위 전문적인 지식이 필요하다. (전문가시스템)
논리 추론 하나 만으로는 컴퓨터가 생각하는 방식에 한계가 있다. 처리속도가 빨라지고 저장공간이 늘어나자 컴퓨터는 많은 데이터를 수집할 수 있게 되었다. 인터넷은 하나의 거대한 데이터베이스가 되어 컴퓨터가 많은 데이터를 수집할 수 있게 되었고 그 데이터를 분석하여 패턴을 찾을 수 있다. 인터넷을 통해 얻은 수많은 사진 중 ‘개’가 들어있는 사진과 들어있지 않는 사진을 구분하여 학습으로 패턴을 인식할 수 있다. 개에 대한 정보를 쌓아 갈수록 패턴 인식의 정확도는 올라간다. 이를 기계학습이라 한다.  

3. 인공지능 상품의 가치

인공지능을 활용한 상품 중 우리에게 가장 친숙한 것이 ‘음성비서 서비스’다. 스마트폰의 폭발적인 증가로 인해 많은 기능이 스마트폰안에 들어오게 되었고 2011년 애플의 ‘시리’로 음성비서 서비스의 시작을 알렸다. 아마존, 구글, MS 등에서 스마트폰과 스마트 스피커 등에 이 서비스를 적용하고 있다. 하지만 유용성에 대해 갸우뚱 하게 된다. 음성 인식을 통한 접근은 터치 등 화면 입력 방식의 보조적인 대체 기능 이상의 가치를 아직 구현하지 못하고 있다. 주 인터페이스로 음성 인식은 요원해 보인다. 
음성인식은 키보드 타이핑과 사뭇 다르다. 우선 정확도가 타이핑에 비해 떨어진다. 전달하는 과정에서 노이즈를 피할 수 없으며 우리가 사용하는 단어들의 동음이의어를 구별할 수 있어야 한다. 소리의 구분과 동시에 문장의 맥락(개념)까지 동시에 파악할 수 있어야 한다.
컴퓨터가 발전하는데 있어서 인공지능 기술이 많은 기여를 했지만 인공지능을 활용한 상품은 매우 제한적이었다. 인공지능 하면 떠오르는 것이 로봇이고 로봇은 인간의 노동을 대체하는 것으로 생각한다. 로봇이 산업현장이 아닌 우리 일상에 미치는 영향은 매우 미미하다. 인공지능이 우리에게 가장 많은 영향을 끼친 상품이 무엇일까? 현재까진 ‘비디오 게임’이다. 그렇지만 게임에 인공지능 기술이 활용되었다고 하여 인공지능 상품이라 보기 어렵다. 운영체제에 인공지능 기술이 들어가 있다고 해서 운영체제가 인공지능 상품이라 보기 어려운 것과 마찬가지다.
우리가 인공지능을 활용한 상품이라고 생각하는 것들은 ‘서비스’에 기인한 면이 크다. 서비스는 인간의 영역에서 가장 빠르게 ‘기계’로 대체되는 상품 중에 하나다. 전화 서비스를 예를 들어보면, 벨 전화기가 서비스를 시작하고 전화 통화를 위해 반드시 필요한 사람이 있었는데 바로 전화 교환수였다. 송신자가 원하는 사람과 통화를 하기 위해 먼저 통화해야하는 사람이 바로 교환수였던 것이다. 교환수는 수신자를 연결해주는 역할만 했지만 사람인지라 바쁘지 않을 때 교환수와 송신자가 서로 마음에 든 경우 수신자를 연결하는 원래 서비스 이외에 잡담을 하는 경우도 있었다. 주객이 전도되어 송신자는 수신자에게 전화연결을 원해서가 아니라 자신과 말이 잘 통하는 교환수와 통화를 위해 전화를 하기도 했다. 
1948년 미국에 3100만대의 전화기가 보급되고 매일 1.2억 건의 통화가 발생하자 벨 전화사는 교환수로는 연결을 충당할 수 없었다. 바로 인건비 등 비용이 문제였다. 벨 연구소에서 트랜지스터를 발명하게 되는 동력은 어쩌면 전화 교환기에도 있지 않나 싶다. 교환수와 통화를 원했던 송신자에게는 아쉬웠겠지만 전화국의 경우 자동 교환기로의 전환은 필연적이었다.
스마트폰 음성비서서비스는 교환수와 달리 특정 목적을 위해 작동하지 않는다. 전화 교환수가 받는 질문은 ‘수신자’ 뿐이다. 스마트폰 음성비서 서비스는 인터페이스의 확장으로 질문이 광범위하다. 스마트폰의 음성비서서비스가 정착하지 못하는 이유 중에 하나다. 직접 입력하는 것보다 정확하지도 신속하지도 못하기 때문이다. 또한 재미로 음성비서 서비스에 엉뚱한 질문을 하지만 사람이 아니기에 몇 번 하다 말게 된다. 재미의 지속성도 없다. 안타깝게도 인공지능 대표상품인 음성비서 서비스는 현재까지 상품가치가 그리 높은 편은 아닌 것 같다. 
아직 꽃피우지 못한 음성인식 상품에 솔트룩스가 개척하는 이유는 음섬인식 상품인 지금의 음성인식 서비스 상품가치 때문이 아니다. 음성인식의 기반 엔진을 발전시켜 솔트룩스가 확장하고 있는 새로운 시장을 창출하기 위해서다. 그 시장중 하나가 바로 톡봇이다.
   

4. 챗봇 상품가치: 대인 서비스를 위한 상품

챗봇은 음성비서 서비스와 기반기술이 같지만 상품으로  어떨까? 챗봇은 결론부터 말하자면 ‘상품’ 가치가 있다. 그 이유는 기존 시장이 이미 존재하고 있기 때문이다. 자동 교환기가 교환수를 대체된 것처럼 챗봇은 대체할 시장이 있다. 바로 상담 등 대인 서비스 업무다. 전화 상담업무는 고된 업무로 이직률이 높은 편이다. 1940년대 이전 송신자와 교환수와의 낭만적인 대화에 대해 위에서 얘기했지만 전화 상담은 실상 만만치 않다. 얼굴이 보이지 않기에 송신자는 감정을 여과없이 전달한다. 송신자의 불만 토로는 상담자가 사람이기에 또한 가능한 것이기도 하다. 많은 상담자들은 폭언과 욕설에 시달린다. 이런 사회적인 병폐로 인해 2018. 10. 18. ‘감정노동자 보호법’이 시행되기도 했다. 이는 비용과 직결되는 문제이기도하다. 고용의 어려움 뿐 아니라 인간인 상담사의 정신적인 치료 등 삶의 질 저하로 파생되는 비용도 포함된다. 챗봇의 상품가치는 씁쓸하게도 그리고 아이러니 하게도 서비스에서 인간성을 배제하는데 있다. 인공지능 서비스인 상담서비스는 인간에 가장 가깝게 사고하도록 설계되도록 하면서 인간과 다른 것이 목적이기도 하다. 
챗봇은 인간처럼 답변하면서 인간처럼 되어서는 안된다. 수요자의 불만(문제)에 대한 답변을 어떻게 잘 대처하는지가 중요하다. 수요자와 서비스 제공자 모두가 만족하는 서비스 솔루션을 만드는 것이 목표가 되어야 한다. 대인업무를 대체할 챗봇 시장규모는 갈수록 커지고 있다. 기업뿐 아니라 정부의 공공서비스에서도 광범위하게 사용될 수있다.

   

5. 솔트룩스의 인공지능 제품, 톡봇

챗봇은 “대화를 인간처럼 유연하게 할 수 있는가?”(대화처리)와 “우리의 질문을 정확하고 상식에 따라 답변할 수 있는가?”(질의응답)의 기술을 바탕으로 하고 있다. 우리의 언어로 된 질문을 어떻게 추론하여 학습하여 답변할 수 있을까가 관건이다. 이는 인터넷의 검색과는 또 다른 차원이다. 우리가 검색을 하는 것은 ‘키워드’ 즉, 특정 단어 검색을 주로 한다. 인터넷 검색은 ‘코로나 발생 지역’ 등 ‘트랜드(trend, 동향)’ 영향을 받는 어휘 혹은 어구로 주로 하게 된다. (구글은 이를 위해 google trends 사이트를 운영하고 있다.) 결정적으로 웹검색에서 문장을 요구하지 않는다. 고로 웹검색은 대화가 아니다. 우리가 검색을 배울 때 키워드 중심으로 하는 것으로 학습된 탓도 있다. 검색엔진의 기술 한계 혹은 태생으로 우리가 학습된 것은 ‘키워드’가 되었다. 
챗봇은 키워드 중심의 웹검색과 다르다. 아니 달라야 한다. 챗봇이 대체하는 상품 때문이다. 웹검색이 브리테니커나 홀어스 카탈로그 같은 ‘백과사전’을 대체했다면 챗봇은 전화 상담 같은 대인서비스를 대체하고 있다. 결정적으로 챗봇은 인간의 질문에 대응해야 한다. 고객서비스가 늘 그랬듯이. 그렇기 때문에 챗봇은 인공지능 기술이 가장 요구되고 있다. 챗봇은 키워드가 아닌 문장의 개념(맥락)으로 이해할 수 있어야 한다.

솔트룩스 톡봇과 기존의 챗봇의 차이는 무엇일까? 톡봇은 대화에 필요한 다양한 지식을 지식베이스로 구축, 이를 토대로 질문의 의도를 정확하게 파악하여 이에 맞는 답변을 할 수 있고 질문과 답변 셋(묶음)이 많아 질수록, 즉 지식이 많이 쌓일수록 정확도가 높아진다. 이 기술은 단순 키워드 검색이 아닌 지식베이스를 기반하여 인간처럼 질의응답하는 독보적인 기술이다. 인간의 뇌구조와 가깝게 사고하여 지식의 연결 구조를 만드는 것, 그것이 솔트룩스의 지식베이스 기술이다.  경쟁제품이 정해진 질문에 답만 하는 규칙기반, 검색 기술에 머물러 있다면 오직, 솔트룩스 톡봇만이 검색 및 심층 질의응답이 가능하여 지식기반 심층 대화가 가능하다.
톡봇은 플랫폼을 지향한다. 한번 쓰고 재활용이 불가능한 서비스가 아니라 다양한 서비스에 적용하도록 설계되었다. 카카오톡, 페이스북, 라인 등 다양한 채널에서 동시에 사용할 수 있다. 개별적으로 개발된 챗봇을 하나의 그룹으로 묶어(봇-그룹) 사용할 수 있을 뿐만 아니라 축적된 상담 지식의 재활용도 가능하여 유사한 챗봇을 중복으로 개발하지 않아도 된다. 톡봇은 비전문가를 위한 전문가 시스템이다. 솔트룩스가 개발한 봇 빌더를 활용하면 인공지능 전문가나 개발자가 아니어도 전문적인 코딩 없이 손쉽게 챗봇을 만들고 관리할 수 있다.

챗봇은 상담/안내 서비스, 인사·채용 등 기존 서비스를 대체해 나갈 것이다. 새로운 시대에는 새로운 서비스가 각광 받기 마련이다. 스마트폰이 확산되기 전 SMS(단문 메시지 서비스)는 전화통화의 보조수단으로 주 소통수단이 아니었다. 스마트폰 등장으로 문장을 전송하는 행위가 이제 일상이 되었다. 오프라인 모임에서 카톡으로 대화하는 스마트폰에 익숙해진 세대일수록 사람과 대면 하지 않는 것에 불편함이 없다. 소리로 통화하지 않고 단문으로 소통하는 것이 전혀 어색하지 않다. 솔트룩스 톡봇은 우리 일상에서 카톡을 하듯 우리의 질문을 ‘인간처럼’ 대답한다.

질문자에게 원하는 대답을 제대로 하는 것!  ’고객’이 원하는 ‘지식’을 갖춘 진정한 인공지능 챗봇이 바로 솔트룩스 톡봇이다.
 

---

▶ 블로그 원문 보기: http://blog.saltlux.com/221915224871