최근 서비스 로봇이 다양한 분야에서 널리 쓰이고 있지만 이들 ‘서비스봇’에 대한 고객들의 만족도는 생각보다 낮다. 실제로 한 통신 기업의 고객 서비스 챗봇이 수행한 상호작용 3만5000건을 기반으로 실시한 최근 현장 연구에 따르면 상담 3건 중 2건이 5점 만점에 1점의 점수를 받은 것으로 나타났다. 이유가 무엇일까. 요하네스 뵈거스하우젠 네덜란드 에라스뮈스대 교수를 포함한 연구팀은 서비스 로봇 ‘페퍼’를 사용하는 커피숍, 웹사이트에 고객 서비스 응대를 위한 챗봇을 설치한 휴대전화 기업 등 다양한 환경에서 고객이 서비스봇과 상호작용하는 방법을 알아보는 실험을 했다. 그 결과 소비자들은 기업이 비용을 절감하고 이윤을 극대화하기 위해 서비스봇을 사용한다고 믿는 것으로 나타났다.
연구팀은 서비스봇에 대한 불만족을 개선하는 데 챗GPT와 같은 거대언어모델(LLM) 기반 서비스봇이 대안이 될 것이라 분석했다. 서비스봇에 대한 인식 개선 방법도 구체적으로 제시했다. 첫째, LLM의 강력한 기능을 활용해 더 빠르고 더 나은 서비스를 제공해야 한다고 조언했다. LLM 기술을 활용해 대량의 데이터를 챗봇에 학습시키면 특정 고객의 요청에 보다 정확하고 효율적으로 대응할 수 있는 서비스봇 개발이 가능해진다. 연구팀은 참가자들에게 인간 또는 봇과 대화할 것이라고 말하고 실제로는 봇과 상호작용하도록 하는 실험을 진행했다. 그 결과 고객 만족도 측면에서 봇이 인간보다 높은 점수를 받은 경우는 봇이 훨씬 더 빠르고 정확한 서비스를 제공할 때였다.
둘째, 서비스봇 활용을 통해 절감한 비용을 고객과 나눠야 한다고 조언했다. 연구팀은 또 다른 실험을 통해 참가자들에게 커피숍의 채팅 기반 주문 플랫폼을 평가해 달라고 요청했다. 봇이 운영한 채널을 통해 주문하면 주문 금액의 20%를 할인해 준다고 하자 봇 서비스에 대한 만족도가 인간 서비스에 대한 고객 만족도와 비슷한 수준까지 높아졌다. 봇을 사용해 아낀 비용을 고객과 공유하기 위해 적극 나서는 기업은 봇 배포로 고객 만족도가 떨어지는 위험을 피할 수 있다.
마지막으로 넷째, 인간적인 봇을 만들기 위해서는 대화 스타일과 언어 표현에 신경 써야 한다고 조언했다. 연구팀의 또 다른 연구 논문에 따르면 인간에 더 가까운 방식으로 대화하는 봇은 소비자 경험을 개선하고 긍정적인 브랜드 연상을 일으키는 강력한 도구로 작용한다. 더 구체적으로 설명하면 고객의 말에 “그렇군요” “응대가 마음에 드셨다니 기쁘네요” 같은 표현을 써서 서로 이해하고 있다는 느낌을 주는 봇에 소비자들은 긍정적으로 반응했다. 이럴 때 브랜드와 고객 경험에 대한 만족도가 높았고 봇이 권장한 옵션을 수락할 가능성도 높았다.
생성형 AI를 활용한 서비스 자동화는 이제 피할 수 없는 흐름이다. 이 과정에서 과도한 기대와 실망이 반복되는 상황을 피하려면 비용 절감을 위해 서비스를 자동화한다는 인식을 심어주지 않도록 주의해야 한다. 이를 위해서는 인간 직원보다 우수한 서비스를 제공하는 최고의 봇을 만들도록 투자하고 서비스 자동화로 얻은 경제적 편익을 고객과 공유해야 한다. 인간 냄새나는 서비스봇을 만들기 위해 대화 스타일과 언어 표현에도 더 신경 써야 한다.
※이 글은 하버드비즈니스리뷰(HBR) 디지털 아티클 ‘고객이 싫어하지 않는 서비스봇 만들기’ 원고를 요약한 것입니다.
요하네스 뵈거스하우젠 네덜란드 에라스뮈스대 마케팅조교수 외
정리=장재웅 기자 jwoong04@donga.com