챗봇은 어떻게 작동하나요?

챗봇이 무엇인지 잘 모르신다면 먼저 챗봇이란?.

잘 설계된 챗봇이 실제로 작동하는 것을 보는 것도 놀랍지만, 챗봇이 실제로 어떻게 작동하는지 이해하면 더욱 강력해집니다.

챗봇이 어떻게 만들어지는지에 대한 전체 그림을 보여드리겠습니다. 챗봇을 만드는 데 사용되는 구성 요소부터 챗봇의 실제 정보 흐름까지.

물론 특정 챗봇에 필요한 정확한 구성 요소는 구축하려는 챗봇의 유형에 따라 다르지만, 사용 가능한 구성 요소에 대한 대략적인 아이디어를 얻을 수 있습니다.

챗봇을 채널에 연결하기 채널에 연결

모든 챗봇에는 사용자가 챗봇과 상호작용할 수 있는 채널이 필요합니다. 채널은 실제로 Facebook Messenger, Slack, Telegram, Microsoft 팀 또는 임베디드 웹 채팅과 같은 메시징 플랫폼입니다.

메시징 플랫폼이 하나 이상 필요하지만 여러 메시징 플랫폼을 연결하여 사용자가 원하는 플랫폼을 선택할 수 있도록 할 수도 있습니다.

채널은 챗봇의 사용자 인터페이스로, 웹 페이지에서 클릭을 통해 소프트웨어와 상호 작용할 수 있는 것과 같은 방식입니다.

‍

다음을 사용하여 입력 암호 해독하기 자연어 처리

자연어 처리(NLP) 엔진은 자연어로 된 문장에 숨겨진 의도를 파악할 수 있습니다. 명확한 지시가 필요한 덜 지능적인 봇과 달리 chatbots 은 사람과 같은 유형의 대화를 이해할 수 있기 때문에 '자연어'를 정확하게 이해하는 것이 중요합니다.

예를 들어 다음 문구는 모두 항공편 예약이라는 동일한 의도를 가지고 있습니다:

1. 항공편을 예약하고 싶습니다
2. 두바이에서 모스크바로 가고 싶습니다
3. 항공편이 필요합니다.

챗봇이 자연어로 된 텍스트나 음성을 이해하려면 NLP 엔진에 액세스해야 합니다.

자연어 처리 엔진은 문장을 보고 그 뒤에 숨은 의도를 일정 수준의 신뢰도로 추출할 수 있습니다. 자연어 처리는 인공 지능의 한 분야이며 일정한 훈련이 필요합니다.

이것이 바로 Botpress 에서 우리가 발화라고 부르는 것을 요청하는 이유입니다. 발화는 이해의 중요한 부분입니다. 발화는 문장의 변형이며 동일한 의도를 공식화하는 다양한 방법입니다.

NLP 엔진은 이를 사용하여 학습합니다.

대화 관리자 / 시각적 대화 빌더

챗봇의 주요 부분이기도 한 이 단계는 경험을 디자인하는 곳이기 때문입니다. 챗봇이 의도를 이해한 후에는 결정을 내려야 합니다.

조치를 취하거나, 정보를 요청하거나, 지원되지 않는 의도를 처리하는 등 세 가지 매우 일반적인 일이 발생할 수 있습니다.

시각적 대화 빌더를 사용하면 어떤 일이 일어날지, 어떻게 일어날지, 어떤 언어를 사용할지 디자인할 수 있습니다.

"내일 파리행 항공편을 예약해줘"라고 말하면. NLP 엔진은 항공편을 예약하려는 의도를 감지합니다. 내일은 출발 시간으로, 파리는 가고 싶은 곳으로 추출하지만 출발 도시는 누락됩니다. 시각적 대화 빌더를 사용하면 출발 도시를 물어본 다음 항공편을 예약하는 작업을 처리할 수 있습니다.

이것은 매우 간단한 예이지만 경우에 따라서는 복잡성이 더 높기 때문에 훌륭한 경험을 디자인하는 것이 챗봇의 성공에 결정적일 수 있으며, 따라서 대화 관리자가 퍼즐의 필수 요소라는 것을 이해할 수 있습니다.

‍

분석

chatbots' 성능을 모니터링하고 측정하려면 애널리틱스가 필요합니다. 사용자 수 및 참여 유형과 같은 챗봇에 대한 메트릭을 제공합니다. 챗봇 개발자가 이러한 유형의 메트릭을 수집하는 것은 당연히 중요합니다.

사용자 참여에 대한 귀중한 인사이트를 제공하여 누락된 부분과 개선해야 할 주요 영역을 파악할 수 있습니다.

‍

콘텐츠 관리 시스템

사용자의 언어로 된 텍스트 및 미디어 파일과 같은 콘텐츠는 대화 흐름과 독립적으로 관리해야 합니다. 언어, 미디어 파일 및 구현은 사용자가 누구인지, 상황 및 메시징 플랫폼에 따라 변경될 수 있습니다.

코드와 같은 콘텐츠는 전문적으로 유지 관리하고 소스를 제어해야 합니다. 이를 통해 콘텐츠를 나머지 챗봇과 분리하여 재사용할 수 있고 무엇보다도 유지 관리가 더 쉬워집니다.

콘텐츠를 독립적으로 관리하는 것은 매우 간단하지만 매우 중요합니다.

루프 속의 인간

휴먼 인 더 루프는 사람이 챗봇을 제어할 수 있는 기능입니다. 이 기능이 꼭 필요한 기능이 아니라고 생각하는 분들도 계시겠지만, 사실 꼭 필요한 기능입니다.

사람이 챗봇 대화를 수동으로 이어받아야 하는 이유는 여러 가지가 있지만, 가장 일반적인 이유는 챗봇이 최종 사용자의 말을 이해하지 못했기 때문입니다.

챗봇이 항상 100% 옳을 것이라고 믿는다면 거짓말일 것입니다. 챗봇이 지속적으로 발전한다고 해도 모든 것을 완벽하게 처리할 수는 없습니다. 사용자가 범위를 벗어나는 경우, 훌륭한 사용자 경험을 유지하기 위해서는 사람의 개입이 필수적입니다.

‍

아키텍처

아키텍처는 다른 소프트웨어와 마찬가지로 구성 요소는 아니지만 모든 챗봇에는 아키텍처가 있습니다. 소프트웨어 아키텍처의 표준이 높지 않으면 챗봇의 확장성과 유지 관리가 쉽지 않습니다.

대화형 AI 플랫폼을 사용하여 챗봇을 구축할 때 가장 큰 장점은 모든 것이 이미 확장성과 유지 관리가 가능한 방식으로 설계되어 있다는 점입니다.

로컬 또는 cloud 에서 서버를 생성하기만 하면 빌드 및 자동화를 시작할 수 있습니다.

Botpress 는 핵심 구성 요소가 아닌 일부 모듈을 쉽게 활성화 또는 비활성화할 수 있는 모듈형 아키텍처를 갖추고 있습니다.

또한 자체 모듈을 구축하여 플랫폼의 기능은 물론 챗봇의 기능을 확장할 수 있습니다.

‍

챗봇을 통한 데이터 흐름 방식

‍

이러한 요소는 모두 챗봇을 최대한 원활하게 작동시키는 데 매우 중요합니다. 이러한 요소 중 하나를 제거하면 동일한 경험을 얻을 수 없습니다.

거시적인 관점에서 정보의 흐름은 다음과 같습니다.

채널을 통해 사용자 입력이 있습니다. 이 정보가 가장 먼저 하는 일은 NLP 엔진이 평가할 수 있도록 대화 관리자로 들어가는 것입니다. NLP 엔진은 문장을 해독하여 의도를 찾고 해당 정보를 대화 관리자로 반환합니다.

의도가 감지되면 의사 결정 트리에 따라 다음 단계를 결정하는 것은 DM의 몫입니다. 제3자의 참여가 필요한 경우 대화 관리자가 요청을 하게 됩니다.

그런 다음 모든 내용은 사용자가 사용한 것과 동일한 채널을 통해 사용자에게 다시 전송됩니다.

‍

이는 챗봇이 작동하는 방식을 단순화한 것이지만, UX 및 기술적 관점에서 이러한 경험을 구축하는 것이 얼마나 복잡한지 잘 알 수 있습니다.

오픈 소스 대화형 AI 플랫폼을 사용하면 인프라 구축에 소요되는 시간을 대폭 단축하여 챗봇의 가치를 신속하게 확보할 수 있습니다.