인간 중심적 관점의 데이터 분석

자연어 처리(Natural Language Processing, NLP)를 통한 인간 중심적 관점 수립

Elly Yates-Roberts
29 September 2021

오늘날 조직은 고객, 직원, 공급업체 등 인간으로부터 많은 양의 데이터를 다양한 형태로 생성합니다. 이 데이터들이 의미하는 바에 대해 균형 잡힌 시각을 가지려면 인간의 관리 능력을 능가하는 처리 능력이 필요하지만, 컴퓨터의 이해 범주를 넘어서는 뉘앙스도 이해해야 합니다. 자연어 처리(Natural Language Processing, NLP)가 이러한 격차를 해소해 줄 것으로 기대되고 있습니다.

일반적으로 조직의 의사 결정에 가장 큰 영향을 미치는 사람은 열렬한 팬과 비평가입니다. 그 이유는 무엇일까요? 처리할 피드백이 너무 많을 때 인간은 가장 말이 많거나 목소리가 큰 사람의 말에 귀를 기울이는 경향이 있기 때문입니다.

아무리 규모가 작은 기업일지라도 전화 통화, 소셜 미디어, 설문 조사 결과, 사건 기록, 제품 사양, RFP 등 사람이 입력한 많은 양의 정보가 다양한 형태로 존재합니다. 이때, 데이터를 분석하면 모든 이해 관계자의 의견을 균형 잡힌 시각으로 파악할 수 있습니다. 그리고 기업은 고객 요구와 업계 동향을 보다 신속하게 파악하여 신제품 개발을 추진하고, 운영을 개선하며, 위험을 최소화하고, R&D를 가속할 수 있습니다. 하지만 여기서 문제는, 인간의 말은 컴퓨터의 이진법을 따르지 않고 컴퓨터는 인간의 뉘앙스를 다루는 데 능숙하지 않다는 점입니다.

인간의 언어를 이진 부호로 변환하여 검색 엔진, 번역 서비스 및 음성 도우미를 지원하는 인공 지능(AI) 분야인 자연어 처리 (Natural Language Processing, NLP)가 이 딜레마를 해결해 줄 것입니다. NLP는 인간이 작성한 수십억 개의 단어를 학습할 수 있는 능력을 갖추고 있으며, 수십 년에 걸쳐 점진적으로 발전하면서 특히, 까다로운 비즈니스 커뮤니케이션을 수행할 수 있는 수준에 이르렀습니다.

다쏘 시스템이 인수한 NLP 소프트웨어 기업 프록셈 (Proxem)의 설립자 겸 데이터 사이언스 담당 부사장인 프랑수아 레지스 쇼마르탱(François-Régis Chaumartin)은 다음과 같이 말했습니다. “수학, 컴퓨팅 및 언어학을 하나로 결합하면 컴퓨터에 인간 언어를 이해하는 방법을 가르칠 수 있습니다. NLP를 사용하여 각 단어가 벡터에 연결된 다차원 세계를 만들고, 이러한 벡터를 토대로 수학 계산을 할 수 있습니다. 예를 들어, '왕'에 대한 벡터를 가져와서 '남자'를 제거하고 '여자'를 추가하면 '여왕'에 대한 벡터와 아주 근접한 개념이 만들어집니다. 즉, NLP는 언어를 계산 가능한 형태로 만들어 단어를 수학적 개념으로 처리하도록 지원합니다.”

고객 만족도 제고

포춘 비즈니스 인사이트(Fortune Business Insights)의 보고에 따르면, 2021년 165억 3,000만 달러(한화 약 19조 5,500억 원)에 육박했던 글로벌 NLP 시장은 2028년 1,272억 6천만 달러(한화 약 150조 5,100억 원)까지 성장할 것으로 기대됩니다.

기술 발전에 따라 NLP는 인간-기계 커뮤니케이션을 효과적으로 제공하고, 인간의 필요와 욕구를 기반으로 의사 결정을 수행하는 능력을 갖추게 되었습니다.

다국적 에너지 공급업체인 엔지(ENGIE)는 전 세계적으로 2,400만 명이 넘는 고객을 보유하고 있습니다. 엔지는 각 고객과의 상호 작용이 끝날 때마다 설문지를 통해 피드백을 받고 있습니다.

"수학, 컴퓨팅 및 언어학을 하나로 결합하면 컴퓨터에 인간 언어를 이해하는 방법을 가르칠 수 있습니다."

프랑수아 레지스 쇼마르탱 (François-Régis Chaumartin) 프록셈 (Proxem)의 설립자 겸 데이터 사이언스 담당 부사장

엔지의 고객 경험 마케팅 프로젝트 매니저 플로렌스 비제르 (Florence Bigeard)는 "고객이 만족하거나 만족하지 않는 이유를 이해하고 고객의 재참여를 유도하기 위해서 고객의 의견을 분석할 수 있어야 합니다"라고 주장합니다.

엔지는 AI와 NLP를 사용하는 의미론적 분석 도구를 배포하여 모두가 이야기하는 주제인 ‘강한 신호’를 식별할 뿐만 아니라, 아무도 눈치채지 못하고 넘어갈 수 있는 ‘약한 신호’도 식별합니다. 약한 신호는 겉으로 보기엔 관련 없어 보이지만, 중요한 패턴을 시사할 수 있습니다. 비제르는 "NPL은 새로운 제품에 대한 설계 루프를 제공하고 추가적인 문제를 방지하는 데 도움이 됩니다"라고 설명합니다.

예를 들어 엔지는 NLP를 활용하여 데이터 전송 및 온라인 주문 측정기인 스마트 ‘링키(Linky)’의 배포에 대한 고객 불만을 신속하게 감지합니다. 이를 통해 정비사가 집에 방문하지 않고 원격으로 작업을 수행하는데도 커미셔닝 비용을 지불하는 이유를 고객들이 납득하지 못한다는 사실을 알 수 있었습니다.

엔지는 AI NLP를 사용하는 의미론적 분석 도구를 배포하여 모두가 이야기하는 주제인 강한 신호를 식별할 뿐만 아니라, 아무도 눈치채지 못하고 넘어갔을 수 있는 "약한 신호"도 식별할 수 있습니다. (이미지 저작권: NETVIBES)

비제르는 이에 대해 "이러한 비용 지급에 대한 불평하는 고객은 소수지만, 그들의 비판 강도는 크기 때문에 불만이 너무 커지기 전에 ‘커미셔닝 비용은 [유틸리티] 유통업체가 청구하는 비용’이라고 설명해야 합니다.”라고 말합니다.

의미론적 분석 도구가 잇따라 성공을 거두면서 엔지는 서면 응답 외에도 새로운 피드백 소스를 구현하고 전화 통화에서의 음성-텍스트 데이터를 분석할 계획입니다. 비제르는 "우리는 소셜 네트워크를 매일 모니터링하여 고객의 의견을 수집하고, 고객과의 상호 작용을 통해 소비자 감정을 더 잘 감지하는 것을 목표로 합니다"라고 말합니다.

운영 개선

프랑스에 기반을 둔 또 다른 대규모 에너지 회사인 토탈(TotalEnergies)은 웹사이트에서 검색 결과의 관련성을 높이고 산업 현장에서 장비 고장에 대한 안전 분석을 수행하는 등 다양한 방식으로 NLP를 활용하고 있습니다.

토탈에서 혁신을 총괄하는 피에르 쟐레(Pierre Jallais)는 "예전에는 이 분석을 아주 작은 데이터 표본에서 수동으로 수행했지만, NLP를 구현해 모든 비정형 미니 보고서를 분석하고 장비가 제대로 작동하는지 확인하고 싶었습니다"라고 말합니다.

토탈은 NLP를 활용하여 고장 또는 유지보수 보고서와 연결된 약 40만 건의 리뷰를 분석했고, 그 결과 장비의 고장률을 계산하고 이를 개선하기 위한 전략을 개발했습니다.

토탈은 NLP 솔루션 사용을 확대하여 고장과 관련된 모든 정보를 수집하여 유지 보수 비용에 대한 가시성을 향상하고, 품질 검사를 위한 실행 계획을 수립하며, 여러 사이트의 성능을 비교하여 모범 사례를 식별하여 장비 구매 전략을 검토합니다.

"장비의 품질과 안전성을 대대적으로 평가하는 것이 우리의 목표입니다."

향후 중요 과제

NLP는 고객 경험을 개선하고 운영 성과 및 안전에 대한 높은 기준을 보장하는 데 그 가치를 입증하고 있습니다. 특히 과학적으로 정확한 3D 장비 모델의 맥락에서 데이터를 보여주는 버츄얼 트윈 (Virtual Twin)과 같은 기술과 결합할 경우 NPL의 잠재력은 훨씬 더 향상될 수 있습니다.

NLP를 사용하면 각 단어가 벡터와 연결된 다차원 세계를 만들 수 있고, 이러한 벡터를 토대로 수학 계산을 할 수 있습니다. (이미지 저작권 : NETVIBES)

산업 현장에서 가장 큰 과제는 NLP를 사용하여 실제 제품의 설계 요구사항을 전달하는 것입니다. 비행기의 경우, 300m 내에서 이륙해야 한다거나, 비행기 날개에 쌓이는 얼음이 12kg을 초과해서는 안 된다는 등의 요구 사항이 있습니다.

쇼마르탱은 "기술적이면서도 자연스러운 언어로 수천 가지 요구 사항을 표현해야 합니다. NLP는 이러한 요구 사항을 필터링해 자연어 표현과 동등한 수학 공식을 만듭니다. 즉, NLP는 실제 제품의 가상 개발에 도움이 됩니다”라고 말합니다.

쇼마르탱은 NLP가 생성한 텍스트들이 인간이 생성한 텍스트와 구별이 안 될 정도로 똑같았다며 고급 NLP가 배포된 컴퓨터의 언어 능력에 놀라워했습니다. 하지만 이것을 지능으로 착각해서는 안 된다고 말합니다.

“NLP의 능력은 놀라울 정도지만, 그렇다고 기계가 지능을 가진 것은 아닙니다. 컴퓨터는 문장의 의미를 심층적으로 이해할 수는 없습니다. 교묘한 사기꾼처럼 이해하는 척할 뿐이지요. 기계는 아직 인간과 똑같은 수준으로 언어를 이해할 만큼 지능적이지 않습니다. 이것은 공상 과학 영화에서나 가능한 이야기입니다.”

NLP에 대해 자세히 알아보기

NLP를 사용해 정보 인텔리전스를 개선하는 방법에 관한 업계 경영진의 의견을 확인해 보십시오.

Related resources

Subscribe

Register here to receive a monthly update on our newest content.