|
2024년 5월 17일| 회견
공유하다
다운로드
생성적 AI 기술은 매우 빠르게 발전하여 다양한 새로운 기능이 빠르게 온라인에 등장하고 있지만, 이는 이를 사용하는 방법을 이해할 수 있는 사람들에게만 해당됩니다.
다운로드
생성적 AI(gen AI)의 진화는 조직 전반에 걸쳐 큰 기회의 문을 열었습니다. 특히 Gen AI 에이전트(작업을 계획 및 수행하거나 인간을 대신하여 특정 서비스를 제공하여 인간을 돕는 AI 기반 소프트웨어 엔터티)와 관련하여 큰 기회가 열렸습니다. 지금까지는 데이터 품질, 직원 불신, 구현 비용으로 인해 기업 전반에 걸쳐 대규모로 채택하는 데 어려움을 겪었습니다. 또한 이러한 에이전트를 사용하여 업무를 변화시키는 방법을 상상하는 리더의 능력보다 역량이 앞서고 있습니다.
가장 인기 있는 통찰력
그러나 Gen AI 기술이 발전하고 차세대 에이전트가 등장함에 따라 더 많은 사용 사례가 공개되고, 배포 비용이 감소하며, 롱테일 사용 사례가 경제적으로 실행 가능해지고, 더 많은 규모의 자동화가 전체 환경에서 발생할 것으로 기대합니다. 더욱 광범위한 기업 프로세스, 직원 경험, 고객 인터페이스를 제공합니다. 이러한 발전에는 에이전트 기반 시스템을 관리하고 모니터링하기 위한 플랫폼뿐만 아니라 강력한 AI 신뢰와 위험 관리 관행 및 정책에 대한 투자가 필요합니다.
이 인터뷰에서 McKinsey Digital의 Barr Seitz는 수석 파트너인 Jorge Amar, Lari Hämäläinen 및 파트너 Nicolai von Bismarck와 함께 Gen AI 에이전트의 진화와 기업이 이 기술을 구현할 수 있고 구현해야 하는 방법에 대해 이야기합니다. 전체. 그들은 특히 이러한 발전이 고객 서비스에 어떤 의미를 갖는지 탐구합니다. 편집된 대화 내용은 다음과 같습니다.
Barr Seitz: Gen AI 에이전트란 정확히 무엇입니까?
라리 해멜라이넨
McKinsey의 Lari Hamalainen의 얼굴 사진
Lari Hämäläinen: Gen AI 에이전트에 관해 이야기할 때 복잡한 워크플로를 조율하고, 여러 에이전트 간의 활동을 조정하고, 논리를 적용하고, 답변을 평가할 수 있는 소프트웨어 엔터티를 의미합니다. 이러한 에이전트는 조직의 프로세스를 자동화하거나 프로세스를 수행하면서 작업자와 고객을 강화하는 데 도움을 줄 수 있습니다. 이는 인간이 업무를 더 잘 수행하는 데 도움이 될 뿐만 아니라 기본 프로세스와 서비스를 완전히 디지털화하는 데도 도움이 되기 때문에 가치가 있습니다.
예를 들어, 고객 서비스에서 단기 및 장기 기억 구조의 최근 개발을 통해 이러한 에이전트는 외부 고객 및 내부 사용자와의 상호 작용을 개인화하고 인간 에이전트가 학습하는 데 도움을 줄 수 있습니다. 이 모든 것은 Gen AI 에이전트가 HR에서 재무, 고객 서비스에 이르기까지 비즈니스의 모든 영역에서 엔터프라이즈 서비스를 강화하고 자동화할 수 있는 진정한 가상 작업자가 되는 데 훨씬 더 가까워지고 있음을 의미합니다. 이는 우리가 서비스 품질을 향상시키는 동시에 다양한 서비스 기능에서 광범위한 작업을 자동화하는 과정에 잘 진행되고 있음을 의미합니다.
Barr Seitz: Gen AI 에이전트의 가장 큰 가치는 어디에서 보십니까?
호르헤 아마르
McKinsey의 Jorge Amar의 얼굴 사진
Jorge Amar: 우리는 Gen AI 기업 사용 사례가 60개 이상의 사용 사례에서 연간 2조 6천억 달러에서 4조 4천억 달러의 가치를 창출할 수 있다고 추정했습니다 .1그러나 이 가치 중 비즈니스 성장과 생산성이 얼마나 빨리 실현되는지는 기업이 우선 순위 영역, 즉 전체 활동 체인에 걸친 사용자 여정, 프로세스 또는 기능에서 업무를 얼마나 빨리 재구상하고 실제로 변화시킬 수 있는지에 달려 있습니다.
Gen-AI 지원 에이전트는 구현하는 데 과도한 양의 리소스가 필요한 매우 긴 워크플로의 자동화를 가속화할 것을 약속합니다. 그리고 잠재력은 이러한 사용 사례 이상으로 확장됩니다. 오늘날 글로벌 경제에서 근무 시간의 60~70%는 이론적으로 생성 AI를 포함한 다양한 기존 기술 기능을 적용하여 자동화할 수 있지만 그렇게 하려면 많은 측면이 필요합니다. 솔루션 개발 및 기업 채택.
고객 서비스를 고려하십시오. 현재 고객 서비스 환경에서 Gen AI 에이전트의 가치는 볼륨 감소 또는 평균 처리 시간 감소에서 비롯될 것입니다. 예를 들어, 올해 초 우리가 발표한 연구에서 Gen AI를 사용하는 5,000명의 고객 서비스 에이전트를 살펴본 결과 문제 해결이 시간당 14% 증가한 반면 문제 처리에 소요되는 시간은 9% 감소한 것으로 나타났습니다.2
공유하다
사이드바
McKinsey의 AI인 QuantumBlack 소개
가치가 있는 또 다른 영역은 상담원 교육입니다. 일반적으로 새로운 에이전트가 더 오랜 기간 근무한 동료 수준과 동등한 성능을 발휘하는 데 6~9개월이 소요됩니다. 이 기술을 사용하면 새로운 에이전트가 다른 상황에서 작동했던 방대한 개입 및 스크립트 라이브러리를 마음대로 사용할 수 있기 때문에 시간이 3개월로 단축되는 경우도 있습니다.
시간이 지남에 따라 Gen AI 에이전트의 숙련도가 높아짐에 따라 고객 만족도가 향상되고 수익이 창출될 것으로 기대합니다. 예를 들어 인간 에이전트를 지원하고 자율적으로 작업함으로써 Gen AI 에이전트는 고객의 즉각적인 질문을 지원할 뿐만 아니라 새로운 서비스를 판매하거나 더 광범위한 요구 사항을 해결하는 데에도 중요합니다. 기업이 더 많은 세대의 AI 에이전트를 추가하면 비용이 낮아질 가능성이 높으며, 이는 인간 에이전트와의 더 많은 하이터치 상호 작용을 프리미엄 서비스로 제공하는 등 기업을 위한 광범위한 고객 경험 옵션을 열어줄 것입니다.
Barr Seitz: Gen AI 에이전트에서 이미 보고 있는 기회는 무엇입니까?
Jorge Amar: 고객 관리는 대규모 AI 에이전트의 첫 번째 기능 중 하나이지만 확실히 유일한 기능은 아닙니다. 지난 한 해 동안 우리는 고객 서비스 기능을 개선하는 데 도움이 되는 Gen AI 에이전트를 사용한 성공적인 파일럿을 많이 보았습니다. 예를 들어, 고객과 전화 통화를 하고 전용 Gen AI 에이전트로부터 실시간으로 도움을 받는 고객 서비스 에이전트가 있을 수 있습니다. 예를 들어 참조할 최고의 기술 자료를 추천하거나 최선의 다음 단계를 추천합니다. 대화를위한 것입니다. Gen AI 에이전트는 어조, 공감, 예의와 같은 행동 요소에 대한 코칭도 제공할 수 있습니다.
예전에는 판매 여정의 각 지점에서 개별 고객에게 상담원을 전담하는 것은 비용이 많이 드는 일이었습니다. 그러나 Lari가 언급한 것처럼 최신 AI 에이전트 개발을 통해 이제 이를 수행할 수 있습니다.
니콜라이 폰 비스마르크
McKinsey의 Nicolai von Bismarck의 얼굴 사진
Nicolai von Bismarck: Gen AI 에이전트가 프로세스를 자동화할 뿐만 아니라 인간 에이전트도 지원한다는 점을 강조할 가치가 있습니다. 예를 들어 Gen AI 에이전트가 아주 잘하는 것 중 하나는 고객 서비스 담당자가 하드 스킬 관점뿐만 아니라 말하는 내용의 맥락을 이해하는 것과 같은 소프트 스킬에서도 맞춤형 코칭을 받을 수 있도록 돕는 것입니다. 우리는 생성 AI를 고객 관리 기능에 적용하면 생산성이 30~45% 증가할 수 있다고 추정합니다.삼
Jorge Amar: 예. 다른 경우에는 Gen AI 에이전트가 고객을 직접 지원합니다. 디지털 영업 보조원은 정보 검색, 제품 사양 또는 비용 비교 제공 등 의사 결정 과정의 모든 단계에서 고객을 지원할 수 있으며, 고객이 방문하고, 떠나고, 돌아올 경우 상황을 기억할 수 있습니다. 이러한 기능이 성장함에 따라 이러한 Gen AI 에이전트가 상향 판매를 통해 수익을 창출할 것으로 기대할 수 있습니다.
[기업이 Gen AI 에이전트를 사용하는 방법에 대한 자세한 내용은 사이드바 "Gen AI 에이전트 자세히 살펴보기: Lenovo 경험"을 참조하세요.]
Barr Seitz: 왜 사람들이 Gen AI 에이전트가 또 다른 잘못된 기술 약속이 아니라 실제 기회라고 믿어야 하는지 명확히 설명할 수 있습니까?
공유하다
사이드바
Gen AI 에이전트 자세히 살펴보기: Lenovo 경험
Jorge Amar: 물론 아직 초기 단계이지만, Gen AI 에이전트에서 볼 수 있는 기능은 전례가 없습니다. 예를 들어 과거 기술과 달리 Gen AI는 이론적으로 다양한 채널을 통해 직원과 고객 간의 수억 건의 상호 작용을 처리할 수 있을 뿐만 아니라 개인화된 콘텐츠 제공과 같은 훨씬 더 높은 품질의 상호 작용을 생성할 수도 있습니다. 그리고 우리는 개인화된 서비스가 더 나은 고객 서비스의 핵심 동인이라는 것을 알고 있습니다. 여기에는 큰 기회가 있습니다. 우리가 운영한 고객 관리 임원을 대상으로 한 설문 조사에서 북미 지역 응답자 중 10% 미만 이 고객 서비스 성과에 대해 예상보다 큰 만족도를 나타냈다는 사실을 발견했기 때문입니다.4
Lari Hämäläinen: 기술적인 관점을 살펴보겠습니다. 인간이 상호 작용하는 방식에 적합하고 기업 규모로 배포할 수 있는 기술을 보유하게 된 것은 이번이 처음입니다. 예를 들어 우리 모두가 통화 중에 겪었던 IVR(대화형 음성 응답) 경험을 생각해 보세요. 그것은 인간이 상호 작용하는 방식이 아닙니다. 인간은 구조화되지 않은 방식으로, 종종 무언의 의도를 가지고 상호 작용합니다. 그리고 LLM(대규모 언어 모델)에 대해 생각해 보면 기본적으로 처음부터 구조화되지 않은 데이터와 상호 작용을 처리하기 위해 만들어졌습니다. 어떤 의미에서 우리가 지금까지 고객 서비스와 같은 곳에 적용한 모든 기술은 고객이 미리 정의된 개념에 맞는 매우 구조화된 사고 집합으로 전화한다는 전제에서 작동했습니다.
Barr Seitz: 지난 12개월 동안 AI 에이전트 환경이 어떻게 바뀌었나요?
Lari Hämäläinen: Gen AI의 발전은 매우 빨랐습니다. LLM 초기에는 환각 및 상대적으로 높은 처리 비용과 같은 일부 단점으로 인해 인간에게 전문 지식을 제공하거나 이미지를 생성하는 것과 같은 매우 기본적인 출력을 생성하는 데 모델이 사용되었습니다. 더 복잡한 옵션은 실행 가능하지 않았습니다. 예를 들어, 10개의 관련 단계가 있는 작업에 정확도가 80%에 불과한 LLM의 경우 누적 정확도는 11%에 불과하다고 생각해 보세요.
오늘날 LLM은 최근의 여러 혁신으로 인해 더욱 다양한 사용 사례와 더욱 복잡한 워크플로에 적용될 수 있습니다. 여기에는 정확성과 기능 측면에서 LLM 자체의 발전, 단기 및 장기 메모리 구조의 혁신, 논리 구조 및 답변 평가의 개발, 에이전트와 모델을 복잡한 워크플로우에 적용하는 프레임워크가 포함됩니다. LLM은 "잘못된" 답변을 평가하고 수정하여 훨씬 더 높은 정확도를 얻을 수 있습니다. 까다로운 것으로 식별된 사례를 처리하기 위해 숙련된 인간이 참여하면 인간과 기계의 결합 결과가 뛰어난 품질과 생산성을 창출할 수 있습니다.
마지막으로, 채팅을 넘어서는 많은 세대 AI 애플리케이션이 작년에 다양한 구성 요소를 결합하여 맞춤 제작되었다는 점을 언급할 가치가 있습니다. 지금 우리가 보고 있는 것은 프레임워크의 표준화와 산업화가 '패키지 소프트웨어'에 가까워지는 것입니다. 이를 통해 구현 속도가 빨라지고 비용 효율성이 향상되어 기업의 롱테일 사용 사례를 해결하는 등 실제 애플리케이션의 실행 가능성이 더욱 높아집니다.
Barr Seitz: 고객 서비스를 위해 Gen AI 에이전트 기술을 채택하는 데 어떤 종류의 장애물이 있다고 생각하시나요?
Nicolai von Bismarck: 우리가 보고 있는 큰 장애물 중 하나는 Gen AI 에이전트에 대해 조직 전반에 걸쳐 신뢰를 구축하는 것입니다. 예를 들어, 한 은행에서는 신뢰를 구축하기 위해 잘못된 답변을 줄여야 한다는 것을 알고 있었습니다. 그래서 그들은 환각을 확인하는 아키텍처를 만들었습니다. 수표를 통해 답변이 정확하다는 것이 확인된 경우에만 공개됩니다. 그리고 대답이 옳지 않으면 챗봇은 이 질문에 대답할 수 없다고 말하고 다시 말하려고 합니다. 그러면 고객은 질문에 대한 답변을 빠르게 얻거나 실시간 상담원과 대화하기로 결정할 수 있습니다. Z세대를 포함 해 모든 연령대의 고객이 여전히 고객 도움과 지원을 위해 실시간 전화 대화를 선호한다는 사실을 알 수 있으므로 이는 정말 가치 있는 일 입니다 . .
Jorge Amar: 우리는 매우 유망한 결과를 보고 있습니다. 하지만 이는 소규모 고객 또는 상담원 그룹이 있는 통제된 환경에 있습니다. 이러한 결과를 확장하려면 변경 관리가 중요합니다. 이는 조직에게 큰 장애물입니다. 단순히 새로운 도구 세트를 출시하는 것보다 훨씬 더 광범위합니다. 기업은 Gen AI 에이전트로부터 완전한 가치를 얻을 수 있도록 기능 작동 방식을 다시 배선해야 합니다.
Gen AI 기술이 효과적으로 사용하려면 올바른 형식과 위치에 있어야 하는 데이터를 가져옵니다. 실제로 대부분의 조직 중 약 20%는 데이터를 Gen AI를 통해 가치를 포착하는 데 가장 큰 과제로 여깁니다.5이러한 종류의 문제의 한 가지 예는 답변을 제공할 때 코로나19 기간 동안 사용된 정책과 같은 오래된 정보를 소싱하는 챗봇일 수 있습니다. 내용은 맞을 수도 있지만, 절망적으로 시대에 뒤떨어진 내용입니다. 기업은 데이터를 정리하고 정리하는 데 투자해야 합니다.
또한 기업은 AI 신뢰와 거버넌스 역량을 구축하기 위한 실질적인 노력이 필요합니다. 이는 기업이 최근 EU AI 법률 및 많은 국가의 유사한 조치에서 볼 수 있듯이 빠르게 진화하는 규정을 준수할 뿐만 아니라 기업이 약속한 종류의 약속을 지킬 수 있도록 보장하는 원칙, 정책, 프로세스 및 플랫폼입니다. 고객과 직원에게 공정성과 편견 없음을 제공합니다. 이를 위해서는 새로운 학습, 법률 및 위험 팀과의 새로운 수준의 협업, 대규모 시스템을 관리하고 모니터링하기 위한 새로운 기술이 필요합니다.
변화는 다른 영역에서도 일어나야 합니다. 기업은 새로운 KPI 및 성과 관리 프로토콜을 생성해야 하는 관리자부터 고객 및 AI 세대와 소통하는 다양한 방법을 이해해야 하는 일선 상담사에 이르기까지 모든 수준의 고객 서비스 기능에 대해 광범위하고 맞춤형 학습 커리큘럼을 구축해야 합니다. 자치령 대표.
이 기술은 MLOps(기계 학습 운영) 또는 점점 더 Gen AI Ops(AI 운영)라고 부르는 Gen AI 도구를 지원하기 위해 보다 유연하고 더 강력한 수명 주기 기능을 개발하도록 진화해야 합니다. 운영 모델은 새로운 서비스 기능을 위해 반복적으로 작업하는 소규모 팀을 지원해야 합니다. 그리고 채택을 위해서는 사람들이 도구를 신뢰하고 이점을 실현하는 방법을 배울 수 있도록 지속적인 노력과 새로운 인센티브가 필요합니다. 이는 Gen AI 에이전트를 사용하여 자신의 기술을 강화하거나 향상시킬 수 없다고 믿는 장기 에이전트의 경우 특히 그렇습니다. 고객 운영 측면에서만 광범위한 노력에 대해 이야기하고 있지만 Gen AI의 잠재적 가치가 4,000억 달러 이상이므로 그만한 가치가 있습니다.6
Barr Seitz: 고객 서비스를 유지하면서 Gen AI 에이전트가 기업에 어떻게 도움이 될까요?
Jorge Amar: 이것은 훌륭한 질문입니다. 왜냐하면 우리는 광범위한 자동화가 이루어지더라도 인간이 수행하는 작업을 강화함으로써 즉각적인 영향이 나온다고 믿기 때문입니다. 저는 Gen AI 에이전트가 다양한 기업 서비스와 워크플로우를 변화시킬 수 있고 변화시킬 것이라고 믿습니다. 이는 직원과 고객 모두에게 더 나은 경험을 제공하는 동시에 가치를 추가하지 못하는 많은 작업을 자동화하는 데 도움이 될 것입니다. 예를 들어, 기업 서비스 센터는 생산성이 더욱 높아지고 더 나은 결과와 더 나은 경험을 제공하게 될 것입니다.
실제로 우리는 이 새로운 기술이 직원 감소를 줄이는 데 도움이 되는 것을 확인하고 있습니다. Gen AI가 더욱 널리 보급됨에 따라 서비스 작업에서 더욱 전문화되는 모습을 볼 수 있습니다. 일부 회사와 기능은 채택을 주도하고 완전히 자동화될 것이며, 일부는 더 많은 하이 터치 상호 작용을 구축하여 차별화될 수 있습니다.
니콜라이 폰 비스마르크: 예를 들어, 우리는 AI 기반 학습 및 코칭 엔진을 구현하고 있는 독일의 한 회사에서 실제로 이 아이디어를 보고 있습니다. 그리고 직원들이 마침내 자신과 관련된 피드백을 받고 있다고 느끼기 때문에 관리자와 직원의 관점 모두에서 이 기능을 출시하는 동안 측정된 직원 경험이 크게 개선된 것을 이미 확인하고 있습니다. 그들은 가치 있다고 느끼고, 경력을 쌓고 있으며, 새로운 기술도 배우고 있습니다. 예를 들어, 유지 전화만 받는 대신 이제 판매 전화를 받을 수 있습니다. 이 경험은 사람들이 수행하는 작업에 더 많은 다양성을 제공하고 지루한 반복을 줄여줍니다.
Lari Hämäläinen: 좀 더 폭넓게 살펴보겠습니다. 우리는 오늘날 업무 활동의 50%가 자동화되어 2055년경에 발생하는 중간 시점 시나리오를 이전에 모델링했습니다. 그러나 기술은 예상했던 것보다 훨씬 빠르게 발전하고 있습니다. 다가오는 일부 LLM의 기능을 살펴보십시오. 어떤 경우에는 평균 인간 수준의 숙련도를 능가합니다. Gen AI의 혁신은 중간 지점 시나리오를 약 10년 정도 가속화하는 데 도움이 되었습니다. 그리고 점점 더 빨라질 것이므로 채택 일정이 더욱 단축될 것으로 예상할 수 있습니다. 이는 모든 경영진이 이해해야 할 중요한 발전입니다.
저자 소개
Jorge Amar 는 McKinsey 마이애미 사무소의 수석 파트너이고, Lari Hämäläinen 은 시애틀 사무소의 수석 파트너이며, Nicolai von Bismarck 는 보스턴 사무소의 파트너입니다. Barr Seitz는 McKinsey Digital의 글로벌 출판 담당 이사이며 뉴욕 사무실에서 근무하고 있습니다.
|