새 프로그램보다 먼저 쓰는 방법을 정했다
회사에서 고객 응대 담당자가 통화 내용을 기록하고 보고하는 업무에 AI 도구를 활용했다. 내가 제안한 것은 담당자가 상담 음성파일을 클로바에 직접 올려 전사·요약하고 결과를 확인하는 방법이었다. 담당자 2명에게 약 1시간 동안 사용법을 직접 설명했다.
음성파일을 서버로 자동 수집하거나 전사 API와 DB를 연결한 프로젝트는 아니다. 파일 업로드와 결과 검토는 담당자가 했다. 기존 도구를 실제 업무에서 쓸 수 있게 전달한 경험이다.
전사는 말소리를 글자로 옮기는 일이고, 요약은 그 글에서 필요한 내용을 추리는 일이다. 두 단계가 연결돼 있으니 앞에서 바뀐 단어가 뒤에서는 그럴듯한 설명으로 이어질 수 있었다.
‘설치’가 ‘서치’로 바뀌었다
사투리가 강한 고객의 ‘설치’가 ‘서치’로 인식된 적이 있었다. 담당자가 알고 있던 통화 내용과 요약의 뜻이 달랐다. 요약 문장만 자연스러운지 보면 알아채기 어려운 오류였다.
당시에는 담당자가 통화 뒤 텍스트 요약을 한 번 더 적어 보정하도록 했다. 통화의 맥락을 알고 있는 사람이 중요한 내용을 짧게 남기고, 인식 결과와 함께 확인하는 방식이었다. 오인식 자체를 없앤 것은 아니지만, 잘못된 해석을 그대로 보고하는 일을 줄이기 위한 절차였다. 오류 감소율을 측정한 것은 아니다.
계속 쓰는 데 필요한 것
교육에는 도구를 여는 방법만이 아니라 결과를 읽고 고칠 지점도 포함했다. 통화 뒤 기록·보고 업무에 적용했고, 이후에도 사용한다는 피드백을 받았다. 이 글을 쓰며 운영 화면을 다시 조회한 결과는 아니며, 내가 전달받은 사용 결과다.
별도로 문의·댓글을 모아 아침에 메일로 전달하는 보고 흐름도 있었다. 그 흐름과 이 수동 음성 전사를 하나의 자동 처리 시스템으로 설명하지는 않는다.
다시 살펴볼 부분
음성 인식의 품질이 좋아지면 담당자가 고칠 내용은 줄어들 수 있다. 그래도 이번 오류처럼 업무의 뜻을 바꾸는 단어를 어떻게 확인할지는 남는다. 도구의 요약과 담당자의 확인이 서로 어디를 보완하는지부터 살펴보는 편이 좋겠다.
음성 인식을 처음 다루던 시기와 지금의 기술 검토는 말이 글자로 바뀌어도 남았던 문제에 더 길게 적었다. 이 사례에서는 새 AI 기능을 만든 규모보다, 실제로 쓰는 사람이 결과를 고칠 수 있게 전달한 범위를 남긴다.