KR102510052B1 - 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치 - Google Patents

인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치 Download PDF

Info

Publication number
KR102510052B1
KR102510052B1 KR1020220103674A KR20220103674A KR102510052B1 KR 102510052 B1 KR102510052 B1 KR 102510052B1 KR 1020220103674 A KR1020220103674 A KR 1020220103674A KR 20220103674 A KR20220103674 A KR 20220103674A KR 102510052 B1 KR102510052 B1 KR 102510052B1
Authority
KR
South Korea
Prior art keywords
query
customer terminal
customer
response
call
Prior art date
Application number
KR1020220103674A
Other languages
English (en)
Inventor
유승재
Original Assignee
(주)페르소나에이아이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)페르소나에이아이 filed Critical (주)페르소나에이아이
Priority to KR1020220103674A priority Critical patent/KR102510052B1/ko
Application granted granted Critical
Publication of KR102510052B1 publication Critical patent/KR102510052B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/50—Centralised arrangements for answering calls; Centralised arrangements for recording messages for absent or busy subscribers ; Centralised arrangements for recording messages
    • H04M3/51—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing
    • H04M3/5166—Centralised call answering arrangements requiring operator intervention, e.g. call or contact centers for telemarketing in combination with interactive voice response systems or voice portals, e.g. as front-ends
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
    • H04M2201/34—Microprocessors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
    • H04M2201/36—Memories

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은, AI(Artificial Intelligence) 대화 엔진을 포함하는 메모리, 적어도 하나의 단말과 통신하는 통신부, 및 메모리 및 통신부와 연결된 프로세서를 포함하는, 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치에 관한 것이다.

Description

인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치{ELECTRONIC DEVICE PROVIDING AUTOMATIC CALL SERVICE COMBINED WITH ARTIFICIAL INTELLIGENCE MODEL}
본 발명은 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치에 관한 것으로, 상세하게는, AI(Artificial Intelligence) 대화 엔진을 기반으로 하되, 쌍방향 대화에 따라, 질의 및 응답에 대한 고객의 음성을 획득하여, 맥락을 파악하고, 이에 따라, 획득된 고객의 의도를 바탕으로 질의에 대한 통계를 산출하며, 고객의 질의에 대한 응답을 음성으로 제공하는 기술이다.
오토콜(Auto Call, AC), 즉, 자동 호출이란, 데이터 교환 단말 장치 등 자동 호출 장치(Automatic Call Distributor, ACD)에서 자동적으로 다이얼을 발신하여 상대를 호출하는 것으로, 선택 신호의 요소가 최대 데이터 신호 속도로 연속하여 데이터망에 입력되는 호출이며, 이때, 선택 신호는 데이터 단말 장치에 의하여 발생한다.
한편, 데이터 교환 단말 장치 등, 자동 호출 장치는 입중계 호들을 동일 콜센터 내의 목적이로 라우팅하는 콜센터 내의 프로그래머블 장치로, ICM(Intelligent Contact Management)에서 호의 착신지를 결정하면, 이 호는 해당 착신지와 연관된 자동 호출 분배로 전송되며, 이때 ICM이 결정한 라우팅을 종료한다.
이러한 종래의 자동 호출 기술의 경우, 착신자에 대한 통화가 연결되더라도 상담원의 단말과 착신자의 단말 간 통화가 수행되도록 연결하는 중계 역할에 그칠 뿐으로, 상담 인력이 항시 존재해야만 의의가 있다.
또한, 종래의 자동 호출 기술은, 착신자의 단말에서 수행되는 키패드 방식을 기반으로 작동하여, 착신자의 시청 불가 상황에서 음성을 기반으로 착신자의 응답을 획득하는 것이 불가능하다는 문제점이 존재한다.
한편, 상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.
등록특허공보 제10-0818793호, 2008.03.26.
본 발명이 해결하고자 하는 과제는 쌍방향 대화를 통해 질의 및 그에 대한 응답을 획득하는 것이 가능하고, 자동으로 통계를 산출하는 것이 가능한 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치는, AI(Artificial Intelligence) 대화 엔진을 포함하는 메모리, 적어도 하나의 단말과 통신하는 통신부, 및 메모리 및 통신부와 연결된 프로세서를 포함하고, 프로세서는, 통신부를 통해, 기 등록된 복수의 고객 단말로 자동 호출(Auto Call, AC)을 수행하고, 자동 호출에 응답하는 적어도 하나의 고객 단말과 통화를 수행하여, 고객 단말의 고객에게 기 설정된 하나 이상의 질의를 제공하고, 질의에 응답하는 고객의 응답에 매칭되는 음성을 저장한다.
이때, 프로세서는, 통신부를 통해 고객 단말과 통화를 수행하여, 고객 단말로 제1 질의를 제공하고, 제1 질의에 응답하는 고객의 제1 응답이 수신되면, 제1 응답에 이어지는 제2 질의를 제공할 수 있다.
또한, 프로세서는, 질의 응답 서비스를 고객 단말로 제공함에 있어서, 통신부를 통해 고객 단말로 기 설정된 질의를 제공하되, 고객 단말로부터 실시간으로 음성을 획득하고, AI 대화 엔진을 기반으로 실시간으로 획득된 음성에 대한 정보를 획득하고, AI 대화 엔진을 기반으로 획득된 정보가 질의인지 또는 응답인지를 구분하고, 획득된 정보가 질의인지 또는 응답인지 여부를 바탕으로 고객 단말로 제공할 질의 또는 응답을 선택하여, 선택된 질의 또는 응답을 음성으로 제공할 수 있다.
한편, 프로세서는, 고객 단말로부터 획득된 적어도 하나의 응답을 바탕으로, 응답 각각에 매칭되는 질의에 대해 기 산출된 통계를 업데이트할 수 있다.
또한, 프로세서는, 질의 응답 서비스를 고객 단말로 제공함에 있어서, 질의 응답 서비스를 AI 모드에서 상담원 모드로 전환하기 위한 사용자 명령을 획득하는 UI(User Interface)를 고객 단말로 제공할 수 있다.
이때, 프로세서는, 고객 단말로부터 상담원 모드로 전환하기 위한 사용자 명령을 획득하면, 기 등록된 복수의 상담원 단말 중, 상담 가능 상태인 제1 단말이 식별되는지 판단하고, 적어도 하나의 제1 단말이 식별되면, 제1 단말 중 어느 하나의 단말을 고객 단말에 대해 통화 연결하고, 상담원 모드로 전환하기 위한 사용자 명령을 획득한 시점에 대한 질의를 식별하여, 식별된 질의에 대해 모드 전환 횟수를 가산하여 저장할 수 있다.
추가로, 프로세서는, 질의 응답 서비스를 제공함에 있어서, 식별된 질의에 대해 모드 전환 횟수가 임계 횟수를 초과하면, 식별된 질의 제공 시점으로부터 일정 시간 간격 전에, 적어도 하나의 제1 단말을 판단할 수 있다.
이때, 프로세서는, 복수의 질의 각각에 대해 통화 종료가 발생한 횟수를 식별하고, 복수의 질의 각각에 대해 통화 종료가 발생한 횟수가 적은 순서로 순위를 획득하고, 획득된 순위를 바탕으로 복수의 질의를 제공하는 순서를 업데이트하고, 여기서, 질의는, 기 고정된 질의 순서를 기준으로 그룹화된, 적어도 하나의 질의 문항을 포함하는 데이터인 것을 특징으로 할 수 있다.
본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치에 의하면, 쌍방향 대화를 통해 질의 및 그에 대한 응답을 획득하는 것이 가능하고, 자동으로 통계를 산출하는 것이 가능하다.
나아가, 본 발명에 의한 인공지능 자동 호출 서비스는, 사용자 발화를 분석하고, 음성으로 응대하여, 음성 안내를 통한 쌍방향 대화를 제공할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시예에 따른 전자 장치의 구성도이다.
도 2는 본 개시의 일 실시예에 따른 고객 단말의 구성도이다.
도 3은 본 개시의 일 실시예에 따른 시스템의 구성도이다.
도 4는 본 개시의 일 실시예에 따른 기본 흐름도이다.
도 5 내지 도 9는 본 개시의 일 실시예에 따른 자동 호출 설정 및 관리 예시도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.
공간적으로 상대적인 용어인 "아래(below)", "아래(beneath)", "하부(lower)", "위(above)", "상부(upper)" 등은 도면에 도시되어 있는 바와 같이 하나의 구성요소와 다른 구성요소들과의 상관관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성요소들의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들어, 도면에 도시되어 있는 구성요소를 뒤집을 경우, 다른 구성요소의 "아래(below)"또는 "아래(beneath)"로 기술된 구성요소는 다른 구성요소의 "위(above)"에 놓일 수 있다. 따라서, 예시적인 용어인 "아래"는 아래와 위의 방향을 모두 포함할 수 있다. 구성요소는 다른 방향으로도 배향될 수 있으며, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 개시의 일 실시예에 따른 전자 장치의 구성도이고, 도 2는 본 개시의 일 실시예에 따른 고객 단말의 구성도이고, 도 3은 본 개시의 일 실시예에 따른 시스템의 구성도이다.
본 발명의 일 면에 따른 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치(100)는, AI(Artificial Intelligence) 대화 엔진을 포함하는 메모리(110), 적어도 하나의 단말과 통신하는 통신부(120), 및 메모리(110) 및 통신부(120)와 연결된 프로세서(130)를 포함한다.
일 실시예로, 전자 장치(100)는, 서버, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 노트북 컴퓨터(notebook computer), PDA(personal digital assistant), PMP(portable multimedia player), 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다.
AI(Artificial Intelligence) 대화 엔진은, 자연어이해 엔진(Language Engineering & Analysis, LEA)을 포함하여, 고객으로부터 획득된 응답에 대한 오디오 데이터로부터 텍스트를 추출하고, 이를 자연어이해 엔진에 입력하여 출력 결과인 데이터를 획득할 수 있다.
나아가, AI 대화 엔진은, 출력 결과인 데이터에 따라 다른 질의를 선택하여, 해당 질의에 대한 텍스트 및 이를 발화하는 오디오 데이터를 생성할 수 있다.
자연어이해 엔진은 종래의 텍스트 분석 기능을 처리하는 기계학습/심층학습 기반의 언어 분석 엔진일 수 있다.
한편, 메모리(110)는 서버(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(110)는 비휘발성 메모리(110), 휘발성 메모리(110), 플래시메모리(110)(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다.
통신부(120)는 외부 장치와 통신을 수행할 수 있다. 특히, 통신부(120)는 와이파이 칩, 블루투스 칩, 무선 통신 칩, NFC칩, 저전력 블루투스 칩(BLE 칩) 등과 같은 다양한 통신 칩을 포함할 수 있다. 이때, 와이파이 칩, 블루투스 칩, NFC 칩은 각각 LAN 방식, WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 와이파이 칩이나 블루투스칩을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신 하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신칩은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(5th Generation) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다.
프로세서(130)는 메모리(110)에 저장된 각종 프로그램을 이용하여 서버(100)의 전반적인 동작을 제어할 수 있다. 프로세서(130)는 RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 및 버스로 구성될 수 있다. 이때, RAM, ROM, 그래픽 처리부, 메인 CPU, 제1 내지 n 인터페이스 등은 버스를 통해 서로 연결될 수 있다.
RAM은 O/S 및 어플리케이션 프로그램을 저장한다. 구체적으로, 서버(100)가 부팅되면 O/S가 RAM에 저장되고, 사용자가 선택한 각종 어플리케이션 데이터가 RAM에 저장될 수 있다.
ROM에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, 메인 CPU는 ROM에 저장된 명령어에 따라 메모리(110)에 저장된 O/S를 RAM에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, 메인 CPU는 메모리(110)에 저장된 각종 어플리케이션 프로그램을 RAM에 복사하고, RAM에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행한다.
그래픽 처리부는 연산부(미도시) 및 렌더링부(미도시)를 이용하여 아이템, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성한다. 여기서, 연산부는 입력부로부터 수신된 제어 명령을 이용하여 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산하는 구성일 수 있다. 그리고, 렌더링부는 연산부에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성하는 구성이 일 수 있다. 이러한 렌더링부에서 생성된 화면은 디스플레이의 디스플레이 영역 내에 표시될 수 있다.
메인 CPU는 메모리(110)에 액세스하여, 메모리(110)에 저장된 OS를 이용하여 부팅을 수행한다. 그리고, 메인 CPU는 메모리(110)에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
제1 내지 n 인터페이스는 상술한 각종 구성요소들과 연결된다. 제1 내지 n 인터페이스 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.
한편, 나아가, 프로세서(130)는 인공지능 모델을 제어할 수 있다. 이 경우, 프로세서(130)는 인공지능 모델을 제어하기 위한 그래픽 전용 프로세서(예: GPU)를 포함할 수 있음은 물론이다.
한편, 본 발명에 따른 인공지능 모델은 교사 지도학습(supervised learning) 또는 비교사 지도학습(unsupervised learning)기반의 모델일 수 있다. 나아가, 본 발명에 따른 인공지능 모델은 SVM(support vector machine), Decision tree, neural network 등 및 이들이 응용된 방법론을 포함할 수 있다.
일 실시예로, 본 발명에 따른 인공지능 모델은 학습데이터를 입력하여 학습된 합성곱 신경망(Convolutional deep Neural Networks, CNN) 기반의 인공지능 모델일 수 있다. 다만, 이에 한정되는 것은 아니며, 다양한 인공지능 모델이 본 발명에 적용될 수 있음은 물론이다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 인공지능 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
이때, 합성곱 신경망(Convolutional deep Neural Networks, CNN)은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. 합성곱 신경망은 하나 또는 여러개의 합성곱 계층(convolutional layer)과 그 위에 올려진 일반적인 인공신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 합성곱 신경망은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 또한, 합성곱 신경망은 표준 역전달을 통해 훈련될 수 있다. 합성곱 신경망은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
또한, 심층 신경망(Deep Neural Networks, DNN)은 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다.
이때, 심층 신경망의 구조는 퍼셉트론(perceptron)으로 구성될 수 있다. 퍼셉트론은 여러 개의 입력 값(input)과 하나의 프로세서(prosessor), 하나의 출력 값으로 구성된다. 프로세서는 여러 개의 입력 값에 각각 가중치를 곱한 후, 가중치가 곱해진 입력 값들을 모두 합한다. 그 다음 프로세서는 합해진 값을 활성화함수에 대입하여 하나의 출력 값을 출력한다. 만약 활성화함수의 출력 값으로 특정한 값이 나오기를 원하는 경우, 각 입력 값에 곱해지는 가중치를 수정하고, 수정된 가중치를 이용하여 출력 값을 다시 계산할 수 있다. 이때, 각각의 퍼셉트론은 서로 다른 활성화함수를 사용할 수 있다. 또한 각각의 퍼셉트론은 이전 계층에서 전달된 출력들을 입력으로 받아들인 다음, 활성화 함수를 이용해서 출력을 구한다. 구해진 출력은 다음 계층의 입력으로 전달된다. 상술한 바와 같은 과정을 거치면 최종적으로 몇 개의 출력 값을 얻을 수 있다.
순환 신경망(Reccurent Neural Network, RNN)은 인공신경망을 구성하는 유닛 사이의 연결이 Directed cycle을 구성하는 신경망을 말한다. 순환 신경망은 앞먹임 신경망과 달리, 임의의 입력을 처리하기 위해 신경망 내부의 메모리를 활용할 수 있다.
심층 신뢰 신경망(Deep Belief Networks, DBN)이란 기계학습에서 사용되는 그래프 생성 모형(generative graphical model)으로, 딥 러닝에서는 잠재변수(latent variable)의 다중계층으로 이루어진 심층 신경망을 의미한다. 계층 간에는 연결이 있지만 계층 내의 유닛 간에는 연결이 없다는 특징이 있다.
심층 신뢰 신경망은 생성 모형이라는 특성상 선행학습에 사용될 수 있고, 선행학습을 통해 초기 가중치를 학습한 후 역전파 혹은 다른 판별 알고리즘을 통해 가중치의 미조정을 할 수 있다. 이러한 특성은 훈련용 데이터가 적을 때 굉장히 유용한데, 이는 훈련용 데이터가 적을수록 가중치의 초기값이 결과적인 모델에 끼치는 영향이 세지기 때문이다. 선행학습된 가중치 초기값은 임의로 설정된 가중치 초기값에 비해 최적의 가중치에 가깝게 되고 이는 미조정 단계의 성능과 속도향상을 가능케 한다.
상술한 인공지능 및 그 학습방법에 관한 내용은 예시를 위하여 서술된 것이며, 상술한 실시 예들에서 이용되는 인공지능 및 그 학습방법은 제한되지 않는다. 예를 들어, 당 업계의 통상의 기술자가 동일한 과제해결을 위하여 적용할 수 있는 모든 종류의 인공지능 기술 및 그 학습방법이 개시된 실시 예에 따른 시스템을 구현하는 데 활용될 수 있다.
한편, 프로세서(130)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.
일 실시예에 따른 프로세서(130)는 메모리(110)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 본 발명과 관련하여 설명된 방법을 수행한다.
예를 들어, 프로세서(130)는 메모리(110)에 저장된 하나 이상의 인스트럭션을 실행함으로써 신규 학습용 데이터를 획득하고, 학습된 모델을 이용하여, 상기 획득된 신규 학습용 데이터에 대한 테스트를 수행하고, 상기 테스트 결과, 라벨링된 정보가 소정의 제1 기준값 이상의 정확도로 획득되는 제1 학습용 데이터를 추출하고, 상기 추출된 제1 학습용 데이터를 상기 신규 학습용 데이터로부터 삭제하고, 상기 추출된 학습용 데이터가 삭제된 상기 신규 학습용 데이터를 이용하여 상기 학습된 모델을 다시 학습시킬 수 있다.
한편, 프로세서(130)는 프로세서(130) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(130)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.
메모리(110)에는 프로세서(130)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(110)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.
한편, 도시된 바와 같이, 고객 단말(200)은, 전자 장치(100)와 통신하는 통신모듈(210), 사용자로부터 명령을 획득하고, 데이터를 출력하는 입출력 모듈(220), 및 통신모듈(210) 및 입출력 모듈(220)과 연결되어, 고객 단말(200)의 전반적인 동작을 수행하는 제어모듈(230)을 포함하며, 이러한 고객 단말(200)은 자동 호출에 의해 선택된 착신자의 전자 장치이다.
일 실시예로, 고객 단말(200)은, 서버, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 노트북 컴퓨터(notebook computer), PDA(personal digital assistant), PMP(portable multimedia player), 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다.
한편, 입출력 모듈(220)은 디스플레이, 키패드, 스피커, 마이크 중 적어도 하나를 포함할 수 있다.
디스플레이는 다양한 정보를 시각적으로 출력하기 위한 구성이다.
디스플레이는 LCD(Liquid Crystal Display), PDP(Plasma Display Panel), OLED(Organic Light Emitting Diodes), TOLED(Transparent OLED), Micro LED 등으로 구현될 수 있으나, 이에 한정되는 것은 아니고 이밖에 종래 알려진 다양한 형태의 디스플레이를 포함할 수 있다. 디스플레이는, 사용자의 터치 조작을 감지할 수 있는 터치스크린 형태로 구현될 수 있으며, 접히거나 구부러질 수 있는 플렉서블 디스플레이로 구현될 수도 있다.
한편, 상담원 단말은, 도 2에 도시된 고객 단말(200)과 같은 구성을 취하여 동작할 수 있다.
구체적으로, 상담원 단말 또한, 통신을 수행하는 구성, 입출력에 따른 동작을 수행하는 구성 및 다른 구성들과 연결되어, 상담원 단말의 전반적인 동작을 수행하는 구성을 포함한다.
이러한 상담원 단말은 상담원 모드를 지원하는 상담 인력이 보유하는 전자 장치로, 서버, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 노트북 컴퓨터(notebook computer), PDA(personal digital assistant), PMP(portable multimedia player), 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다.
도 4는 본 개시의 일 실시예에 따른 기본 흐름도이고, 도 5 내지 도 9는 본 개시의 일 실시예에 따른 자동 호출 설정 및 관리 예시도이다.
도 4에 도시된 바와 같이, 본 발명의 일 면에 따른 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치(100)는, 통신부(120)를 통해, 기 등록된 복수의 고객 단말로 자동 호출(Auto Call, AC)을 수행(S410)하고, 자동 호출에 응답하는 적어도 하나의 고객 단말(200)과 통화를 수행(S420)한다.
통화는, 전화로 상대방과 대화를 하는 것을 뜻하며, 본 발명에서는 전자 장치(100)가 고객 단말(200)을 통해 고객에게 질의에 대한 오디오를 제공하고, 고객의 음성을 획득하여, 그에 대한 질의 또는 응답에 대한 오디오를 제공하는 것을 의미할 수 있다.
질의(question) 및 응답(answer)은 텍스트 및/또는 오디오 형태로 제공 및 획득될 수 있다.
이때, 전자 장치(100)는 고객 단말(200)의 고객에게 기 설정된 하나 이상의 질의를 제공(S430)하고, 도 8 및 도 9에 도시된 바와 같이, 질의에 응답하는 고객의 응답에 매칭되는 음성을 메모리(110) 및/또는 기 설정된 별도의 데이터베이스에 저장(S440)한다.
단계 S410을 수행함에 있어서, 도 5에 도시된 바와 같이, 전자 장치(100)는 기 등록된 복수의 캠페인 각각에 대해 기 설정된 자동 호출 예약 정보(자동 호출 시작일, 자동 호출 실행 요일, 자동 호출 시작 시간, 자동 호출 종료 시간, 자동 호출 종료일, 자동 호출 미실행 시간, 자동 호출 재발신 여부 등)을 기반으로 자동 호출을 수행할 수 있다.
실시예로, 단계 S410을 수행함에 있어서, 전자 장치(100)는 자동 호출 실행 요일, 자동 호출 시작 시간, 및 자동 호출 종료 시간에 따라 복수의 고객 단말에 대해 자동 호출을 수행하며, 이때, 복수의 고객 단말 각각에 대해 전자 장치(100)의 통화 이력을 식별하고, 통화 이력을 바탕으로 복수의 고객 단말 각각에 대해 호출에 응답한 횟수 및 응답한 시점을 획득하여, 복수의 고객 단말 각각에 대해 응답한 횟수가 가장 많은 시점을 획득할 수 있다.
이에 따라, 전자 장치(100)는 복수의 고객 단말 각각에 대해 응답한 횟수가 가장 많은 시점이 자동 호출 예약 정보에 대한 시점인 것으로 식별된 제1 고객 단말에 대하여는, 응답한 횟수가 가장 많은 시점을 포함하는 일정 시간 범위 내에 자동 호출을 수행하고, 제1 고객 단말을 제외한 제2 고객 단말에 대하여는, 자동 호출 예약 정보에 대한 시간 범위 내에서 일정 주기로 자동 호출을 수행할 수 있다.
이로써, 전자 장치(100)는 제1 고객 단말에 대해, 응답 확률이 높은 시간대에만 자동 호출을 수행하여 효율을 높일 수 있다.
또한, 도 6에 도시된 바와 같이, 전자 장치(100)는 복수의 캠페인 각각에 대해 기 등록된 질의 텍스트를 바탕으로 단계 S430을 수행할 수 있다.
한편, 단계 S430을 수행함에 있어서, 전자 장치(100)는 고객 단말(200)로 제1 질의를 제공하고, 단계 S440을 수행함에 있어서, 제1 질의에 응답하는 고객의 제1 응답이 수신되면, 제1 응답에 이어지는 제2 질의를 추가로 제공할 수 있다.
제2 질의는 제1 질의에 연결된 질의일 수 있다.
예컨대, 제1 질의가 주소에 대한 질의인 경우, 전자 장치(100)가 사용자 단말(200)로부터 제1 응답에서 주소에 대한 답변을 수신하면, 전자 장치(100)는 제2 질의는 제1 응답에 의해 한정된 주소에 대한 설문(ex. 00동의 행정구역에 대한 개편 요구 질의)을 제2 질의로 선택하여 추가로 사용자 단말(200)의 사용자에게 제공할 수 있다.
질의는, 기 고정된 질의 순서를 기준으로 그룹화된, 적어도 하나의 질의 문항을 포함하는 데이터일 수 있다.
예컨대, 제1 질의는 거주시를 묻는 제1-1 질의 문항, 및 거주동을 묻는 제1-2 질의 문항을 순서대로 포함하여 구성될 수 있고, 제2 질의는 인근에 위치한 공원명을 묻는 제2-1 질의 문항, 및 공원에 대한 만족도를 묻는 제2-2 질의 문항을 포함하여 구성될 수 있다.
한편, 전자 장치(100)가 단계 S410 내지 S440에 따른 질의 응답 서비스를 고객 단말(200)로 제공함에 있어서, 전자 장치(100)는, 통신부(120)를 통해 고객 단말(200)로 기 설정된 질의를 제공하되, 고객 단말(200)로부터 실시간으로 음성을 획득할 수 있다.
이에 따라, 전자 장치(100)는 AI 대화 엔진을 기반으로 실시간으로 획득된 음성에 대한 정보를 획득하고, AI 대화 엔진을 기반으로 획득된 정보가 질의인지 또는 응답인지를 구분하고, 획득된 정보가 질의인지 또는 응답인지 여부를 바탕으로 고객 단말(200)로 제공할 질의 또는 응답을 선택할 수 있다.
예컨대, 전자 장치(100)는 정보가 질의적 성향(ex. 000은 무엇입니까?)을 갖는지 응답적 성향(ex. 000입니다.)을 갖는지를 AI 대화 엔진에 의해 식별하여 구분할 수 있다.
또한, 전자 장치(100)는 선택된 질의 또는 응답을 고객 단말(200)을 통해 고객에게 제공함에 있어서, 텍스트 또는 텍스트가 음성으로 변환된 오디오 형태로 제공하여, 고객과 전자 장치(100) 간의 쌍방향 대화가 이루어지도록 할 수 있다.
한편, 도 7에 도시된 바와 같이, 전자 장치(100)는, 고객 단말(200)로부터 획득된 적어도 하나의 응답을 바탕으로, 응답 각각에 매칭되는 질의에 대해 기 산출된 통계를 업데이트할 수 있다.
추가로, 전자 장치(100)가 단계 S410 내지 S440에 따른 질의 응답 서비스를 고객 단말(200)로 제공함에 있어서, 전자 장치(100)는, 질의 응답 서비스를 AI 모드에서 상담원 모드로 전환하기 위한 사용자 명령을 획득하는 UI(User Interface)를 고객 단말(200)로 제공할 수 있다.
구체적으로, 전자 장치(100)는, 고객 단말(200)로부터 상담원 모드로 전환하기 위한 사용자 명령을 획득하면, 기 등록된 복수의 상담원 단말 중, 상담 가능 상태인 제1 단말이 식별되는지 판단하여, 적어도 하나의 제1 단말이 식별되면, 식별된 제1 단말 중 어느 하나의 단말을 고객 단말(200)에 대해 통화 연결한다.
이때, 전자 장치(100)는 상담원 모드로 전환하기 위한 사용자 명령을 획득한 시점에 대한 질의를 식별하여, 식별된 질의에 대해 모드 전환 횟수를 가산하여 저장할 수 있다.
이에 따라, 이후 다른 고객 단말에 대해 질의 응답 서비스를 제공함에 있어서, 전자 장치(100)는, 복수의 고객 단말 전체에 대해, 식별된 질의에 대한 모드 전환 횟수가 임계 횟수를 초과하면, 식별된 질의 제공 시점으로부터 일정 시간 간격 전에, 적어도 하나의 제1 단말을 판단함으로써, 모드 전환 횟수를 기반으로 산출된 통계상 상담원 모드로 전환이 예상되는 질의를 사용자에게 제공하기 전, 미리 상담 가능한 인력을 대기시킴으로써, 상담원 모드로 전환되는데 따른 대기시간을 줄여 높은 고객 만족도를 확보할 수 있다.
또한, 전자 장치(100)는, 복수의 질의 각각에 대해 통화 종료가 발생한 횟수를 식별하고, 복수의 질의 각각에 대해 통화 종료가 발생한 횟수가 적은 순서로 순위를 획득하고, 획득된 순위를 바탕으로 복수의 질의를 제공하는 순서를 업데이트할 수 있다.
실시예로, 전자 장치(100)는 복수의 질의를 개인 정보에 대한 제1 종류, 주관적 응답을 요구하는 제2 종류, 추가 응답을 수집하는 제3 종류로 분류하여 메모리(110)에 저장할 수 있다.
예컨대, 제1 종류는 고객의 나이를 묻는 질의, 고객의 성별을 묻는 질의 및 고객의 거주지를 묻는 질의를 포함할 수 있고, 제2 종류는 정책에 대한 생각을 묻는 질의를 포함할 수 있고, 제3 종류는 고객이 갖는 문의사항을 묻는 질의, 및 요청사항을 묻는 질의를 포함할 수 있다.
이에 따라, 전자 장치(100)는 제1 종류 내지 제3 종류 각각에 대해 모드 전환이 발생한 제1 평균 횟수 및 통화 종료가 발생한 제2 평균 횟수를 산출하고, 제1 종류 내지 제3 종류 중 제1 평균 횟수가 제2 평균 횟수 보다 큰 종류가 식별되면, 식별된 제1 평균 횟수가 제2 평균 횟수 보다 큰 종류에 포함된 질의 중 통화 종료가 발생한 횟수가 제2 평균 횟수를 초과하는 적어도 하나의 질의를 식별하여, 복수의 질의 중 고객에게 제공되는 순서에 있어서, 가장 마지막에 제공되도록 설정할 수 있다.
또한, 전자 장치(100)는 식별된 제1 평균 횟수가 제2 평균 횟수 보다 큰 종류에 포함된 질의에 대한 업데이트 요청을 관리자 단말로 전달하여, 질의를 구성하는 문장이 수정되도록 하여 통화 종료가 발생하는 횟수가 감소하도록 조정할 수 있다.
한편, 관리자 단말은 복수의 상담원 단말 중 적어도 하나이거나, 또는, 전자 장치(100)에 대해 기 등록된, 서버 관리자의 전자 장치일 수 있다.
또한, 전자 장치(100)는 식별된 제1 평균 횟수가 제2 평균 횟수 보다 큰 종류에 포함된 질의에 대해 응답에 매칭되는 음성을 제공한 적어도 하나의 제3 고객 단말이 식별되면, 식별된 제3 고객 단말에 대해, 자동 호출시 우선으로 호출을 시도하는 우선 고객으로 저장하여, 이후 다른 캠페인에 대해 자동 호출을 수행하는 경우, 응답률을 높일 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
또한, 본 발명의 서로 다른 실시예들은 상호 보완되거나 결합될 수 있다.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler), 파이썬(Python) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
100 : 서버
110 : 메모리
120 : 통신부
130 : 프로세서
200 : 고객 단말
210 : 통신 모듈
220 : 입출력 모듈
230 : 제어 모듈

Claims (8)

  1. 전자 장치에 있어서,
    AI(Artificial Intelligence) 대화 엔진을 포함하는 메모리;
    적어도 하나의 단말과 통신하는 통신부; 및
    상기 메모리 및 상기 통신부와 연결된 프로세서;를 포함하고,
    상기 프로세서는,
    상기 통신부를 통해, 기 등록된 복수의 고객 단말로 자동 호출(Auto Call, AC)을 수행하고,
    상기 자동 호출에 응답하는 적어도 하나의 고객 단말과 통화를 수행하여, 상기 고객 단말의 고객에게 기 설정된 하나 이상의 질의를 제공하고,
    상기 질의에 응답하는 상기 고객의 응답에 매칭되는 음성을 저장하고,
    상기 질의 응답 서비스를 상기 고객 단말로 제공함에 있어서, 상기 통신부를 통해 상기 고객 단말로 기 설정된 질의를 제공하되, 상기 고객 단말로부터 실시간으로 음성을 획득하고,
    상기 AI 대화 엔진을 기반으로 상기 실시간으로 획득된 음성에 대한 정보를 획득하고,
    상기 AI 대화 엔진을 기반으로 상기 획득된 정보가 질의인지 또는 응답인지를 구분하고,
    상기 획득된 정보가 질의인지 또는 응답인지 여부를 바탕으로 상기 고객 단말로 제공할 질의 또는 응답을 선택하고,
    상기 선택된 질의 또는 응답을 음성으로 제공하고,
    상기 고객 단말로부터 획득된 적어도 하나의 응답을 바탕으로, 응답 각각에 매칭되는 질의에 대해 기 산출된 통계를 업데이트하고,
    자동 호출 실행 요일, 자동 호출 시작 시간, 및 자동 호출 종료 시간에 따라 복수의 고객 단말을 대상으로 자동 호출을 수행하여 획득된, 상기 복수의 고객 단말 각각에 대한 상기 전자 장치의 통화 이력을 식별하고,
    상기 통화 이력을 바탕으로, 상기 복수의 고객 단말 각각의 호출에 응답한 횟수, 및 응답한 시간을 획득하여, 상기 복수의 고객 단말 각각에 대해 응답한 횟수가 가장 많은 시점을 획득하고,
    기 설정된 복수의 캠페인 각각에 대해 자동 호출 예약 정보를 기반으로 예약된 자동 호출을 수행함에 있어서, 상기 자동 호출 예약 정보에 포함된 시점, 및 응답한 횟수가 가장 많은 시점이 일치하는, 제1 고객 단말을 식별하고,
    상기 제1 고객 단말의 응답한 횟수가 가장 많은 시점을 포함하는 일정 시간 범위 내에, 상기 제1 고객 단말을 대상으로, 상기 자동 호출 예약 정보에 의한 자동 호출을 수행하고,
    상기 복수의 고객 단말 중, 상기 제1 고객 단말을 제외한 제2 고객 단말을 대상으로, 상기 자동 호출 예약 정보에 포함된 시간 범위 내에서 일정 주기로 상기 자동 호출 예약 정보에 의한 자동 호출을 수행하는 것을 특징으로 하는, 전자 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 통신부를 통해 상기 고객 단말과 통화를 수행하여, 상기 고객 단말로 제1 질의를 제공하고,
    상기 제1 질의에 응답하는 상기 고객의 제1 응답이 수신되면, 상기 제1 응답에 이어지는 제2 질의를 제공하는, 전자 장치.
  3. 삭제
  4. 삭제
  5. 제1 항에 있어서,
    상기 프로세서는,
    상기 질의 응답 서비스를 상기 고객 단말로 제공함에 있어서, 상기 질의 응답 서비스를 AI 모드에서 상담원 모드로 전환하기 위한 사용자 명령을 획득하는 UI(User Interface)를 상기 고객 단말로 제공하는, 전자 장치.
  6. 제5 항에 있어서,
    상기 프로세서는,
    상기 고객 단말로부터 상담원 모드로 전환하기 위한 사용자 명령을 획득하면, 기 등록된 복수의 상담원 단말 중, 상담 가능 상태인 제1 단말이 식별되는지 판단하고,
    적어도 하나의 제1 단말이 식별되면, 상기 제1 단말 중 어느 하나의 단말을 상기 고객 단말에 대해 통화 연결하고,
    상기 상담원 모드로 전환하기 위한 사용자 명령을 획득한 시점에 대한 질의를 식별하여, 상기 식별된 질의에 대해 모드 전환 횟수를 가산하여 저장하는, 전자 장치.
  7. 제6 항에 있어서,
    상기 프로세서는,
    상기 질의 응답 서비스를 제공함에 있어서, 상기 식별된 질의에 대해 모드 전환 횟수가 임계 횟수를 초과하면, 상기 식별된 질의 제공 시점으로부터 일정 시간 간격 전에, 적어도 하나의 제1 단말을 판단하는, 전자 장치.
  8. 제1 항에 있어서,
    상기 프로세서는,
    복수의 질의 각각에 대해 통화 종료가 발생한 횟수를 식별하고,
    상기 복수의 질의 각각에 대해 통화 종료가 발생한 횟수가 적은 순서로 순위를 획득하고,
    상기 획득된 순위를 바탕으로 상기 복수의 질의를 제공하는 순서를 업데이트하고,
    질의는,
    기 고정된 질의 순서를 기준으로 그룹화된, 적어도 하나의 질의 문항을 포함하는 데이터인 것을 특징으로 하는, 전자 장치.
KR1020220103674A 2022-08-19 2022-08-19 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치 KR102510052B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220103674A KR102510052B1 (ko) 2022-08-19 2022-08-19 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220103674A KR102510052B1 (ko) 2022-08-19 2022-08-19 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치

Publications (1)

Publication Number Publication Date
KR102510052B1 true KR102510052B1 (ko) 2023-03-14

Family

ID=85502944

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220103674A KR102510052B1 (ko) 2022-08-19 2022-08-19 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치

Country Status (1)

Country Link
KR (1) KR102510052B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100818793B1 (ko) 2006-05-04 2008-04-02 (주)씽크에이티 전화를 이용한 오토콜시스템 및 그 시스템을 이용한금융거래방법
KR101901920B1 (ko) * 2018-03-07 2018-11-14 주식회사 아크로노드 인공지능 음성인식 딥러닝을 위한 음성 및 텍스트 간 역전사 서비스 제공 시스템 및 방법
KR20190122377A (ko) * 2018-04-20 2019-10-30 삼성전자주식회사 오브젝트에 대한 정보를 검색하기 위한 전자 장치 및 이의 제어 방법
KR20220055409A (ko) * 2020-10-26 2022-05-03 (주)넥스윌 통화연결음 분석 기반 아웃바운드 호 처리 방법, 이를 제공하는 아웃바운드 서버

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100818793B1 (ko) 2006-05-04 2008-04-02 (주)씽크에이티 전화를 이용한 오토콜시스템 및 그 시스템을 이용한금융거래방법
KR101901920B1 (ko) * 2018-03-07 2018-11-14 주식회사 아크로노드 인공지능 음성인식 딥러닝을 위한 음성 및 텍스트 간 역전사 서비스 제공 시스템 및 방법
KR20190122377A (ko) * 2018-04-20 2019-10-30 삼성전자주식회사 오브젝트에 대한 정보를 검색하기 위한 전자 장치 및 이의 제어 방법
KR20220055409A (ko) * 2020-10-26 2022-05-03 (주)넥스윌 통화연결음 분석 기반 아웃바운드 호 처리 방법, 이를 제공하는 아웃바운드 서버

Similar Documents

Publication Publication Date Title
US10950219B2 (en) Systems and methods for providing a virtual assistant
US9460401B2 (en) Using machine learning to predict behavior based on local conditions
AU2014233357B2 (en) Intelligent automated agent for a contact center
US9648167B2 (en) Back office services of an intelligent automated agent for a contact center
CN106202301B (zh) 一种基于深度学习的智能应答系统
CA2713476C (en) Routing callers from a set of callers in an out of order sequence
US20160189558A1 (en) Learning Based on Simulations of Interactions of a Customer Contact Center
US11210607B2 (en) Automated predictive analysis and modification of user interaction features using multiple classification models
CN109947919A (zh) 用于生成文本匹配模型的方法和装置
US20120051537A1 (en) Precalculated caller-agent pairs for a call center routing system
US20190065498A1 (en) System and method for rich conversation in artificial intelligence
JP2015534149A (ja) 階層ベース配列の機械学習モデル
CN111224863B (zh) 会话任务生成方法、装置、计算机设备和存储介质
US20220400091A1 (en) Dynamic prioritization of collaboration between human and virtual agents
KR20190075277A (ko) 콘텐트 검색을 위한 방법 및 그 전자 장치
US11665280B2 (en) Systems and methods for telephone call regulation based on spam factor and user input
CN114500757A (zh) 语音交互方法、装置、计算机设备及存储介质
US11263249B2 (en) Enhanced multi-workspace chatbot
KR102510052B1 (ko) 인공지능 모델이 결합된 자동 호출 서비스를 제공하는 전자 장치
US12075002B2 (en) Systems and methods for facilitating communication between a user and a service provider
CN117540002A (zh) 数据处理方法、装置、计算机设备和存储介质
CN117874163A (zh) 推理提示方法、答案推理方法、装置、设备与存储介质
KR102544262B1 (ko) 사용자와 메타휴먼의 쌍방향 대화 응대 서비스를 스트리밍 기반으로 제공하는 전자 장치
US7908143B2 (en) Dialog call-flow optimization
KR102585761B1 (ko) 구획 별 주소를 인식하여 음성을 텍스트로 변환하는 주소봇 서비스를 제공하는 전자 장치의 제어 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant