WO2022240235A1 - 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템 - Google Patents

인공지능 챗봇 기반 자동 콜 응대 서비스 시스템 Download PDF

Info

Publication number
WO2022240235A1
WO2022240235A1 PCT/KR2022/006889 KR2022006889W WO2022240235A1 WO 2022240235 A1 WO2022240235 A1 WO 2022240235A1 KR 2022006889 W KR2022006889 W KR 2022006889W WO 2022240235 A1 WO2022240235 A1 WO 2022240235A1
Authority
WO
WIPO (PCT)
Prior art keywords
call
customer
call log
unit
log
Prior art date
Application number
PCT/KR2022/006889
Other languages
English (en)
French (fr)
Inventor
송형석
Original Assignee
(주)와이즈에이아이
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)와이즈에이아이 filed Critical (주)와이즈에이아이
Publication of WO2022240235A1 publication Critical patent/WO2022240235A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/50—Business processes related to the communications industry
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/1066—Session management
    • H04L65/1101—Session protocols
    • H04L65/1104—Session initiation protocol [SIP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/40—Network security protocols

Definitions

  • the present invention relates to an automatic call response service, and more particularly, to an artificial intelligence chatbot-based automatic call response service system that automatically responds to customer inquiries using a chatbot.
  • artificial intelligence technology is rapidly approaching human-level intelligence.
  • recent artificial intelligence systems are characterized in that machines learn, judge, and develop on their own.
  • artificial intelligence technology consists of machine learning such as deep learning and element technologies using machine learning.
  • Machine learning is an algorithm technology that classifies and learns the characteristics of input data by itself
  • element technology is a technology that uses machine learning algorithms such as deep learning to mimic the functions of the human brain, such as cognition and judgment. It consists of technical fields such as understanding, inference/prediction, knowledge expression, and motion control.
  • Artificial intelligence systems are being applied in various fields. Linguistic understanding of artificial intelligence systems is a technology that recognizes, applies, and processes human language and text, and is used for natural language processing, machine translation, dialogue systems, question and answering, voice recognition and synthesis, etc.
  • visual understanding is a technology for recognizing and processing objects like human vision, and is used for object recognition, object tracking, image search, person recognition, scene understanding, space understanding, and image improvement.
  • artificial intelligence systems can be applied to fields requiring inference prediction and knowledge expression.
  • a chatbot is a virtual robot that chats like a human being applied to a messenger, and can implement an automatic conversation with a customer for a specific purpose.
  • a customer can communicate with a chatbot through text or voice over the phone and provide chatting services for shopping, customer consultation, and reservations.
  • Patent Document 1 Patent Registration No. 10-2050244 (Public date: 2019.11.29.)
  • the present invention relates to a service using an artificial intelligence chatbot, and the task is to provide a service that automatically responds to an incoming call without human intervention by configuring a SIP (Session Initiation Protocol) communication phone in a software method.
  • SIP Session Initiation Protocol
  • the present invention uses artificial intelligence technology to make direct calls with customers in response to calls such as situations where it is difficult to make phone calls at the reception desk, call center, or repetitive simple tasks such as ordering and reservations, There is a task to provide a service that allows the call log and key matters to be delivered and checked to the person in charge at any time.
  • an artificial intelligence chatbot-based automatic call response service system makes a call with a customer terminal by SIP communication method, analyzes the customer voice received during the call, and extracts the intent
  • a SIP terminal that infers and transmits an answer according to the inferred intent to the customer terminal through a chatbot, and is connected to the SIP terminal to receive and store a call log including conversation contents between the chatbot and the customer in a database , a call management server that updates machine learning content if a log of inference failure exists in the call log and provides a machine learning result using the machine learning content to the SIP terminal.
  • the SIP terminal includes a SIP client that transmits and receives VoIP calls according to the SIP communication method, a voice recognition unit that converts a customer's voice included in a VoIP call from the SIP client into a text format, and text corresponding to content to be included in the VoIP call.
  • a voice synthesis unit that converts into chatbot voice and provides it to the SIP client, a response database that stores a plurality of various answers corresponding to intents, searches for and provides answers according to requests, and analyzes customer voice text to provide intent and an inference unit that infers and extracts an answer corresponding to the intent inferred from the answer database and provides the extracted answer to the voice synthesizer.
  • the SIP terminal may further include a result storage for receiving and storing a newly updated machine learning result from the call management server, and the reasoning unit may infer the intent of the customer voice text by referring to the machine learning result. have.
  • the SIP terminal receives the call log from the reasoning unit and analyzes the content including the entity to generate main entity information and inference failure text information for the customer voice processed as inference failure from the entire call log. and a call log providing unit for transmitting the call log including the main entity information and inference failure text generated by the call log analyzer to the call management server.
  • the call management server includes a call log receiver for receiving the call log from the SIP terminal, a call log manager for managing call logs for all calls generated in the SIP terminal, a call log database for storing the received call logs, and , According to a request, a call log transmission unit for extracting a call log of a corresponding customer stored in the call log database and transmitting the same to the customer terminal.
  • the call management server updates machine learning content when learning data is additionally input or inference failure text information exists in the received call log, performs machine learning, outputs a machine learning result, and transmits the machine to the SIP terminal.
  • a running unit may be included.
  • the call management server is further connected to a manager terminal used by a manager, and the manager terminal requests and receives phone-related information including the call log from the call log transmitter according to an input of the manager. It may include a call log utilization unit and a call log output unit that extracts entire call history, entity information, and statistical information related to a call based on the received call log and displays the extracted statistical information on a screen.
  • the SIP terminal operated by the company handles the VOIP call and records the received voice, thereby providing customer response and information There is an effect of providing the provided service.
  • the manager can easily check the call log and important information processed in response to the call with a smartphone, and the SIP phone using AI technology can answer the call by using the call forwarding function when necessary. It has the effect of allowing the person in charge who has left his/her seat to perform the task more conveniently.
  • FIG. 1 is a diagram schematically showing the overall structure of an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • FIG. 2 is a diagram showing the structure of a SIP terminal in an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • FIG. 3 is a diagram showing the structure of a call management server and a customer terminal in an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • FIG. 4 is a diagram illustrating an artificial intelligence chatbot-based automatic call response service method according to an embodiment of the present invention.
  • each function implemented in the system of the present invention may be composed of a module unit program, and may be recorded in one physical memory or distributed between two or more memories and recording media.
  • call response service system based on artificial intelligence chatbot
  • system for convenience of description.
  • FIG. 1 is a diagram schematically showing the overall structure of an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • an artificial intelligence chatbot-based automatic call response service system makes a call with a customer terminal 100 in a SIP communication method, analyzes the customer's voice received during the call, and The SIP terminal 200 that infers and transmits an answer according to the inferred intent to the customer terminal through the chatbot, and is connected to the SIP terminal 200 to receive a call log including the conversation between the chatbot and the customer, and It may include a call management server 300 that stores in a database, updates machine learning content if a log of inference failure exists in the call log, and provides a machine learning result using the machine learning content to the SIP terminal.
  • the system of the present invention is introduced into a call center, etc. to provide a chatbot service corresponding to a customer's request for telephone consultation, and the SIP terminal responds to the VoIP call attempt of the customer terminal 100 so that the chatbot can respond to the customer's utterance. It is possible to provide a service that extracts an answer from a database by grasping meaning, that is, intents, and automatically responds after voice conversion. In addition, after the call is completed, the system may provide a call log check service according to the request of the manager terminal 400 .
  • the customer terminal 100 may be installed with a web browser or a dedicated application for accessing the system through the Internet network, in addition to a call request using the telephone network.
  • the customer terminal 100 is a terminal device possessed by a customer who wants to receive consultation from a company where the system has been introduced, and a smartphone and a tablet PC capable of making phone calls can be used, and according to the customer's input A call can be generated and connected to the SIP terminal 200 through a VoIP method through an information communication network.
  • the SIP terminal 200 may create a session for a call in response to a call attempt of the customer terminal 100, and perform a call with a customer based on Session Initiation Protocol (SIP) through a prepared chatbot.
  • SIP Session Initiation Protocol
  • the SIP terminal 200 includes AI for converting voice transmitted from the customer terminal 100 into text and inferring the intent included in the text, technical means for converting an answer corresponding to the customer's utterance into voice, A database for storing answers corresponding to multiple intents can be installed.
  • the SIP terminal 200 may generate a call log for call contents.
  • the person in charge of management of the company may, if necessary, use VoIP of the SIP client of the SIP terminal 200 in response to the call request of the customer terminal 100 for his or her general phone terminal or smart phone terminal. You can use the function of forwarding calls to a phone number, and accordingly, the manager can handle customer consultation through the chatbot even when he or she is absent or cannot answer the phone.
  • the call management server 300 is connected to the SIP terminal 200 to store and manage a call log for call details generated in the SIP terminal 200, and provides a service allowing the manager to view the call log upon request. can do.
  • the call management server 300 receives a call log including call details generated by the SIP terminal 200 after the call between the customer terminal 100 and the SIP terminal 200 is completed, and stores the call log in the database. can be stored and managed. Thereafter, when a call log including call details is requested from the manager terminal 400 , the database may be searched to extract the customer's call log and provide it to the manager terminal 400 .
  • the aforementioned information communication network may be a wired telephone network such as a public switched telephone network (PSTN), as well as a closed network such as a local area network (LAN) and a wide area network (WAN) as an example of a data communication network
  • PSTN public switched telephone network
  • An open network such as the Internet may be used.
  • the Internet is based on the TCP/IP protocol and several services that exist on its upper layer, such as HTTP (HyperText Transfer Protocol), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System), SMTP (Simple Mail Transfer Protocol), SNMP ( It may mean a worldwide open computer network structure that provides Simple Network Management Protocol (NFS), Network File Service (NFS), and Network Information Service (NIS).
  • NIS Network Management Protocol
  • NIS Network Information Service
  • GSM Global System for Mobile communication
  • LTE long-term evolution
  • LTE-A LTE Advance
  • CDMA code division multiple access
  • WCDMA wideband CDMA
  • UMTS universal mobile telecommunications system
  • WiBro Wireless Broadband
  • GSM Global System for Mobile Communications
  • the call management server 300 performs deep learning and machine learning techniques using the inference failure information included in the call log as learning data for each call. By deriving a machine learning result and providing it to the SIP terminal 200, there is a feature of improving accuracy in a conversation by a chatbot afterwards.
  • the artificial intelligence chatbot-based automatic call response service system analyzes the contents of a call based on text based on a machine learning technique according to a customer's call request, and the chatbot automatically responds To respond to customers, collect and manage call logs through the call management server, provide call contents upon customer request, and in particular, learn the details of failure to infer intent during a call through machine learning and analyze the intent later
  • the accuracy of the chatbot can be improved by using
  • FIG. 2 is a diagram showing the structure of a SIP terminal in an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • the SIP terminal 200 includes a SIP client 210 that transmits and receives a VoIP call according to the SIP communication method, and the customer's voice included in the VoIP call from the SIP client in text format.
  • the speech recognition unit 220 that converts, the inference unit that analyzes the customer voice text to infer the intent, extracts an answer corresponding to the inferred intent from the answer database 240, and provides it to the voice synthesis unit 270.
  • an answer database 240 that stores a plurality of various answers corresponding to intents, retrieves and provides answers according to requests, and receives and stores newly updated machine learning results from the call management server 300
  • the content including the entity is analyzed to generate main entity information and inference failure text information for the customer voice processed as inference failure from the entire call log.
  • the call log analyzer 250 transmits the call log including the main entity information and inference failure text generated by the call log analyzer 250 to the call management server 300, and the call log provider 260 and VoIP It may include a voice synthesis unit 270 that converts text corresponding to content to be included in a call into chatbot voice and provides it to the SIP client 210 .
  • the SIP client 210 processes a VoIP call using the SIP communication protocol and provides a chatbot, and can deliver the voice received from the customer terminal 100 to the voice recognition unit 220, and the It is possible to reply with an answer corresponding to the uttered content.
  • the SIP client 210 provides the received voice to the voice recognition unit 220 to convert it into text, and receives the voice to be uttered by the chatbot from the voice synthesizer 270 to the customer terminal 100. can be sent
  • the voice recognition unit 220 converts the customer's voice signal transmitted by the SIP client 210 into a text form based on SST technology (speech to text), can be forwarded to
  • the inference unit 230 may receive the converted text from the voice recognition unit 220 and infer the customer's intention, that is, the intent, using a machine learning result for which learning has been completed in advance.
  • the inference unit 230 may search the answer database 240 using the inferred intent, receive an answer corresponding thereto, and transmit the returned answer to the voice synthesizer 270 to the customer. to be converted into an audio signal.
  • the reasoning unit 230 may generate a call log including text generated and transmitted text in a conversation with a customer during a call when the call is terminated, and transmit it to the call log analyzer 250 .
  • the answer database 240 may store answers corresponding to various patterns of intent, and may reply appropriate answers according to requests.
  • the answer database 240 may extract an answer corresponding to the intent according to the search by the reasoning unit 230 and return it to the reasoning unit 230 .
  • the answer database 240 prepares answers in advance for cases in which there is no inferred intent, inference rate is low, or inference such as "I'm sorry. I didn't understand, could you explain again?" It is characterized by replying.
  • the result storage 245 may store a machine learning result that is a basis when the inference unit 230 infers the intent.
  • the call management server 300 can generate machine learning results according to continuously accumulated learning data and update existing results, and the result storage 245 provides the machine learning results learned from the call management server 300 at any time can be received and stored. Thereafter, the result storage 245 may provide the stored machine learning result when the reasoning unit analyzes the intent.
  • the call log analysis unit 250 receives the call log from the reasoning unit 230 and analyzes contents including entities to obtain important entity information such as orders, reservations, and delivery matters, and the other party processed as reasoning failure. Text information that failed inference by converting the voice of the voice in the voice recognition unit 220 may be generated from the entire call log.
  • the call log providing unit 260 transmits various call log information analyzed by the call log analysis unit 250 to the call log receiving unit 310 of the call management server 300, so that each customer is provided by the call management server 300. It allows you to store and manage the call history performed by each person.
  • the voice synthesis unit 270 converts the answer in text form derived by the reasoning unit 230 into a voice signal based on TTS (Test To Speech) technology, and delivers it to the SIP client 210 so that the chatbot can By having them ignite replies to questions, they implement automated calls with customers.
  • TTS Transmission To Speech
  • FIG. 3 is a diagram showing the structure of a call management server and a customer terminal in an artificial intelligence chatbot-based automatic call response service system according to an embodiment of the present invention.
  • the call management server 300 includes a call log receiving unit 310 that receives call logs from the SIP terminal 200 and information on all calls generated by the SIP terminal 200.
  • a call log management unit 320 that manages call logs, a call log database 330 that stores received call logs, and, upon request, a call log of a corresponding customer stored in the call log database 330 is extracted and managed by a manager
  • the call log transmission unit 340 transmitted to the terminal 400 updates the machine learning content, performs machine learning, and outputs a machine learning result when learning data is additionally input or inference failure text information exists in the received call log. and a machine learning unit 360 transmitting to the SIP terminal.
  • the call log receiving unit 310 may receive a call log including details of a call with a corresponding customer, entity information, and deduction failure information from the SIP terminal 200 after a call with the customer has been completed.
  • the call log management unit 320 may store the call log for each customer received by the call log receiver 310 in the call log database 330, and if there is a customer's request or other needs, the call log database 330 may make a call. Related information including logs may be extracted and provided to the management manager terminal 400 through the call log transmission unit 340 . In addition, the call log management unit 320 may provide functions related to information management, such as creation, update, copy, move, and deletion of call logs stored in the call log database 330 .
  • the call log database 330 may store various information for operating the call management server, including call logs collected from the SIP terminal 200, and extract call logs for each customer at the request of the call log management unit 320. And it can be delivered to the call log management unit 320.
  • the call log transmission unit 340 may receive the call log of the customer from the call log management unit 320 described above according to the request of the manager terminal 400 and provide it to the manager terminal 400 through an information communication network. .
  • the machine learning unit 360 receives the new machine learning content and inputs the new machine learning content to machine learning as learning data.
  • the machine learning result may be derived by performing machine learning, or by reflecting inference failure information to the machine learning content and performing machine learning using the inference failure information.
  • the machine learning unit 360 may automatically update the machine learning result by providing the derived machine learning result to the SIP terminal 200 .
  • the call management server 300 works with a web browser or a dedicated application mounted on the manager terminal 400 to record records related to previous calls at the request of the manager terminal 400.
  • the manager terminal 400 may include a call log use unit 410 and a call log output unit 120.
  • the call log utilization unit 410 may request and receive phone-related information including the call log from the call log transmission unit 340 of the call management server 300 according to a customer's input. For example, when a customer who has been consulted through a chatbot wants to check the contents of previous consultations again, and selects a call history check function in the manager terminal 400, the call log use unit 410 sends the call log sender ( 340) may request and receive a call log.
  • the call log output unit 420 may extract the entire call history, entity information, and statistical information of the customer based on the received call log and output the extracted information on the screen.
  • the call log utilization unit 410 receives the call log according to the execution of the call history check function, it can be displayed on the screen of the manager terminal 400 .
  • the call log output unit 420 may display the entire call history and entity information included in the received call log, and various statistical information related to the call.
  • FIG. 4 is a diagram illustrating an artificial intelligence chatbot-based automatic call response service method according to an embodiment of the present invention.
  • the execution subject for each step becomes each component constituting the SIP terminal 200 and the call management server 300 of the present invention, even if there is no specific description.
  • the SIP terminal (200) runs the chatbot and connects the phone to each other (S100).
  • the SIP terminal 200 converts the voice signal into text form through STT technology and infers the entity and intent from the text (S120). ).
  • the SIP terminal 200 extracts an answer corresponding to the intent from the database and transmits it to the customer terminal 100 through the chatbot And, if the reasoning fails, the reasoning failure information is recorded in the log (S140), and the call continues. Accordingly, the chatbot may transmit a prepared answer to the customer terminal 100 when reasoning fails.
  • the SIP terminal 200 creates a call log including call details and transmits it to the call management server 300 (S170). ).
  • the call management server 300 stores the received call logs in a database for each customer (S180).
  • the call management server 300 updates the machine learning content and uses it as learning data to A machine learning result is derived by performing learning (S210), and the generated machine learning result is provided to the SIP terminal 200 (S220). Thereafter, the SIP terminal 200 uses the stored machine learning result when updating and reasoning.
  • the call log is requested from the call management server 300 as the call log check function of the manager's terminal is executed.
  • the call management server 300 further performs the step of extracting the customer's call log from the database and transmitting the message to the terminal in charge of management, so that the manager can handle the management of the customer's call.
  • SIP client 220 voice recognition unit
  • call log providing unit 300 call management server
  • call log reception unit 320 call log management unit
  • call log database 340 call log transmitter
  • Management manager terminal 410 Call log usage unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • Telephonic Communication Services (AREA)
  • Operations Research (AREA)

Abstract

본 발명은 자동 콜 응대 서비스를 개시한다. 보다 상세하게는, 본 발명은 챗봇을 이용하여 고객의 문의전화에 자동으로 응대하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에 관한 것이다. 본 발명의 실시예에 따르면, 고객이 자신의 스마트폰 등의 단말을 통해 고객 센터 등에 전화를 걸면 해당 기업이 운영하는 SIP 단말이 VOIP 통화를 처리하되, 수신된 음성을 녹음함으로써, 고객 응대 및 정보 제공 서비스를 제공할 수 있는 효과가 있다.

Description

인공지능 챗봇 기반 자동 콜 응대 서비스 시스템
본 발명은 자동 콜 응대 서비스에 관한 것으로, 특히 챗봇을 이용하여 고객의 문의전화에 자동으로 응대하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에 관한 것이다.
신경망 이론에 기반하여 인공지능 기술은 인간 수준의 지능에 빠른 속도로 근접하고 있다. 최근의 인공지능 시스템은 종래의 룰(rule)기반 시스템과 달리, 기계가 스스로 학습하고 판단하며 발전하는 특징이 있다.
이러한 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 됨에 따라, 점차 종래의 룰 기반 시스템을 딥 러닝(deep learning) 기반 인공 지능 시스템으로 대체하고 있다.
공지에 따르면, 인공지능 기술은 딥 러닝과 같은 기계학습 및 기계학습을 활용한 요소 기술들로 구성된다. 기계학습은 입력 데이터들의 특징을 스스로 분류, 학습하는 알고리즘 기술이며, 요소기술은 딥 러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 시스템은 다양한 분야에 응용되고 있다. 인공지능의 시스템의 언어적 이해는 인간의 언어 및 문자를 인식하고 응용, 처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식 및 합성 등에 이용된다.
또한, 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등에 이용된다. 또한, 인공지능 시스템은 추론 예측 및 지식 표현 등이 필요한 분야에 응용될 수 있다.
전술한 인공지능 시스템의 응용분야를 구체화한 서비스 중 하나로서, 챗봇(chatbot)은 사람처럼 채팅을 하는 가상 로봇을 메신저에 적용한 것으로, 고객과 특정한 목적에 맞는 자동 대화를 구현할 수 있다. 예를 들면, 고객은 전화를 통해 챗봇과 문자 또는 음성으로 대화하며 쇼핑, 고객 상담 및 예약 등을 위한 채팅 서비스를 제공할 수 있다.
[선행기술]
(특허문헌 1) 등록특허공보 제10-2050244호(공고일자: 2019.11.29.)
본 발명은 인공지능 챗봇을 이용한 서비스에 관한 것으로, SIP(Session Initiation Protocol) 통신방식의 전화를 소프트웨어 방식으로 구성하여 수신되는 전화에 대하여 사람의 개입 없이 자동으로 통화에 응대하는 서비스를 제공하는 데 과제가 있다.
또한, 본 발명은 접수 데스크, 콜 센터 등에서 전화 통화가 어려운 상황 또는, 주문, 예약 등의 반복적인 단순 업무 등의 전화를 응대하는 데 있어서, 인공지능 기술을 이용하여 고객과 직접 통화를 진행하고, 그 통화로그 및 핵심사항을 담당자에게 수시로 전달 및 확인할 수 있도록 하는 서비스를 제공하는 데 과제가 있다.
전술한 과제를 해결하기 위해, 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템은, SIP 통신방식으로 고객 단말과 통화를 수행하고, 통화 중 수신한 고객 음성을 분석하여 인텐츠를 추론하고, 추론된 인텐츠에 따른 답변을 챗봇을 통해 상기 고객 단말에 송신하는 SIP 단말 및, 상기 SIP 단말과 연결되어 상기 챗봇과 고객간의 통화내용을 포함하는 통화로그를 수신 및 데이터 베이스에 저장하고, 상기 통화로그 내에 추론 실패한 로그가 존재하면 머신 러닝 콘텐츠를 갱신하고, 상기 머신 러닝 콘텐츠를 이용한 머신 러닝 결과물을 상기 SIP 단말에 제공하는 콜 관리서버를 포함할 수 있다.
상기 SIP 단말은, SIP 통신방식에 따라 VoIP 콜을 송수신하는 SIP 클라이언트, 상기 SIP 클라이언트로부터 VoIP 콜에 포함된 고객 음성을 텍스트 형식으로 변환하는 음성 인식부, 상기 VoIP 콜에 포함될 내용에 대응하는 텍스트를 챗봇 음성으로 변환하고 상기 SIP 클라이언트에 제공하는 음성 합성부, 인텐츠에 대응하는 다양한 복수의 답변이 저장되고, 요청에 따른 답변을 검색하여 제공하는 답변 데이터 베이스 및, 고객 음성 텍스트를 분석하여 인텐츠를 추론하고, 상기 답변 데이터 베이스로부터 추론된 인텐츠에 대응하는 답변을 추출하여 상기 음성 합성부에 제공하는 추론부를 포함할 수 있다.
상기 SIP 단말은, 상기 콜 관리서버로부터 새로 갱신된 머신 러닝 결과물을 수신 및 저장하는 결과물 저장소를 더 포함하고, 상기 추론부는 상기 머신 러닝 결과물을 참조하여 상기 고객 음성 텍스트에 대한 인텐츠를 추론할 수 있다.
상기 SIP 단말은, 상기 추론부로부터 통화로그를 제공받아 엔티티가 포함된 내용을 분석하여 주요 엔티티 정보와, 추론실패로 처리된 고객 음성에 대한 추론실패 텍스트 정보를 전체 통화로그에서 생성하는 통화로그 분석부 및, 상기 통화로그 분석부가 생성한 주요 엔티티 정보 및 추론실패 텍스트를 포함하는 통화로그를 상기 콜 관리서버에 송신하는 통화로그 제공부를 포함할 수 있다.
상기 콜 관리서버는, 상기 SIP 단말로부터 상기 통화로그를 수신하는 통화로그 수신부, 상기 SIP 단말에서 발생한 모든 통화에 대한 통화로그를 관리하는 통화로그 관리부, 수신한 통화로그를 저장하는 통화로그 데이터 베이스 및, 요청에 따라, 상기 통화로그 데이터 베이스에 저장된 해당 고객의 통화로그를 추출하여 상기 고객 단말에 송신하는 통화로그 송신부를 포함할 수 있다.
상기 콜 관리서버는, 학습 데이터가 추가 입력되거나, 수신한 통화로그에 추론실패 텍스트 정보가 존재하면 머신 러닝 콘텐츠를 갱신하고, 머신 러닝을 수행하여 머신 러닝 결과물을 출력 및 상기 SIP 단말에 송신하는 머신 러닝부를 포함할 수 있다.
상기 콜 관리서버는, 관리 담당자가 이용하는 관리 담당자 단말과 더 연결되고, 상기 관리 담당자 단말은, 관리 담당자의 입력에 따라, 상기 통화로그 송신부로부터 상기 통화로그를 포함하는 전화관련 정보를 요청 및 수신하는 통화로그 이용부 및, 수신한 통화로그에 기초하여 전체 통화내역, 엔티티 정보 및 통화와 관련된 통계 정보를 추출하여 화면에 출력하는 통화로그 출력부를 포함할 수 있다.
본 발명의 실시예에 따르면, 고객이 자신의 스마트폰 등의 단말을 통해 고객 센터 등에 전화를 걸면 해당 기업이 운영하는 SIP 단말이 VOIP 통화를 처리하되, 수신된 음성을 녹음함으로써, 고객 응대 및 정보 제공 서비스를 제공할 수 있는 효과가 있다.
또한, 본 발명의 실시예에 따르면, 관리 담당자는 전화 응대로 처리된 통화로그 및 중요한 정보를 스마트폰으로 쉽게 확인 할 수 있고, 필요 시 착신전환 기능을 이용해서 AI 기술을 이용한 SIP폰이 전화를 대신 받도록 함으로써 자리를 이탈한 담당자가 보다 편리하게 업무를 수행할 수 있도록 하는 효과가 있다.
도 1은 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템의 전체 구조를 개략적으로 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에서 SIP 단말의 구조를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에서 콜 관리서버 및 고객 단말의 구조를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 방법을 나타낸 도면이다.
설명에 앞서, 명세서 전체에서 어떤 부분이 어떤 구성요소를 "구비" 또는 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부(Unit)", "...서버(Server)", "...시스템(System)" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어, 소프트웨어 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
또한, 본 명세서에서 "실시예"라는 용어는 예시, 사례 또는 도해의 역할을 하는 것을 의미하나, 발명의 대상은 그러한 예에 의해 제한되지 않는다. 또한, "포함하는", "구비하는", "갖는" 및 다른 유사한 용어가 사용되고 있으나, 청구범위에서 사용되는 경우 임의의 추가적인 또는 다른 구성요소를 배제하지 않는 개방적인 전환어(Transition word)로서 "포함하는(Comprising)"이라는 용어와 유사한 방식으로 포괄적으로 사용된다.
본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현될 수 있거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "...부(Unit)", "...서버(Server)", "...시스템(System)" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다. 또한, 본 발명의 시스템에서 구현하는 각 기능은 모듈단위의 프로그램으로 구성될 수 있고, 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 및 기록매체 사이에 분산되어 기록될 수 있다.
이하의 설명에서, 본 발명의 "인공지능 챗봇 기반 자동 콜 응대 서비스 시스템"은, 설명의 편의상 "콜 응대 서비스 시스템" 또는 "시스템"으로 약식 기재될 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템을 설명한다.
도 1은 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템의 전체 구조를 개략적으로 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템은, SIP 통신방식으로 고객 단말(100)과 통화를 수행하고, 통화 중 수신한 고객 음성을 분석하여 인텐츠를 추론하고, 추론된 인텐츠에 따른 답변을 챗봇을 통해 상기 고객 단말에 송신하는 SIP 단말(200) 및, SIP 단말(200)과 연결되어 챗봇과 고객간의 통화내용을 포함하는 통화로그를 수신 및 데이터 베이스에 저장하고, 통화로그 내에 추론 실패한 로그가 존재하면 머신 러닝 콘텐츠를 갱신하고, 머신 러닝 콘텐츠를 이용한 머신 러닝 결과물을 상기 SIP 단말에 제공하는 콜 관리서버(300)를 포함할 수 있다.
본 발명의 시스템은, 콜 센터 등에 도입되어 고객의 전화 상담 요청에 대응하는 챗봇 서비스를 제공하는 것으로, 고객 단말(100)의 VoIP 콜 시도에 따라 SIP 단말이 응답하여 챗봇이 고객의 발화 내용에 대한 의미, 즉 인텐츠(intents)를 파악하여 데이터 베이스에서 답변을 추출하고 음성 변환 후 자동으로 응답하는 서비스를 제공할 수 있다. 또한, 시스템은 통화가 완료된 이후, 관리 담당자 단말(400)의 요청에 따라 통화로그(call log) 확인 서비스를 제공할 수 있다.
이러한 서비스를 이용하기 위한 수단으로서, 고객 단말(100)은 전화망을 이용하는 콜 요청(call request) 이외에도, 인터넷망을 통해 시스템에 접속하기 위한 웹 브라우저 또는 전용 어플리케이션이 설치될 수 있다.
상세하게는, 고객 단말(100)은 시스템이 도입된 기업에 상담 등을 받고자 하는 고객이 소지한 단말 장치로서, 전화통화가 가능한 스마트폰 및 태블릿PC 등이 이용될 수 있고, 고객의 입력에 따라 콜을 생성하여 정보통신망을 통해 VoIP 방식으로 SIP 단말(200)에 연결될 수 있다.
SIP 단말(200)은 고객 단말(100)의 콜 시도에 응답하여 통화를 위한 세션을 생성하고, 준비된 챗봇을 통해 SIP(Session Initiation Protocol)를 기반으로 고객과의 통화를 수행할 수 있다. 이를 위해 SIP 단말(200)은 고객 단말(100)로부터 전송되는 음성을 텍스트로 변환 및 텍스트에 포함되는 인텐츠를 추론하는 AI와, 고객의 발화에 대응하는 답변을 음성으로 변환하는 기술적 수단과, 다수의 인텐츠에 대응하는 답변을 저장하는 데이터 베이스를 탑재할 수 있다. 또한 SIP 단말(200)은 통화 내용에 대한 통화로그를 생성할 수 있다. 또한, 도시되어 있지는 않지만, 고객이 아닌 해당 기업의 관리 담당자는, 필요시 자신의 일반 전화 단말 또는 스마트폰 단말에 대한 고객 단말(100)의 콜 요청에 대한 SIP 단말(200)의 SIP 클라이언트의 VoIP 전화번호로 착신전환을 하는 기능을 이용할 수 있으며, 이에 따라 관리 담당자는 부재중이거나 현재 전화를 받을 수 없는 상황에서도 챗봇을 통해 고객 상담 내용을 처리할 수 있다.
콜 관리서버(300)는 SIP 단말(200)과 연결되어 SIP 단말(200)에서 발생한 통화내역에 대한 통화로그를 저장 및 관리하고, 관리 담당자의 요청시 통화로그를 열람할 수 있도록 하는 서비스를 제공할 수 있다.
이를 위해, 콜 관리서버(300)는 고객 단말(100)과 SIP 단말(200)간의 통화 완료 후, SIP 단말(200)이 생성한 통화내역을 포함하는 통화로그를 전송받아 데이터 베이스에 통화로그를 저장, 관리할 수 있다. 이후, 관리 담당자 단말(400)로부터 통화내역을 포함하는 통화로그가 요청되면, 데이터 베이스를 검색하여 해당 고객의 통화로그를 추출하여 관리 담당자 단말(400)에 제공할 수 있다.
전술한 정보통신망으로는, PSTN(Public Switched Telephone Network)과 같은 유선전화망뿐만 아니라, 데이터 통신망의 일 예로서, LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크일 수 있으며, 인터넷과 같은 개방형 네트워크가 이용될 수 있다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있다. 또한, 무선 통신망의 일 예로는, 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications), 5G 등 중, 어느 하나가 이용될 수 있으나 이에 한정되는 것은 아니다.
뿐만 아니라, 본 발명의 실시예에 따른 콜 관리서버(300)는 각 통화건에 대하여, 통화로그에 포함되는 추론 실패정보를 학습 데이터로 이용하여 딥 러닝(deep learning)과 머신 러닝 기법을 수행하여 머신 러닝 결과물을 도출하고, 이를 SIP 단말(200)에 제공함으로써 이후 챗봇에 의한 대화에서 정확도를 개선할 수 있도록 하는 특징이 있다.
전술한 구조에 따라, 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템은 고객의 콜 요청에 따라 통화 내용을 텍스트에 기반하여 머신 러닝 기법을 통해 분석하고, 챗봇이 자동으로 답변을 제공하여 고객을 응대하도록 하고, 콜 관리서버를 통해 통화로그를 수집 및 관리하고 고객의 요청시 통화 내용을 제공하며, 특히 통화중 인텐츠 추론에 실패한 내용을 머신 러닝을 통해 학습하고 추후 인텐츠 분석에 활용함으로써 챗봇의 정확도를 개선할 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템의 SIP 단말을 상세히 설명한다.
도 2는 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에서 SIP 단말의 구조를 나타낸 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 SIP 단말(200)은, SIP 통신방식에 따라 VoIP 콜을 송수신하는 SIP 클라이언트(210), SIP 클라이언트로부터 VoIP 콜에 포함된 고객 음성을 텍스트 형식으로 변환하는 음성 인식부(220), 고객 음성 텍스트를 분석하여 인텐츠를 추론하고, 답변 데이터 베이스(240)로부터 추론된 인텐츠에 대응하는 답변을 추출하여 음성 합성부(270)에 제공하는 추론부(230), 인텐츠에 대응하는 다양한 복수의 답변이 저장되고, 요청에 따른 답변을 검색하여 제공하는 답변 데이터 베이스(240), 콜 관리서버(300)로부터 새로 갱신된 머신 러닝 결과물을 수신 및 저장하는 결과물 저장소(245), 추론부(230)로부터 통화로그를 제공받아 엔티티가 포함된 내용을 분석하여 주요 엔티티 정보와, 추론실패로 처리된 고객 음성에 대한 추론실패 텍스트 정보를 전체 통화로그에서 생성하는 통화로그 분석부(250), 통화로그 분석부(250)가 생성한 주요 엔티티 정보 및 추론실패 텍스트를 포함하는 통화로그를 콜 관리서버(300)에 송신하는 통화로그 제공부(260) 및 VoIP 콜에 포함될 내용에 대응하는 텍스트를 챗봇 음성으로 변환하고 SIP 클라이언트(210)에 제공하는 음성 합성부(270)를 포함할 수 있다.
SIP 클라이언트(210)는, SIP 통신규약을 이용하여 VoIP 통화를 처리하고 챗봇을 제공하는 것으로, 고객 단말(100)로부터 수신한 음성을 음성 인식부(220)로 전달할 수 있고, 챗봇을 통해 고객이 발화한 내용에 대응하는 답변을 회신할 수 있다.
이를 위해, SIP 클라이언트(210)는 수신된 음성을 음성 인식부(220)에 제공하여 텍스트로 변환함과 아울러, 챗봇이 발화할 음성을 음성 합성부(270)로부터 전달받아 고객 단말(100)로 송신할 수 있다.
음성 인식부(220)는 이러한 음성 인식부(220)는 SST 기술(speech to text)에 기반하여 SIP 클라이언트(210)가 전달하는 고객의 음성신호를 텍스트 형태로 변환하고, 이를 추론부(230)에 전달할 수 있다.
추론부(230)는 음성 인식부(220)로부터 변환된 텍스트를 전달받고, 미리 학습이 완료된 머신 러닝 결과물을 이용하여 고객의 의도, 즉 인텐츠를 추론할 수 있다.
그리고, 추론부(230)는 추론된 인텐츠를 이용하여 답변 데이터 베이스(240)를 검색하고 이에 대응하는 답변을 회신 받을 수 있고, 회신된 답변을 음성 합성부(270)로 전달함으로써 고객에게 전달될 수 있는 음성신호로 변환하도록 한다.
또한, 추론부(230)는 통화 종료시 통화 중 고객과의 대화에서 생성한 텍스트 및 송신한 텍스트를 포함하는 통화로그(call log)를 생성하여 통화로그 분석부(250)에 전달할 수 있다.
답변 데이터 베이스(240)는 다양한 패턴의 인텐츠에 대응하는 답변을 저장할 수 있고, 요청에 따라 적절한 답변을 회신할 수 있다.
상세하게는, 답변 데이터 베이스(240)는 추론부(230)의 검색에 따라 인텐츠에 해당하는 답변을 추출하여 추론부(230)로 회신할 수 있다. 또한, 답변 데이터 베이스(240)는 추론된 인텐츠가 없거나, 추론율이 떨어질 경우, "죄송합니다. 제가 이해를 못했는데, 다시 설명해 주시겠어요?"와 같은 추론이 잘 되지 않은 경우에 대하여 미리 준비된 답변을 회신하는 것을 특징으로 한다.
결과물 저장소(245)는 추론부(230)의 인텐츠 추론시 기초가 되는 머신 러닝 결과물을 저장할 수 있다. 콜 관리서버(300)는 계속적으로 축적되는 학습 데이터에 따른 머신 러닝 결과물을 생성 및 기존 결과를 갱신할 수 있으며, 결과물 저장소(245)는 콜 관리서버(300)로부터 학습된 머신 러닝 결과물을 수시로 제공받아 저장할 수 있다. 이후, 결과물 저장소(245)는 추론부의 인텐츠 분석시 저장된 머신 러닝 결과물을 제공할 수 있다.
통화로그 분석부(250)는 통화로그를 추론부(230)로부터 수신하고, 엔티티(entity)가 포함된 내용을 분석하여 주문, 예약 및 전달 사항 등, 중요한 엔티티 정보와, 추론실패로 처리된 상대방의 음성을 음성 인식부(220)에서 변환한 추론에 실패한 텍스트 정보를 전체 통화로그에서 생성할 수 있다.
통화로그 제공부(260)는 통화로그 분석부(250)에서 분석된 다양한 통화로그 정보를 콜 관리서버(300)의 통화로그 수신부(310)로 전송함으로써, 콜 관리서버(300)에 의해 각 고객별로 수행한 통화내역을 저장, 관리할 수 있도록 한다.
음성 합성부(270)는 추론부(230)에 의해 도출된 텍스트 형태의 답변을 TTS(Test To Speech) 기술에 기반하여 음성신호로 변환하고, 이를 SIP 클라이언트(210)에 전달하여 챗봇이 고객의 질문에 대한 회신을 발화하도록 함으로써 고객과의 자동 통화를 구현하게 된다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템의 콜 관리서버를 상세히 설명한다.
도 3은 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템에서 콜 관리서버 및 고객 단말의 구조를 나타낸 도면이다.
도 3을 참조하면, 본 발명의 실시예에 따른 콜 관리서버(300)는, SIP 단말(200)로부터 통화로그를 수신하는 통화로그 수신부(310), SIP 단말(200)에서 발생한 모든 통화에 대한 통화로그를 관리하는 통화로그 관리부(320), 수신한 통화로그를 저장하는 통화로그 데이터 베이스(330), 요청에 따라, 통화로그 데이터 베이스(330)에 저장된 해당 고객의 통화로그를 추출하여 관리 담당자 단말(400)에 송신하는 통화로그 송신부(340) 및, 학습 데이터가 추가 입력되거나 수신한 통화로그에 추론실패 텍스트 정보가 존재하면 머신 러닝 콘텐츠를 갱신하고, 머신 러닝을 수행하여 머신 러닝 결과물을 출력 및 SIP 단말에 송신하는 머신 러닝부(360)를 포함할 수 있다.
통화로그 수신부(310)는, 고객과의 통화가 완료된 SIP 단말(200)로부터 해당 고객과의 통화내역, 엔티티 정보 및 추론 실패정보 등이 포함되는 통화로그를 수신할 수 있다.
통화로그 관리부(320)는 통화로그 수신부(310)가 수신한 고객별 통화로그를 통화로그 데이터 베이스(330)에 저장할 수 있고, 고객의 요청이 있거나 기타 필요시 통화로그 데이터 베이스(330)에서 통화로그를 비롯하여 관련 정보를 추출하고, 통화로그 송신부(340)를 통해 관리 담당자 단말(400)에 제공할 수 있다. 또한, 통화로그 관리부(320)는 통화로그 데이터 베이스(330)에 저장된 통화로그에 대한 생성, 갱신, 복사, 이동 및 삭제 등 정보 관리와 관련된 기능을 제공할 수 있다.
통화로그 데이터 베이스(330)는 SIP 단말(200)로부터 수집된 통화로그를 비롯한 콜 관리서버를 운영하기 위한 각종 정보를 저장할 수 있고, 통화로그 관리부(320)의 요청에 따라 고객별 통화로그를 추출 및 통화로그 관리부(320)에 전달할 수 있다.
통화로그 송신부(340)는, 관리 담당자 단말(400)의 요청에 따라 전술한 통화로그 관리부(320)로부터 해당 고객의 통화로그를 전달받아 정보통신망을 통해 관리 담당자 단말(400)에 제공할 수 있다.
또한, 머신 러닝부(360)는 데이터 베이스(330)에 새로운 머신 러닝 콘텐츠가 추가되거나, 갱신된 통화로그에 추론실패 정보가 포함된 경우, 새로운 머신 러닝 콘텐츠를 전달받아 학습 데이터로서 머신 러닝에 입력하여 머신 러닝을 수행하거나, 추론실패 정보를 머신 러닝 콘텐츠에 반영하고 이를 이용하여 머신 러닝을 수행함으로써 머신 러닝 결과물을 도출할 수 있다. 그리고, 머신 러닝부(360)는 도출된 머신 러닝 결과물을 SIP 단말(200)에 제공함으로써 자동으로 머신러닝 결과물을 갱신할 수 있다.
한편, 본 발명의 실시예에 따른 콜 관리서버(300)는 관리 담당자 단말(400)에 탑재된 웹 브라우저 또는 전용 어플리케이션을 통해 연동하여 관리 담당자 단말(400)의 요청에 따라 이전 통화와 관련된 기록을 포함하는 통화로그를 제공할 수 있고, 이를 위한 구성으로서, 관리 담당자 단말(400)은 통화로그 이용부(410) 및 통화로그 출력부(120)를 포함할 수 있다.
통화로그 이용부(410)는 고객의 입력에 따라, 콜 관리서버(300)의 통화로그 송신부(340)로부터 통화로그를 포함하는 전화관련 정보를 요청 및 수신할 수 있다. 예를 들어, 챗봇을 통해 상담을 수행한 고객이 이전 상담 내용을 다시 확인하고자 하는 경우, 관리 담당자 단말(400)에서 통화내역 확인기능을 선택하면, 통화로그 이용부(410)는 통화로그 송신부(340)로부터 통화로그를 요청 및 회신 받을 수 있다.
통화로그 출력부(420)는 수신한 통화로그에 기초하여 고객의 전체 통화내역, 엔티티 정보 및 통계 정보를 추출하여 화면에 출력할 수 있다. 전술한 예에서, 통화로그 이용부(410)가 통화내역 확인기능의 실행에 따라 통화로그를 수신하면, 이를 관리 담당자 단말(400)의 화면상에 표시할 수 있다. 이때, 통화로그 출력부(420)는 수신한 통화로그에 포함되는 전체 통화내역 및 엔티티 정보와, 통화와 관련된 각종 통계정보 등을 표시할 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 방법을 설명한다.
도 4는 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 방법을 나타낸 도면이다. 이하의 설명에서, 각 단계별 실행주체는 구체적 기재가 없더라도 본 발명의 SIP 단말(200) 및 콜 관리서버(300)를 구성하는 각 구성부가 된다.
도 4를 참조하면, 본 발명의 실시예에 따른 인공지능 챗봇 기반 자동 콜 응대 서비스 방법에 의하면, 먼저 고객 단말(100)에 의해 본 발명의 시스템을 도입한 기업에 전화 연결이 시도되면, SIP 단말(200)은 챗봇을 실행하고 서로간의 전화를 연결한다(S100).
이에 따라, 고객의 발화에 의해 고객 음성이 SIP 단말(200)에 전달되면, SIP 단말(200)은 STT 기술을 통해 음성신호를 텍스트 형태로 변환하고, 텍스트로부터 엔티티 및 인텐츠를 추론한다(S120).
상기의 S120 단계에 의한 추론결과에 따라(S130), 인텐츠의 추론이 성공한 경우, SIP 단말(200)은 데이터 베이스에서 인텐츠에 대응하는 답변을 추출하여 챗봇을 통해 고객 단말(100)에 송신하고, 추론에 실패한 경우 그 추론실패 정보를 로그에 기록하고(S140), 통화를 계속 진행한다. 이에, 챗봇은 추론실패 시 준비된 답변을 고객 단말(100)에 송신할 수 있다.
다음으로, 전술한 S120 단계 내지 S140 단계를 반복하며 통화가 완료된 경우(S160), SIP 단말(200)은 통화내역을 포함하는 통화로그를 생성하고, 이를 콜 관리서버(300)에 송신한다(S170).
이에 따라, 콜 관리서버(300)는 수신한 통화로그를 고객별로 데이터 베이스에 저장한다(S180).
이후, 콜 관리서버(300)의 머신 러닝 콘텐츠가 갱신되거나, 갱신된 통화로그에 추론실패 정보가 포함된 경우, 콜 관리서버(300)는 머신 러닝 콘텐츠를 갱신하고, 이를 학습 데이터로 이용하여 머신 러닝을 수행하여 머신 러닝 결과물을 도출하고(S210), 생성된 머신 러닝 결과물을 SIP 단말(200)에 제공한다(S220). 이후, SIP 단말(200)은 저장된 머신 러닝 결과물을 갱신 및 추론시 이용하게 된다.
이후, 도시되어 있지는 않지만, 관리 담당자가 챗봇에 의해 진행된 상담 내용 및 현황을 확인하고자 하는 경우, 자신의 관리 담당자 단말의 통화로그 확인 기능을 실행함에 따라 통화로그를 콜 관리서버(300)에 요청하고, 이에 콜 관리서버(300)가 해당 고객의 통화로그를 데이터 베이스로부터 추출 및 관리 담당자 단말에 송신하는 단계를 더 수행함으로써, 관리 담당자가 고객 통화에 대한 관리 업무를 처리할 수 있도록 한다.
상기한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서, 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.
*부호의 설명*
100 : 고객 단말 200 : SIP 단말
210 : SIP 클라이언트 220 : 음성 인식부
230 : 추론부 240 : 답변 데이터 베이스
245 : 결과물 저장소 250 : 통화로그 분석부
260 : 통화로그 제공부 300 : 콜 관리서버
310 : 통화로그 수신부 320 : 통화로그 관리부
330 : 통화로그 데이터 베이스 340 : 통화로그 송신부
400 : 관리 담당자 단말 410 : 통화로그 이용부
420 : 통화로그 출력부

Claims (7)

  1. SIP 통신방식으로 고객 단말과 통화를 수행하고, 통화 중 수신한 고객 음성을 분석하여 인텐츠를 추론하고, 추론된 인텐츠에 따른 답변을 챗봇을 통해 상기 고객 단말에 송신하는 SIP 단말; 및
    상기 SIP 단말과 연결되어 상기 챗봇과 고객간의 통화내용을 포함하는 통화로그를 수신 및 데이터 베이스에 저장하고, 상기 통화로그 내에 추론 실패한 로그가 존재하면 머신 러닝 콘텐츠를 갱신하고, 상기 머신 러닝 콘텐츠를 이용한 머신 러닝 결과물을 상기 SIP 단말에 제공하는 콜 관리서버
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  2. 제 1 항에 있어서,
    상기 SIP 단말은,
    SIP 통신방식에 따라 VoIP 콜을 송수신하는 SIP 클라이언트;
    상기 SIP 클라이언트로부터 VoIP 콜에 포함된 고객 음성을 텍스트 형식으로 변환하는 음성 인식부;
    상기 VoIP 콜에 포함될 내용에 대응하는 텍스트를 챗봇 음성으로 변환하고 상기 SIP 클라이언트에 제공하는 음성 합성부;
    인텐츠에 대응하는 다양한 복수의 답변이 저장되고, 요청에 따른 답변을 검색하여 제공하는 답변 데이터 베이스; 및
    고객 음성 텍스트를 분석하여 인텐츠를 추론하고, 상기 답변 데이터 베이스로부터 추론된 인텐츠에 대응하는 답변을 추출하여 상기 음성 합성부에 제공하는 추론부
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  3. 제 2 항에 있어서,
    상기 SIP 단말은, 상기 콜 관리서버로부터 새로 갱신된 머신 러닝 결과물을 수신 및 저장하는 결과물 저장소를 더 포함하고,
    상기 추론부는,
    상기 머신 러닝 결과물을 참조하여 상기 고객 음성 텍스트에 대한 인텐츠를 추론하는 것인, 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  4. 제 2 항에 있어서,
    상기 SIP 단말은,
    상기 추론부로부터 통화로그를 제공받아 엔티티가 포함된 내용을 분석하여 주요 엔티티 정보와, 추론실패로 처리된 고객 음성에 대한 추론실패 텍스트 정보를 전체 통화로그에서 생성하는 통화로그 분석부; 및
    상기 통화로그 분석부가 생성한 주요 엔티티 정보 및 추론실패 텍스트를 포함하는 통화로그를 상기 콜 관리서버에 송신하는 통화로그 제공부
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  5. 제 1 항에 있어서,
    상기 콜 관리서버는,
    상기 SIP 단말로부터 상기 통화로그를 수신하는 통화로그 수신부;
    상기 SIP 단말에서 발생한 모든 통화에 대한 통화로그를 관리하는 통화로그 관리부;
    수신한 통화로그를 저장하는 통화로그 데이터 베이스; 및
    요청에 따라, 상기 통화로그 데이터 베이스에 저장된 해당 고객의 통화로그를 추출하여 상기 고객 단말에 송신하는 통화로그 송신부
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  6. 제 5 항에 있어서,
    상기 콜 관리서버는,
    학습 데이터가 추가 입력되거나, 수신한 통화로그에 추론실패 텍스트 정보가 존재하면 머신 러닝 콘텐츠를 갱신하고, 머신 러닝을 수행하여 머신 러닝 결과물을 출력 및 상기 SIP 단말에 송신하는 머신 러닝부
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
  7. 제 5 항에 있어서,
    상기 콜 관리서버는, 관리 담당자가 이용하는 관리 담당자 단말과 더 연결되고,
    상기 관리 담당자 단말은,
    관리 담당자의 입력에 따라, 상기 통화로그 송신부로부터 상기 통화로그를 포함하는 전화관련 정보를 요청 및 수신하는 통화로그 이용부; 및
    수신한 통화로그에 기초하여 전체 통화내역, 엔티티 정보 및 통화와 관련된 통계 정보를 추출하여 화면에 출력하는 통화로그 출력부
    를 포함하는 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템.
PCT/KR2022/006889 2021-05-14 2022-05-13 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템 WO2022240235A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0062842 2021-05-14
KR1020210062842A KR102518448B1 (ko) 2021-05-14 2021-05-14 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템

Publications (1)

Publication Number Publication Date
WO2022240235A1 true WO2022240235A1 (ko) 2022-11-17

Family

ID=84029731

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/006889 WO2022240235A1 (ko) 2021-05-14 2022-05-13 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템

Country Status (2)

Country Link
KR (1) KR102518448B1 (ko)
WO (1) WO2022240235A1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102492334B1 (ko) 2022-09-19 2023-01-27 주식회사 브로드씨엔에스 뉴럴 네트워크를 이용하여 챗봇 서비스와 관련된 이용 정보를 기반으로 고객 단말과 상담원 단말 사이의 통화 연결을 관리하는 방법 및 장치
KR102592859B1 (ko) 2022-12-21 2023-10-24 주식회사 지뉴소프트 인공지능 챗봇에서의 다중입력정보에 기초한 답변정보 도출방법 및 시스템
KR102587501B1 (ko) * 2023-02-20 2023-10-11 (주)와이즈에이아이 인공지능 챗봇을 활용한 콜 자동 응대 시스템
KR102599828B1 (ko) * 2023-03-28 2023-11-08 (주)와이즈에이아이 웹 콘텐츠 제공 방식의 아웃바운드 ai 콜 시스템
KR102653266B1 (ko) 2023-07-07 2024-04-02 주식회사 비씨티원 인공지능 기반의 챗봇 대화 상담 시스템 및 그 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190053981A (ko) * 2017-11-10 2019-05-21 효성아이티엑스(주) 전화 응대 장치
KR20190098089A (ko) * 2019-07-22 2019-08-21 엘지전자 주식회사 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR20190116041A (ko) * 2018-03-23 2019-10-14 주식회사 포지큐브 인공지능 기반의 가상 호스트 캐릭터를 이용한 대화형 고객 응대 서비스 제공 시스템 및 방법
JP2019197221A (ja) * 2019-07-19 2019-11-14 日本電信電話株式会社 用件判定装置、用件判定方法およびプログラム
KR102203890B1 (ko) * 2020-06-23 2021-01-15 주식회사 볼드코퍼레이션 통화 자동 관리 시스템 및 그 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102338618B1 (ko) * 2017-07-25 2021-12-10 삼성에스디에스 주식회사 휴먼 에이전트에 의하여 보조 되는 무인 대화 서비스 제공 방법
KR102050244B1 (ko) 2017-10-16 2019-11-29 한국과학기술원 메신저 단체 채팅방 활성화를 위한 자연어 처리 기반 대화형 챗봇 운용 방법 및 시스템
KR102241532B1 (ko) * 2021-01-15 2021-04-16 (주)두타위즈 지능형 콜봇 서버 및 이를 이용한 무인 상담 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190053981A (ko) * 2017-11-10 2019-05-21 효성아이티엑스(주) 전화 응대 장치
KR20190116041A (ko) * 2018-03-23 2019-10-14 주식회사 포지큐브 인공지능 기반의 가상 호스트 캐릭터를 이용한 대화형 고객 응대 서비스 제공 시스템 및 방법
JP2019197221A (ja) * 2019-07-19 2019-11-14 日本電信電話株式会社 用件判定装置、用件判定方法およびプログラム
KR20190098089A (ko) * 2019-07-22 2019-08-21 엘지전자 주식회사 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법
KR102203890B1 (ko) * 2020-06-23 2021-01-15 주식회사 볼드코퍼레이션 통화 자동 관리 시스템 및 그 방법

Also Published As

Publication number Publication date
KR20220155065A (ko) 2022-11-22
KR102518448B1 (ko) 2023-04-06

Similar Documents

Publication Publication Date Title
WO2022240235A1 (ko) 인공지능 챗봇 기반 자동 콜 응대 서비스 시스템
CN109413286B (zh) 一种智能客服语音应答系统及方法
US6499021B1 (en) Apparatus and method for interpreting and intelligently managing electronic messages
EP1125208B1 (en) Rules-based multimedia customer/enterprise interaction-network operating-system
CN101076184B (zh) 一种实现自动应答的系统及方法
US8842818B2 (en) IP telephony architecture including information storage and retrieval system to track fluency
US8473604B2 (en) Method for intelligent and automated transmission of local context in converged signaling
WO2021034038A1 (en) Method and system for context association and personalization using a wake-word in virtual personal assistants
US6456619B1 (en) Method and system for supporting a decision tree with placeholder capability
WO2019098409A1 (ko) 머신 러닝 기반의 챗봇용 데이터 추가 장치
WO2019201202A1 (zh) 呼叫处理方法、装置、服务器、存储介质和系统
US7787612B2 (en) Method and system for requesting help
JP2002529945A (ja) マルチメディア通信センタ内で格納されたマルチメディアファイルに関する要約記録を提供する格納媒体インターフェースエンジン
EP1125214A1 (en) Method and apparatus for rules-based storage and retrieval of multimedia interactions within a communication center
US20230126032A1 (en) Communication Forwarding Based On Content Analysis
US11399097B2 (en) Systems and methods for search based call routing
WO2022255850A1 (ko) 다국어 번역 지원이 가능한 채팅시스템 및 제공방법
JP4633612B2 (ja) 電話番号管理装置及び電話番号変換方法
CN114979346A (zh) 通话数据处理方法、系统、设备及存储介质
WO2023249419A1 (ko) 대화 제공 방법 및 대화 처리 시스템
JP7452090B2 (ja) 処理システム、処理方法、管理者装置、及びプログラム
WO2024006179A1 (en) Techniques for providing natural language understanding (nlu) services to contact centers
KR20220126521A (ko) 대화 서비스를 제공하는 대화 추론 서버, 방법 및 컴퓨터 프로그램
KR20200017202A (ko) 메시지를 이용한 전화 서비스가 가능한 주소록 기반 서비스 제공 장치 및 그 방법
JP2009205265A (ja) 接続先決定方法及び装置並びにそのプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22807882

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22807882

Country of ref document: EP

Kind code of ref document: A1