GETTING STARTED
Kore.ai XO Platform
Virtual Assistants Overview
Natural Language Processing (NLP)
Concepts and Terminology
Quick Start Guide
Accessing the Platform
Navigating the Kore.ai XO Platform
Building a Virtual Assistant
Help & Learning Resources
Release Notes
Current Version
Recent Updates
Previous Versions
CONCEPTS
Design
Storyboard
Overview
FAQs
Conversation Designer
Overview
Dialog Tasks
Mock Scenes
Dialog Tasks
Overview
Navigate Dialog Tasks
Build Dialog Tasks
Node Types
Overview
Intent Node
Dialog Node
Dynamic Intent Node
GenAI Node
GenAI Prompt
Entity Node
Form Node
Confirmation Node
Message Nodes
Logic Node
Bot Action Node
Service Node
Webhook Node
Script Node
Process Node
Agent Transfer
Node Connections
Node Connections Setup
Sub-Intent Scoping
Entity Types
Entity Rules
User Prompts or Messages
Voice Call Properties
Knowledge AI
Introduction
Knowledge Graph
Introduction
Terminology
Build a Knowledge Graph
Manage FAQs
Knowledge Extraction
Import or Export Knowledge Graph
Prepare Data for Import
Importing Knowledge Graph
Exporting Knowledge Graph
Auto-Generate Knowledge Graph
Knowledge Graph Analysis
Answer from Documents
Alert Tasks
Small Talk
Digital Skills
Overview
Digital Forms
Digital Views
Introduction
Widgets
Panels
Session and Context Variables
Context Object
Intent Discovery
Train
NLP Optimization
ML Engine
Overview
Model Validation
FM Engine
KG Engine
Traits Engine
Ranking and Resolver
Training Validations
NLP Configurations
NLP Guidelines
LLM and Generative AI
Introduction
LLM Integration
Kore.ai XO GPT Module
Prompts & Requests Library
Co-Pilot Features
Dynamic Conversations Features
Intelligence
Introduction
Event Handlers
Contextual Memory
Contextual Intents
Interruption Management
Multi-intent Detection
Amending Entities
Default Conversations
Conversation Driven Dialog Builder
Sentinment Management
Tone Analysis
Default Standard Responses
Ignore Words & Field Memory
Test & Debug
Overview
Talk to Bot
Utterance Testing
Batch Testing
Conversation Testing
Conversation Testing Overview
Create a Test Suite
Test Editor
Test Case Assertion
Test Case Execution Summary
Glossary
Health and Monitoring
NLP Health
Flow Health
Integrations
Actions
Actions Overview
Asana
Configure
Templates
Azure OpenAI
Configure
Templates
BambooHR
Configure
Templates
Bitly
Configure
Templates
Confluence
Configure
Templates
DHL
Configure
Templates
Freshdesk
Configure
Templates
Freshservice
Configure
Templates
Google Maps
Configure
Templates
Here
Configure
Templates
HubSpot
Configure
Templates
JIRA
Configure
Templates
Microsoft Graph
Configure
Templates
Open AI
Configure
Templates
Salesforce
Configure
Templates
ServiceNow
Configure
Templates
Stripe
Configure
Templates
Shopify
Configure
Templates
Twilio
Configure
Templates
Zendesk
Configure
Templates
Agents
Agent Transfer Overview
Custom (BotKit)
Drift
Genesys
Intercom
NiceInContact
NiceInContact(User Hub)
Salesforce
ServiceNow
Configure Tokyo and Lower versions
Configure Utah and Higher versions
Unblu
External NLU Adapters
Overview
Dialogflow Engine
Test and Debug
Deploy
Channels
Publishing
Versioning
Analyze
Introduction
Dashboard Filters
Overview Dashboard
Conversations Dashboard
Users Dashboard
Performance Dashboard
Custom Dashboards
Introduction
Custom Meta Tags
Create Custom Dashboard
Create Custom Dashboard Filters
LLM and Generative AI Logs
NLP Insights
Task Execution Logs
Conversations History
Conversation Flows
Conversation Insights
Feedback Analytics
Usage Metrics
Containment Metrics
Universal Bots
Introduction
Universal Bot Definition
Universal Bot Creation
Training a Universal Bot
Universal Bot Customizations
Enabling Languages
Store
Manage Assistant
Team Collaboration
Plan & Usage
Overview
Usage Plans
Templates
Support Plans
Invoices
Authorization
Conversation Sessions
Multilingual Virtual Assistants
Get Started
Supported Components & Features
Manage Languages
Manage Translation Services
Multiingual Virtual Assistant Behavior
Feedback Survey
Masking PII Details
Variables
Collections
IVR Settings
General Settings
Assistant Management
Manage Namespace
Data
Overview
Data Table
Table Views
App Definitions
Data as Service
HOW TOs
Build a Travel Planning Assistant
Travel Assistant Overview
Create a Travel Virtual Assistant
Design Conversation Skills
Create an ‘Update Booking’ Task
Create a Change Flight Task
Build a Knowledge Graph
Schedule a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Train the Assistant
Use Traits
Use Patterns
Manage Context Switching
Deploy the Assistant
Use Bot Functions
Use Content Variables
Use Global Variables
Use Web SDK
Build a Banking Assistant
Design Conversation Skills
Create a Sample Banking Assistant
Create a Transfer Funds Task
Create a Update Balance Task
Create a Knowledge Graph
Set Up a Smart Alert
Design Digital Skills
Configure Digital Forms
Configure Digital Views
Add Data to Data Tables
Update Data in Data Tables
Add Data from Digital Forms
Train the Assistant
Composite Entities
Use Traits
Use Patterns for Intents & Entities
Manage Context Switching
Deploy the Assistant
Configure an Agent Transfer
Use Assistant Functions
Use Content Variables
Use Global Variables
Intent Scoping using Group Node
Analyze the Assistant
Create a Custom Dashboard
Use Custom Meta Tags in Filters
Migrate External Bots
Google Dialogflow Bot
APIs & SDKs
API Reference
API Introduction
Rate Limits
API List
koreUtil Libraries
SDK Reference
SDK Introduction
Web SDK
How the Web SDK Works
SDK Security
SDK Registration
Web Socket Connect and RTM
Tutorials
Widget SDK Tutorial
Web SDK Tutorial
BotKit SDK
BotKit SDK Deployment Guide
Installing the BotKit SDK
Using the BotKit SDK
SDK Events
SDK Functions
Tutorials
BotKit - Blue Prism
BotKit - Flight Search Sample VA
BotKit - Agent Transfer
  1. Docs
  2. Virtual Assistants
  3. Overview
  4. 봇 구축 시작하기

봇 구축 시작하기

이 섹션에는 봇 생성 및 게시, Kore.ai 봇 빌더 도구를 사용해 생성한 봇에 자연어 처리를 활성화하고 사용하는 과정을 설명하는 주제를 포함합니다.

봇 빌더 사용이 처음이고 사용하는 용어와 개념에 익숙해지려면 봇 개념을 참조하세요.

봇 구축

Kore.ai 봇 빌더 플랫폼에 접근하면 아래 단계에 따라 순식간에 첫 번째 봇을 구축할 수 있습니다. 각 단계는 이 문서에서 자세히 설명합니다.

위에서 언급된 각 단계를 자세히 살펴봅시다.

정의 및 구축

이 단계는 두 가지 하위 작업으로 구성됩니다.

  • 봇 정의 또는 봇 설계
  • 봇 구축 또는 봇 개발
봇 정의 또는 봇 설계

모든 봇은 잘 정의된 사용 사례 해결을 위해 구축되어야 합니다. 잘 정의된 사용 사례를 생성하는 첫 번째 단계에서는 시장 요구 사항을 수집하고 내부 요구 사항을 평가합니다. 일반적으로 이 프로세스에 모든 관련 비즈니스 스폰서와 제품 소유자, 비즈니스 분석가, 봇 개발자를 포함하는 것이 좋습니다. 봇이 해야 할 일을 잘 생각해 보세요.

각 단계에 대한 명확한 설명과 다양한 대화 흐름의 플로우 차트는 봇을 구축하는 과정이 수월하는데 큰 도움이 됩니다.

플랫폼 권장 사항: 봇을 설계할 때 다음 단계를 고려합니다.

  • 사용자 요구 사항 이해: 챗봇 범위를 설정합니다. 사업 스폰서, 사업 분석가, 제품 소유자는 시장 요구 사항을 수집하고, 내부 요구 사항을 평가하여 사용자 요구 사항을 식별하는 데 중요한 역할을 수행합니다.
  • 챗봇 목표 설정: 잘 정의된 사용 사례 생성에 도움이 됩니다. 위에서 식별한 범위를 사용 사례로 변환하는 작업을 포함합니다. 이 단계에서 봇 개발자를 참여시키는 것이 좋습니다.
  • 챗봇 대화 설계: 사용자와의 상호 작용 시 가능한 모든 시나리오에서 챗봇 동작을 정의합니다. 대화를 시뮬레이션하면 가능한 모든 시나리오를 식별하는 데 큰 도움이 됩니다.

봇 기능과 이상적인 사용 사례가 잘 정의되면 봇 개발자는 봇 작업 구성 프로세스를 시작하고, 인텐트와 엔티티를 정의하고, 대화형 대화를 구축할 수 있습니다. 챗봇 설계 시 유의할 사항: 다음 질문(전부가 아닌 일부)에 답변을 시도하세요.

  • 이용 대상은 누구입니까? 기술에 정통한 고객을 대상으로 한 기술 지원 봇은 은행 고객과 같은 일반인을 위한 지원 봇과 비교할 때 다른 설계가 필요합니다. 따라서 이용 대상을 평가하는 것은 항상 중요합니다.
  • 어떤 봇 페르소나가 이 그룹에 가장 큰 반향을 일으킬까요? 이것은 봇이 대화하는 방식을 정의하여 모든 상황에서의 행동을 지원합니다.
  • 봇의 용도는 무엇입니까? 목적(즉, 봇이 해결해야 하는 고객 문의)은 대화의 끝점을 정의합니다.
  • 봇은 어떤 불만 사항을 해결합니까? 봇의 용도와 범위가 설정되고, 봇이 처리하는 내용과 인간 상담사가 인계받아야 하는 시기를 식별합니다.
  • 봇은 당사와 고객에게 어떤 혜택을 제공합니까? 봇을 사용하여 얻는 주요 혜택은 시간 절약입니다. 사용자는 인간 상담사가 문의에 답변하도록 기다리는 데 시간을 낭비할 필요가 없습니다. 사업주인 여러분은 모든 고객의 요구 사항을 충족해야 하는 데 거기에 있지 않다고 걱정할 필요가 없습니다.
  • 내 봇이 수행했으면 하는 작업은 무엇입니까? 사용자 대화 시뮬레이션을 통해 봇이 충족해야 할 작업을 식별할 수 있습니다.
  • 봇은 어떤 채널에 존재합니까? 봇이 표시되는 방식을 어느 정도 유도할 수 있고, 챗봇에 사용 가능한 다양한 옵션은 사용되는 채널/매체에 의해 제한됩니다.
  • 내 봇은 어떤 언어를 구사해야 합니까? 다국어 커뮤니티에 서비스할 때 언어 지원은 필수이며 사전을 동시에 구축하는 것이 유용합니다.

봇 구축 또는 봇 개발

봇 기능과 이상적인 사용 사례가 잘 정의되면, 봇 개발자는 봇 작업 설정 과정을 시작하고 의도와 엔티티를 정의하고 대화형 대화를 구축합니다.

표준 봇 생성
  1. 유효한 자격 증명으로 봇 빌더 플랫폼에 로그인합니다.
  2. 랜딩 페이지의 오른쪽 상단에서 새 봇을 클릭합니다.
  3. 드롭다운에서 처음부터 시작 옵션을 선택합니다.
  4. 새 봇 생성 창에서 봇 이름 필드에 이름을 입력합니다.
  5. 기본 봇 언어 드롭다운 목록에서 영어를 선택하고 봇 유형 드롭다운 목록에서 표준 봇을 선택합니다.
  6. 생성을 클릭합니다.
봇 유형 선택

요구 사항에 따라 생성하려는 봇 유형을 선택하세요. 다음 중 하나의 봇을 생성할 수 있습니다

  • 표준 봇 – 대화 흐름에 매핑된 다양한 작업을 포함하는 가장 일반적인 유형의 봇입니다.
  • 범용 봇 – 여러 표준 봇을 연결합니다.
  • 스마트 봇 – 기업 내 다양한 버티컬(vertical)이 상속할 수 있는 공통 기능이 있습니다.

봇 유형 자세히 알아보기.

봇 작업 정의

표준 봇을 생성한 후 봇의 작동 방식을 정의할 수 있습니다. 봇 작업으로 시작하여 봇을 정의할 수 있습니다. 봇 기능과 대화는 이전 단계에서 정의한 사양에서 자연스럽게 진행되어야 합니다. 항상 시간을 할애하여 봇이 수행할 작업 목록을 검토하는 것이 중요합니다. 실제 개발을 시작하기 전에 봇이 제공할 이점과 해결하고자 하는 불만 사항을 제공하는지 확인하세요.

이를 통해 장기적으로 시간을 절약할 수 있습니다. 다음 방법 중 하나로 하나 이상의 작업 또는 흐름을 정의합니다.

  • 봇 요약 페이지의 작업 위젯에서 + 새 작업을 클릭합니다. 이를 통해 대화 작업 또는 경고 작업을 추가할 수 있습니다.
  • 위에서 언급된 작업 외에도, 왼쪽 탐색의 대화형 스킬 메뉴의 해당 스킬 페이지에서 생성 버튼을 클릭하여 추가할 스킬을 선택할 수 있습니다.

스킬은 최종 사용자 요구 사항을 충족하는 데 도움이 되는 봇 기능입니다. 여기에는 항공편 예약, 날씨 알림 받기 또는 사용자 문의(지식 그래프)에 응답 또는 스몰 토크에 사용자 참여시키기 등 대화 작업 또는 경고 작업이 포함됩니다. Kore.ai 봇 빌더에서 다음 스킬을 정의할 수 있습니다.

  • 스토리보드 – 비즈니스 사용자, 대화 디자이너, 언어 전문가, 봇 개발자 간의 의사소통을 간소화할 수 있을 뿐만 아니라 매력적인 대화를 설계할 수 있습니다.
  • 대화 작업 – 사용자와 봇 간에 복잡한 대화형 흐름 수행을 위한 여러 의도, 하위 의도 및 구성 요소 노드로 구성됩니다.
  • 경고 작업 – 웹 서비스에서 이벤트를 모니터링하고 이벤트가 발생할 때 사용자에게 알림 메시지를 보냅니다. 예약된 폴링이나 webhook을 사용하여 거의 실시간 통지를 위해 이 작업 유형을 사용할 수 있습니다.
  • 지식 그래프 – 정적 FAQ 페이지로 지능형, 개인화된 대화 경험으로 전환합니다. 중요한 용어의 계층을 작성하고 계층의 정확한 노드에 질문을 추가하고 사용자에게 응답하는 작업을 봇에 맡기면 지원 인력은 보다 복잡한 작업에 참여할 수 있습니다.
  • 스몰 토크 – 최종 사용자를 일상적인 대화에 참여시키고 봇과 어울리고 검증율을 높이는 데 도움이 됩니다.

NLP용 봇 학습

최고의 봇은 반복 과정을 사용하여 학습이 잘 되었습니다. 작업 및 대화 흐름 개발 후 봇을 학습시킬 수 있습니다. 이렇게 하면 봇은 사용자 발화를 더 잘 이해할 수 있고 엔진은 사용자 입력에 따라 봇 작업 또는 의도의 우선 순위 지정을 더 잘할 수 있습니다.

봇 개발자와 업무 분석가는 협력하여 초기 학습을 완료하는 데 사용되는 샘플 발화와 패턴을 제공합니다. 봇을 배포한 후 내부 테스트 및 현장 데이터로 더 늘릴 수 있습니다.

다음 도구를 사용하여 봇을 학습시키면 NLP 엔진은 사용자 입력을 효율적으로 정확하게 인식하고 응답할 수 있습니다.

  • 기계 학습을 사용하여 봇을 훈련시켜 발화 인식을 개선하세요.
  • 작업 또는 의도에 관한 추가 발화, 동의어, 패턴을 추가하여 FM 엔진 및 봇 설정을 미세 조정할 수 있습니다.
  • 중단 처리, 다중 의도 감지 등을 정의하여 봇 인텔리전스를 개선하세요.

자세한 내용은 자연어 처리를 위한 봇 최적화하기를 참조하세요.

채널 활성화

이 단계는 봇이 배포된 후 최종 사용자가 봇에 접근하여 상호 작용하는 데 사용할 수 있는 채널을 봇에 추가하는 것을 말합니다. 최종 사용자는 봇이 활성화된 채널에 게시 및 배포된 후 봇과 상호 작용하고 더 나아가 봇 작업을 수행할 수 있습니다.

채널은 SMS, 이메일, 모바일 앱, 웹 사이트, 메시징 앱 등 로봇이 존재할 수 있는 다양한 커뮤니케이션 플랫폼을 말합니다. 봇 빌더를 사용하면 체크 박스를 선택하는 것만으로 한 번에 챗봇 작업을 설계하고 20개 이상의 채널에 배포할 수 있습니다.

자세한 내용은 봇에 채널 추가하기를 참조하세요.

봇 테스트

봇을 구축하고 학습시킨 후 발생한 가장 중요한 의문점은 여러분 봇의 NLP 모델은 얼마나 좋은가입니다. 이것이 바로 테스트를 하는 이유입니다. 더 나은 사용자 경험을 위해 계획된 모든 메시징 채널에서 봇 테스트를 고려해야 합니다.

옳다고 잘못 판단한 것과 틀리다고 잘못 판단한 것에 세심한 주의를 기울이면서 ML과 NLP 모델을 꼼꼼히 테스트하고 분석하여 많은 상충되는 발화를 사용하여 의도치 않게 모델을 학습시키지 않았는지 확인해야 합니다.

테스트를 통해 봇을 배포하기 전 추가 학습이 더 필요한지 여부를 결정하는 데 도움이 됩니다. 모든 학습 또는 재학습을 끝낸 후에는 학습 모델을 검토하여 변경 사항이 적절한지 확인하고 NLP 모델이 개선되었는지 또는 저하되었는지 확인해야 합니다.

봇과 대화 옵션, 발화 테스트, 배치 테스트는 봇 성능을 테스트하고 개선하는 데 도움이 됩니다.

자세한 내용은 봇 테스트를 참조하세요.

게시

봇을 구축하고 충분히 테스트 했다면 이제는 선택한 환경과 사용자가 참여할 커뮤니케이션 채널에 배포할 시간입니다.

배포를 진행하기 전에 주요 비즈니스 이해 관계자와 협업하여 모든 봇과 봇 기능을 검토하고 승인하는 것이 좋습니다.

여러분의 계정, Kore.ai 공간 또는 회사 계정에 봇 작업을 게시하세요. 작업을 게시할 때 해당 배포를 검토 및 승인/미승인할 수 있는 봇 관리자에게 게시 요청을 시작합니다. 모든 관련 당사자가 봇을 승인하면 이전에 활성화된 채널을 통해 최종 사용자에게 배포할 수 있습니다.

자세한 내용은 작업 게시하기를 참조하세요.

분석

봇이 배포되면 사용자가 어떻게 사용하는지 지속적으로 모니터링하고 반복 과정을 사용하여 봇을 관리하고 개선하는 데 적극적인 역할을 수행하는 것이 중요합니다. 봇 수행은 참여와 성능, 기능적 관점에서 모니터링하여야 하며 대화, 세션 당 메시지, 유지, 위치, 사용자 인구 통계, 감정 등과 같은 기타 변수 모니터링을 포함하여 결과를 분석해야 합니다.

또한, 봇 개발자와 분석가는 협업하여 드랍 오프 지점을 식별하고 작업 또는 언어 오류를 발견하고 대화가 중단된 이유를 알아내고 서비스 또는 스크립트 수행을 모니터링하여 봇의 NLP 및 기능적 수행을 개선해야 합니다. 수집된 데이터는 NLP를 개선하고 봇의 기능 수행을 개선하는 데 사용해야 합니다. 예를 들어, 봇이 봇 의도나 FAQ에 매핑하지 못한 발화를 살펴보고 나중에 봇이 이를 식별하도록 재학습시키세요.

작업 실패의 경우 과정이 잘못된 부분을 파악하여 바로잡고 해결 방법을 찾을 수 있습니다.

우수한 봇을 구축하는 것이 그렇게 쉬운 일은 아니지만 올바른 플랫폼과 적당한 구조, 테스트와 반복의 과정을 수행하려는 의지는 성공적인 봇 구축을 달성하는 데 큰 도움이 됩니다.

자세한 내용은 봇 분석을 참조하세요.

요약

요약하면, 봇 빌더는 반복 가능한 단계가 있는 웹 기반 도구를 제공하여 엔터프라이즈 규모의 스마트 챗봇을 설계, 개발, 테스트, 배포합니다. 코드, 맞춤형 소프트웨어, 상당한 서버 공간, 인프라의 큰 변경 사항 없이 이 모든 작업을 수행할 수 있습니다.

봇 구축 시작하기

이 섹션에는 봇 생성 및 게시, Kore.ai 봇 빌더 도구를 사용해 생성한 봇에 자연어 처리를 활성화하고 사용하는 과정을 설명하는 주제를 포함합니다.

봇 빌더 사용이 처음이고 사용하는 용어와 개념에 익숙해지려면 봇 개념을 참조하세요.

봇 구축

Kore.ai 봇 빌더 플랫폼에 접근하면 아래 단계에 따라 순식간에 첫 번째 봇을 구축할 수 있습니다. 각 단계는 이 문서에서 자세히 설명합니다.

위에서 언급된 각 단계를 자세히 살펴봅시다.

정의 및 구축

이 단계는 두 가지 하위 작업으로 구성됩니다.

  • 봇 정의 또는 봇 설계
  • 봇 구축 또는 봇 개발
봇 정의 또는 봇 설계

모든 봇은 잘 정의된 사용 사례 해결을 위해 구축되어야 합니다. 잘 정의된 사용 사례를 생성하는 첫 번째 단계에서는 시장 요구 사항을 수집하고 내부 요구 사항을 평가합니다. 일반적으로 이 프로세스에 모든 관련 비즈니스 스폰서와 제품 소유자, 비즈니스 분석가, 봇 개발자를 포함하는 것이 좋습니다. 봇이 해야 할 일을 잘 생각해 보세요.

각 단계에 대한 명확한 설명과 다양한 대화 흐름의 플로우 차트는 봇을 구축하는 과정이 수월하는데 큰 도움이 됩니다.

플랫폼 권장 사항: 봇을 설계할 때 다음 단계를 고려합니다.

  • 사용자 요구 사항 이해: 챗봇 범위를 설정합니다. 사업 스폰서, 사업 분석가, 제품 소유자는 시장 요구 사항을 수집하고, 내부 요구 사항을 평가하여 사용자 요구 사항을 식별하는 데 중요한 역할을 수행합니다.
  • 챗봇 목표 설정: 잘 정의된 사용 사례 생성에 도움이 됩니다. 위에서 식별한 범위를 사용 사례로 변환하는 작업을 포함합니다. 이 단계에서 봇 개발자를 참여시키는 것이 좋습니다.
  • 챗봇 대화 설계: 사용자와의 상호 작용 시 가능한 모든 시나리오에서 챗봇 동작을 정의합니다. 대화를 시뮬레이션하면 가능한 모든 시나리오를 식별하는 데 큰 도움이 됩니다.

봇 기능과 이상적인 사용 사례가 잘 정의되면 봇 개발자는 봇 작업 구성 프로세스를 시작하고, 인텐트와 엔티티를 정의하고, 대화형 대화를 구축할 수 있습니다. 챗봇 설계 시 유의할 사항: 다음 질문(전부가 아닌 일부)에 답변을 시도하세요.

  • 이용 대상은 누구입니까? 기술에 정통한 고객을 대상으로 한 기술 지원 봇은 은행 고객과 같은 일반인을 위한 지원 봇과 비교할 때 다른 설계가 필요합니다. 따라서 이용 대상을 평가하는 것은 항상 중요합니다.
  • 어떤 봇 페르소나가 이 그룹에 가장 큰 반향을 일으킬까요? 이것은 봇이 대화하는 방식을 정의하여 모든 상황에서의 행동을 지원합니다.
  • 봇의 용도는 무엇입니까? 목적(즉, 봇이 해결해야 하는 고객 문의)은 대화의 끝점을 정의합니다.
  • 봇은 어떤 불만 사항을 해결합니까? 봇의 용도와 범위가 설정되고, 봇이 처리하는 내용과 인간 상담사가 인계받아야 하는 시기를 식별합니다.
  • 봇은 당사와 고객에게 어떤 혜택을 제공합니까? 봇을 사용하여 얻는 주요 혜택은 시간 절약입니다. 사용자는 인간 상담사가 문의에 답변하도록 기다리는 데 시간을 낭비할 필요가 없습니다. 사업주인 여러분은 모든 고객의 요구 사항을 충족해야 하는 데 거기에 있지 않다고 걱정할 필요가 없습니다.
  • 내 봇이 수행했으면 하는 작업은 무엇입니까? 사용자 대화 시뮬레이션을 통해 봇이 충족해야 할 작업을 식별할 수 있습니다.
  • 봇은 어떤 채널에 존재합니까? 봇이 표시되는 방식을 어느 정도 유도할 수 있고, 챗봇에 사용 가능한 다양한 옵션은 사용되는 채널/매체에 의해 제한됩니다.
  • 내 봇은 어떤 언어를 구사해야 합니까? 다국어 커뮤니티에 서비스할 때 언어 지원은 필수이며 사전을 동시에 구축하는 것이 유용합니다.

봇 구축 또는 봇 개발

봇 기능과 이상적인 사용 사례가 잘 정의되면, 봇 개발자는 봇 작업 설정 과정을 시작하고 의도와 엔티티를 정의하고 대화형 대화를 구축합니다.

표준 봇 생성
  1. 유효한 자격 증명으로 봇 빌더 플랫폼에 로그인합니다.
  2. 랜딩 페이지의 오른쪽 상단에서 새 봇을 클릭합니다.
  3. 드롭다운에서 처음부터 시작 옵션을 선택합니다.
  4. 새 봇 생성 창에서 봇 이름 필드에 이름을 입력합니다.
  5. 기본 봇 언어 드롭다운 목록에서 영어를 선택하고 봇 유형 드롭다운 목록에서 표준 봇을 선택합니다.
  6. 생성을 클릭합니다.
봇 유형 선택

요구 사항에 따라 생성하려는 봇 유형을 선택하세요. 다음 중 하나의 봇을 생성할 수 있습니다

  • 표준 봇 – 대화 흐름에 매핑된 다양한 작업을 포함하는 가장 일반적인 유형의 봇입니다.
  • 범용 봇 – 여러 표준 봇을 연결합니다.
  • 스마트 봇 – 기업 내 다양한 버티컬(vertical)이 상속할 수 있는 공통 기능이 있습니다.

봇 유형 자세히 알아보기.

봇 작업 정의

표준 봇을 생성한 후 봇의 작동 방식을 정의할 수 있습니다. 봇 작업으로 시작하여 봇을 정의할 수 있습니다. 봇 기능과 대화는 이전 단계에서 정의한 사양에서 자연스럽게 진행되어야 합니다. 항상 시간을 할애하여 봇이 수행할 작업 목록을 검토하는 것이 중요합니다. 실제 개발을 시작하기 전에 봇이 제공할 이점과 해결하고자 하는 불만 사항을 제공하는지 확인하세요.

이를 통해 장기적으로 시간을 절약할 수 있습니다. 다음 방법 중 하나로 하나 이상의 작업 또는 흐름을 정의합니다.

  • 봇 요약 페이지의 작업 위젯에서 + 새 작업을 클릭합니다. 이를 통해 대화 작업 또는 경고 작업을 추가할 수 있습니다.
  • 위에서 언급된 작업 외에도, 왼쪽 탐색의 대화형 스킬 메뉴의 해당 스킬 페이지에서 생성 버튼을 클릭하여 추가할 스킬을 선택할 수 있습니다.

스킬은 최종 사용자 요구 사항을 충족하는 데 도움이 되는 봇 기능입니다. 여기에는 항공편 예약, 날씨 알림 받기 또는 사용자 문의(지식 그래프)에 응답 또는 스몰 토크에 사용자 참여시키기 등 대화 작업 또는 경고 작업이 포함됩니다. Kore.ai 봇 빌더에서 다음 스킬을 정의할 수 있습니다.

  • 스토리보드 – 비즈니스 사용자, 대화 디자이너, 언어 전문가, 봇 개발자 간의 의사소통을 간소화할 수 있을 뿐만 아니라 매력적인 대화를 설계할 수 있습니다.
  • 대화 작업 – 사용자와 봇 간에 복잡한 대화형 흐름 수행을 위한 여러 의도, 하위 의도 및 구성 요소 노드로 구성됩니다.
  • 경고 작업 – 웹 서비스에서 이벤트를 모니터링하고 이벤트가 발생할 때 사용자에게 알림 메시지를 보냅니다. 예약된 폴링이나 webhook을 사용하여 거의 실시간 통지를 위해 이 작업 유형을 사용할 수 있습니다.
  • 지식 그래프 – 정적 FAQ 페이지로 지능형, 개인화된 대화 경험으로 전환합니다. 중요한 용어의 계층을 작성하고 계층의 정확한 노드에 질문을 추가하고 사용자에게 응답하는 작업을 봇에 맡기면 지원 인력은 보다 복잡한 작업에 참여할 수 있습니다.
  • 스몰 토크 – 최종 사용자를 일상적인 대화에 참여시키고 봇과 어울리고 검증율을 높이는 데 도움이 됩니다.

NLP용 봇 학습

최고의 봇은 반복 과정을 사용하여 학습이 잘 되었습니다. 작업 및 대화 흐름 개발 후 봇을 학습시킬 수 있습니다. 이렇게 하면 봇은 사용자 발화를 더 잘 이해할 수 있고 엔진은 사용자 입력에 따라 봇 작업 또는 의도의 우선 순위 지정을 더 잘할 수 있습니다.

봇 개발자와 업무 분석가는 협력하여 초기 학습을 완료하는 데 사용되는 샘플 발화와 패턴을 제공합니다. 봇을 배포한 후 내부 테스트 및 현장 데이터로 더 늘릴 수 있습니다.

다음 도구를 사용하여 봇을 학습시키면 NLP 엔진은 사용자 입력을 효율적으로 정확하게 인식하고 응답할 수 있습니다.

  • 기계 학습을 사용하여 봇을 훈련시켜 발화 인식을 개선하세요.
  • 작업 또는 의도에 관한 추가 발화, 동의어, 패턴을 추가하여 FM 엔진 및 봇 설정을 미세 조정할 수 있습니다.
  • 중단 처리, 다중 의도 감지 등을 정의하여 봇 인텔리전스를 개선하세요.

자세한 내용은 자연어 처리를 위한 봇 최적화하기를 참조하세요.

채널 활성화

이 단계는 봇이 배포된 후 최종 사용자가 봇에 접근하여 상호 작용하는 데 사용할 수 있는 채널을 봇에 추가하는 것을 말합니다. 최종 사용자는 봇이 활성화된 채널에 게시 및 배포된 후 봇과 상호 작용하고 더 나아가 봇 작업을 수행할 수 있습니다.

채널은 SMS, 이메일, 모바일 앱, 웹 사이트, 메시징 앱 등 로봇이 존재할 수 있는 다양한 커뮤니케이션 플랫폼을 말합니다. 봇 빌더를 사용하면 체크 박스를 선택하는 것만으로 한 번에 챗봇 작업을 설계하고 20개 이상의 채널에 배포할 수 있습니다.

자세한 내용은 봇에 채널 추가하기를 참조하세요.

봇 테스트

봇을 구축하고 학습시킨 후 발생한 가장 중요한 의문점은 여러분 봇의 NLP 모델은 얼마나 좋은가입니다. 이것이 바로 테스트를 하는 이유입니다. 더 나은 사용자 경험을 위해 계획된 모든 메시징 채널에서 봇 테스트를 고려해야 합니다.

옳다고 잘못 판단한 것과 틀리다고 잘못 판단한 것에 세심한 주의를 기울이면서 ML과 NLP 모델을 꼼꼼히 테스트하고 분석하여 많은 상충되는 발화를 사용하여 의도치 않게 모델을 학습시키지 않았는지 확인해야 합니다.

테스트를 통해 봇을 배포하기 전 추가 학습이 더 필요한지 여부를 결정하는 데 도움이 됩니다. 모든 학습 또는 재학습을 끝낸 후에는 학습 모델을 검토하여 변경 사항이 적절한지 확인하고 NLP 모델이 개선되었는지 또는 저하되었는지 확인해야 합니다.

봇과 대화 옵션, 발화 테스트, 배치 테스트는 봇 성능을 테스트하고 개선하는 데 도움이 됩니다.

자세한 내용은 봇 테스트를 참조하세요.

게시

봇을 구축하고 충분히 테스트 했다면 이제는 선택한 환경과 사용자가 참여할 커뮤니케이션 채널에 배포할 시간입니다.

배포를 진행하기 전에 주요 비즈니스 이해 관계자와 협업하여 모든 봇과 봇 기능을 검토하고 승인하는 것이 좋습니다.

여러분의 계정, Kore.ai 공간 또는 회사 계정에 봇 작업을 게시하세요. 작업을 게시할 때 해당 배포를 검토 및 승인/미승인할 수 있는 봇 관리자에게 게시 요청을 시작합니다. 모든 관련 당사자가 봇을 승인하면 이전에 활성화된 채널을 통해 최종 사용자에게 배포할 수 있습니다.

자세한 내용은 작업 게시하기를 참조하세요.

분석

봇이 배포되면 사용자가 어떻게 사용하는지 지속적으로 모니터링하고 반복 과정을 사용하여 봇을 관리하고 개선하는 데 적극적인 역할을 수행하는 것이 중요합니다. 봇 수행은 참여와 성능, 기능적 관점에서 모니터링하여야 하며 대화, 세션 당 메시지, 유지, 위치, 사용자 인구 통계, 감정 등과 같은 기타 변수 모니터링을 포함하여 결과를 분석해야 합니다.

또한, 봇 개발자와 분석가는 협업하여 드랍 오프 지점을 식별하고 작업 또는 언어 오류를 발견하고 대화가 중단된 이유를 알아내고 서비스 또는 스크립트 수행을 모니터링하여 봇의 NLP 및 기능적 수행을 개선해야 합니다. 수집된 데이터는 NLP를 개선하고 봇의 기능 수행을 개선하는 데 사용해야 합니다. 예를 들어, 봇이 봇 의도나 FAQ에 매핑하지 못한 발화를 살펴보고 나중에 봇이 이를 식별하도록 재학습시키세요.

작업 실패의 경우 과정이 잘못된 부분을 파악하여 바로잡고 해결 방법을 찾을 수 있습니다.

우수한 봇을 구축하는 것이 그렇게 쉬운 일은 아니지만 올바른 플랫폼과 적당한 구조, 테스트와 반복의 과정을 수행하려는 의지는 성공적인 봇 구축을 달성하는 데 큰 도움이 됩니다.

자세한 내용은 봇 분석을 참조하세요.

요약

요약하면, 봇 빌더는 반복 가능한 단계가 있는 웹 기반 도구를 제공하여 엔터프라이즈 규모의 스마트 챗봇을 설계, 개발, 테스트, 배포합니다. 코드, 맞춤형 소프트웨어, 상당한 서버 공간, 인프라의 큰 변경 사항 없이 이 모든 작업을 수행할 수 있습니다.

메뉴