AI는 전문성이 요구됩니다. 그렇기 때문에 비즈니스가 가진 문제를 AI로 해결할 수 있을지 판단하는 것부터 쉽지 않습니다. 특히, 우리 회사의 비즈니스 목표를 달성하기 위한 과제를 AI로 해결할 수 있을지 판단하는 것은 검색이나 상용 API를 탐색하는 것만으로는 알기 어렵습니다. 상용 API는 언제나 우리의 문제를 우리가 원하는 방식으로 해결해주지 못하기 때문이죠. 자체 개발을 통해 해결 가능하다고 예상하더라도 사내에 AI 팀을 채용하고 운영하는 선택이 장기적으로 투자 대비 가치가 더 높을지를 불확실성 속에서 판단해야 하는 리스크가 있습니다.

가장 좋은 선택은 우리 회사의 AI 팀처럼 소통할 수 있고, 비즈니스 임팩트가 있는 AI 모델을 빠르게 만들 수 있는 역량을 가진 분들과 협업하는 것이었습니다. SoftlyAI는 AI에 대한 글로벌 수준의 전문 지식과 비즈니스에 대한 깊은 이해도가 뒷받침된 다양한 실무 및 연구 개발 경험을 바탕으로 저희에게 가장 합리적이고 효과적인 AI 솔루션을 제공했습니다. AI를 도입하고 싶은데 저와 같은 고민이 있는 분들이라면 SoftlyAI를 통해 원하는 AI를 도입하실 수 있을 것이라고 생각합니다.

트로스트 김태욱 CTO

트로스트는 누구나 쉽게 마음의 문제를 관리받을 수 있고, 스스로 자신의 정신건강을 진단할 수 있는 일상 멘탈케어 서비스입니다. 많은 사람들이 정신적인 어려움을 겪더라도 전문가에게 심리 상담을 받는 것을 어려워하기 때문에 이를 해결하고자 시작되었죠. 국내에서 가장 오래된 멘탈케어 서비스이자 가장 많은 사람들이 마음이 어려울 때 찾는 서비스입니다. 지금은 어려운 상황에서만 찾는 서비스가 아니라, 가벼운 멘탈케어 까지도 할 수 있는 제품으로 나아가고 있습니다.

---

AI 도입 과정과 SoftlyAI를 선택한 이유

트로스트가 AI를 도입하고 싶었던 배경

심리 상담에 대한 경험이 많이 없는 분들은 상담을 위해 어디서, 그리고 어떻게 시작해야 하는지, 또는 어떤 상담사가 나를 잘 도와줄 수 있는지 찾기 어려워 합니다. 따라서 상담을 진행하기 전까지도 선택한 상담사가 나와 잘 대화가 통할지, 그리고 내가 가진 문제를 선택한 상담사와의 대화를 통해 해결 할 수 있을지를 고민하게 되죠.

이 때 살펴보게 되는 것은 이 상담사와 이미 상담을 진행했던 다른 사람들의 리뷰입니다. 마치 우리가 네이버 쇼핑이나 아마존 등에서 제품을 구매하기 전에 제품 리뷰를 읽어보는 것 처럼요. 하지만 리뷰의 양이 많아지고, 상담사 분들이 전문성과 특징이 다양해짐에 따라 사용자들은 더 많은 후기를 읽어보아야 하고, 상담을 하기까지의 장벽이 더 높아집니다.

트로스트도 이런 유저의 행동과 어려움을 인식하고 있었습니다. 그래서 상담이 끝난 직후, 유저들에게 상담에 대한 평가를 객관식으로 받은 뒤 종합하여 상담사에 대한 전반적인 평가 결과를 보여주는 방식으로 해결하고 있었습니다. 구체적으로는 내담자들에게 상담에 대한 종합적인 만족도를 1~5점으로 받고, 상담의 여러 특징 중 가장 일반적이라고 볼 수 있는 특징을 공감과 위로, 적절한 조언, 격려와 지지, 새로운 시각, 심리관련 정보의 다섯가지로 좁혀서 이 중 해당하는 특징을 선택하도록 했습니다. 이렇게 각 상담사 별로 받은 유저들의 평가 결과를 취합하여 상담에 대한 만족도와 상담사의 특성을 요약해서 보여주고 있습니다.

하지만 유저들이 생각하는 상담의 특성이 정해진 다섯가지 특성에 해당되지 않는 경우도 있고, 별점 제도는 각 특성에 대해 어떻게 만족했는지 파악하기 어려웠습니다. 그리고 별점과 실제 리뷰의 내용이 배치되는 경우도 있었구요. 아래의 예시 2개는 모두 같은 상담사에 대한 내담자 분들의 리뷰입니다. 두 내담자 모두 좋았던 점과 함께 모두 시간이 생각보다 짧았다는 점을 아쉬운 점으로 언급하고 있지만 왼쪽은 별점이 2/5점, 오른쪽은 5/5점으로 점수의 차이가 크게 납니다. 또한 “두서없이 이야기했으나 핵심을 잘 파악해주신다”라는 상담사님의 장점은 사전에 정해진 다섯가지 특성에서 표현되기 어렵습니다. 만약 나의 문제를 상담사분께 전달하는 것에 대한 부담감이 있었던 분이 이 후기를 볼 수 있었다면 상담을 하기로 결정하기 위한 고민의 시간이 줄어들지 않았을까요?

요약하면, 트로스트는 사용자들이 상담을 받기로 결정하는 데에 걸리는 시간을 단축시키고, 상담으로의 전환율을 향상시키기 위해 1) 다른 사용자들이 남긴 리뷰 텍스트에서 상담에 대한 특성이 담긴 키워드가 bottom-up으로 추출되고 2) 텍스트에 기반한 상담 서비스의 만족의 정도가 점수 형태로 추출되는 AI 모델이 필요했습니다.

그동안 AI 도입을 망설였던 이유와 SoftlyAI를 선택한 과정

AI 모델을 개발하고 이를 서비스에 적용하기 위해서는 전문적인 역량이 필요합니다. 따라서 직접 필요한 지식을 학습 하거나, 실력있는 AI 개발자를 채용하는 경우에 많은 비용이 필요합니다. 더 나아가, 필요한 지식 혹은 사람이 있다고 하더라도 서비스의 목적에 맞는 AI 모델을 개발하기 위해서는 추가적인 시간과 비용이 듭니다. 이 때문에 더 효과적으로 필요한 기능을 구현하기 위해서 필요한 AI API를 찾게 되죠.

트로스트도 비슷한 과정을 거쳐 트로스트에서 해결하고 싶은 문제를 풀 수 있는 외부 AI API를 많이 찾아보았다고 합니다. 조금만 검색하더라도 키워드 추출을 수행하는 많은 AI API가 있고, 감성 분석(Sentiment Analysis)은 말할 것도 없이 더욱 많은 선택지가 있습니다.

아무리 선택지가 많고, 각각의 서비스에서 벤치마크 데이터에 대해 성능을 공개하고 타사 모델과 성능을 비교하며 더 낫다고 강조하더라도 트로스트의 리뷰 텍스트와 사용 맥락에 적합하지 않으면 무의미합니다. 결국, 이 API들이 트로스트의 상담 도메인과 리뷰 텍스트에 적합한지 확인할 수 있는 가장 좋은 방법은 직접 트로스트의 데이터에 대해 여러 API들의 결과를 받아보고 비교하는 것입니다. 하지만 이 또한 결과를 공정하게 비교하기 위해 내부 벤치마크 데이터가 필요하고, 많은 API를 사용해보아야 하고, 정량적인 평가가 어려운 과제이기 때문에 직접 사람이 확인하는 과정에서 적지 않은 시간이 소요된다는 어려움이 있었습니다. 무엇보다도, 이 모든 것을 감안하더라도 외부 API 중 트로스트에 딱 맞는 결과를 도출하며 트로스트가 필요한 성능을 만족하는 AI 모델은 없을 것이라는 생각에 외부 AI API 도입을 망설이게 되었다고 합니다.

위와 같은 맥락에서 트로스트는 서비스와 비즈니스에 대한 이해도가 높으면서도 AI에 대한 전문성을 갖추고 있는 것이 파트너를 선정함에 있어 가장 중요했습니다. 이 부분에서 SoftlyAI가 적절한 파트너라는 생각이 들어 선택하게 되었다고 합니다. 결과적으로 트로스트는 직접 개발하거나 전문가를 고용하는 것보다 더 저렴하고 빠르게 문제를 해결할 수 있었고, 점차 일반적인 AI API가 많아지는 상황에서 트로스트에 맞는 경쟁력있는 AI API를 얻을 수 있었습니다.

---

트로스트의 니즈를 AI 태스크로 구체화

서비스에 유용한 AI 모델이 되기 위해서는 서비스의 사용 맥락에 맞는 AI 태스크의 정의가 매우 중요합니다. 키워드 추출은 이미 AI에서 연구가 많이 되어온 분야이지만 연구에서 정의하는 태스크와 트로스트에 필요한 태스크는 달랐습니다. 트로스트의 목표와 서비스에 대한 이해를 바탕으로 AI로 구현 가능한 트로스트의 키워드 추출과 만족도 점수 예측 태스크로 구체화할 필요가 있었죠.

키워드 추출

1. 키워드는 “상담(사)에 대한 추천/비추천 이유”를 설명할 수 있는 특징이어야 합니다.
2. 같은 상담(사)에 대한 추천/비추천 이유이지만 사용자들이 이를 설명하는 방식이 다양합니다. 하지만 상담사 별로 리뷰 키워드를 요약해서 사용할 수 있도록 추출된 키워드가 너무 다양해서는 안됩니다.
3. 리뷰에는 단어 형태로 추출되기 어려운, 서술식으로 상담에 대한 특성을 설명하는 케이스가 존재합니다. 이 경우에도 키워드로 표현되어야 합니다.
4. 리뷰에는 “이번 상담(사)”에 대한 후기 뿐만 아니라 “다른 상담(사)”에 대한 내용도 포함되어 있습니다. “이번 상담(사)”에 대한 내용에서만 키워드를 추출해야 합니다.

SoftlyAI는 이 조건들을 바탕으로 키워드를 문장에서 생성하는 방식으로 해결하되, 생성 결과가 너무 다양해지지 않고 상담 도메인에 맞게 생성되도록, 표현 방식이 다르더라도 근본적으로 동일한 상담(사)에 대한 추천/비추천 이유를 바탕으로 했다면 근본적인 이유를 키워드로 생성할 수 있도록 개발했습니다.

만족도 점수 예측

1. 사용자들이 매긴 전반적인 점수와 리뷰 텍스트가 일치하지 않는 경우가 있기 때문에, 텍스트 내에서 표현된 내용을 바탕으로 만족도가 별점처럼, 점수로 수치화되어야 합니다.
2. 상담사 별로 특징 키워드와 점수를 요약해서 볼 수 있어야 하기 때문에 키워드 별로 매핑(mapping)되는 만족도 점수가 필요합니다.

흔히 리뷰에서 만족도 예측을 할 때에 긍정/부정/중립의 감성 분석(Sentiment Analysis) 결과와 이에 대한 모델의 예측 정확도(Probablity)를 활용하는 경우가 많습니다. 하지만 만족/불만족은 감정(Emotion) 관점에서는 긍정/부정과 다른 개념이며, 예측 정확도는 신뢰도에 가까운 개념이지 실제 감정의 정도(Degree)와 전혀 다른 의미입니다. 예컨대, 어떤 문장에 대해 감성 분석 모델이 긍정, 부정, 중립을 각각 0.4, 0.3, 0.3의 예측 정확도를 보여준다고 했을 때 이 문장이 긍정을 0.4, 부정을 0.3, 중립을 0.3 정도로 동시에 함유하고 있다고 해석하는 것이 아니라, 문장이 긍정적이라고 예측되지만 그 확률이 0.4 정도로 낮아서 이 문장이 긍정적이지 않을 가능성이 높다고 해석해야 합니다. 이 때문에 정도를 예측하기 위해서는 별도의 정도를 예측하는 모델이 필요합니다.

SoftlyAI는 만족/불만족의 정도를 예측하는 감정 예측 모델(Emotion Detector)을 개발하였고, 리뷰에서 감정이 일관되게 표현된 부분을 분리하여, 분리된 문장 별로 키워드와 감정의 정도를 예측하였습니다.

SoftlyAI 모델 결과

키워드 추출

아래는 트로스트에 실제 내담자가 남긴 상담 리뷰입니다. 이 분은 이번 상담사에 대한 이야기를 하기 위해 처음 상담했던 분과의 특징을 비교하고 있습니다. 붉게 강조한 부분이 이번 상담사에 대한 리뷰가 아닌, 이전에 상담했던 상담사 분의 특징입니다. 그러다보니 리뷰에서 상담에 대한 특성을 추출할 때 이번 상담이 아닌 부분에 대해서는 추출하지 않아야 했습니다. 또한 상담 이후 내담자가 자신의 문제를 해결할 수 있는 마음의 힘을 가지게 되는 것은 매우 중요합니다. 그런 관점에서 “내담자가 스스로를 이해하게 되는 것”과 “문제를 해결할 수 있는 가능성을 발견하게 되는 것”은 매우 중요한 내용이기에 관련된 특징이 추출되어야 합니다.

혹시나 상담사분께서 보시고 비교해서 상처받으실까봐 많이 걱정되지만, 제 경험 그대로를 적자면, 저한테는 많이 안맞았어요.. 이 분 말고 처음 상담해주신 분이 더 저렴(4.5만)했는데도, 장문으로 적은 제 상황을 3분 정도 시간을 들여 읽어주신 후 상담을 진행했기 때문에, 그 분은 해결책을 착착 제시해주셨어요. 제 입장이 되어서 또 다른 시야도 많이 알려주시기도 하셨고, 또 주제를 1시간 동안 3가지 정도 해결책 위주로 이야기를 하셔서 알찼어요. 반면에 이 분은 같은 장문인데도 읽는데 오래 걸린다고 하시면서, 대화하면서 상담을 진행하다보니, 저에 대해 다방면으로 이해하고 계신다는 느낌은 못받았어요. 또 해결책보다는 공감위주로 상담하다보니, 제 입장에서는 결론이 시원하게 안나와서 많이 아쉬웠어요.. 1시간 동안 주제 하나로 대화했는데도 뭔가 속 시원하지는 않았습니다.. 멘토카드도 처음 분은 2장 분량으로 채워주셨는데, 이 분은 반 페이지 분량으로 적어주셔서 저에게는 가격 대비 많이 아쉬웠어요.
#공감과 위로

트로스트 리뷰

이에 대해 타사 AI 모델의 키워드 추출 결과와 SoftlyAI 모델의 키워드 추출 결과를 비교해보면 다음과 같습니다.

• SoftlyAI 모델은 상담 서비스의 관점에서 적합한 키워드를 생성할 수 있습니다.
  • 타사 AI 모델은 “반면에 이 분은 같은 장문인데도 읽는데 오래 걸린다고 하시면서, 대화하면서 상담을 진행하다보니, 저에 대해 다방면으로 이해하고 계신다는 느낌은 못받았어요.”는 표현에서 상담 서비스를 평가하는데 다소 중요하지 않은 #다양한 관점 이라는 키워드를 생성합니다.
  • SoftlyAI의 모델은 #성실함 부족 과 #내담자 상황 이해 부족 이라는, 상담의 특징으로 중요한 키워드를 생성합니다.
  • 타사 AI 모델은 “1시간 동안 주제 하나로 대화했는데도 뭔가 속 시원하지는 않았습니다..”라는 리뷰에서 #짧은 상담시간 이라는 키워드를 생성합니다.
  • SoftlyAI 모델은 이를 해석하여 #문제 해결 능력 부족 이라는 키워드를 생성합니다.

• SoftlyAI 모델은 전혀 다른 리뷰에서도 동일한 키워드를 생성할 수 있습니다.
  • “반면에 이 분은 같은 장문인데도 읽는데 오래 걸린다고 하시면서, 대화하면서 상담을 진행하다보니”와 “멘토카드도 처음 분은 2장 분량으로 채워주셨는데, 이 분은 반 페이지 분량으로 적어주셔서”는 상담사의 불성실함을 표현하는 서로 다른 문장입니다.
  • 타사 AI 모델은 한 문장에서는 키워드 추출을 하지 못했고, 다른 문장에서는 #부족한 정보 라는 키워드를 생성합니다.
  • SoftlyAI의 모델은 두 문장에서 동일하게 #성실함 부족 이라는 키워드를 생성합니다.

• SoftlyAI 모델은 이번 상담의 관점에서 키워드를 생성할 수 있습니다.
  • “이 분 말고 처음 상담해주신 분이 더 저렴(4.5만)했는데도, 장문으로 적은 제 상황을 3분 정도 시간을 들여 읽어주신 후 상담을 진행했기 때문에, 그 분은 해결책을 착착 제시해주셨어요. 제 입장이 되어서 또 다른 시야도 많이 알려주시기도 하셨고, 또 주제를 1시간 동안 3가지 정도 해결책 위주로 이야기를 하셔서 알찼어요.”는 다른 상담사와 이번 상담사를 비교하면서 적은 표현입니다.
  • 타사 AI 모델은 여기에서 #저렴한 비용 과 #긴 상담시간 을 생성하였습니다. 틀린 키워드가 생성되기도 했지만 (#긴 상담시간) 이번 상담이 아닌 지난 상담사에 대한 키워드가 생성됩니다.
  • SoftlyAI 모델은 이를 이번 상담의 관점에서 해석하여 이번 상담사에 대해 칭찬한 부분과 반대로 #내담자 상황 이해 부족 과 #해결책 제시 부족 을 키워드로 생성합니다.

만족도 점수 예측

아래는 트로스트에 실제 내담자가 남긴 상담 리뷰와 이에 대한 별점입니다. 상담에서 만족했던 점과 그렇지 못했던 점을 모두 언급하고 있고, 이 때문에 3점을 준 것 같습니다.

이야기를 잘 들어주시고 반응을 잘 해주시는 건 좋았습니다. 상담시간을 초과해서 더 조언을 해주신 것도 너무 감사합니다. 하지만 해결책으로 단순히 자신감을 갖고 긍정적으로 생각하라고 하셔서 좀 막막했네요.

#공감과 위로
★★★☆☆ 3/5

트로스트 리뷰

이에 대해 타사 AI 모델의 예측 결과와 SoftlyAI 모델의 결과를 비교해보면 다음과 같습니다. 만족도 점수를 예측하는 다른 AI 모델이 없기 때문에 여기에서는 일반적인 긍정/부정/중립의 감성 분석 결과를 정리하였습니다.

• SoftlyAI 모델은 긍정/부정의 관점이 아닌, 만족/불만족의 관점에서 텍스트를 판단할 수 있습니다.
  • 타사 AI 모델은 일반적인 감성 분석 (Sentiment Analysis) 관점에서 긍정, 부정, 중립으로 판단합니다.
  • SoftlyAI 모델은 만족와 불만족의 감정 분석 (Emotion Analysis) 관점에서 판단합니다.

• SoftlyAI 모델은 만족/불만족이라는 감정의 정도를 예측할 수 있습니다. 이는 긍정/부정에 대한 예측 정확도와 다르며 실제 감정의 정도를 판단합니다.
  • 타사 AI 모델은 감성 분석 결과에 대한 모델의 예측 정확도를 반환합니다. 하지만 이는 긍정/부정/중립이라는 감성에 대한 모델의 신뢰도에 가깝고, 감성이 느껴지는 정도와는 다릅니다.
  • SoftlyAI 모델은 만족과 불만족이라는 감정이 느껴지는 정도를 예측합니다. 여기서는 만족의 관점에서 감정의 정도를 판단하고 있기 때문에 불만족은 만족도가 낮은 정도를 보여주고 있습니다.

---

SoftlyAI의 AI 모델 도입 이후

트로스트는 사람들이 더 쉽게 전문가에게 심리상담을 받을 수 있게 하기 위해 상담사들과 그들의 정보를 확인할 수 있도록 양질의 리뷰 데이터를 활용하며 지속적인 성장을 하고 있습니다. 이를 위해 SoftlyAI를 통해 상담에 대한 지식과 사용자가 경험하는 트로스트 서비스(텍스트 기반 비대면 상담)의 특징을 고려한 AI 모델을 제작하였으며, 다양한 시도를 하기위해 준비중에 있습니다.

사용자 관점으로 상담사 프로필 개선

SoftlyAI 모델은 내담자가 작성한 후기로부터 키워드를 추출합니다. 이로 인해 유저의 관점에서 작성된 키워드로 상담사의 상담 스타일을 설명해 줄 수 있어서 사용자들이 좀 더 넛지되고 공감할 수 있습니다. 예를 들어 기존의 키워드가 #적절한 조언 이었다면, SoftlyAI의 모델을 적용한 이후에는 #현실적인 조언 이라는 키워드가 수면 위로 드러납니다. 내담자의 상황이나 상담사의 스타일에 따라 느끼는 “적절한” 조언의 범위가 넓다보니 상담 이후의 모습을 상상하기가 쉽지 않은데, 이를 사용자 입장에서 구체적으로 와닿는 “현실적인 조언”이라는 표현으로 변경하여 사용자들이 쉽게 스스로의 상황에 적합한 상담사를 선택할 수 있게 됩니다.

추천 로직 개선

트로스트 서비스의 사용자가 많아지면서 더 많은 상담사가 등록되고, 상담사들에 대해 작성된 후기도 늘어나고 있습니다. 거대한 데이터에서 사람들은 본인이 원하는 상담사를 찾기 어려워하는 경우도 많이 발생합니다. 따라서 사용자가 가진 관심사에 알맞은 정보를 맞추어 제공하는 개인화 추천이 중요하게 여겨지는데요, SoftlyAI의 AI 모델은 사용자 후기 데이터만을 활용해 내담자가 진행한 상담에 대한 내용에서 키워드를 추출하고 있습니다. 이렇게 추출된 사용자 후기 키워드를 활용해 개인화 추천을 적용한다면, 처음 심리상담을 받는 사람들이 선택한 상담사가 본인의 문제를 잘 들어주고, 공감하고, 해결해 줄 수 있을지 파악하는데 도움이 될 것으로 보입니다.

상담 서비스 개선

트로스트는 내담자에게 제공되는 상담 서비스의 품질을 향상시키기 위해 사용자들의 목소리를 귀기울여 듣고, 상담사 분들께 지속적으로 상담 내용에 대한 피드백을 제공하고 있습니다. 이 때 분석해야하는 텍스트의 양이 많기 때문에 직접 읽고 분석하는 것에 많은 시간이 소요됩니다. SoftlyAI의 AI모델을 바탕으로 사용자들이 작성하는 텍스트에서 추출한 키워드를 활용해 정리한다면, 더 빠르게 사용자들의 니즈를 반영한 상담 서비스 고도화가 가능해질 수 있을 것입니다.

마무리하며,

SoftlyAI는 트로스트가 가진 문제를 듣고, 이를 해결할 수 있는 AI 모델을 제작하기 까지 2주가 소요되었습니다.

비즈니스가 가진 문제를 AI로 해결할 수 있을지 판단하기는 쉽지 않습니다. 더 나아가, AI 전문가를 채용해 자체 개발을 하는것도 투자대비 불확실성이 높습니다. SoftlyAI는 AI에 대한 업계 최고 수준의 전문 지식과 비즈니스에 대한 깊은 이해도가 뒷받침된 다양한 실무 및 연구 개발 경험을 바탕으로 비즈니스의 AI 도입 과정에서 발생하는 고민을 해결하고 있습니다. ChatGPT와 같은 생성형 AI 도입을 고려하고 있거나, 비즈니스를 위한 AI에 대한 고민이 있는 분이라면 SoftlyAI와 함께 AI의 가능성을 탐색해보세요.