AI
AI가 먼저 거는 전화는 어떻게 만들까?
두줄요약
아웃바운드 AI 전화에서 LLM 분류와 노드 기반 대화 엔진을 분리해 지연을 줄였습니다.\nSVAD와 Jev로 응답성을 높이고 실제 캠페인 운영 성과를 확인했습니다.
문제 상황
- 미납 안내·일정 확인 등 기업 주도 아웃바운드 콜의 자동화 수요
- 예상하지 못한 전화 환경에서 정확한 대화 흐름과 짧은 응답 지연의 동시 요구
구조와 흐름
- LLM의 고객 답변 분류와 노드 엔진의 지정 발화·다음 단계 실행 분리
- 전역 규칙을 통한 발신처 문의·재통화 요청 등 공통 인터럽트 우선 처리
- 수집값 추출·확인·정정과 완료 조건 기반 하네스 제어
성능/운영 포인트
- SVAD 기반 의미론적 발화 종료 판단으로 완결 응답의 즉시 처리와 미완성 발화의 추가 대기 병행
- 발화 시작 시 이전 판단 무효화, 호출 ID·발화 버전 검증을 통한 비동기 결과 오반영 방지
- Jev 도입 후 평균 분류 응답 시간 196.2ms, 기존 LLM 대비 약 65% 단축
적용해볼 점
- 2,500건 대상 상담 의사 확인 캠페인에서 상담 희망 고객 83명 발굴
- 상담원과 유사한 전환 성과를 바탕으로 동시 통화 확대와 고객 확보 비용 절감 가능성 확인
