AI기반 챗봇(Chatbot)의 기술동향 및 시장 전망

제1장 챗봇(Chatbot)의 개요 및 기술동향
1. 챗봇(Chatbot)의 개요 및 시스템
1-1. 챗봇(Chatbot)의 개요
1-1-1. 챗봇(Chatbot)의 등장 배경
가. 등장 배경
나. 챗봇의 특징
다. 모바일 컨시어지
1-1-2. 챗봇의 개념
1-1-3. 챗봇의 구조
1-1-4. 챗봇의 장점
1-1-5. 챗봇의 기술 요소
1-1-6. 챗봇의 필요성
1-1-7. 챗봇의 기대 효과
1-2. 챗봇의 유형
1-2-1. 규칙 기반 챗봇 방식(Retrieval-based Chatbot, 검색 모델)
가. 개요
나. 학습 과정
1-2-2. 머신러닝 기반 챗봇 방식(AI Chatbot, 생성모델)
가. 개요
나. 학습 과정
다. 생성모델(Generative model) 기술
다-1. word2vec
다-2. Seq2Seq(Sequence-to-Sequence, 시퀸스-투-시퀸스)
다-3. FastText
2. 챗봇 시스템
2-1. 정보 탐색
2-2. 대화 인터페이스
2-2-1. 대화시스템 개요
2-2-2. 대화 상대자의 의도 파악
2-2-3. 대화관리(DM: Dialogue Management)
2-2-4. 대화형 챗봇 서비스
가. 내재화된 대화형 서비스
나. 메신저 기반 대화형 서비스
2-2-5. 대화형 인공지능의 적용 사례
가. 구글의 알파벳(Alphabet)
나. 애플의 시리(Siri)
다. 페이스북의 메신저(Messenger)
2-3. 자연어 처리
2-3-1. 자연어 처리(Natural Language Processing, NLP) 기술
2-3-2. 자연어 이해(Natural Language Undetstanding, NLU) 기술
2-3-3. 딥러닝 기반 자연어 처리
2-3-4. 자연어 처리와 질의응답 시스템(question-answering system)

제2장 챗봇의 기술동향과 활용 사례
1. 챗봇의 개요 및 주요 핵심 기술
1-1. 챗봇의 개요
1-1-1. 메시징 앱의 성장
1-1-2. 챗봇의 도입
1-2. 챗봇의 주요 핵심 기술
1-2-1. 패턴인식(Pattern Recognition)
1-2-2. 자연어 처리(Natural Language Processing, NLP)
1-2-3. 시멘틱 웹
1-2-4. 텍스트 마이닝(Text Mining)
1-2-5. 상황인식 컴퓨팅(Context Aware Computing)
1-3. 산업별 동향
1-3-1. 대화형 커머스 및 O2O
가. 스타벅스의 ‘마이 스타벅스 바리스타(My Starbucks Barista)’
나. O2O 서비스 챗봇 ‘샤오아이스(Xiaoice)’
다. 맛집 예약 ‘알로(Allo)’
라. 숙박 예약 ‘알프레도’
마. 호텔예약 서비스 ‘익스피디아(Expedia)’
바. 택시호출 서비스 ‘우버(UBER)’
사. 항공사 메신저 챗봇 서비스
1-3-2. 지식 상담 서비스
가. 금융
가-1. NH농협은행 ‘금융봇’
가-2. 우리은행 ‘위비봇’
가-3. KEB하나은행 ‘핀고(Fingo)’
가-4. 뱅크 오브 아메리카(Bank of America)의 ‘에리카(Erica)’
가-5. 마스터카드의 ‘Mastercardbot’
나. 보험·증권
다. 법률챗봇(Legal Chatbot)
다-1. 챗봇 변호사 ‘두낫페이(DoNotPay)’
다-2. 스마트폰 법률 도우미 ‘로보(Law-Bo)’
1-3-3. 생활 유틸리티
가. 뉴스피드
나. 헬스케어
나-1. 심리치료 ‘카림(Karim)’
나-2. 의사비서 ‘멜로디(Melody)’
나-3. 의료 상담서비스 ‘헬스탭(Health tap)’
1-3-4. 고객지원(CS, Customer Service)
가. 마케팅
가-1. ebay ‘샵봇(ShopBot)’
가-2. 유니클로 챗봇 ‘UNIQLO IQ’
나. 상품·매장 안내
다. 주문·배송
다-1. 머니브레인 챗봇 ‘얌얌’
다-2. KLM 항공사 메신저 챗봇
라. 고객응대·지원
1-3-5. 기업내 업무환경 개선
2. 국내외 업체 동향 및 분야별 챗봇 서비스 및 활용 사례
2-1. 국내외 업체 동향
2-1-1. 국내 업체 동향
가. 네이버
나. 다이퀘스트
다. 와이즈넛
라. 카카오톡
마. 코난테크놀로지
2-1-2. 해외 업체 동향
가. 페이스북
나. 마이크로소프트
다. 구글
라. IBM
마. 아마존(Amazon)
바. 위챗(WeChat)
사. 왓츠앱(WhtasApp)
아. 킥(Kik)
3. 시장 전망
3-1. 시사점
3-2. 전망
3-2-1. 메시징 앱 시장 전망
3-2-2. 메신저 플랫폼 시장 전망

참고문헌

그림목차

[그림 1] 인공지능 기술의 분류
[그림 2] 2개의 채팅봇이 물건을 나누는 협상 과정을 학습
[그림 3] 챗봇 아키텍처
[그림 4] 하루 평균 앱 이용시간(분, Android Phone)
[그림 5] 월간 메시징 앱 vs 소셜 네트워크 서비스 사용자 수 비교
[그림 6] 성장하는 메시징 앱
[그림 7] 메신저 플랫폼과 채팅봇
[그림 8] 모바일 커머스의 진화
[그림 9] 모바일 컨시어지 서비스
[그림 10] 전세계 주요 모바일 메신저의 월간 이용자수(2017년 1월 기준)
[그림 11] 글로벌 소매 유통업 vs 이커머스 시장 매출 비교(2015~2018, 단위: USD Trillion)
[그림 12] 초기의 챗봇 엘리자(Eliza)
[그림 13] 챗봇 서비스 구조
[그림 14] 일반적인 챗봇 플로우
[그림 15] 챗봇의 운용 프로세스
[그림 16] 4가지 기업용 챗봇 활용사례
[그림 17] 지식표현 기술
[그림 18] AI기반 챗봇
[그림 19] 챗봇의 셀프서비스
[그림 20] 메타 봇의 개념
[그림 21] 챗봇 방식
[그림 22] IBM 왓슨의 인공지능 챗봇 솔루션 구성
[그림 23] 규칙 기반 챗봇
[그림 24] 규칙 기반 챗봇 학습 과정
[그림 25] 검색기반 챗봇의 기본적인 모델 구조
[그림 26] 자동 음성 인식(ASR) 및 자연어 처리 및 인식(NLU) 기반 챗봇 서비스
[그림 27] 인공지능 기반 챗봇의 구조
[그림 28] QA LSTM
[그림 29] 인공지능 챗봇의 학습 과정
[그림 30] Word2Vec 알고리즘과 학습 방법
[그림 31] Training Data
[그림 32] A simple CBOW model with only one word in the context
[그림 33] Skip-Gram 신경망 구조
[그림 34] CBOW와 Skip-gram의 차이
[그림 35] Seq2Seq encoder & decoder와 기본 구조
[그림 36] Train model과 Test model
[그림 37] LSTM이 적용된 여러 층의 시퀸스-투-시퀸스 네트워크
[그림 38] Neural Machine translation
[그림 39] Subword model
[그림 40] FastText model
[그림 41] 챗봇 구현
[그림 42] Ebay Facebook messenger
[그림 43] 음성 기반 네이티브 챗봇의 등장
[그림 44] 대화형AI 플랫폼
[그림 45] 대화 인터페이스 시스템
[그림 46] 자연어 생성(Natural Language Generation)
[그림 47] 가상 고객 비서의 작동 원리
[그림 48] End-To-End Memory Networks의 모델 아키텍처
[그림 49] 데이터 엔지니어스랩의 “SmartCounsel” 시스템 흐름도
[그림 50] 대화 상대자의 의도 파악
[그림 51] 대화시스템 모델
[그림 52] 인공지능 챗봇
[그림 53] Naver I 대화 관리 구조
[그림 54] 딥러닝 기반(자연어 이해+대화 관리)
[그림 55] 대화형 플랫폼(Conversation as a Platform)
[그림 56] 애플 시리 아키텍처
[그림 57] 자비스 구축을 위한 시스템 구성도
[그림 58] 마스터카드의 챗봇 시연 사진
[그림 59] NLP 단계
[그림 60] 챗봇 SW 프로그램
[그림 61] The text-to-speech pipeline
[그림 62] 문장 해석
[그림 63] NLU(Natural Language Understanding)
[그림 64] ASR, NLU 및 TTS가 결합된 가상 비서
[그림 65] 순환신경망(좌)과 LSTM(우) 비교
[그림 66] Syntaxnet Architecture
[그림 67] 단어의 의미와 문법을 찾아내는 파싱 구조
[그림 68] 질의응답 시스템
[그림 69] 인관관계 질의응답 시스템
[그림 70] 자연어 시스템의 구성
[그림 71] 페이스북 주요 서비스의 사용자 수(2016년 1월 기준)
[그림 72] 챗봇 지원을 발표한 메세징 앱 현황
[그림 73] 위챗 서비스
[그림 74] 챗봇 구축의 기본 요소
[그림 75] 패턴인식 및 활용 분야
[그림 76] 뇌의 시각정보처리 과정과 딥러닝 이미지인식
[그림 77] 시각 정보를 프로세싱하는 과정의 예
[그림 78] 룰 매칭 기반 인공지능 챗봇의 개념도
[그림 79] 자연어 처리
[그림 80] 시멘틱 웹 개요
[그림 81] 텍스트 마이닝 솔루션
[그림 82] 챗봇 시대 E-커머스와 물류
[그림 83] 마이 스타벅스 바리스타(My Starbucks Barista) 서비스
[그림 84] 구글의 챗봇 알로
[그림 85] 인공지능(AI) 챗봇 알프레도 이용현황(조사기간 2017. 03~2017. 05)
[그림 86] 익스피디아의 챗봇
[그림 87] Uber의 페이스북 챗봇
[그림 88] 항공사 탑승권 템플릿
[그림 89] 챗봇 서비스 개요
[그림 90] Virtual Agent(ChatBot)
[그림 91] 은행서비스의 비대면화
[그림 92] 디지털 기반의 고객 금융센터
[그림 93] 아르미AI 실시간 상담
[그림 94] 우리은행 위비봇
[그림 95] 범용 대화형 인공지능 플랫폼 ‘마음에이아이’
[그림 96] 챗봇 Value Chain
[그림 97] 인텔리전트 금융비서 ‘Erica’ 챗봇 대화 화면
[그림 98] MyKAI 등록 및 이용 절차
[그림 99] 금융권 적용 분야(IDEA)
[그림 100] 언더라이팅(Underwriting) Advisor
[그림 101] Wealth Management Advisor
[그림 102] 챗봇 서비스 시스템(대화형 생활법률 지식 서비스의 처리 방식)
[그림 103] 두낫페이(DoNotPay)
[그림 104] 쿼츠 앱의 사용 화면(왼쪽)과 설정 화면
[그림 105] 자율지능 디지털 동반자 시스템 구현도
[그림 106] 2016년 헬스케어 기술별 투자 금액(US＄ in millions)
[그림 107] 바이두가 개발한 AI 챗봇 ‘멜로디’
[그림 108] 헬스탭의 헬스케어 챗봇
[그림 109] 챗봇과 오퍼레이터의 구조도
[그림 110] ebay 샵봇(ShopBot)
[그림 111] 스텁허브(StubHub) 서비스
[그림 112] 다이퀘스트 ‘인포채터’ 도식도
[그림 113] 공항 및 항공사의 패스트 트래블 프로그램 서비스 준비도
[그림 114] 기업에서의 AI 도입시 고려 요소
[그림 115] 업무용 챗봇
[그림 116] 경기도의 “스마트 고지와 핀테크 기반의 지능형 세정 서비스”
[그림 117] 네이버톡톡 챗봇 구조
[그림 118] 라온 구조
[그림 119] 다이퀘스트 ‘인포채터’ 도식도
[그림 120] 와이즈넛의 콜센터 대응 챗봇 ‘와이즈봇’ 개념도
[그림 121] 카카오 플러스 친구
[그림 122] 코난봇 워크플로우
[그림 123] 자비스 구축을 위한 시스템 구성도
[그림 124] MS사의 첫 챗봇 모델 Tay
[그림 125] Microsoft Bot Framework
[그림 126] Google Cloud Platform Blog Architecture
[그림 127] Watson Conversation 서비스 개요
[그림 128] IBM 왓슨
[그림 129] Watson의 답을 얻는 과정
[그림 130] 아마존이 공개한 AI 서비스
[그림 131] 아마존 렉스의 애플리케이션 봇
[그림 132] 위챗 챗봇 워크 플로우
[그림 133] List of WeChat Features
[그림 134] WhatsApp architecture
[그림 135] 세계 인공지능 시장 규모(단위: 억 달러)
[그림 136] 글로벌 챗봇 시장 규모
[그림 137] 광고 미디어 활용 챗봇 국내외 전망
[그림 138] 2020년 국내 자연어 처리 관련 시장 규모
[그림 139] 문자(Text) 기반 챗봇 주요 핵심 기술별 전망
[그림 140] 스마트폰 이용 목적
[그림 141] AI 채팅앱 국내외 시장 전망
[그림 142] 주요 메시징 앱 MAU
[그림 143] 모바일 앱 전망

표목차

[표 1] ICT 패러다임 진화
[표 2] 봇의 종류와 분류
[표 3] 메신저 기반의 다양한 컨시어지 서비스
[표 4] 모바일 컨시어지 서비스
[표 5] 인공지능의 주요 이정표 및 챗봇(Chatbot)의 발전 과정
[표 6] 주요 메신저 업체의 챗봇 서비스
[표 7] 챗봇의 구분 및 발전 단계
[표 8] 인공지능 기반 챗봇 기술 활용 분야 및 플랫폼 서비스 산업의 구조
[표 9] 챗봇의 분류
[표 10] 챗봇(ChatBot)의 유형
[표 11] Deep Learning의 적용 및 성공 사례 및 인공지능의 진화
[표 12] FastText와 심층학습 기반 방법 비교
[표 13] trim 명령어의 옵션
[표 14] 챗봇과 인공지능, 두 가지 관계형성 방법
[표 15] 챗봇 API 공개 현황
[표 16] 구글의 인공지능 관련 기술 및 사업화 현황
[표 17] 글로벌 IT기업들의 인공지능 개발 현황
[표 18] 형태소 분석 과정
[표 19] 자연어처리 구성 및 처리 단계
[표 20] 자연어 처리 시스템
[표 21] 개발 툴(봇 빌더/프레임워크)과 다양한 챗봇 응용 프로그램
[표 22] 챗봇 구축 툴
[표 23] 챗봇 핵심 기술
[표 24] HTML5의 시멘틱 구조
[표 25] 시맨틱 웹 기술 계층 구조
[표 26] 텍스트 마이닝 개요
[표 27] 상황인지 컴퓨팅 주요 기술
[표 28] 챗봇의 주요 활용 분야 및 시장 전망
[표 29] 챗봇의 5대 활용 분야
[표 30] 국내외 금융권 챗봇 서비스 현황
[표 31] 4대 시중은행 직원수·점포수 추이
[표 32] 채널별 금융서비스 처리 비중
[표 33] ‘핀크’ 주요 서비스 내용
[표 34] 해외 주요 챗봇 서비스
[표 35] 리걸테크 서비스 종류
[표 36] 국내외 ICT 기업의 챗봇 서비스 개발 현황
[표 37] 카카오톡 챗봇 서비스
[표 38] 주요 Messaging App 현황
[표 39] IBM 왓슨 API 기능
[표 40] 광고 및 미디어에 활용되는 문자 기반 AI 채팅앱의 국내외 시장 전망(단위: 백만 달러, 억 원)