챗봇의 모든 것:
규칙 기반부터 AI까지
말과 글로 이어진 인터페이스, 챗봇의 본질
AI 시대가 열리면서 "챗봇"이라는 단어가 다시 주목받고 있다. 하지만 막상 챗봇이 무엇인지, 어떤 종류가 있는지 명확하게 설명하기는 쉽지 않다. 시나리오를 따라가는 것도 챗봇이고, GPT 같은 모델과 자유롭게 대화하는 것도 챗봇이라고 불린다. IBM, Hubtype, 네이버 D2, 카카오 비즈니스 가이드 등 다양한 자료를 살펴보면, 챗봇은 크게 두 가지 축으로 나눌 수 있다.
1. 규칙 기반(Rule-based)
2. AI 기반(AI-based)
이 두 축 외에도 챗봇이 무엇인가에 대한 이야기를 해보려 한다.
규칙 기반 챗봇 (Rule-based Chatbot)
규칙 기반 챗봇은 말 그대로 정해진 규칙과 흐름을 따라 동작한다.
시나리오 기반(Flow-based)
카카오 비즈니스 가이드를 참고하면 "시나리오"라는 하나의 대화 흐름 단위로 챗봇을 구분하고 있다. 예를 들어, 예약 → 날짜 선택 → 시간 선택 → 확인 같은 단계가 이어지는 구조다.
- 장점: 안정적이고 서비스 정책 반영이 확실하다.
- 단점: 정해진 플로우를 벗어난 질문에는 취약하다.
FAQ/QnA 기반 (Retrieval-based)
IBM에서는 이를 "인터랙티브 FAQ"라고 설명한다. 미리 정해둔 질문과 답변을 매칭해 보여주는 방식이다. 시나리오와 비슷하지만 다음 단계가 계속 이어지는 것과 달리 Q → A 식으로 질문에 대한 목적인 답변으로 끝나는 '단일 정답지 찾기'와 같은 느낌으로 생각하면 된다.
- 장점: 심플하고 관리가 쉽다.
- 단점: 질문이 조금만 달라져도 매칭이 어려울 수 있다.
결국 시나리오 기반과 FAQ 기반은 모두 "규칙 기반"이라는 같은 뿌리에서 나왔다고 볼 수 있다. 다만 전자는 연속적인 절차 안내, 후자는 단일 질문-답변 제공이라는 차이가 있다.
발화 & 인텐트 기반 챗봇 (Intent-based Chatbot)
발화(utterance)는 사용자가 실제로 입력한 문장이고, 인텐트(intent)는 그 문장의 의도를 분류한 라벨이다.
*예 1) 발화: “예약할래요”, “내일 진료 잡아줘” → 인텐트: 예약하기
*예 2) 발화: “오늘 취소하고 싶어요” → 인텐트: 예약취소
챗봇은 사용자의 발화를 인텐트로 분류한 뒤, 그에 맞는 답변이나 액션을 실행한다.
이 방식은 구현 방식에 따라 규칙 기반과 AI 기반 모두에 속할 수 있다.
키워드 매칭, 정규식만으로 단순 분류 → 규칙 기반
머신러닝/자연어 처리(NLU) 모델을 학습시켜 의도를 분류 → AI 기반
- 장점: 사용자 표현이 다양해도 동일한 의도를 인식할 수 있다.
- 단점: 설계 품질과 데이터 양이 성패를 가른다. 경우의 수가 많아질 경우 의도와 다른 답변이 나오는 Edge case가 많아지며 퀄리티가 떨어진다.
AI 기반 챗봇 (AI-based Chatbot)
AI 기반 챗봇은 자연어 이해(NLU)나 대규모 언어모델(LLM)을 활용한다.
생성 기반(Generative, LLM)
GPT, Gemini 같은 LLM이 대표적이다. 미리 정해진 답변이 아니라, 맥락에 따라 답변을 직접 생성한다.
- 장점: 자유로운 대화, 유연성
- 단점: 할루시네이션 등이 발생할 수 있으며, 제어와 검증이 어렵다. 특히 의료·금융 같은 규제 산업에서는 가드레일이 필수다.
하이브리드, 현실적인 선택
Hubtype과 Robylon 같은 해외 자료에서도 강조하는 부분은 결국 "하이브리드"다.
실제 서비스는 대부분 규칙 기반 + 인텐트 기반 + AI 기반을 섞어 운영한다.
핵심 프로세스(예약, 결제, 수속) → 시나리오 기반
자주 묻는 질문 → FAQ 기반
사용자의 다양한 표현 → 발화 & 인텐트 기반
예외 상황이나 비정형 문의 → AI 기반 보조
이 조합이야말로 지금 우리가 쓰는 ‘실전형 챗봇’의 모습이다. AI라고 무조건 좋은 것이 아니라, 때로는 통제된 룰 베이스 환경에서 통제된 답변을 주는 것이 유저에게도 명확한 행동 방향을 제시할 수 있는 방법이다.
또한 비용만 고려해서 룰에만 얽매인 채로 서비스를 확장해 나가면 얽히고설킨 챗봇의 룰들에 기획도, 개발도 길을 헤매게 되는 수가 있다.
챗봇 UX 라이팅, 왜 더 중요할까
IBM과 네이버 D2 문서에서도 강조하듯, 챗봇은 텍스트가 곧 인터페이스다.
따라서 UX 라이팅 원칙이 더 중요하다.
짧고 명확하게 (한 줄 40자 내외)
구어체지만 정중하게
선택지를 먼저 보여주고, 직접 입력은 최소화
맥락이 자연스럽게 이어지도록 설계
기획자가 챗봇을 설계할 때
챗봇은 결국 ‘대화라는 UI를 설계하는 작업’이다.
AI가 챗봇을 더 똑똑하게 만들 수는 있지만, 챗봇을 기획하는 사람의 고민은 여전히 같다.
범위를 정의하고,
예외를 대비하고,
데이터를 업데이트하며,
안전성을 확보하는 일.
AI 시대에도 이 기본을 놓치지 않는 것이 챗봇 기획자의 몫일 것이다.
