전화 AI와 통화해 보셨나요? 신기하게도 말하면 알아듣고, 자연스럽게 대답까지 합니다. 그런데 그 과정을 들여다보면 꽤 흥미로운 비밀이 하나 있습니다. AI는 사실 '소리'를 직접 이해하는 게 아니에요. 중간에 한 번 글자로 바꿨다가, 다시 소리로 되돌립니다.
1단계 — 소리를 글자로: STT
고객이 전화기에 대고 말을 하면, 그 목소리는 먼저 STT(Speech-To-Text), 즉 '말→글자' 변환기를 거칩니다. 음식 주문을 받아 적는 직원처럼, AI가 들려오는 소리를 받아써서 문장으로 만드는 거예요. 이 단계가 잘 돼야 AI가 고객의 의도를 제대로 파악할 수 있습니다. 발음이 조금 뭉개지거나 사투리가 섞여도 알아듣는 것도 사실 이 STT의 성능 덕분입니다.
2단계 — 생각하기
글자가 된 문장은 이제 AI의 두뇌로 넘어갑니다. '이 사람이 뭘 원하는가'를 파악하고, 적절한 대답을 문장으로 만들어냅니다. 이 과정은 채팅 AI와 사실 비슷합니다. 다만 전화는 채팅과 달리 기다리는 시간이 너무 길면 안 되기 때문에, 최대한 빠르게 답을 만들어야 합니다.
3단계 — 글자를 소리로: TTS
대답 문장이 완성되면 이번엔 반대 방향입니다. TTS(Text-To-Speech), 즉 '글자→말' 변환기가 그 문장을 실제 목소리로 읽어줍니다. 마치 내비게이션이 화면의 글자를 읽어주는 것처럼요. 여기서 억양·속도·발음이 얼마나 자연스러운지에 따라 고객이 느끼는 인상이 크게 달라집니다.
결국 전화 AI가 말을 주고받는 한 번의 대화 안에는, 소리→글자→생각→글자→소리라는 다섯 단계가 눈 깜짝할 새에 일어나고 있는 셈입니다. 이 두 번의 변환이 잘 맞물릴수록 통화가 더 매끄럽게 느껴집니다.
짧은 대화처럼 보여도, 고객이 말하는 순간부터 AI가 대답하는 순간까지 STT와 TTS가 쉬지 않고 작동하고 있습니다. 복잡한 기술이지만, 사용하는 사장님 입장에서는 그냥 '전화 받아주는 직원'처럼 느껴지도록 설계된 게 바로 전화 AI의 핵심입니다.