사장님이 직원에게 '어제 손님이 뭐라고 했어?'라고 물으면, 직원은 기억을 떠올려 말로 전달하죠. 그런데 전화 AI는 어떻게 고객의 말을 '기억'할까요? 사실 AI는 맨 처음부터 소리 자체를 이해하지 못합니다. 먼저 소리를 글자로 바꿔야 비로소 의미를 파악할 수 있어요.
소리 → 글자, 이 한 단계가 왜 중요한가요?
전화기를 통해 들어오는 건 사실 파도처럼 출렁이는 음파입니다. AI는 이 음파를 아주 짧은 조각으로 잘게 나눈 뒤, 각 조각이 어떤 발음에 해당하는지 추측합니다. 이 과정을 '음성 인식(Speech Recognition)'이라고 부르는데, 쉽게 말하면 받아쓰기 전문 직원이 통화를 실시간으로 옮겨 적는 것과 같아요.
받아쓰기가 정확해야 뒤에 오는 모든 것이 제대로 작동합니다. 글자가 틀리면 AI가 아무리 똑똑해도 엉뚱한 대답을 내놓을 수밖에 없거든요. 마치 요리사가 좋은 재료를 받아야 맛있는 음식을 만들 수 있는 것처럼요.
전화 환경이 특히 까다로운 이유
- 잡음: 길거리, 주방, 카페 — 고객이 어디서 전화하는지 AI는 모릅니다.
- 음질 압축: 전화망은 음질을 압축해서 전달하기 때문에 원래 목소리보다 정보가 줄어든 채로 AI에게 도착합니다.
- 사투리·속도: 빠르게 말하거나 지역 억양이 강하면 받아쓰기 난도가 훌쩍 올라가요.
글로벌에서 전화 AI가 급속도로 발전한 이유 중 하나는, 바로 이 '소리→글자' 기술이 충분히 성숙해졌기 때문입니다. 이 관문이 열리지 않았다면 아무리 대화 능력이 좋은 AI라도 전화 상담에는 쓸 수 없었을 거예요.
실제 통화는 이렇게 흘러가요
저 있잖아요… 오늘 배송이 아직도 안 왔거든요, 근데 주소가 맞긴 한데…
네, 배송이 아직 도착하지 않으셨군요. 주문하실 때 등록하신 연락처 뒷자리 네 자리만 말씀해 주시겠어요?
어… 1-2-3-4요.
확인됐습니다! 현재 배송 중이며 오늘 오후 중 도착 예정이에요. 추가로 궁금한 점 있으실까요?
고객이 중간에 말을 흐리고 '있잖아요', '근데' 같은 군더더기 표현을 써도 AI가 핵심을 잡아내는 것, 바로 소리를 글자로 바꾸는 첫 관문이 탄탄하게 버텨주고 있기 때문입니다. 이 기초 기술이 전화 AI 전체의 품질을 조용히 떠받치고 있어요.