감성 분석
감성 분석(감정 분석)은 자연어 처리(NLP)와 AI를 사용해 텍스트에 담긴 감정의 어조를 파악하고, 보통 긍정, 부정, 중립으로 분류하는 기법입니다. 감정의 강도를 점수로 나타내거나 좌절, 흥분, 긴급처럼 더 세분화된 라벨을 붙이기도 합니다.
이해하기 감성 분석
감성 분석은 원래 제품 리뷰 분석과 소셜 미디어 모니터링에서 시작되었으나, 감정의 어조를 파악하는 것이 중요한 모든 분야에서 넓게 활용되고 있습니다. 비즈니스 커뮤니케이션에서는 감정 분석이 긴급 신호를 제공합니다. 예를 들어, 고객이 보낸 불만이나 긴급한 어조의 이메일은 일반적인 안내 메일과는 다르게 대응해야 합니다. 고급 감성 분석 모델은 긍정/부정/중립을 넘어 좌절, 흥분, 긴급함, 혼란과 같은 구체적인 감정도 식별하며, 한 텍스트 내에서 서로 다른 엔티티에 대한 감정까지 구분할 수 있습니다.
감성(센티먼트)이란 말 뒤에 있는 태도나 감정을 뜻합니다. 긍정적인 텍스트는 동의나 만족을 표현합니다("감사합니다, 해결됐어요"). 부정적인 텍스트는 불만, 실망, 분노를 표현합니다("벌써 세 번째 요청드립니다"). 중립적인 텍스트는 평가 없이 사실을 전달합니다("청구서를 첨부합니다"). 업무 이메일은 대부분 중립이므로, 중립이라는 결과는 실패가 아니라 정상입니다. 한 가지는 칭찬하고 다른 것은 비판하는 글에는 '혼합' 라벨을 붙이는 시스템도 있습니다.
텍스트의 감성을 분석하는 일반적인 방법은 세 가지입니다. VADER 같은 사전 기반 도구는 긍정어와 부정어 사전으로 단어마다 점수를 매겨 합산합니다. 빠르고 결과를 확인하기 쉽지만 비꼬는 말과 문맥에 쉽게 속습니다. BERT 계열 트랜스포머 모델을 미세 조정한 머신러닝 분류기는 라벨이 붙은 예시로 학습하며, 학습한 분야 안에서는 정확합니다. 대규모 언어 모델은 학습 데이터 없이 간단한 지시만으로 감성을 분류하고 이유를 설명할 수 있으며 돌려 말하는 표현도 더 잘 이해하지만, 메시지당 비용이 더 높습니다. 속성 기반 감성 분석은 언급된 대상마다 감정을 따로 매깁니다. "음식은 훌륭했지만 서비스가 느렸다"는 음식에 대해서는 긍정, 서비스에 대해서는 부정입니다.
감성 분석은 소셜 미디어의 브랜드 언급 모니터링, 제품 리뷰와 설문 응답 요약, 화가 난 고객의 지원 티켓 표시, 시간에 따른 고객 정서 추적, 이메일 우선순위 지정 등에 쓰입니다. 비꼬는 말("좋네, 또 장애야"), 은어와 업계 용어, 아주 짧은 메시지, 여러 감정이 섞인 글은 어려워합니다. 어조 분석은 가까운 기술로, 감정이 긍정인지 부정인지뿐 아니라 어떻게 말했는지(격식 있는, 퉁명스러운, 사과하는, 자신감 있는)를 설명합니다.
GAIA 활용 방법 감성 분석
GAIA는 별도의 감성 분류기를 돌리지 않습니다. 언어 모델이 이메일 전체를 읽기 때문에 어조도 무엇이 당신의 대응을 필요로 하는지 판단하는 요소가 됩니다. 읽지 않은 메일을 긴급도 순으로 정리해 달라고 하거나 "고객 메일이 화가 난 것 같으면 알려줘" 같은 워크플로를 만들면, 제목이 평범해도 주요 연락처가 보낸 불만 섞인 메시지가 위쪽에 올 수 있습니다. GAIA는 어조를 보낸 사람, 요청 내용, 메시지 안의 기한과 함께 판단합니다.
관련 개념
자연어 처리(NLP)
자연어 처리(NLP)는 인공지능의 한 분야로, 컴퓨터가 인간의 언어를 의미 있게 이해하고, 해석하며, 생성하고, 응답하도록 하는 데 초점을 둡니다.
이메일 분류
이메일 분류는 받은 이메일을 검토하여 긴급성, 유형, 필요한 조치별로 분류하는 과정입니다. 즉시 답변이 필요한 것, 기다려도 되는 것, 위임할 것, 답장 없이 보관할 것을 결정합니다.
의도 인식
의도 인식은 AI 시스템이 사용자의 입력 뒤에 숨겨진 목표나 목적을 파악하여, 단순히 표면적인 문장에만 반응하는 것이 아니라 상황에 맞는 적합한 답변이나 행동을 선택할 수 있도록 하는 과정입니다.
대형 언어 모델 (LLM)
대형 언어 모델(LLM)은 방대한 텍스트 데이터를 학습해 인간의 언어를 놀라울 정도로 자연스럽게 이해하고 생성하며 추론할 수 있는 인공지능 모델입니다.
