생성형 AI가 바꾸는 여행산업

생성형 AI의 발전과 여행 수요의 다양화로 여행산업의 패러다임이 변화하고 있다. 문화체육관광부와 한국관광공사가 발표한 ‘2022년 국내 관광 트렌드 보고서’에 따르면 소비자마다 여행 기간, 숙소 등 선호하는 여행 행태에 뚜렷한 차이를 보였을 뿐만 아니라 관심 활동의 격차 역시 커진 것으로 나타났다. 획일화된 코스로 여행하는 것이 아닌 각자의 취향과 여행 스타일에 맞춰 나만의 여행 코스를 직접 계획하여 다녀오는 여행 방식을 선호하는 사람들이 눈에 띄게 많아진 것이다.

이처럼 여행을 둘러싼 고객 니즈가 다각화되고 세분화되고 있다. 이러한 환경 속에서는 항공권, 숙박, 액티비티 예약 대행과 같은 기존의 천편일률적인 패키지형 여행상품만으로는 더 이상 소비자들의 선택을 받기 어려운데, 생성형 AI는 이처럼 다각화되고 있는 여행 수요에 대한 해답이 될 수 있다. 

생성형 AI는 여행지 정보, 사용자 리뷰, 인구통계학 데이터 등 여행 업계에 특화된 대량의 데이터와 선호 여행지, 성별, 연령 등 소비자 개개인에게 특화된 데이터를 통한 맞춤형 여행 플랜을 제공할 수 있다. 그뿐만 아니라 이러한 생성형 AI는 마케팅이나 CS 등 다방면으로 활용될 수 있다. 생성형 AI가 어떻게 여행 산업을 혁신할 수 있는지 그 원리와 적용 사례를 알아보도록 하자.

1. 생성형 AI가 여행 산업에 적용되는 기술적 원리

생성형 AI가 여행 산업에 적용되는 원리를 이해하기 위해서는 우선 초거대언어모델(LLM)의 사전학습(Pre-training)과 미세조정(Fine-tuning)이 어떻게 이루어지는지 살펴볼 필요가 있다. 이 두 과정은 생성형 AI 모델이 특정 도메인, 이 경우에는 여행 산업에 최적화된 성능을 발휘하도록 돕는 중요한 단계이다.

사전학습

사전학습은 대규모의 일반적인 데이터셋을 사용하여 모델을 학습시키는 초기 단계이다. 이 과정에서는 여행 산업에 국한되지 않고, 다양한 텍스트 데이터와 정보를 학습한다. 

예를 들어 위키피디아, 책, 뉴스 기사, 웹 페이지 등 방대한 양의 텍스트 데이터를 학습하면서 언어 모델은 이를 통해 모델은 언어의 기본적인 구조와 패턴을 이해하게 된다. 다음으로 모델은 텍스트의 다음 단어를 예측하거나 문장의 구조를 이해하는 등의 언어 모델링 작업을 수행한다. 이를 통해 모델은 자연어 이해와 생성 능력을 갖추게 되는 것이다.

미세조정

미세조정은 특정 도메인(여행 산업)에 학습된 모델을 최적화하는 단계이다. 이 단계에서는 사전 학습된 모델을 여행 관련 데이터로 다시 학습시켜 더 정교한 맞춤형 능력을 갖추도록 한다.

예를 들어 여행지 정보, 사용자 리뷰, 관광 명소 설명, 항공권 및 숙박 예약 정보 등 여행과 관련된 데이터를 사용하여 모델을 다시 학습시키는 과정이 필요하다. 그뿐만 아니라 여행 소비자를 위한 특정 작업을 수행할 수 있도록 여행 일정 생성, 추천 시스템, 고객 문의 응답 등 여행 산업에서 필요한 특정 작업을 수행할 수 있도록 모델을 학습하는 과정 역시 필요하다. 이 과정에서 실제 여행자들이 주고받는 대화 데이터, 고객 서비스 기록 등을 활용할 수 있다.

사전학습과 미세조정의 결합

사전학습을 통해 일반적인 언어 이해와 생성 능력을 확보한 후, 미세조정을 통해 여행 산업의 구체적인 요구사항에 맞는 능력을 갖추게 된다. 사전학습 단계에서 대규모 데이터를 사용하여 기본적인 언어 구조를 학습했기 때문에, 미세조정 단계에서는 비교적 적은 양의 도메인 특화 데이터만으로도 높은 성능을 발휘할 수 있다.

2. 실제 적용 사례

맞춤형 여행 플래너

호텔스닷컴을 운영하는 익스피디아 그룹의 조이 챈 아시아 디지털 커뮤니케이션 총괄은 “2023년 관광객 6%만이 챗GPT를 이용해서 여행 계획을 세웠지만 2024년에는 여행 여정에 생성형 AI 기술을 더 적극적으로 활용할 것”이라고 전망했다. 실제 조사 결과에 따르면 관광객의 50%는 다음 여행 계획 생성형 AI를 사용할 의향이 있다고 응답했으며, 특히 국내 관광객의 79%는 다음 여행을 계획하며 챗GPT 활용에 관심을 표명했다.

이처럼 여행사는 기존 이러한 니즈에 따라 생성형 AI를 활용한 여행 플래너의 적극적인 도입을 검토할 필요가 있다. 생성형 AI를 활용한 맞춤형 여행 패키지는 고객의 다양한 취향을 고려하여 개인화된 여행 일정을 제공하며, 고객은 자신의 취향과 관심사에 맞는 여행을 즐길 수 있게 된다. 이처럼 초개인화된 여행 플랜 작성은 생성형 AI가 고객의 리뷰 및 선호도와 같은 개별 데이터를 학습하며 생성 결과에 반영하기 때문에 가능하다.

고객 불편사항 해결(CS)

다양한 고객 불편 해결을 위해 많은 여행사에서는 상담 챗봇을 도입 및 운용하고 있지만, 기존의 규칙 기반(rule-based) 챗봇의 경우 대응이 느리고 정해진 범위를 벗어나는 질문에 대한 답변이 어려우며 고객 개개인의 특수한 상황을 고려하지 않는다는 한계점을 노출하고 있다. 이러한 기존 고객 서비스 대응 방식의 한계점에 대한 해결책으로 생성형 AI가 각광받고 있다.

기존의 여행 상담 챗봇과 차별화되는 생성형 AI의 가장 큰 장점 중 하나는 고객 서비스를 개인화하는 능력이다. 여행사 및 호텔은 생성형 AI를 활용하여 고객 데이터를 분석하고 개인의 예약 데이터에 기반하여 맞춤형 여행 일정을  추천을 생성하는 것뿐만 아니라 만일의 상황에 대비할 수 있다. 한발 나아가 고객 지원을 자동화함으로써 생성형 AI는 문의와 요청에 대한 개인화된 응답을 제공하여 고객 경험을 향상시킨다.

개인화된 마케팅

잠재 고객의 과거 여행 이력, 소비자 행동, 선호도, 소셜 미디어 활동 및 실시간 데이터를 분석하여 맞춤형 여행 제안을 생성할 수 있다. 이를 통해 고객 경험을 향상시키고 마케팅 효과를 극대화할 수 있다.  예를 들어 여행사와 항공 및 숙박업체들은 인공지능 플랫폼을 활용하여 소비자가 브랜드 사이트 내부에서 보이는 행태 데이터뿐만 아니라 해당 웹이나 앱을 벗어난 외부에서 행하는 행동 데이터까지 포함하여 종합적으로 분석할 수 있다. 이를 통해 해당 소비자 관심사에 따라 조정된 초개인 맞춤형(hyper-personalized) 추천 상품을 제시할 수 있다.

* 슈퍼브 블로그의 외부 기고 콘텐츠는 외부 전문가가 작성한 글로 운영 가이드라인에 따라 작성됩니다. 슈퍼브 블로그에서는 독자분들이 AI에 대한 소식을 더 쉽고 간편하게 이해하실 수 있도록 유용한 팁과 정보를 제공하고 있습니다.