KR102348101B1 - Server and Method for guiding to automatic extension of loan thereof - Google Patents

Abstract

Translated fromKorean

대출 관리 시스템 및 이의 대출 자동 연장 안내 방법이 제공된다. 본 서버의 대출 자동 연장 안내 방법은, 대출 관련 정보로부터 기한 연장 대상 고객이 선정되면, 선정된 고객에게 자동으로 전화를 발신하거나 발신하도록 지원하는 단계; 상기 선정된 고객에 대응되도록 생성된 상담 스크립트에 기초하여, 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 전화 통화를 수행하거나 수행하도록 지원하는 단계; 및 전화 통화가 종료되면, 전화 통화 내용에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원하는 단계를 포함한다.A loan management system and a method of automatically renewing a loan therefor are provided. The automatic loan extension guidance method of the server, when a customer is selected from the loan-related information, the step of automatically sending or supporting to send a call to the selected customer; based on a consultation script generated to correspond to the selected customer, automatically performing or supporting to perform a phone call to confirm the loan extension intention of the selected customer; and when the phone call is terminated, determining whether to automatically renew the loan or supporting the decision based on the contents of the phone call.

Description

Translated fromKorean

서버 및 이의 대출 자동 연장 안내 방법{Server and Method for guiding to automatic extension of loan thereof}Server and Method for guiding to automatic extension of loan thereof

본 개시는 서버 및 이의 대출 자동 연장 안내 방법에 관한 것으로, 더욱 상세하게는 전화 통화를 통해 고객의 대출을 자동으로 연장하기 위한 서버 및 이의 대출 자동 연장 안내 방법을 위한 방법에 관한 것이다.The present disclosure relates to a server and an automatic loan extension guidance method thereof, and more particularly, to a server for automatically extending a customer's loan through a phone call, and a method for the automatic loan extension guidance method thereof.

현대 사회에서 금융 기관의 업무는 예금(수신) 업무, 대출(여신) 업무 및 환 업무 등으로 구분된다. 특히, 금융 기관뿐만 아니라 국가 경제의 리스크를 관리하기 위하여, 대출 관리 업무는 금융 기관의 매우 중요한 업무 중 하나로 여겨진다.In modern society, the business of financial institutions is divided into deposit (receipt) business, loan (credit) business, and foreign exchange business. In particular, in order to manage risks not only in financial institutions but also in the national economy, loan management is considered as one of the most important tasks of financial institutions.

한편, 종래에는 CSS(credit scoring system)의 심사 판정 결과를 바탕으로 대출 자동 기한 연기 대상인 고객에게 서류 작업 없이 당초 약정과 동일 조건으로 상담사가 유선 통화 안내한 후 대출 연장을 처리하였다.On the other hand, in the prior art, based on the judgment result of the CSS (credit scoring system), the loan extension was processed after the counselor guided the customer through the phone call under the same conditions as the original contract without the paperwork to the customer who is the target of the automatic loan extension.

그러나, 상담사가 직접 유선 통화를 통해 대출 연장을 안내하여 처리할 경우, 상담사의 인건비가 상당히 부담될 뿐만 아니라, 전염병(예로, 코로나 19)이나 재난 상황 등으로 인해 상담사가 대출 연장 업무를 수행할 수 없는 경우가 존재하는 문제점이 존재한다.However, if the counselor guides and handles the loan extension through a direct phone call, the counselor's labor costs will be considerably burdened, and the counselor may not be able to extend the loan due to infectious diseases (eg, Corona 19) or disaster situations. There is a problem that there is a case where there is no case.

본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 인공지능 상담 시스템을 통해 자동으로 고객의 대출 연장을 안내하고 고객의 대출 연장 희망 여부를 확인하여, 고객의 대출을 자동으로 연장할 수 있는 서버 및 이의 대출 자동 연장 방법을 제공함에 있다.The present disclosure is to solve the above problems, and the purpose of the present disclosure is to automatically extend the customer's loan by automatically guiding the customer's loan extension through the artificial intelligence consulting system and confirming whether the customer wants to extend the loan. It is to provide a server and a method for automatic loan extension thereof.

본 개시의 일 실시예에 따른, 서버의 대출 자동 연장 안내 방법은, (a) 대출 관련 정보로부터 기한 연장 대상 고객이 선정되면, 상기 선정된 고객에게 자동으로 전화를 발신하거나 발신하도록 지원하는 단계; (b) 상기 선정된 고객에 대응되도록 생성된 상담 스크립트에 기초하여, 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 전화 통화를 수행하거나 수행하도록 지원하는 단계; 및 (c) 전화 통화가 종료되면, 전화 통화 내용에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원하는 단계;를 포함한다.According to an embodiment of the present disclosure, a method for guiding automatic loan extension of a server includes the steps of: (a) when a customer is selected from loan-related information, sending or supporting a call to the selected customer automatically; (b) based on the consultation script generated to correspond to the selected customer, automatically performing or supporting to perform a phone call to confirm the loan extension intention of the selected customer; and (c) when the phone call is terminated, determining whether or not to automatically extend the loan based on the contents of the phone call or supporting the decision.

그리고, 상기 (b) 단계에서, 상기 서버는, 상기 선정된 고객의 과거 대출 내역과 관련된 정보가 데이터베이스에서 독출되면, 상기 독출된 정보를 이용하여 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 발화하거나 발화하도록 지원할 수 있다.And, in the step (b), the server, when the information related to the past loan details of the selected customer is read from the database, using the read information to generate or support to generate a consultation script, and the generated Based on the counseling script, it is possible to automatically utter or support to utter a voice call for confirming the intention to extend the loan of the selected customer.

또한, 상기 (b) 단계에서, 상기 서버는, 상기 선정된 고객의 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 상기 데이터베이스에서 독출되면, 상기 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 생성하여 발화하거나 발화하도록 지원할 수 있다.In addition, in step (b), the server, as information related to the past loan details of the selected customer, when customer information and loan history information are read from the database, using the read customer information and loan history information It is possible to generate or support the creation or creation of a counseling script for each customer and product, and to automatically generate a call voice for confirming the loan extension intention of the selected customer based on the generated counseling script to utter or support the utterance.

그리고, 상기 (b) 단계에서,(b1) (i) 상기 선정된 고객과 전화 통화가 연결되면, 상기 선정된 고객에게 최초 멘트를 발화하는 제1 음성 신호를 출력하거나 출력하도록 지원하는 프로세스 및 (ii) 상기 선정된 고객으로부터 제1 고객 음성이 획득되면, 상기 제1 고객 음성에 대한 음성 인식을 수행하여 상기 제1 고객 음성에 대응되는 제1 텍스트를 획득하거나 획득하도록 지원하는 프로세스를 수행하는 단계; 및 (b2) 상기 제1 텍스트를 바탕으로 상기 선정된 고객과의 통화 진행 여부를 판단하는 단계;를 포함할 수 있다.And, in step (b), (b1) (i) when a phone call is connected with the selected customer, a process for outputting or supporting the output of the first voice signal uttering the first comment to the selected customer; and ( ii) when a first customer voice is obtained from the selected customer, performing a process of acquiring or supporting the acquisition of a first text corresponding to the first customer voice by performing voice recognition on the first customer voice ; and (b2) determining whether to proceed with the call with the selected customer based on the first text.

또한, 상기 (b1) 단계에서, 상기 (ii)프로세스는, (ii-1) 상기 선정된 고객으로부터 제1 고객 음성이 획득되면, 상기 제1 고객 음성을 소정 길이 단위의 윈도우로 나누거나 나누도록 지원하는 단계, (ii-2) t번째 윈도우 - 여기서 t는 1부터 윈도우 사이즈 n사이의 정수임 - 를 Fourier Transform을 이용하여 frequency domain데이터로 변환하거나 변환하도록 지원하는 단계 및 (ii-3) 상기 frequency domain데이터를 기초로 생성된 특징벡터를 신경망에 입력하여 음소를 분류하거나 분류하도록 지원하는 단계를 포함할 수 있다.In addition, in step (b1), the process (ii) includes: (ii-1) when a first customer voice is obtained from the selected customer, divide or divide the first customer voice into windows of a predetermined length unit supporting, (ii-2) transforming or supporting the t-th window, where t is an integer between 1 and window size n, into frequency domain data using Fourier Transform, and (ii-3) the frequency It may include inputting a feature vector generated based on domain data into a neural network to classify or support phoneme classification.

그리고, 상기 (ii-3) 단계에서, 상기 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링될 수 있다.And, in step (ii-3), the phoneme may be modeled by subdividing it into a left context phoneme, a corresponding context phoneme, and a right context phoneme.

또한, 상기 음소의 분류 확률(observation probability)은 다음의 수식으로 계산될 수 있다.Also, the observation probability of the phoneme may be calculated by the following equation.

<수식><Formula>

(여기서, p(qt|xt)는 신경망으로부터 추정된 상태 후행 확률(state posterior probability)이고, p(qt)는 트레이닝 세트로부터 추정된 선행 확률(prior probability)이며, p(xt)는 계산상 무시될 수 있음)(where p(qt|xt) is the state posterior probability estimated from the neural network, p(qt) is the prior probability estimated from the training set, and p(xt) is computationally ignored can be)

그리고, 상기 (b) 단계는, 상기 상담 스크립트에 기초하여 상기 고객을 인증하기 위한 메시지를 포함하는 제2 음성 신호를 출력하거나 출력하도록 지원하는 단계; 상기 제2 음성 신호에 대응하는 제2 고객 음성이 획득되면, 상기 제2 고객 음성에 대한 음성 인식을 수행하여 상기 제2 고객 음성에 대응되는 제2 텍스트를 획득하거나 획득하도록 지원하는 단계; 및 대출원장에서 독출된 상기 선정된 고객에 대한 고객 정보와 상기 제2 텍스트에 기초하여 상기 선정된 고객을 인증하거나 인증하도록 지원하는 단계;를 포함할 수 있다.In addition, the step (b) may include outputting or supporting outputting a second voice signal including a message for authenticating the customer based on the consultation script; when a second customer voice corresponding to the second voice signal is acquired, performing voice recognition on the second customer voice to obtain or assist in acquiring a second text corresponding to the second customer voice; and authenticating or supporting the selected customer based on the second text and customer information on the selected customer read from the loan ledger.

또한, 상기 (b) 단계에서, 제3 고객 음성이 획득되면, 음성을 발화한 사람의 음성 특징을 획득하도록 학습된 신경망에 상기 제3 고객 음성을 입력하여 상기 제3 고객 음성에 대응되는 음성 특징을 획득하거나 획득하도록 지원하는 단계; 및 상기 선정된 고객에 대한 생체 데이터 정보 및 상기 제3 고객 음성에 대응되는 음성 특징이 상호 대응하는지에 기초하여 상기 고객을 인증하거나 인증하도록 지원하는 단계;를 포함하고, 상기 음성 특징은, 음성을 발화한 사람의 성별 및 나이대 중 적어도 하나의 특성을 포함할 수 있다.In addition, in step (b), when the third customer voice is obtained, the third customer voice is input to the neural network trained to acquire the voice characteristic of the person who uttered the voice, and the voice characteristic corresponding to the third customer voice obtaining or assisting in obtaining; and a step of authenticating or supporting authentication of the customer based on whether the biometric data information of the selected customer and the voice feature corresponding to the third customer's voice correspond to each other. The utterance may include at least one characteristic of a gender and an age of the person who made the utterance.

그리고, 상기 (b) 단계에서, 상기 전화 통화가 수행되는 동안 상기 선정된 고객이 발화한 고객 음성에 대한 음성 인식을 수행하는 단계;를 포함하며, 상기 음성 인식을 수행하는 단계는, 상기 선정된 고객이 발화한 고객 음성에 대한 음성 인식이 최종적으로 실패하거나 음성 인식 결과 상기 고객이 사람 상담사 연결 요청을 한 것으로 판명되는 경우, 사람 상담사로 연결을 전환하거나 전환하도록 지원하는 단계;를 포함할 수 있다.And, in step (b), performing voice recognition on the customer's voice uttered by the selected customer while the phone call is being performed; and, performing the voice recognition includes the selected When it is determined that the customer's voice recognition for the customer's voice uttered by the customer ultimately fails or it is determined that the customer has requested a connection to a human counselor as a result of the voice recognition, the step of switching the connection to a human counselor or supporting the conversion; may include; .

또한, 상기 사람 상담사 전화 연결로 전환되면, 상기 상담사 전화 연결 전까지 상담 이력에 포함된 상담 내역을 말풍선 이미지 형태로 생성하거나 생성하도록 지원하여 연결된 고객에 대한 상담사의 단말로 제공하거나 제공하도록 지원할 수 있다.In addition, when the human counselor phone connection is switched to, the counseling history included in the counseling history before the counselor phone connection is created or supported in the form of a speech bubble image can be provided or supported to the counselor's terminal for the connected customer.

그리고, 상기 전화 통화가 종료되면, 상기 선정된 고객의 대출 자동 연장에 대한 심사 결과 및 대출 내역 정보를 고객 정보에 포함된 고객의 연락처로 전송하거나 전송하도록 지원할 수 있다.In addition, when the phone call is terminated, it is possible to transmit or support transmission of the examination result and loan history information for the automatic loan extension of the selected customer to the customer's contact information included in the customer information.

또한, 상기 전화 통화가 종료되면, 고객의 대출 연기 의사, 상담일자, 안내 내용 중 적어도 일부가 기재된 결재 포맷을 자동으로 생성하거나 생성하도록 지원하고, 상기 생성된 결재 포맷을 결재권자에게 자동 상신하거나 상신하도록 지원할 수 있다.In addition, when the phone call is terminated, the customer automatically creates or supports to generate a payment format in which at least a part of the customer's loan postponement intention, consultation date, and guidance contents are written, and the generated payment format is automatically sent to or sent to the person with the right to pay. can support you to do so.

한편, 본 개시의 다른 실시예에 의한, 대출 자동 연장 안내를 수행하기 위한 서버는, 저장부; 및 대출 관련 정보로부터 기한 연장 대상 고객이 선정되면, 상기 선정된 고객에게 자동으로 전화를 발신하거나 발신하도록 지원하며, 상기 선정된 고객에 대응되도록 생성된 상담 스크립트에 기초하여, 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 전화 통화를 수행하거나 수행하도록 지원하고, 전화 통화가 종료되면, 전화 통화 내용에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원한다.On the other hand, according to another embodiment of the present disclosure, a server for performing automatic loan extension guidance includes: a storage unit; And when a customer for extension of the deadline is selected from loan-related information, a call is automatically sent or supported to the selected customer, and based on a consultation script generated to correspond to the selected customer, the selected customer automatically make or support to make a phone call to confirm the intention to extend the loan of

그리고, 상기 제어부는, 상기 선정된 고객의 과거 대출 내역과 관련된 정보가 데이터베이스에서 독출되면, 상기 독출된 정보를 이용하여 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 발화하거나 발화하도록 지원할 수 있다.And, when the information related to the past loan details of the selected customer is read from the database, the control unit generates or supports to generate or generate a counseling script using the read information, and automatically based on the generated counseling script It is possible to utter or support to utter a voice call for confirming the loan extension intention of the selected customer.

또한, 상기 제어부는, 상기 선정된 고객의 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 데이터베이스에서 독출되면, 상기 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 생성하여 발화하거나 발화하도록 지원할 수 있다.In addition, when customer information and loan history information are read from the database as information related to the past loan details of the selected customer, the control unit generates a consultation script for each customer and each product using the read customer information and loan history information or support to generate, and based on the generated counseling script, it is possible to automatically generate a call voice for confirming the loan extension intention of the selected customer to utter or support the utterance.

그리고, 상기 제어부는, (i) 상기 선정된 고객과 전화 통화가 연결되면, 상기 선정된 고객에게 최초 멘트를 발화하는 제1 음성 신호를 출력하거나 출력하도록 지원하는 프로세스 및 (ii) 상기 선정된 고객으로부터 제1 고객 음성이 획득되면, 상기 제1 고객 음성에 대한 음성 인식을 수행하여 상기 제1 고객 음성에 대응되는 제1 텍스트를 획득하거나 획득하도록 지원하는 프로세스를 수행하는 단계; 및 (b2) 상기 제1 텍스트를 바탕으로 상기 선정된 고객과의 통화 진행 여부를 판단하는 단계;를 포함할 수 있다.And, the control unit, (i) when a phone call is connected with the selected customer, a process for outputting or supporting to output or output a first voice signal uttering an initial message to the selected customer; and (ii) the selected customer when a first customer voice is obtained from the , performing voice recognition on the first customer voice to acquire or support a process of obtaining a first text corresponding to the first customer voice; and (b2) determining whether to proceed with the call with the selected customer based on the first text.

또한, 상기 제어부는, 상기 선정된 고객으로부터 제1 고객 음성이 획득되면, 상기 제1 고객 음성을 소정 길이 단위의 윈도우로 나누거나 나누도록 지원하고, t번째 윈도우 - 여기서 t는 1부터 윈도우 사이즈 n사이의 정수임 - 를 Fourier Transform을 이용하여 frequency domain 데이터로 변환하거나 변환하도록 지원하며, 상기 frequency domain 데이터를 기초로 생성된 특징 벡터를 신경망에 입력하여 음소를 분류하거나 분류하도록 지원할 수 있다.In addition, when the first customer voice is obtained from the selected customer, the control unit divides or divides the first customer voice into a window of a predetermined length unit, and a t-th window - where t is 1 to window size n It is an integer between - and supports to transform or transform into frequency domain data using Fourier Transform, and input a feature vector generated based on the frequency domain data into a neural network to classify or classify phonemes.

그리고, 상기 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링될 수 있다.In addition, the phoneme may be modeled by subdividing it into a left context phoneme, a corresponding context phoneme, and a right context phoneme.

또한, 상기 음소의 분류 확률(observation probability)은 다음의 수식으로 계산될 수 있다.Also, the observation probability of the phoneme may be calculated by the following equation.

<수식><Formula>

(여기서, p(qt|xt)는 신경망으로부터 추정된 상태 후행 확률(state posterior probability)이고, p(qt)는 트레이닝 세트로부터 추정된 선행 확률(prior probability)이며, p(xt)는 계산상 무시될 수 있음(where p(qt|xt) is the state posterior probability estimated from the neural network, p(qt) is the prior probability estimated from the training set, and p(xt) is computationally ignored can be

도 1은 본 개시의 일 실시예에 따른, 대출 관리 시스템을 도시한 도면,
도 2는 본 개시의 일 실시예에 따른, 서버의 구성을 설명하기 위한 도면,
도 3은 본 개시의 일 실시예에 따른, 자동 상담부의 구성을 설명하기 위한 도면,
도 4는 본 개시의 일 실시예에 따른, 고객 정보를 이용하여 고객 스크립트를 생성하는 방법을 설명하기 위한 도면,
도 5는 본 개시의 일 실시예에 따른, 음성 인식을 수행하는 방법을 설명하기 위한 흐름도,
도 6a 및 도 6b는 본 개시의 일 실시예에 따른, 자동 상담 과정을 설명하기 위한 흐름도,
도 7은 본 개시의 일 실시예에 따른, 고객 음성에 대한 음성 인식을 수행하는 동작을 설명하기 위한 흐름도,
도 8은 본 개시의 일 실시예에 따른, 상담사에게 제공되는 상담 이력을 도시한 도면,
도 9는 본 개시의 일 실시예에 따른, 고객에게 제공되는 심사 결과를 포함하는 SMS 메시지를 도시한 도면, 그리고,
도 10은 본 개시의 일 실시예에 따른, 대출 관리 시스템의 대출 자동 연장 안내 방법을 설명하기 위한 흐름도이다.1 is a view showing a loan management system, according to an embodiment of the present disclosure;
2 is a view for explaining the configuration of a server, according to an embodiment of the present disclosure;
3 is a view for explaining the configuration of an automatic counseling unit according to an embodiment of the present disclosure;
4 is a view for explaining a method of generating a customer script using customer information, according to an embodiment of the present disclosure;
5 is a flowchart illustrating a method of performing voice recognition according to an embodiment of the present disclosure;
6A and 6B are flowcharts for explaining an automatic counseling process, according to an embodiment of the present disclosure;
7 is a flowchart for explaining an operation of performing voice recognition for a customer's voice according to an embodiment of the present disclosure;
8 is a view showing a counseling history provided to a counselor according to an embodiment of the present disclosure;
9 is a diagram illustrating an SMS message including a screening result provided to a customer according to an embodiment of the present disclosure;
10 is a flowchart illustrating a method of automatically extending a loan of a loan management system, according to an embodiment of the present disclosure.

본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.Since the present embodiments can apply various transformations and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the scope of the specific embodiments, and should be understood to include various modifications, equivalents, and/or alternatives of the embodiments of the present disclosure. In connection with the description of the drawings, like reference numerals may be used for like components.

본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.In describing the present disclosure, if it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the subject matter of the present disclosure, a detailed description thereof will be omitted.

덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.In addition, the following examples may be modified in various other forms, and the scope of the technical spirit of the present disclosure is not limited to the following examples. Rather, these embodiments are provided to more fully and complete the present disclosure, and to fully convey the technical spirit of the present disclosure to those skilled in the art.

본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.The terms used in the present disclosure are used only to describe specific embodiments, and are not intended to limit the scope of rights. The singular expression includes the plural expression unless the context clearly dictates otherwise.

본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.In the present disclosure, expressions such as “have,” “may have,” “include,” or “may include” indicate the presence of a corresponding characteristic (eg, a numerical value, function, operation, or component such as a part). and does not exclude the presence of additional features.

본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.In this disclosure, expressions such as "A or B," "at least one of A and/and B," or "one or more of A or/and B" may include all possible combinations of the items listed together. . For example, "A or B," "at least one of A and B," or "at least one of A or B" means (1) includes at least one A, (2) includes at least one B; Or (3) it may refer to all cases including both at least one A and at least one B.

본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.As used in the present disclosure, expressions such as “first,” “second,” “first,” or “second,” may modify various elements, regardless of order and/or importance, and refer to one element. It is used only to distinguish it from other components, and does not limit the components.

어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.A component (eg, a first component) is "coupled with/to (operatively or communicatively)" to another component (eg, a second component); When referring to "connected to", it will be understood that the certain element may be directly connected to the other element or may be connected through another element (eg, a third element).

반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.On the other hand, when it is said that a component (eg, a first component) is "directly connected" or "directly connected" to another component (eg, a second component), the component and the It may be understood that other components (eg, a third component) do not exist between other components.

본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다.The expression “configured to (or configured to)” as used in this disclosure, depending on the context, for example, “suitable for,” “having the capacity to” ," "designed to," "adapted to," "made to," or "capable of." The term “configured (or configured to)” may not necessarily mean only “specifically designed to” in hardware.

대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.Instead, in some circumstances, the expression “a device configured to” may mean that the device is “capable of” with other devices or parts. For example, the phrase "a processor configured (or configured to perform) A, B, and C" refers to a dedicated processor (eg, an embedded processor) for performing the corresponding operations, or by executing one or more software programs stored in a memory device. , may mean a generic-purpose processor (eg, a CPU or an application processor) capable of performing corresponding operations.

실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 서버로 구현될 수 있다.In an embodiment, a 'module' or 'unit' performs at least one function or operation, and may be implemented as hardware or software, or a combination of hardware and software. In addition, a plurality of 'modules' or a plurality of 'units' may be integrated into at least one module and implemented as at least one server except for 'modules' or 'units' that need to be implemented with specific hardware.

한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.Meanwhile, various elements and regions in the drawings are schematically drawn. Accordingly, the technical spirit of the present invention is not limited by the relative size or spacing drawn in the accompanying drawings.

이하에서는 도면을 참조하여 상세히 설명하기로 한다. 도 1은 본 개시의 일 실시예에 따른, 대출 관리 시스템을 도시한 도면이다. 대출 관리 시스템은 적어도 서버(100), 데이터베이스(200) 및 상담자 단말 장치(300)를 포함할 수 있다. 이때, 서버(100)는 하나의 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 복수의 서버로 구현될 수 있다. 또한, 데이터베이스(200)는 적어도 하나의 서버로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 하나의 서버 내에 적어도 하나의 메모리로 구현될 수 있음은 물론이다. 또한, 상담자 단말 장치(300)는 PC로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 스마트 폰 또는 태블릿 PC 등과 같은 사용자 단말로 구현될 수 있다. 한편, 대출 관리 시스템은 도 1에 도시된 바와 같은 서버(100), 데이터베이스(200) 및 상담자 단말 장치(300)뿐만 아니라 다른 장치(예를 들어, 영업점의 단말 장치, 심사부서의 단말 장치 등)를 더 포함할 수 있다.Hereinafter, it will be described in detail with reference to the drawings. 1 is a diagram illustrating a loan management system according to an embodiment of the present disclosure. The loan management system may include at least theserver 100 , thedatabase 200 , and thecounselor terminal device 300 . In this case, theserver 100 may be implemented as one server, but this is only an embodiment and may be implemented as a plurality of servers. In addition, thedatabase 200 may be implemented as at least one server, but this is only an example, and of course, it may be implemented as at least one memory in one server. Also, thecounselor terminal device 300 may be implemented as a PC, but this is only an exemplary embodiment and may be implemented as a user terminal such as a smart phone or a tablet PC. Meanwhile, the loan management system includes not only theserver 100, thedatabase 200, and thecounselor terminal device 300 as shown in FIG. may further include.

서버(100)는 인공지능 시스템을 이용하여 대출 자동 연장 안내 업무 및 대출 자동 연장 심사 업무를 수행할 수 있다. 이때, 인공지능 시스템은 수행하는 기능에 따라 복수 개의 신경망 모델로 구현될 수 있다. 예를 들어, 인공지능 시스템은 고객의 음성을 텍스트로 획득하기 위한 음성 인식 모델, 대출 관련 정보에 기초하여 상담 스크립트를 생성하기 위한 상담 스크립트 생성 모델, 사용자를 인증하기 위한 사용자 인증 모델, 대출 연장 심사를 위한 대출 연장 심사 모델 등을 포함할 수 있다.Theserver 100 may perform a loan automatic extension guidance service and an automatic loan extension examination task using an artificial intelligence system. In this case, the artificial intelligence system may be implemented as a plurality of neural network models according to the functions to be performed. For example, the artificial intelligence system is a voice recognition model for acquiring the customer's voice as text, a consultation script generation model for generating a consultation script based on loan-related information, a user authentication model for authenticating the user, loan extension review It may include a loan extension review model for

구체적으로, 서버(100)는 대출 관련 정보로부터 기한 연장 대상 고객을 선정하고, 선정된 고객의 단말 장치(10)로 전화를 발신하거나 발신하도록 지원할 수 있으며, 선정된 고객에 대응되도록 생성된 상담 스크립트에 기초하여 선정된 고객의 대출 연장 의사를 확인하기 위한 전화 통화를 자동 수행하거나 수행하도록 지원할 수 있으며, 전화 통화가 종료되면, 전화 통화 내용에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원할 수 있다. 이때, 서버(100)가 특정 동작을 지원하는 것의 의미는 서버(100)가 외부 장치를 통해 동작을 수행하도록 외부 장치에 제어 명령 또는 관련 정보를 전송하는 것을 의미할 수 있다. 예를 들어, 서버(100)가 전화를 발신하도록 지원하는 것은 서버(100)가 외부의 PDS(Predictive Dialing System) 서버를 통해 전화를 발신하도록 PDS 서버에 제어 명령과 콜 리스트와 관련된 정보를 전송하는 것을 의미하며, 서버(100)가 전화 통화를 수행하도록 지원하는 것은 외부 서버(예를 들어, 자동 통화 서버 등)를 통해 전화 통화를 수행하도록 외부 서버에 제어 명령과 상담 스크립트와 관련된 정보를 전송하는 것을 의미하며, 서버(100)가 대출 자동 연장 여부를 결정하도록 지원하는 것은 외부의 상담사 단말 장치에 의해 대출 자동 연장 여부를 결정하도록 상담사 단말 장치에 상담 이력에 대한 정보를 전송하는 것을 의미할 수 있다. 한편, 이하의 실시예에서는 서버(100)가 특정 동작을 수행하는 것을 위주로 도 2 내지 도 9를 참조하여 더욱 상세히 설명하도록 한다. 데이터베이스(200)는 대출 관련 정보를 저장할 수 있다. 이때, 대출 관련 정보는 대출을 실행한 고객의 고객 정보 및 고객이 실행한 대출에 대한 대출 내역 정보를 포함할 수 있다. 고객 정보에는 고객의 이름, 고객의 성별, 고객의 연락처, 고객의 주소, 고객의 생년월일 정보 등이 포함될 수 있다. 대출 내역 정보에는 대출 유형 정보, 대출 금액 정보, 대출 만기일 정보, 대출 이자 정보 등이 포함될 수 있다.Specifically, theserver 100 may select a customer subject to extension from the loan-related information, and may support to send or send a call to theterminal device 10 of the selected customer, and a counseling script generated to correspond to the selected customer may automatically make or support a phone call to confirm the loan extension intention of the selected customer based on the . In this case, the meaning that theserver 100 supports a specific operation may mean that theserver 100 transmits a control command or related information to the external device to perform the operation through the external device. For example, to support theserver 100 to make a call, theserver 100 transmits a control command and information related to a call list to the PDS server so that theserver 100 makes a call through an external PDS (Predictive Dialing System) server. That means, to support theserver 100 to perform a phone call is to transmit information related to a control command and a consultation script to an external server to perform a phone call through an external server (eg, an automatic call server, etc.) means, and supporting theserver 100 to determine whether to automatically extend the loan may mean transmitting information on the counseling history to the counselor terminal device to determine whether to automatically extend the loan by the external counselor terminal device. . On the other hand, in the following embodiment, theserver 100 will mainly be described in more detail with reference to FIGS. 2 to 9 to perform a specific operation. Thedatabase 200 may store loan-related information. In this case, the loan-related information may include customer information of the customer who made the loan, and loan history information about the loan executed by the customer. The customer information may include the customer's name, the customer's gender, the customer's contact information, the customer's address, and the customer's date of birth information. Loan history information may include loan type information, loan amount information, loan maturity date information, loan interest information, and the like.

상담사 단말 장치(300)는 서버(100)에 포함된 인공지능 시스템을 통해 고객과 통화할 수 없는 경우(예를 들어, 고객의 음성에 대한 음성 인식이 실패한 경우 또는 고객이 상담사 연결을 요청하는 경우 등)에 고객의 단말 장치(10)와 전화 통화를 수행할 수 있다. 서버(100)에 포함된 인공지능 시스템을 통해 고객과 통화하는 동안 상담사 전화 연결과 전환되는 경우, 상담사 단말 장치(300)는 서버(100)로부터 상담 이력에 대한 정보를 수신하여 사람 상담사에게 상담 이력에 대한 정보를 제공할 수 있다.When thecounselor terminal device 300 cannot make a call with the customer through the artificial intelligence system included in the server 100 (eg, when voice recognition for the customer's voice fails or when the customer requests to connect to the counselor) etc.) to the customer'sterminal device 10 and make a phone call. When the counselor's phone connection is switched during a call with the customer through the artificial intelligence system included in theserver 100, the counselor'sterminal device 300 receives information about the counseling history from theserver 100 and provides the human counselor with the counseling history. can provide information about

도 2는 본 개시의 일 실시예에 따른, 적어도 하나의 제어 장치의 구성을 설명하기 위한 도면이다. 서버(100)는 저장부(110) 및 제어부(120)를 포함할 수 있다. 그러나, 이는 일 실시예에 불과할 뿐, 서버(100)는 저장부(110) 및 제어부(120) 이외에 통신부, 디스플레이 등과 같은 다른 구성을 더 포함할 수 있음은 물론이다.2 is a view for explaining the configuration of at least one control device according to an embodiment of the present disclosure. Theserver 100 may include astorage unit 110 and acontrol unit 120 . However, this is only an embodiment, and of course, theserver 100 may further include other components such as a communication unit and a display in addition to thestorage unit 110 and thecontrol unit 120 .

저장부(110)는 서버(100)의 전반적인 동작을 제어하기 위한 다양한 인스트럭션을 저장할 수 있다. 특히, 저장부(110)는 발신부(121), 대출 자동 연장 여부를 상담하는 동작을 수행하기 위해 필요한 데이터를 저장할 수 있다. 예를 들어, 발신부(121), 자동 상담부(122), 심사 등록부(123) 및 심사부(124)를 포함할 수 있다. 또한, 저장부(110)는 대출 자동 연장 여부를 상담하기 위해 필요한 신경망 모델들을 저장할 수 있다.Thestorage 110 may store various instructions for controlling the overall operation of theserver 100 . In particular, thestorage unit 110 may store data necessary to perform an operation of consulting thesender 121 and whether to automatically extend the loan. For example, it may include atransmitter 121 , anautomatic consultation unit 122 , anexamination registration unit 123 , and anexamination unit 124 . Also, thestorage unit 110 may store neural network models necessary for consulting on whether to automatically extend a loan.

한편, 저장부(110)는 전력 공급이 중단되더라도 저장된 정보를 유지할 수 있는 비휘발성 메모리 및 저장된 정보를 유지하기 위해서는 지속적인 전력 공급이 필요한 휘발성 메모리를 포함할 수 있다. 대출 자동 연장 여부를 상담하기 위한 구성이 각종 동작을 수행하기 위한 데이터는 비휘발성 메모리에 저장될 수 있다. 그리고, 대출 자동 연장 여부를 상담하기 위해 필요한 신경망 모델들 역시 비휘발성 메모리에 저장될 수 있다.Meanwhile, thestorage unit 110 may include a non-volatile memory capable of maintaining stored information even when power supply is interrupted, and a volatile memory requiring continuous power supply to maintain the stored information. Data for performing various operations of a configuration for consulting whether to automatically extend a loan may be stored in a non-volatile memory. In addition, neural network models necessary for consulting on whether to automatically renew a loan may also be stored in the non-volatile memory.

또한, 저장부(110)는 대출 관련 정보를 저장할 수 있다. 즉, 대출 관련 정보는 외부의 데이터베이스(200)에 저장될 수 있으나, 이는 일 실시예에 불과할 뿐, 서버(100) 내에 위치하는 저장부(110)에 저장될 수 있다.Also, thestorage unit 110 may store loan-related information. That is, the loan-related information may be stored in theexternal database 200 , but this is only an example, and may be stored in thestorage unit 110 located in theserver 100 .

제어부(120)는 비휘발성 메모리에 저장되어 있는 대출 자동 연장 여부를 상담하기 위해 필요한 구성 또는 신경망 모델이 각종 동작을 수행하기 위한 데이터를 휘발성 메모리로 로딩(loading)할 수 있다. 제어부(120)는 휘발성 메모리로 로딩된 데이터에 기초하여 각종 구성 및 신경망 모델을 통해 각종 동작을 수행할 수 있다. 여기서, 로딩이란 제어부(120)가 엑세스할 수 있도록 비휘발성 메모리에 저장된 데이터를 휘발성 메모리에 불러들여 저장하는 동작을 의미한다.Thecontroller 120 may load data for performing various operations of a configuration or neural network model necessary for consulting on whether to automatically extend a loan, stored in the non-volatile memory, into the volatile memory. Thecontroller 120 may perform various operations through various configurations and neural network models based on data loaded into the volatile memory. Here, the loading refers to an operation of loading and storing data stored in the non-volatile memory into the volatile memory so that thecontroller 120 can access it.

발신부(121)는 데이터베이스(200) 또는 저장부(110)에 저장된 대출 관련 정보로부터 기한 연장 대상 고객을 선정할 수 있다.The sendingunit 121 may select a target customer for the extension of the period from the loan-related information stored in thedatabase 200 or thestorage unit 110 .

일 실시예로, 발신부(121)는 데이터베이스(200)에 저장된 대출 관련 정보 중 대출 유형 정보 및 대출 만기일 정보를 바탕으로 대출 기한 연장 대상 고객을 자동 선정할 수 있다. 예를 들어, 서버(100)는 협약 대출 고객, 임직원 대출 고객, 기타 신용 대출 고객 중 만기일이 한 달 남은 고객을 기한 연장 대상 고객으로 자동 선정할 수 있다. 그리고, 발신부(121)는 선정된 기한 연장 대상 고객을 포함하는 콜 리스트를 생성할 수 있다.In one embodiment, the sendingunit 121 may automatically select a loan term extension target customer based on loan type information and loan maturity date information among the loan related information stored in thedatabase 200 . For example, theserver 100 may automatically select a customer whose maturity date is one month away from among contract loan customers, employee loan customers, and other credit loan customers as a target extension customer. In addition, the callingunit 121 may generate a call list including the selected extension target customer.

다른 실시예로, 발신부(121)는 대출 관련 정보로부터 수동 선정된 기한 연장 대상 고객을 포함하는 콜 리스트를 외부 장치로부터 수신하거나 획득할 수 있다.In another embodiment, thetransmitter 121 may receive or obtain a call list including a customer to be extended a deadline manually selected from loan-related information from an external device.

발신부(121)는 콜 리스트를 바탕으로 기한 연장 대상 고객으로 선정된 고객의 단말 장치(10)로 전화를 발신할 수 있다. 구체적으로, 발신부(121)는 콜 리스트를 바탕으로 선정된 복수의 고객 각각에 대한 채널을 할당하고, 할당된 채널을 통해 선정된 고객의 단말 장치(10)로 전화를 발신할 수 있다. 일 실시예로, 발신부(121)는 PDS 서버를 이용하여 기한 연장 대상 고객에게 전화를 발신할 수 있다.The callingunit 121 may send a call to theterminal device 10 of the customer selected as the target customer for the extension of the deadline based on the call list. Specifically, the callingunit 121 may allocate a channel to each of the plurality of customers selected based on the call list, and transmit a call to theterminal device 10 of the selected customer through the allocated channel. In an embodiment, the callingunit 121 may send a call to a customer subject to extension of the deadline using the PDS server.

또한, 발신부(121)는 전화를 발신하기 전, 전화 발신을 미리 안내하기 위한 SMS 메시지를 고객의 단말 장치(10)로 전송할 수 있다. 예를 들어, 고객에 전화를 발신하기 기설정된 시간(예를 들어, 1일) 전에 전화 발신에 대한 정보(예를 들어, 전화 발신 목적, 발신 시간 등)를 포함하는 안내 메시지를 고객의 단말 장치(10)로 전송할 수 있다.Also, before making a call, thetransmitter 121 may transmit an SMS message for informing the user of the outgoing call to the customer'sterminal device 10 . For example, before sending a call to the customer, a guide message including information about the outgoing call (for example, the purpose of the call, the call time, etc.) before a preset time (for example, 1 day) is sent to the customer's terminal device (10) can be transmitted.

자동 상담부(122)는 적어도 하나의 인공지능 모델을 포함하는 인공지능 시스템을 통해 선정된 고객의 대출 연장 여부를 확인하기 위한 전화 통화를 자동 수행할 수 있다. 자동 상담부(122)에 대해서는 도 3을 참조하여 상세히 설명하도록 한다. 도 3에 도시된 바와 같이, 자동 상담부(122)는 상담 스크립트 생성 모듈(310), TTS(Text-to-speech) 모듈(320), 자동 음성 출력 모듈(330), 고객 음성 획득 모듈(340), STT(Speech-to-Text) 모듈(350), 상담 제어 모듈(360), 고객 인증 모듈(370) 및 상담사 연결 모듈(380)을 포함할 수 있다.Theautomatic consultation unit 122 may automatically perform a phone call to confirm whether the loan extension of the selected customer through an artificial intelligence system including at least one artificial intelligence model. Theautomatic consultation unit 122 will be described in detail with reference to FIG. 3 . As shown in FIG. 3 , theautomatic consultation unit 122 includes a consultationscript generation module 310 , a text-to-speech (TTS)module 320 , an automaticvoice output module 330 , and a customervoice acquisition module 340 . ), a speech-to-text (STT)module 350 , a consultation control module 360 , acustomer authentication module 370 , and acounselor connection module 380 .

상담 스크립트 생성 모듈(310)은 선정된 고객에 대응되는 상담 스크립트를 생성할 수 있다. 이때, 상담 스크립트는 데이터베이스(200)에 저장된 대출 관련 정보에 포함된 과거 대출 내역과 관련된 정보에 기초하여 생성될 수 있다. 이때, 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 데이터베이스(200)로부터 독출되면, 상담 스크립트 생성 모듈(310)은 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성할 수 있다. 예를 들어, 상담 스크립트 생성 모듈(310)은 도 4에 도시된 바와 같은 대출 관련 정보(410)를 바탕으로 도 4의 좌측에 도시된 상담 스크립트(420)를 생성할 수 있다.The consultationscript generation module 310 may generate a consultation script corresponding to the selected customer. In this case, the counseling script may be generated based on information related to past loan details included in the loan related information stored in thedatabase 200 . At this time, when customer information and loan history information are read from thedatabase 200 as information related to past loan details, the consultationscript generation module 310 uses the read customer information and loan history information to provide a consultation script for each customer and product can create For example, the consultationscript generation module 310 may generate the consultation script 420 illustrated on the left side of FIG. 4 based on the loan-related information 410 illustrated in FIG. 4 .

일 실시예로, 상담 스크립트 생성 모듈(310)은 기 정의된 스크립트 템플릿에 대출 관련 정보에 포함된 고객 정보 및 대출 내역 정보를 삽입하여 상담 스크립트를 생성할 수 있다. 예를 들어, 상담 스크립트 생성 모듈(310)은 "안녕하세요? 농협은행입니다. (이름) 고객님 맞으십니까?"라는 스크립트 템플릿에 고객 정보에 포함된 고객의 이름 정보(홍길동)를 삽입하여 "안녕하세요? 농협은행입니다. 홍길동 고객님 맞으십니까?"라는 상담 스크립트를 생성할 수 있다.In one embodiment, the consultationscript generating module 310 may generate a consultation script by inserting customer information and loan history information included in the loan-related information into a predefined script template. For example, the consultationscript generation module 310 inserts the customer's name information (Hong Gil-dong) included in the customer information into the script template "Hello? This is Nonghyup Bank. (Name) Are you the customer?" This is a bank. Are you a Hong Gil-dong customer?" You can create a consultation script.

또 다른 실시예로, 상담 스크립트 생성 모듈(310)은 대출 관련 정보에 기초하여 고객에 대응되는 상담 스크립트를 획득하도록 학습된 스크립트 생성 모델에 선정된 고객에 대응되는 대출 관련 정보를 입력하여 선정된 고객에 대응되는 상담 스크립트를 획득할 수 있다. 이때, 스크립트 생성 모델은 고객 정보 및 대출 내역 정보 등에 따라 개별적으로 학습될 수 있으며, 고객 정보 또는 대출 내역 정보 등에 따라 고객별ㆍ상품별로 상이한 상담 스크립트를 획득할 수 있다.In another embodiment, the consultationscript generation module 310 is a selected customer by inputting loan-related information corresponding to the selected customer in the script generation model learned to obtain a consultation script corresponding to the customer based on the loan-related information It is possible to obtain a consultation script corresponding to . In this case, the script generation model may be individually learned according to customer information and loan history information, and different consulting scripts may be obtained for each customer and each product according to customer information or loan history information.

상담 스크립트 생성 모듈(310)은 발신부(121)가 고객에게 전화를 발신하기 전에 선정된 고객에 대응되는 상담 스크립트를 미리 생성할 수 있으나, 이는 일 실시예에 불과할 뿐, 선정된 고객이 전화를 착신할 때, 상담 스크립트를 생성할 수 있음은 물론이다.The consultationscript generation module 310 may generate in advance a consultation script corresponding to the selected customer before the callingunit 121 makes a call to the customer, but this is only an embodiment, and the selected customer makes a call. Of course, you can create a consultation script when you receive an incoming call.

TTS 모듈(320)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. 즉, TTS 모듈(320)은 텍스트 형태의 정보인 상담 스크립트를 음성 신호 형태의 정보인 자동 음성 신호로 변환할 수 있다. 특히, TTS 모듈(320)은 다양한 목소리로 응답을 생성하기 위한 복수의 TTS 모델을 포함할 수 있으며, TTS 모듈(320)은 복수의 TTS 모델 중 고객 정보에 대응되는 TTS 모델을 이용하여 자동 음성 신호를 획득할 수 있다. 예를 들어, 고객 정보를 바탕으로 사용자가 노인이라고 판단되면, TTS 모듈(320)은 노인에 대응되는 TTS 모델(예로, 높은 주파수의 목소리를 생성하기 위한 TTS 모델)을 이용하여 자동 음성 신호를 획득할 수 있다TheTTS module 320 may change information in a text format into information in a voice format. That is, theTTS module 320 may convert the counseling script, which is information in the form of text, into an automatic voice signal, which is information in the form of a voice signal. In particular, theTTS module 320 may include a plurality of TTS models for generating responses in various voices, and theTTS module 320 uses a TTS model corresponding to customer information among the plurality of TTS models to automatically signal voice signals. can be obtained. For example, if it is determined that the user is an elderly person based on customer information, theTTS module 320 acquires an automatic voice signal using a TTS model corresponding to the elderly (eg, a TTS model for generating a high-frequency voice). can do

자동 음성 출력 모듈(330)은 TTS 모듈(320)로부터 수신된 자동 음성 신호를 외부의 고객의 단말 장치(10)로 출력할 수 있다.The automaticvoice output module 330 may output the automatic voice signal received from theTTS module 320 to the externalcustomer terminal device 10 .

고객 음성 획득 모듈(340)은 고객의 단말 장치(10)로부터 고객 음성을 획득할 수 있다. 이때, 고객 음성은 음성 신호 형태일 수 있다.The customervoice acquisition module 340 may acquire the customer voice from the customer'sterminal device 10 . In this case, the customer voice may be in the form of a voice signal.

STT 모듈(350)은 음성 인식 모델을 통해 고객 음성을 텍스트 형태로 획득할 수 있다. 전화 통화가 수행되는 동안 선정된 고객이 발화한 고객 음성이 획득되면, STT 모듈(350)은 학습된 신경망 모델을 획득된 고객 음성에 대한 음성 인식을 수행하여 고객 음성에 대응되는 텍스트를 획득할 수 있다. 이때, STT 모듈(350)이 음성 인식을 수행하는 방법은 도 5를 참조하여 상세히 설명하기로 한다.TheSTT module 350 may acquire the customer voice in the form of text through the voice recognition model. When the customer voice uttered by the selected customer is acquired during the phone call, theSTT module 350 performs voice recognition on the acquired customer voice using the learned neural network model to obtain text corresponding to the customer voice. have. At this time, a method for theSTT module 350 to perform voice recognition will be described in detail with reference to FIG. 5 .

우선, STT 모듈(350)은 고객 음성 데이터를 입력 받을 수 있다(S510). 고객 음성 데이터는 시간 도메인의 데이터일 수 있다. 이때, STT 모듈(350)은 입력된 고객 음성 데이터를 샘플링할 수 있다. 특히, STT 모듈(350)은 고객 음성을 소정 길이 단위의 윈도우로 나눌 수 있다.First, theSTT module 350 may receive customer voice data (S510). The customer voice data may be data in the time domain. In this case, theSTT module 350 may sample the input customer voice data. In particular, theSTT module 350 may divide the customer voice into windows of a predetermined length unit.

STT 모듈(350)은 샘플링된 데이터를 이용하여 주파수 도메인의 스펙트럼 데이터를 생성할 수 있다(S520). 구체적으로, STT 모듈(350)은 t 번째 윈도우(이때, t는 1부터 윈도우 사이즈 n 사이의 정수임.)를 푸리에 변환(예로, Fast Fourier Transform (FFT))을 통해 샘플링된 데이터를 주파수 도메인의 스펙트럼 데이터로 변환할 수 있다.TheSTT module 350 may generate spectrum data in the frequency domain by using the sampled data (S520). Specifically, theSTT module 350 converts the sampled data through a Fourier transform (eg, Fast Fourier Transform (FFT)) for the t-th window (where t is an integer between 1 and the window size n) in the frequency domain spectrum. can be converted to data.

STT 모듈(350)은 획득된 주파수 도메인의 스펙트럼 데이터를 이용하여 특징 벡터를 획득할 수 있다(S530). 특징 벡터는 음소별 분류 확률을 획득하도록 학습된 신경망 모델에 입력될 수 있는 입력 데이터일 수 있다. 이때, STT 모듈(350)은 윈도우별로 특징 벡터를 추출할 수 있다.TheSTT module 350 may obtain a feature vector by using the acquired spectrum data in the frequency domain ( S530 ). The feature vector may be input data that may be input to a neural network model trained to obtain a classification probability for each phoneme. In this case, theSTT module 350 may extract a feature vector for each window.

STT 모듈(350)은 획득된 특징 벡터를 이용하여 음소별 분류 확률을 획득할 수 있다(S540). 구체적으로, STT 모듈(350)은 학습된 신경망 모델에 획득된 특징 벡터를 입력하여 획득된 확률 값을 바탕으로 입력된 고객 음성 데이터에 대한 음소별 분류 확률을 획득할 수 있다. 이때, 음소는 context phoneme 에 따라 음소를 tri-phone으로 세분화되어 모델링될 수 있다. 즉, 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링될 수 있다.TheSTT module 350 may obtain a classification probability for each phoneme by using the acquired feature vector (S540). Specifically, theSTT module 350 may obtain a classification probability for each phoneme of the input customer voice data based on a probability value obtained by inputting a feature vector obtained to the learned neural network model. In this case, phonemes can be modeled by subdividing phonemes into tri-phones according to context phoneme. That is, a phoneme can be modeled by subdividing it into a left context phoneme, a corresponding context phoneme, and a right context phoneme.

특히, 음소의 분류 확률은 다음의 수식을 바탕으로 계산될 수 있다.In particular, the classification probability of phonemes may be calculated based on the following equation.

(여기서, p(qt|xt)는 신경망 모델로부터 추정된 상태 후행 확률(state posterior probability)이고, p(qt)는 트레이닝 세트로부터 추정된 선행 확률(prior probability)이며, p(xt)는 계산상 무시될 수 있음)STT 모듈(350)은 음소별 분류 확률을 바탕으로 고객 음성 데이터에 대응되는 텍스트를 획득할 수 있다(S560).(where p(qt|xt) is the state posterior probability estimated from the neural network model, p(qt) is the prior probability estimated from the training set, and p(xt) is the computational may be ignored) TheSTT module 350 may obtain a text corresponding to the customer voice data based on the classification probability for each phoneme ( S560 ).

상담 제어 모듈(360)은 상담 스크립트 및 획득된 고객 음성에 대응되는 텍스트를 바탕으로 대출 연장 상담을 제어할 수 있다. 상담 제어 모듈(360)이 상담을 진행하는 과정에 대해서는 도 6a 및 도 6b를 참조하여 설명하기로 한다.The consultation control module 360 may control the loan extension consultation based on the consultation script and the text corresponding to the obtained customer voice. A process in which the consultation control module 360 performs consultation will be described with reference to FIGS. 6A and 6B .

상담 제어 모듈(360)은 최초 멘트를 발화할 수 있다(S605). 예를 들어, 상담 제어 모듈(360)은 "안녕하세요? 농협은행입니다. 홍길동 고객님 맞으십니까?"라는 첫인사 및 고객명을 확인하기 위한 문의 메시지를 포함하는 제1 음성 신호를 고객의 단말 장치(10)로 출력할 수 있다.The consultation control module 360 may utter the first comment (S605). For example, the consultation control module 360 transmits a first voice signal including a first greeting saying "Hello? This is Nonghyup Bank. Are you Gil-dong Hong?" and an inquiry message for confirming the customer name to the customer'sterminal device 10 can be output as

상담 제어 모듈(360)은 제1 음성 신호에 응답하는 제1 고객 음성을 바탕으로 본인 여부를 판단할 수 있다(S610). 구체적으로, 제1 고객 음성에 대응되는 텍스트에 "아뇨"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 본인이 아님을 판단할 수 있으며, 제1 고객 음성에 대응되는 텍스트에 "네"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 본인임을 판단할 수 있다.The consultation control module 360 may determine whether it is the person based on the first customer voice responding to the first voice signal (S610). Specifically, when the text "no" is included in the text corresponding to the first customer's voice, the consultation control module 360 may determine that it is not the person, and the text corresponding to the first customer's voice indicates "yes". If the text is included, the consultation control module 360 may determine that it is the person.

본인이 아니라고 판단되면(S610-N), 상담 제어 모듈(360)은 통화를 종료할 수 있다. 이때, 상담 제어 모듈(360)은 통화 종료를 안내하는 메시지와 함께 통화를 종료할 수 있다.If it is determined that it is not the person (S610-N), the consultation control module 360 may end the call. In this case, the consultation control module 360 may end the call together with a message guiding the end of the call.

본인이라고 판단되면(S610-Y), 상담 제어 모듈(360)은 통화 목적 전달 및 통화 가능 여부를 확인할 수 있다(S615). 예를 들어, 상담 제어 모듈(360)은 "네 반갑습니다. 행복을 전해는 고객센터입니다. XX 지점에서 이용 중이신 대출이 04월 20일자로 만기되어 연기 관련 안내해드리고자 하는데 잠시 통화가 가능하십니까?"라는 제2 음성 신호를 고객의 단말 장치(10)로 출력할 수 있다.If it is determined that it is the person (S610-Y), the consultation control module 360 may check whether the purpose of the call is delivered and the call is possible (S615). For example, the consultation control module 360 says, "Yes, nice to meet you. This is a customer center that delivers happiness. The loan you are using at branch XX expires on April 20, and I would like to inform you about the postponement. Can I call you for a while?" may output the second voice signal to the customer'sterminal device 10 .

상담 제어 모듈(360)은 제2 음성 신호에 응답하는 제2 고객 음성을 바탕으로 통화 가능 여부를 판단할 수 있다(S620). 구체적으로, 제2 고객 음성에 대응되는 텍스트에 "아뇨"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 통화가 불가능함을 판단할 수 있으며, 제2 고객 음성에 대응되는 텍스트에 "네"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 통화가 가능함을 판단할 수 있다.The consultation control module 360 may determine whether a call is possible based on the second customer's voice responding to the second voice signal (S620). Specifically, if the text corresponding to the second customer voice includes the text “no”, the consultation control module 360 may determine that the call is not possible, and the text corresponding to the second customer voice indicates “yes” When the text '' is included, the consultation control module 360 may determine that a call is possible.

통화가 불가능하다고 판단되면(S620-N), 상담 제어 모듈(360)은 통화를 종료할 수 있다. 이때, 상담 제어 모듈(360)은 통화 종료를 안내하는 메시지와 함께 통화를 종료할 수 있다.If it is determined that the call is impossible (S620-N), the consultation control module 360 may end the call. In this case, the consultation control module 360 may end the call together with a message guiding the end of the call.

본인이라고 판단되면(S620-Y), 상담 제어 모듈(360)은 고객 인증 모듈(370)을 통해 고객 정보를 이용하여 본인 인증을 수행할 수 있다(S625).If it is determined that it is the person (S620-Y), the consultation control module 360 may perform user authentication using customer information through the customer authentication module 370 (S625).

일 실시예로, 고객 인증 모듈(370)은 상담 스크립트에 기초하여 고객을 인증하기 위한 문의 메시지를 포함하는 제3 음성 신호를 출력할 수 있다. 예를 들어, 고객 인증 모듈(370)은 "고객님의 생년월일을 말씀해 주시길 바랍니다."라는 제3 음성 신호를 출력할 수 있다. 그리고, 제3 음성 신호에 응답하는 제3 고객 음성이 획득되면, 고객 인증 모듈(370)은 제3 고객 음성에 대한 음성 인식을 수행하여 제3 고객 음성에 대응되는 텍스트를 획득할 수 있다. 예를 들어, 고객 인증 모듈(370)은 제3 고객 음성을 통해 "팔십삼년 십일월 십오일"이라는 텍스트를 획득할 수 있다. 그리고, 고객 인증 모듈(370)은 대출원장에서 독출된 선정된 고객에 대한 고객 정보 및 제3 고객 음성에 대응되는 텍스트에 기초하여 선정된 고객을 인증할 수 있다. 즉, 고객 인증 모듈(370)은 고객 정보에 저장된 생년월일과 텍스트를 비교하여 선정된 고객의 본인 여부를 인증할 수 있다.In an embodiment, thecustomer authentication module 370 may output a third voice signal including an inquiry message for authenticating the customer based on the consultation script. For example, thecustomer authentication module 370 may output a third voice signal "Please tell me your date of birth." Then, when the third customer voice responding to the third voice signal is obtained, thecustomer authentication module 370 may perform voice recognition on the third customer voice to obtain a text corresponding to the third customer voice. For example, thecustomer authentication module 370 may obtain the text “83 years November 15th” through the third customer voice. In addition, thecustomer authentication module 370 may authenticate the selected customer based on the customer information on the selected customer read from the loan ledger and the text corresponding to the third customer voice. That is, thecustomer authentication module 370 may compare the text with the date of birth stored in the customer information to authenticate whether the selected customer is the identity of the customer.

또 다른 실시예로, 전화 통화를 수행하는 동안 제4 고객 음성이 획득되면, 고객 인증 모듈(370)은 음성을 발화한 사람의 음성 특징을 획득하도록 학습된 신경망 모델에 제4 고객 음성을 입력하여 제4 고객 음성에 대응되는 음성 특징(예로, 발화한 사람의 음성으로부터 유추되는 성별, 나이대와 관련된 특징)을 획득할 수 있다. 그리고, 고객 인증 모듈(370)은 선정된 고객에 대한 고객 정보(예를 들어, 생체 데이터 정보) 및 제4 고객 음성에 대응되는 음성 특징이 상호 대응하는지에 기초하여 고객을 인증할 수 있다. 예를 들어, 고객이 남성이나 신경망 모델을 통해 획득된 음성 특징이 여성인 경우, 고객 인증 모듈(370)은 본인 인증의 실패를 판단할 수 있다.In another embodiment, if the fourth customer voice is obtained while conducting a phone call, thecustomer authentication module 370 inputs the fourth customer voice to the neural network model trained to acquire the voice characteristics of the person who uttered the voice. A voice characteristic corresponding to the fourth customer voice (eg, a characteristic related to a gender and an age group inferred from the voice of the person who uttered it) may be acquired. In addition, thecustomer authentication module 370 may authenticate the customer based on whether customer information (eg, biometric data information) of the selected customer and a voice feature corresponding to the fourth customer's voice correspond to each other. For example, when the customer is male or the voice characteristic obtained through the neural network model is female, thecustomer authentication module 370 may determine that the user authentication fails.

한편, 상술한 실시예에서는 고객 인증 모듈(370)이 고객 정보를 이용한 고객 인증, 인공지능 모델을 이용한 고객 인증을 개별적으로 수행하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 두 방법 모두 이용하여 고객 인증을 수행할 수 있음은 물론이다.On the other hand, in the above embodiment, thecustomer authentication module 370 has been described as individually performing customer authentication using customer information and customer authentication using an artificial intelligence model, but this is only an embodiment, and using both methods Of course, customer authentication can be performed.

본인 인증이 실패하면(S630-N), 상담 제어 모듈(360)은 통화를 종료할 수 있다. 이때, 상담 제어 모듈(360)은 통화 종료를 안내하는 메시지와 함께 통화를 종료할 수 있다.If the user authentication fails (S630-N), the consultation control module 360 may end the call. In this case, the consultation control module 360 may end the call together with a message guiding the end of the call.

본인 인증이 성공하면(S630-Y), 상담 제어 모듈(360)은 고객 정보를 확인할 수 있다(S635). 이때, 고객 정보에는 재직 정보가 포함될 수 있다. 예를 들어, 상담 제어 모듈(360)은 예를 들어, 상담 제어 모듈(360)은 "홍길동님이 XX 회사를 근무하는 것으로 기록되어 있습니다. 혹시 XX 회사에 계속 근무하시는지 문의드립니다."라는 제5 음성 신호를 고객의 단말 장치(10)로 출력할 수 있다.If the identity authentication is successful (S630-Y), the consultation control module 360 may check customer information (S635). In this case, the customer information may include employment information. For example, the consultation control module 360 may include, for example, the consultation control module 360, which reads, "It is recorded that Gil-dong Hong works for Company XX. We will ask if you continue to work for Company XX." A voice signal may be output to the customer'sterminal device 10 .

상담 제어 모듈(360)은 고객 정보의 변경 여부를 판단할 수 있다(S640). 구체적으로, 상담 제어 모듈(360)은 제5 음성 신호에 응답하는 제5 고객 음성을 바탕으로 고객 정보의 변경 여부를 판단할 수 있다. 구체적으로, 제5 고객 음성에 대응되는 텍스트에 "아뇨"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객 정보가 변경되었음을 판단하고, 제5 고객 음성에 대응되는 텍스트에 "네"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객 정보가 유지됨을 판단할 수 있다.The consultation control module 360 may determine whether to change customer information (S640). Specifically, the consultation control module 360 may determine whether to change customer information based on the fifth customer voice responding to the fifth voice signal. Specifically, when the text "no" is included in the text corresponding to the fifth customer voice, the consultation control module 360 determines that the customer information has been changed, and the text "yes" in the text corresponding to the fifth customer voice is included, the consultation control module 360 may determine that customer information is maintained.

고객 정보(예를 들어, 재직 정보)가 변경된 경우(S640-Y), 상담 제어 모듈(360)은 통화 종료 안내 메시지와 함께 통화를 종료할 수 있다. 다른 실시예에 따르면, 상담 제어 모듈(360)은 바로 통화를 종료하지 않다 상담사 전화 연결로 전환할 수 있다.When customer information (eg, employment information) is changed (S640-Y), the consultation control module 360 may end the call together with a call termination guidance message. According to another embodiment, the counseling control module 360 may switch to a counselor phone connection instead of immediately ending the call.

고객 정보가 변경되지 않은 경우(S640-N), 상담 제어 모듈(360)은 약정 조건을 안내할 수 있다(S656). 예를 들어, 상담 제어 모듈(360)은 대출 금리 유형(예로, 변동/고정), 대출 금리, 대출 기간 등의 약정 조건을 안내할 수 있다.If the customer information is not changed (S640-N), the consultation control module 360 may guide the contract conditions (S656). For example, the consultation control module 360 may guide contract conditions such as a loan interest rate type (eg, variable/fixed), a loan interest rate, and a loan period.

상담 제어 모듈(360)은 대출 자동 연장 희망 여부를 확인할 수 있다(S650). 구체적으로, 상담 제어 모듈(360)은 "대출 연장을 원하시나요?"라는 제6 음성 신호를 출력할 수 있으며, 제6 음성 신호에 응답하는 제6 고객 음성을 바탕으로 대출 자동 연장 희망 여부를 판단할 수 있다. 구체적으로, 제6 고객 음성에 대응되는 텍스트에 "아뇨"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객이 대출 자동 연장을 희망하지 않음을 판단할 수 있으며, 제6 고객 음성에 대응되는 텍스트에 "네"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객이 대출 자연 연장을 희망함을 판단할 수 있다.The consultation control module 360 may check whether automatic loan extension is desired (S650). Specifically, the consultation control module 360 may output a sixth voice signal “Do you want to extend the loan?” can Specifically, when the text "no" is included in the text corresponding to the sixth customer voice, the consultation control module 360 may determine that the customer does not wish to automatically extend the loan, and If the text includes the text “yes”, the consultation control module 360 may determine that the customer desires to naturally extend the loan.

대출 자동 연장을 희망하지 않는 경우(S650-N), 상담 제어 모듈(360)은 영업점 방문을 안내하며(S655), 통화를 종료할 수 있다.If you do not wish to automatically extend the loan (S650-N), the consultation control module 360 guides a visit to the branch (S655), and may end the call.

대출 자동 연장을 희망하는 경우(S650-Y), 상담 제어 모듈(360)은 연장을 희망하는 대출 최종 고지할 수 있다(S660). 예를 들어, 상담 제어 모듈(360)은 연장을 희망하는 대출에 대한 대출 내역 정보를 포함하는 최종 고지를 안내할 수 있다.If automatic extension of the loan is desired (S650-Y), the consultation control module 360 may provide a final notification of the desired loan extension (S660). For example, the consultation control module 360 may guide a final notice including loan history information for a loan for which extension is desired.

상담 제어 모듈(360)은 내용 이해 여부를 확인할 수 있다(S665). 예를 들어, 상담 제어 모듈(360)은 현재까지 진행된 상담 과정에 대해 최종 이해 내용을 문의하는 메시지를 출력할 수 있다. 구체적으로, 상담 제어 모듈(360)은 "지금까지 진행하신 대출 연장에 대해 내용을 이해하셨는지 다시 한번 문의드립니다."라는 제7 음성 신호를 출력할 수 있으며, 제7 음성 신호에 응답하는 제7 고객 음성을 바탕으로 내용 이해 여부를 판단할 수 있다. 구체적으로, 제7 고객 음성에 대응되는 텍스트에 "아뇨"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객이 내용을 이해하지 못함을 판단할 수 있으며, 제7 고객 음성에 대응되는 텍스트에 "네"라는 텍스트가 포함되면, 상담 제어 모듈(360)은 고객이 내용을 이해하였음을 판단할 수 있다.The consultation control module 360 may check whether the contents are understood (S665). For example, the consultation control module 360 may output a message inquiring about the final understanding of the consultation process that has been carried out so far. Specifically, the consultation control module 360 may output a seventh voice signal saying "I will ask you once again whether you have understood the contents of the loan extension that has been carried out so far.", and the seventh customer responding to the seventh voice signal Based on the voice, it is possible to judge whether the content is understood or not. Specifically, when the text “no” is included in the text corresponding to the seventh customer voice, the consultation control module 360 may determine that the customer does not understand the content, and the text corresponding to the seventh customer voice If the text “Yes” is included, the consultation control module 360 may determine that the customer understands the content.

고객이 내용을 이해하지 못한 것으로 판단된 경우(S670-N), 상담 제어 모듈(360)은 상담사 자동 연결을 수행할 수 있다(S675).When it is determined that the customer does not understand the content (S670-N), the consultation control module 360 may perform automatic connection to the counselor (S675).

고객이 내용을 이해한 것으로 판단된 경우(S670-Y), 상담 제어 모듈(360)은 금리 인하 요구 안내 및 끝 인사를 수행하며(S680), 통화를 종료할 수 잇다.When it is determined that the customer understands the contents (S670-Y), the consultation control module 360 guides the interest rate cut request and performs an end greeting (S680), and may end the call.

한편, 상술한 바와 같은 상담 과정을 일 실시예에 불과하며, 상담 과정 중 새로운 과정이 추가될 수 있으며, 일부 과정이 삭제될 수 있음을 물론이다.Meanwhile, it goes without saying that the above-described counseling process is only an example, and new processes may be added and some processes may be deleted during the counseling process.

다시 도 3에 대해 설명하면, 기설정된 이벤트가 발생되면, 상담 제어 모듈(360)은 자동 음성 연결을 상담사 연결로 전환하도록 상담사 연결 모듈(380)을 제어할 수 있다.Referring back to FIG. 3 , when a preset event occurs, the counseling control module 360 may control thecounselor connection module 380 to convert the automatic voice connection to the counselor connection.

본 개시의 일 실시예로, 도 7은 음성 인식 실패로 인해 상담사 전화 연결로 전환하는 과정을 설명하기 위한 도면이다.According to an embodiment of the present disclosure, FIG. 7 is a diagram for explaining a process of switching to a counselor's call connection due to voice recognition failure.

고객 음성 획득 모듈(340)은 고객 음성을 획득할 수 있다(S710).The customervoice acquisition module 340 may acquire the customer voice (S710).

STT 모듈(350)은 고객 음성에 대한 음성 인식을 수행할 수 있다(S720). 이때, STT 모듈(350)은 고객 음성에 대응되는 복수의 후보 텍스트를 획득할 수 있으며, 획득된 후보 텍스트 각각의 신뢰도값을 획득할 수 있다.TheSTT module 350 may perform voice recognition on the customer's voice (S720). In this case, theSTT module 350 may obtain a plurality of candidate texts corresponding to the customer voice, and may obtain a reliability value of each of the obtained candidate texts.

STT 모듈(350)은 음성 인식 실패 여부를 판단할 수 있다(S730). 구체적으로, 획득된 후보 텍스트의 신뢰도값 중 적어도 하나가 임계값 초과라고 판단되면, STT 모듈(350)은 음성 인식이 성공되었음을 판단할 수 있다. 획득된 후보 텍스트의 신뢰도값이 모두 임계값 이하라고 판단되면, STT 모듈(350)은 음성 인식이 실패되었음을 판단할 수 있다.TheSTT module 350 may determine whether the voice recognition has failed (S730). Specifically, when it is determined that at least one of the obtained reliability values of the candidate text exceeds the threshold, theSTT module 350 may determine that the speech recognition has been successful. When it is determined that all of the obtained reliability values of the candidate text are less than or equal to the threshold, theSTT module 350 may determine that the voice recognition has failed.

음성 인식이 성공하면(S740-N), 상담 제어 모듈(360)은 고객 음성에 대응되는 텍스트를 획득할 수 있다(S740). 즉, 상담 제어 모듈(360)은 복수의 후보 텍스트 중 신뢰도값이 가장 높은 텍스트를 고객 음성에 대응되는 텍스트로 획득할 수 있다.If the voice recognition is successful (S740-N), the consultation control module 360 may obtain a text corresponding to the customer's voice (S740). That is, the consultation control module 360 may acquire the text having the highest reliability value among the plurality of candidate texts as the text corresponding to the customer's voice.

음성 인식이 실패하면(S740-Y), 상담 제어 모듈(360)은 음성 인식의 실패 횟수가 임계 횟수 미만인지 여부를 판단할 수 있다(S750).If the voice recognition fails (S740-Y), the consultation control module 360 may determine whether the number of voice recognition failures is less than a threshold number (S750).

음성 인식의 실패 횟수가 임계 횟수 미만이면(S750-Y), 상담 제어 모듈(360)은 고객 음성을 재 획득하여 음성 인식을 다시 수행할 수 있다. 이때, 상담 제어 모듈(360)은 고객의 재발화를 요구하는 메시지를 출력할 수 있다.If the number of failures in voice recognition is less than the threshold number (S750-Y), the consultation control module 360 may re-acquire the customer's voice to perform voice recognition again. In this case, the consultation control module 360 may output a message requesting the customer to speak again.

그러나, 음성 인식의 실패 횟수가 임계 횟수 이상이면(S750-N), 상담 제어 모듈(360)은 상담사 전화 연결로 전환하도록 상담사 연결 모듈(380)을 제어할 수 있다(S760). 즉, 상담 제어 모듈(360)은 최종적으로 음성 인식을 실패한 경우, 상담사 전화 연결로 전환하도록 상담사 연결 모듈(380)을 제어할 수 있다.However, if the number of failures in voice recognition is equal to or greater than the threshold number (S750-N), the counseling control module 360 may control thecounselor connection module 380 to switch to the counselor phone connection (S760). That is, when the voice recognition finally fails, the consultation control module 360 may control thecounselor connection module 380 to switch to a counselor phone connection.

또 다른 실시예에 의하면, 고객과 전화 통화가 수행되는 동안 제7 고객 음성이 획득되면, STT 모듈(350)은 제7 고객 음성에 대한 음성 인식을 수행하여 제7 고객 음성에 대응되는 텍스트를 획득할 수 있다. 제7 고객 음성에 대응되는 텍스트에 상담사 전화 연결을 요청하는 텍스트가 포함되면, 상담 제어 모듈(360)은 상담사 전화 연결로 전환하도록 상담사 연결 모듈(380)을 제어할 수 있다.According to another embodiment, if the seventh customer voice is acquired while a phone call is being performed with the customer, theSTT module 350 performs voice recognition on the seventh customer voice to obtain a text corresponding to the seventh customer voice can do. When the text corresponding to the seventh customer voice includes the text for requesting a counselor's call connection, the counseling control module 360 may control the counselor'sconnection module 380 to switch to the counselor's call connection.

상술한 바와 같이, 임계 횟수 이상 음성 인식을 실패하거나, 고객의 요청에 의해 상담사 전화 연결로 전환될 수 있으나, 이는 일 실시예에 불과할 뿐, 다른 경우 상담사 전화 연결로 전환될 수 있다. 예를 들어, 자주 질문하는 문의 사항을 포함하는 고객 음성이 입력되면, 상담사 연결 모듈(380)은 상담사 전화 연결로 전환할 수 있다.As described above, the voice recognition may fail more than a threshold number of times, or the call connection may be switched to a call center at the request of a customer. For example, when a customer voice including a frequently asked inquiry is input, thecounselor connection module 380 may switch to a counselor call connection.

상담사 전화 연결로 전환되면, 상담사 연결 모듈(380)은 상담사 전화 연결 전까지 상담 이력에 포함된 상담 스크립트 및 고객 음성에 대응되는 텍스트를 상담사 단말 장치(300)로 제공할 수 있다. 이때, 상담사 단말 장치(300)는 도 8에 도시된 바와 같이, 말풍선 이미지 형태의 채팅 화면으로 상담 이력(810)을 디스플레이할 수 있다. 즉, 기존에 진행된 상담 이력에 대해서는 계속해서 데이터베이스(200)에 저장하여 상담사에게 제공함으로써, 기존에 진행한 상담 과정을 반복하지 않고, 상담사 전화 연결로 전환한 시점 이후의 상담 과정부터 상담사와 진행할 수 있게 된다. 한편, 상담 이력(810)은 상담사 단말 장치(300)뿐만 아니라 고객의 단말 장치(10)로 제공될 수 있다.When switching to the counselor's phone connection, the counselor'sconnection module 380 may provide the counseling script included in the counseling history and text corresponding to the customer's voice to the counselor'sterminal device 300 until the counselor's call is connected. In this case, thecounselor terminal device 300 may display thecounseling history 810 as a chatting screen in the form of a speech bubble image, as shown in FIG. 8 . That is, by continuously storing and providing the counseling history in thedatabase 200 to the counselor for the previously conducted counseling history, it is possible to proceed with the counselor from the counseling process after the point of switching to the counselor phone connection without repeating the existing counseling process. there will be Meanwhile, thecounseling history 810 may be provided not only to the counselor'sterminal device 300 but also to the customer'sterminal device 10 .

다시 도 2에 대해 설명하면, 심사 등록부(123)는 자동 상담부(122)에 의해 이루어진 상담 내용을 저장할 수 있다. 이때, 심사 등록부(123)는 상담 스크립트 및 고객 음성에 대응되는 텍스트를 포함하는 상담 이력을 저장할 뿐만 아니라, 자동 음성 및 고객 음성을 녹취하여 저장할 수 있다. 심사 등록부(123)는 고객의 대출 연기 의사, 상담일자, 안내 내용 중 적어도 일부가 기재된 결재 포맷을 자동으로 생성하고, 생성된 결재 포맷을 결재권자에게 자동 상신할 수 있다.Referring back to FIG. 2 , theexamination registration unit 123 may store the contents of the consultation made by theautomatic consultation unit 122 . In this case, theexamination registration unit 123 may not only store the consultation history including the consultation script and text corresponding to the customer's voice, but also record and store the automatic voice and the customer's voice. Thereview registration unit 123 may automatically generate a payment format in which at least a part of the customer's loan deferral intention, consultation date, and guidance content is recorded, and automatically notify the payment right holder of the generated payment format.

또한, 심사 등록부(123)는 저장된 상담 내용을 해당 영업점으로 전송할 수 있다. 이때, 심사 등록부(123)는 말풍선 형태의 상담 이력을 해당 영업점으로 전송할 수 있다. 이로 인해 영업점은 저장된 상담 내용을 바탕으로 익일 전화 요청, 문자 발송 요청 등과 같은 고객 요청 사항을 인식할 수 있다.Also, theexamination registration unit 123 may transmit the stored consultation contents to the corresponding branch. In this case, theexamination registration unit 123 may transmit the consultation history in the form of a speech bubble to the corresponding branch. Accordingly, the branch can recognize customer requests, such as next-day phone calls and text message requests, based on the stored consultation details.

또한, 심사 등록부(123)는 자동 상담에 대한 통계 데이터(예를 들어, 건수 및 성공률)를 수집하여 기록할 수 있다.In addition, theexamination registration unit 123 may collect and record statistical data (eg, the number of cases and success rate) for automatic consultation.

심사부(124)는 심사 등록부(123)에 의해 등록된 대출 연장 건을 자동으로 심사할 수 있다. 구체적으로, 심사부(124)는 고객의 신용 정보를 조회하고 대출 취급 제한 여부를 확인할 수 있다. 또한, 심사부(124)는 상담 이력을 바탕으로 고객의 연장 의사 여부, 상담 일자, 전화 번호, 안내 내용, 재직처 정보 등을 기재한 상담 내용을 자동으로 작성하여 대출 심사 결재를 수행할 수 있다.Theexamination unit 124 may automatically examine the loan extension registered by theexamination registration unit 123 . Specifically, thereview unit 124 may inquire about the customer's credit information and check whether the loan handling is restricted. In addition, thereview unit 124 may perform loan review and approval by automatically filling out consultation contents in which the customer's intention to extend, consultation date, phone number, guidance content, information on the place of employment, etc., based on the consultation history.

이때, 심사부(124)는 RPA(Robotic Process Automation) 시스템을 이용하여 대출 연장 건에 대한 심사를 수행할 수 있다. 일 실시예로, 심사부(124)는 RPA에 포함된 대출 연장 심사를 위한 대출 연장 심사 모델에 상담 이력을 입력하여 선정된 고객에 대한 대출 연장 건에 대한 심사를 수행할 수 있다. In this case, thereview unit 124 may review the loan extension using a Robotic Process Automation (RPA) system. In an embodiment, thereview unit 124 may perform a review on a loan extension for a selected customer by inputting a consultation history into a loan extension review model for loan extension review included in the RPA.

또한, 심사부(124)는 선정된 고객의 대출 자동 연장에 대한 심사 결과 및 대출 내역 정보를 고객 정보에 포함된 고객의 연락처로 전송할 수 있다. 예를 들어, 심사부(124)는 도 9에 도시된 바와 같이, "안녕하십니까? 홍길동 고객님, xx 지점에서 이용 중이신 대출이 1년 연장되었음을 안내드립니다. 이용하실 금리는 xx%이며, 다음 만기일은 2022년 4월 20일입니다. 문의사항이 있으면, xx 지점에 연락부탁드립니다."라는 SMS 메시지를 고객의 단말 장치(10)로 전송할 수 있다.In addition, theexamination unit 124 may transmit the examination result and loan history information for the selected customer's automatic loan extension to the customer's contact information included in the customer information. For example, as shown in FIG. 9 , thereview unit 124 informs you that the loan being used at branch xx has been extended by one year. The interest rate to be used is xx%, and the next maturity date is 4, 2022 It is the 20th of the month. If you have any questions, please contact branch xx." You can send an SMS message to the customer's terminal device (10).

도 10은 본 개시의 일 실시예에 따른, 대출 관리 시스템의 대출 자동 연장 안내 방법을 설명하기 위한 흐름도이다.10 is a flowchart illustrating a method of automatically extending a loan of a loan management system, according to an embodiment of the present disclosure.

서버(100)는 대출 관련 정보로부터 기한 연장 대상 고객을 선정할 수 있다(S1010). 일 실시예로, 서버(100)는 대출 관련 정보에 포함된 대출 유형 정보 및 대출 만기일 정보를 바탕으로 대출 기한 연장 대상 고객을 자동 선정할 수 있다. 예를 들어, 서버(100)는 협약 대출 고객, 임직원 대출 고객, 기타 신용 대출 고객 중 만기일이 한 달 남은 고객을 기한 연장 대상 고객으로 자동 선정할 수 있다. 다른 실시예로, 서버(100)는 외부 또는 직원에 의해 대출 관련 정보로부터 수동 선정된 기한 연장 대상 고객에 대한 정보를 수신할 수 있다.Theserver 100 may select a target customer for the extension of the period from the loan-related information (S1010). In an embodiment, theserver 100 may automatically select a target customer for the extension of the loan term based on loan type information and loan maturity date information included in the loan related information. For example, theserver 100 may automatically select a customer with a maturity of one month remaining among contract loan customers, employee loan customers, and other credit loan customers as a target extension customer. In another embodiment, theserver 100 may receive information on the customer for the extension of the deadline manually selected from the loan-related information externally or by an employee.

서버(100)는 선정된 고객에 대한 전화를 발신하거나 발신하도록 지원할 수 있다(S1020). 구체적으로, 선정된 고객의 과거 대출 내역과 관련된 정보가 데이터베이스에서 독출되면, 서버(100)는 독출된 정보를 이용하여 상담 스크립트를 생성하거나 생성하도록 지원하고, 생성된 상담 스크립트에 기초하여 자동으로 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 발화하거나 발화하도록 지원할 수 있다. 이때, 선정된 고객의 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 데이터베이스에서 독출되면, 서버(100)는 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성하거나 생성하도록 지원할 수 있다.Theserver 100 may send or support a call to the selected customer (S1020). Specifically, when information related to the selected customer's past loan details is read from the database, theserver 100 creates or supports to generate a counseling script using the read information, and automatically selects based on the generated counseling script It can utter or support to utter a voice call to confirm the customer's intention to extend the loan. At this time, when customer information and loan history information are read from the database as information related to the selected customer's past loan details, theserver 100 generates a consultation script for each customer and each product using the read customer information and loan history information, or We can support you to create

서버(100)는 선정된 고객에 대응되도록 생성한 상담 스크립트에 기초하여 선정된 고객의 대출 연장 여부를 확인하기 위한 전화 통화를 자동 수행할 수 있다(S1030).Theserver 100 may automatically make a phone call to confirm whether the loan extension of the selected customer is based on the consultation script generated to correspond to the selected customer (S1030).

구체적으로, 선정된 고객과 전화 통화가 연결되면, 서버(100)는 선정된 고객에게 최초 멘트를 발화하는 제1 음성 신호를 출력하거나 출력하도록 지원하는 프로세스를 수행하고, 선정된 고객으로부터 제1 고객 음성이 획득되면, 서버(100)는 제1 고객 음성에 대한 음성 인식을 수행하여 제1 고객 음성에 대응되는 제1 텍스트를 획득하거나 획득하도록 지원할 수 있다. 그리고, 서버(100)는 제1 텍스트를 바탕으로 선정된 고객과의 통화 진행 여부를 판단할 수 있다.Specifically, when a phone call is connected with the selected customer, theserver 100 outputs or supports the first voice signal uttering the first comment to the selected customer, and performs a process of supporting the output from the selected customer to the first customer When the voice is acquired, theserver 100 may perform voice recognition on the first customer voice to acquire or support the acquisition of the first text corresponding to the first customer voice. Then, theserver 100 may determine whether to proceed with the call with the selected customer based on the first text.

이때, 서버(100)는 다음과 같은 과정을 거쳐 고객의 음성에 대한 음성 인식을 수행할 수 있다. 구체적으로, 선정된 고객으로부터 제1 고객 음성이 획득되면, 서버(100)는 제1 고객 음성을 소정 길이 단위의 윈도우로 나누거나 나누도록 지원할 수 있으며, t번째 윈도우(여기서, t는 1부터 윈도우 사이즈 n사이의 정수임)를 Fourier Transform을 이용하여 frequency domain데이터로 변환하거나 변환하도록 지원할 수 있고, frequency domain데이터를 기초로 생성된 특징벡터를 신경망에 입력하여 음소를 분류하거나 분류하도록 지원할 수 있다. 여기서, 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링될 수 있다. 또한, 음소의 분류 확률(observation probability)은 다음의 수식으로 계산될 수 있다.In this case, theserver 100 may perform voice recognition for the customer's voice through the following process. Specifically, when the first customer voice is obtained from the selected customer, theserver 100 may divide or support dividing the first customer voice into a window of a predetermined length unit, and a t-th window (here, t is a window from 1) An integer between size n) can be converted or supported to frequency domain data using Fourier Transform, and a feature vector generated based on frequency domain data can be input to a neural network to classify or classify phonemes. Here, the phoneme may be modeled by subdividing it into a left context phoneme, a corresponding context phoneme, and a right context phoneme. Also, an observation probability of a phoneme may be calculated by the following equation.

(여기서, p(qt|xt)는 신경망으로부터 추정된 상태 후행 확률(state posterior probability)이고, p(qt)는 트레이닝 세트로부터 추정된 선행 확률(prior probability)이며, p(xt)는 계산상 무시될(where p(qt|xt) is the state posterior probability estimated from the neural network, p(qt) is the prior probability estimated from the training set, and p(xt) is computationally ignored to be

그리고, 서버(100)는 고객에 대한 정보를 바탕으로 선정된 고객에 대한 인증을 수행할 수 있다.And, theserver 100 may perform authentication for the selected customer based on the information about the customer.

일 실시예로, 서버(100)는 상담 스크립트에 기초하여 고객을 인증하기 위한 메시지를 포함하는 제2 음성 신호를 출력하거나 출력하도록 지원할 수 있다. 제2 성 신호에 대응하는 제2 고객 음성이 획득되면, 서버(100)는 제2 고객 음성에 대한 음성 인식을 수행하여 제2 고객 음성에 대응되는 제2 텍스트를 획득하거나 획득할 수 있다. 그리고, 서버(100)는 대출원장에서 독출된 선정된 고객에 대한 고객 정보와 상기 제2 텍스트에 기초하여 선정된 고객을 인증하거나 인증하도록 지원할 수 있다.In an embodiment, theserver 100 may output or support outputting a second voice signal including a message for authenticating the customer based on the consultation script. When the second customer voice corresponding to the second voice signal is obtained, theserver 100 may perform voice recognition on the second customer voice to obtain or obtain a second text corresponding to the second customer voice. In addition, theserver 100 may authenticate or support the authentication of the selected customer based on the second text and customer information on the selected customer read from the loan ledger.

다른 실시예로, 제3 고객 음성이 획득되면, 서버(100)는 음성을 발화한 사람의 음성 특징을 획득하도록 학습된 신경망에 제3 고객 음성을 입력하여 제3 고객 음성에 대응되는 음성 특징(예로, 음성을 발화한 사람의 성별 및 나이대 중 적어도 하나의 특성을 포함)을 획득하거나 획득하도록 지원할 수 있다. 그리고, 서버(100)는 선정된 고객에 대한 생체 데이터 정보 및 제3 고객 음성에 대응되는 음성 특징이 상호 대응하는지에 기초하여 상기 고객을 인증하거나 인증하도록 지원할 수 있다.In another embodiment, when the third customer voice is obtained, theserver 100 inputs the third customer voice to the neural network trained to acquire the voice characteristic of the person who uttered the voice, and the voice characteristic corresponding to the third customer voice ( For example, it may be possible to obtain or support obtaining (including at least one characteristic of the gender and age of the person who uttered the voice). In addition, theserver 100 may authenticate or support the authentication of the customer based on whether the biometric data information of the selected customer and the voice feature corresponding to the third customer's voice correspond to each other.

또한, 서버(100)는 전화 통화가 수행되는 동안 선정된 고객이 발화한 고객 음성에 대한 음성 인식을 수행할 수 있다. 이때, 서버(100)는 선정된 고객이 발화한 고객 음성에 대한 음성 인식이 최종적으로 실패하거나 음성 인식 결과 고객이 사람 상담사 연결 요청을 한 것으로 판명되는 경우, 사람 상담사로 연결을 전환하거나 전환하도록 지원할 수 있다. 이때, 사람 상담사 전화 연결로 전환되면, 상담사 전화 연결 전까지 상담 이력에 포함된 상담 내역을 말풍선 이미지 형태로 생성하거나 생성하도록 지원하여 연결된 고객에 대한 상담사의 단말로 제공하거나 제공하도록 지원할 수 있다.Also, theserver 100 may perform voice recognition on the customer's voice uttered by the selected customer while the phone call is being performed. At this time, if the voice recognition for the customer's voice uttered by the selected customer ultimately fails or it is determined that the customer has requested a connection to the human counselor as a result of the voice recognition, theserver 100 will support or switch the connection to the human counselor. can At this time, when the human counselor phone connection is switched to, the counseling history included in the counseling history is generated or supported in the form of a speech bubble image before the counselor phone connection is made, so that it can be provided or supported to the counselor's terminal for the connected customer.

전화 통화가 종료되면(S1040), 서버(100)는 전화 통화 내용에 기초하여 자동으로 대출 자동 연장 여부를 결정하거나 결정하도록 지원할 수 있다 (S1050). 구체적으로, 서버(100)는 고객의 대출 연기 의사, 상담일자, 안내 내용 중 적어도 일부가 기재된 결재 포맷을 자동으로 생성하거나 생성하도록 지원하고, 생성된 결재 포맷을 결재권자에게 자동 상신하거나 상신하도록 지원할 수 있다.When the phone call is terminated (S1040), theserver 100 may automatically determine or support to determine whether to automatically extend the loan based on the contents of the phone call (S1050). Specifically, theserver 100 automatically generates or supports to generate or generate a payment format in which at least part of the customer's loan deferral intention, consultation date, and guidance content is written, and to automatically notify or notify the payment authority of the generated payment format can

이때, 서버(100)는 선정된 고객의 대출 자동 연장에 대한 심사 결과 및 대출 내역 정보를 고객 정보에 포함된 고객의 연락처로 전송할 수 있다.In this case, theserver 100 may transmit the selected customer's automatic loan extension examination result and loan history information to the customer's contact information included in the customer information.

한편, 상술한 실시예에서는 대출 자동 연장을 안내하기 위하여 인공지능 시스템을 이용하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 카드 대출 연장 안내, 연체 독촉 안내 등에도 상술한 바와 같은 인공지능 시스템을 이용할 수 있다.On the other hand, in the above-described embodiment, it has been described that the artificial intelligence system is used to guide automatic loan extension, but this is only an embodiment, and the artificial intelligence system as described above can be used for card loan extension guidance, overdue reminder guidance, etc. can

한편, 이상에서 상술한 바와 같은 인공지능 모델에 관련된 기능은 메모리 및 프로세서를 통해 수행될 수 있다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 비휘발성 메모리 및 휘발성 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.Meanwhile, the functions related to the artificial intelligence model as described above may be performed through a memory and a processor. The processor may consist of one or a plurality of processors. In this case, one or a plurality of processors are general-purpose processors such as CPUs and APs, GPUs. It may be a graphics-only processor, such as a VPU, or an artificial intelligence-only processor, such as an NPU. One or more processors control to process input data according to a predefined operation rule or artificial intelligence model stored in the non-volatile memory and the volatile memory. A predefined action rule or artificial intelligence model is characterized in that it is created through learning.

여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.Here, being made through learning means that a predefined operation rule or artificial intelligence model of a desired characteristic is created by applying a learning algorithm to a plurality of learning data. Such learning may be performed in the device itself on which the artificial intelligence according to the present disclosure is performed, or may be performed through a separate server/system.

인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Networks) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.The artificial intelligence model may be composed of a plurality of neural network layers. Each layer has a plurality of weight values, and the layer operation is performed through the operation of the previous layer and the operation of the plurality of weights. Examples of neural networks include Convolutional Neural Network (CNN), Deep Neural Network (DNN), Recurrent Neural Network (RNN), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), Bidirectional Recurrent Deep Neural Network (BRDNN), GAN. There are (Generative Adversarial Networks) and Deep Q-Networks, and the neural network in the present disclosure is not limited to the above-described examples, except as otherwise specified.

학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 서버)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.The learning algorithm is a method of training a predetermined target device (eg, a server) using a plurality of learning data so that the predetermined target device can make a decision or make a prediction by itself. Examples of the learning algorithm include supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, and the learning algorithm in the present disclosure is specified when It is not limited to the above-mentioned example except for.

기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.The device-readable storage medium may be provided in the form of a non-transitory storage medium. Here, 'non-transitory storage medium' is a tangible device and only means that it does not contain a signal (eg, electromagnetic wave). It does not distinguish the case where it is stored as For example, the 'non-transitory storage medium' may include a buffer in which data is temporarily stored.

일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.According to an embodiment, the method according to various embodiments disclosed in this document may be provided as included in a computer program product. Computer program products may be traded between sellers and buyers as commodities. The computer program product is distributed in the form of a device-readable storage medium (eg compact disc read only memory (CD-ROM)), or through an application store (eg Play Store™) or on two user devices (eg, It can be distributed (eg downloaded or uploaded) directly or online between smartphones (eg: smartphones). In the case of online distribution, at least a portion of a computer program product (eg, a downloadable app) is stored at least in a machine-readable storage medium, such as a memory of a manufacturer's server, a server of an application store, or a relay server. It may be temporarily stored or temporarily created.

이상에서 상술한 바와 같은 본 개시의 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다.As described above, each of the components (eg, a module or a program) according to various embodiments of the present disclosure may be composed of a singular or a plurality of entities, and some of the aforementioned sub-components are omitted. Alternatively, other sub-components may be further included in various embodiments. Alternatively or additionally, some components (eg, a module or a program) may be integrated into a single entity, so that functions performed by each corresponding component prior to integration may be performed identically or similarly.

다양한 실시 예들에 따른, 부, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.According to various embodiments, operations performed by a unit, module, program, or other component are sequentially, parallel, repetitively or heuristically executed, or at least some operations are executed in a different order, are omitted, or other operations are performed. can be added

이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.In the above, preferred embodiments of the present disclosure have been illustrated and described, but the present disclosure is not limited to the specific embodiments described above, and is generally used in the technical field to which the present disclosure belongs without departing from the gist of the present disclosure as claimed in the claims. Various modifications may be made by those having the knowledge of

121: 발신부122: 자동 상담부
123: 심사 등록부124: 심사부121: sending unit 122: automatic consulting unit
123: audit register 124: audit department

Claims (20)

Translated fromKorean

서버의 대출 자동 연장 안내 및 연장 심사 방법에 있어서,
(a) 대출 관련 정보로부터 만기일로부터 소정 기간 내에 있는 대출 고객에 해당하는 기한 연장 대상 고객이 선정되면,
상기 선정된 고객에게 자동으로 전화를 발신하거나 발신하도록 지원하는 단계;
(b) 상기 선정된 고객에 대한 정보 및 대출 내역 정보를 기초로 생성된 고객별·금융상품별 상담 스크립트에 기초하여, 자동으로 상기 대출이 이루어진 금융회사 정보를 제공하면서 상기 선정된 고객의 상기 금융회사에서 이루어진 대출에 대한 연장 의사를 확인하기 위한 전화 통화를 수행하거나 수행하도록 지원하는 단계;
(c) 상기 상담 스크립트 및 상기 고객의 음성에 대응되는 텍스트를 포함하는 상담 이력을 저장하여 상기 상담 이력에 기초하여 대출 자동 연장을 위한 결재 포맷을 생성하는 단계;
(d)전화 통화가 종료되면, 상기 결재 포맷에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원하는 단계;
(e) 상기 대출 자동 연장이 결정된 경우, 상기 고객 정보에 포함된 고객의 연락처로, 대출 연장 기간 정보, 금리 정보 및 만기일 정보를 안내하는 메시지를 전송하는 단계; 및
(f) 상기 저장된 상담 이력을 상기 금융회사의 담당 영업점으로 전송하여, 상기 영업점에서 상기 저장된 상담 이력을 바탕으로 고객 요청 사항을 인식할 수 있도록 하는 단계;를 포함하고,
상기 (b) 단계는,
(b1)상기 선정된 고객의 대출원장에 기록된 재직 정보가 변경되었는지 여부를 확인하기 위한 제1 음성 신호를 출력하거나 출력하도록 지원하는 단계;
(b2)상기 제1 음성 신호에 응답하여 제1 고객 음성이 획득되면, 상기 제1 고객 음성에 대한 음성 인식을 수행하여 획득된 제1 텍스트에 기초하여 상기 선정된 고객의 재직 정보가 변경되었는지 여부를 판단하는 단계; 및
(b3)상기 선정된 고객에 대한 제직 정보가 변경되지 않은 경우 상기 선정된 고객에게 대출 금리 유형, 대출금리 및 대출기간을 포함하는 약정 조건을 안내하고 대출 자동 연장을 확인하기 위한 제2 음성 신호를 출력하거나 출력하도록 지원하는 단계;
(b4) 상기 제2 음성 신호에 응답하여 제2 고객 음성이 획득되면, 상기 제2 고객 음성에 대한 음성인식을 수행하여 획득된 제2 텍스트에 기초하여 상기 선정된 고객의 대출 자동 연장 희망 여부를 판단하는 단계;
(b5-1) 상기 선정된 고객이 대출 자동 연장을 희망하는 것으로 판단되면, 상기 선정된 고객에게 연장을 희망하는 대출에 대한 대출 내역 정보를 포함하는 최종 고지를 안내하기 위한 제3 음성 신호를 출력하거나 출력하도록 지원하고, 상기 선정된 고객에게 금리 인하 요구를 안내하는 제4 음성 신호를 출력하거나 출력하도록 지원하는 단계;
(b5-2) 상기 선정된 고객이 대출 자동 연장을 희망하지 않는 것으로 판단되면, 상기 선정된 고객에게 상기 금융회사의 영업점을 방문을 안내하기 위한 제5 음성 신호를 출력하거나 출력하도록 지원하는 단계;를 포함하며,
상기 (d) 단계는,
RPA(Robotic Process Automation) 시스템의 대출 연장 심사 모델을 이용하여,
상기 선정된 고객의 신용 정보를 조회하고 대출 취급 제한 여부를 확인하는 단계; 및
상기 상담 이력에 포함된 대출 자동 연장 의사 여부, 상담 일자, 전화 번호, 대출 연장 안내 내용 및 상기 선정된 고객의 재직 정보에 기초하여 상기 대출 자동 연장 여부를 결정하거나 결정하도록 지원하는 단계;를 포함하는 방법.In the server's automatic loan extension guidance and extension review method,
(a) If a customer subject to extension is selected from the loan-related information, who is a loan customer within a predetermined period from the maturity date;
automatically sending or supporting the call to the selected customer;
(b) the financial company of the selected customer while automatically providing information on the financial company that made the loan making or assisting in making a phone call to confirm the intention to extend the loan made in the ;
(c) generating a payment format for automatic loan extension based on the consultation history by storing the consultation history including the consultation script and text corresponding to the customer's voice;
(d) when the phone call is terminated, determining whether or not to automatically extend the loan based on the payment format;
(e) transmitting a message guiding loan extension period information, interest rate information, and maturity date information to the customer's contact information included in the customer information when the automatic loan extension is determined; and
(f) transmitting the stored consultation history to the branch in charge of the financial company so that the branch can recognize customer requests based on the stored consultation history;
The step (b) is,
(b1) outputting or supporting output of a first voice signal for confirming whether or not the employment information recorded in the loan ledger of the selected customer has been changed;
(b2) when the first customer voice is obtained in response to the first voice signal, whether the employment information of the selected customer is changed based on the first text obtained by performing voice recognition on the first customer voice judging; and
(b3) If the weaving information for the selected customer is not changed, a second voice signal for notifying the selected customer of the contract conditions including the loan interest rate type, loan interest rate and loan period and confirming automatic extension of the loan outputting or supporting output;
(b4) when a second customer voice is obtained in response to the second voice signal, based on the second text obtained by performing voice recognition for the second customer voice, whether the selected customer wants to automatically extend the loan judging;
(b5-1) If it is determined that the selected customer wishes to automatically extend the loan, a third voice signal is output to inform the selected customer of the final notice including the loan history information for the loan to be extended a step of outputting or supporting to output a fourth voice signal for guiding the selected customer to request a rate cut;
(b5-2) outputting or supporting output of a fifth voice signal for guiding the selected customer to visit a branch of the financial company when it is determined that the selected customer does not wish to automatically extend the loan; includes,
Step (d) is,
Using the loan extension review model of the RPA (Robotic Process Automation) system,
Inquiring the credit information of the selected customer and checking whether the loan handling is restricted; and
Containing a; Way.제1항에 있어서,
상기 (b) 단계에서,
상기 서버는,
상기 선정된 고객의 과거 대출 내역과 관련된 정보가 데이터베이스에서 독출되면, 상기 독출된 정보를 이용하여 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 발화하거나 발화하도록 지원하는 것을 특징으로 하는, 방법.According to claim 1,
In step (b),
The server is
When information related to the past loan details of the selected customer is read from the database, a consultation script is created or supported by using the read information, and the loan of the selected customer is automatically based on the generated consultation script A method, comprising: uttering or assisting in uttering a call voice for confirming the intention to extend.제2항에 있어서,
상기 (b) 단계에서,
상기 서버는, 상기 선정된 고객의 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 상기 데이터베이스에서 독출되면, 상기 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 생성하여 발화하거나 발화하도록 지원하는 것을 특징으로 하는, 방법.3. The method of claim 2,
In step (b),
When customer information and loan history information are read from the database as information related to the past loan details of the selected customer, the server generates a consultation script for each customer and each product using the read customer information and loan history information, or Supported to generate and based on the generated consultation script, characterized in that for automatically generating a call voice for confirming the loan extension intention of the selected customer to utter or support the utterance, the method.제1항에 있어서,
상기 (b) 단계에서,
(i) 상기 선정된 고객과 전화 통화가 연결되면, 상기 선정된 고객에게 최초 멘트를 발화하는 제6 음성 신호를 출력하거나 출력하도록 지원하는 프로세스 및 (ii) 상기 선정된 고객으로부터 제3 고객 음성이 획득되면, 상기 제3 고객 음성에 대한 음성 인식을 수행하여 상기 제3 고객 음성에 대응되는 제3 텍스트를 획득하거나 획득하도록 지원하는 프로세스를 수행하는 단계; 및
상기 제3 텍스트를 바탕으로 상기 선정된 고객과의 통화 진행 여부를 판단하는 단계;를 포함하는, 방법.According to claim 1,
In step (b),
(i) when a phone call is connected with the selected customer, a process for outputting or supporting a sixth voice signal uttering an initial comment to the selected customer; and (ii) a third customer voice from the selected customer if obtained, performing voice recognition on the third customer voice to acquire or support a process for obtaining a third text corresponding to the third customer voice; and
Determining whether to proceed with the call with the selected customer based on the third text; Containing, the method.제4항에 있어서,
상기 (b) 단계에서,
상기 (ii)프로세스는,
(ii-1) 상기 선정된 고객으로부터 상기 제3 고객 음성이 획득되면, 상기 제3 고객 음성을 소정 길이 단위의 윈도우로 나누거나 나누도록 지원하는 단계,
(ii-2) t번째 윈도우 - 여기서 t는 1부터 윈도우 사이즈 n사이의 정수임 - 를 Fourier Transform을 이용하여 frequency domain데이터로 변환하거나 변환하도록 지원하는 단계 및
(ii-3) 상기 frequency domain데이터를 기초로 생성된 특징벡터를 신경망에 입력하여 음소를 분류하거나 분류하도록 지원하는 단계를 포함하는 것을 특징으로 하는, 방법.5. The method of claim 4,
In step (b),
(ii) the process,
(ii-1) when the third customer voice is obtained from the selected customer, dividing or supporting the third customer voice to be divided into windows of a predetermined length unit;
(ii-2) transforming or supporting the t-th window, where t is an integer between 1 and window size n, into frequency domain data using Fourier Transform; and
(ii-3) inputting a feature vector generated based on the frequency domain data into a neural network to classify or support the classification of phonemes.제5항에 있어서,
상기 (ii-3) 단계에서,
상기 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링되는 것을 특징으로 하는, 방법.6. The method of claim 5,
In step (ii-3),
The phoneme is characterized in that the model is subdivided into a left context phoneme, a corresponding context phoneme, a right context phoneme, method.삭제delete제1항에 있어서,
상기 (b) 단계는,
상기 상담 스크립트에 기초하여 상기 고객을 인증하기 위한 메시지를 포함하는 제7 음성 신호를 출력하거나 출력하도록 지원하는 단계;
상기 제7 음성 신호에 대응하는 제4 고객 음성이 획득되면, 상기 제4 고객 음성에 대한 음성 인식을 수행하여 상기 제4 고객 음성에 대응되는 제4 텍스트를 획득하거나 획득하도록 지원하는 단계; 및
대출원장에서 독출된 상기 선정된 고객에 대한 고객 정보와 상기 제4 텍스트에 기초하여 상기 선정된 고객을 인증하거나 인증하도록 지원하는 단계;를 포함하는, 방법.According to claim 1,
The step (b) is,
outputting or supporting to output a seventh voice signal including a message for authenticating the customer based on the consultation script;
when a fourth customer voice corresponding to the seventh voice signal is obtained, performing voice recognition on the fourth customer voice to obtain or assist in acquiring a fourth text corresponding to the fourth customer voice; and
Containing, comprising; a step of authenticating or supporting the selected customer based on the fourth text and customer information about the selected customer read from the loan ledger.제1항에 있어서,
상기 (b) 단계에서,
제5 고객 음성이 획득되면, 음성을 발화한 사람의 음성 특징을 획득하도록 학습된 신경망에 상기 제5 고객 음성을 입력하여 상기 제5 고객 음성에 대응되는 음성 특징을 획득하거나 획득하도록 지원하는 단계; 및
상기 선정된 고객에 대한 생체 데이터 정보 및 상기 제5 고객 음성에 대응되는 음성 특징이 상호 대응하는지에 기초하여 상기 고객을 인증하거나 인증하도록 지원하는 단계;를 포함하고,
상기 음성 특징은,
음성을 발화한 사람의 성별 및 나이대 중 적어도 하나의 특성을 포함하는, 방법.According to claim 1,
In step (b),
when the fifth customer voice is obtained, inputting the fifth customer voice into a neural network trained to acquire the voice characteristic of the person who uttered the voice to acquire or assist in acquiring the voice characteristic corresponding to the fifth customer voice; and
Authenticating or supporting to authenticate the customer based on whether the biometric data information of the selected customer and the voice feature corresponding to the fifth customer's voice correspond to each other;
The voice characteristics are
A method comprising at least one characteristic of gender and age of the person uttering the voice.제1항에 있어서,
상기 (b) 단계에서,
상기 전화 통화가 수행되는 동안 상기 선정된 고객이 발화한 고객 음성에 대한 음성 인식을 수행하는 단계;를 포함하며,
상기 음성 인식을 수행하는 단계는,
상기 선정된 고객이 발화한 고객 음성에 대한 음성 인식이 최종적으로 실패하거나 음성 인식 결과 상기 고객이 사람 상담사 연결 요청을 한 것으로 판명되는 경우, 사람 상담사로 연결을 전환하거나 전환하도록 지원하는 단계;를 포함하는, 방법.According to claim 1,
In step (b),
Including; performing voice recognition on the customer's voice uttered by the selected customer while the phone call is being performed;
The step of performing the voice recognition comprises:
When voice recognition for the customer's voice uttered by the selected customer ultimately fails or when it is determined that the customer has requested a connection to a human counselor as a result of voice recognition, the step of switching or supporting the conversion to a human counselor; includes; How to.제10항에 있어서,
상기 사람 상담사 전화 연결로 전환되면, 상기 상담사 전화 연결 전까지 상담 이력에 포함된 상담 내역을 말풍선 이미지 형태로 생성하거나 생성하도록 지원하여 연결된 고객에 대한 상담사의 단말로 제공하거나 제공하도록 지원하는, 방법.11. The method of claim 10,
When it is switched to the human counselor phone connection, the counseling history included in the counseling history is created or supported in the form of a speech bubble image before the counselor phone connection is made or provided to the counselor's terminal for the connected customer, a method of supporting to provide.삭제delete삭제delete대출 자동 연장 안내 및 연장 심사를 수행하기 위한 서버에 있어서,
저장부; 및
대출 관련 정보로부터 만기일로부터 소정 기간 내에 있는 대출 고객에 해당하는 기한 연장 대상 고객이 선정되면, 상기 선정된 고객에게 자동으로 전화를 발신하거나 발신하도록 지원하며,
상기 선정된 고객에 대한 정보 및 대출 내역 정보를 기초로 생성된 고객별·금융상품별 상담 스크립트에 기초하여, 자동으로 상기 대출이 이루어진 금융회사 정보를 제공하면서 상기 선정된 고객의 상기 금융회사에서 이루어진 대출에 대한 연장 의사를 확인하기 위한 전화 통화를 수행하거나 수행하도록 지원하고,
상기 상담 스크립트 및 상기 고객의 음성에 대응되는 텍스트를 포함하는 상담 이력을 저장하며, 상기 상담 이력에 기초하여 대출 자동 연장을 위한 결재 포맷을 생성하고,
전화 통화가 종료되면, 상기 결재 포맷에 기초하여 대출 자동 연장 여부를 결정하거나 결정하도록 지원하고,
상기 대출 자동 연장이 결정된 경우, 상기 고객 정보에 포함된 고객의 연락처로, 대출 연장 기간 정보, 금리 정보 및 만기일 정보를 안내하는 메시지를 전송하며,
상기 저장된 상담 이력을 상기 금융회사의 담당 영업점으로 전송하여, 상기 영업점에서 상기 저장된 상담 이력을 바탕으로 고객 요청 사항을 인식할 수 있도록 하는 제어부;를 포함하며,
상기 제어부는,
상기 선정된 고객의 대출원장에 기록된 재직 정보가 변경되었는지 여부를 확인하기 위한 제1 음성 신호를 출력하거나 출력하도록 지원하고,
상기 제1 음성 신호에 응답하여 제1 고객 음성이 획득되면, 상기 제1 고객 음성에 대한 음성 인식을 수행하여 획득된 제1 텍스트에 기초하여 상기 선정된 고객의 재직 정보가 변경되었는지 여부를 판단하고,
상기 선정된 고객에 대한 재직 정보가 변경되지 않은 경우 상기 선정된 고객에게 대출 금리 유형, 대출금리 및 대출기간을 포함하는 약정 조건을 안내하고 대출 자동 연장을 확인하기 위한 제2 음성 신호를 출력하거나 출력하도록 지원하고,
상기 제2 음성 신호에 응답하여 제2 고객 음성이 획득되면, 상기 제2 고객 음성에 대한 음성인식을 수행하여 획득된 제2 텍스트에 기초하여 상기 선정된 고객의 대출 자동 연장 희망 여부를 판단하고,
상기 선정된 고객이 대출 자동 연장을 희망하는 것으로 판단되면, 상기 선정된 고객에게 연장을 희망하는 대출에 대한 대출 내역 정보를 포함하는 최종 고지를 안내하기 위한 제3 음성 신호를 출력하거나 출력하도록 지원하고, 상기 선정된 고객에게 금리 인하 요구를 안내하는 제4 음성 신호를 출력하거나 출력하도록 지원하고,
상기 선정된 고객이 대출 자동 연장을 희망하지 않는 것으로 판단되면, 상기 선정된 고객에게 상기 금융회사의 영업점을 방문을 안내하기 위한 제5 음성 신호를 출력하거나 출력하도록 지원하며,
RPA(Robotic Process Automation) 시스템의 대출 연장 심사 모델을 이용하여, 상기 선정된 고객의 신용 정보를 조회하고 대출 취급 제한 여부를 확인하고, 상기 상담 이력에 포함된 대출 자동 연장 의사 여부, 상담 일자, 전화 번호, 대출 연장 안내 내용 및 상기 선정된 고객의 재직 정보에 기초하여 상기 대출 자동 연장 여부를 결정하거나 결정하도록 지원하는 서버.In the server for performing automatic loan extension guidance and extension review,
storage; and
From loan-related information, when a customer who is a loan customer within a predetermined period of time is selected from the loan-related information, a phone call is automatically sent or supported to the selected customer,
Loan made by the financial company of the selected customer while automatically providing information on the financial company that made the loan based on the counseling script for each customer and each financial product generated based on the information on the selected customer and loan history information conduct or assist in conducting phone calls to confirm intention to extend to
storing the consultation history including the consultation script and text corresponding to the customer's voice, and generating a payment format for automatic loan extension based on the consultation history;
When the phone call is terminated, based on the payment format, determine or support to determine whether to automatically renew the loan,
When the automatic extension of the loan is determined, a message is sent to the customer's contact information included in the customer information to guide the loan extension period information, interest rate information, and maturity date information,
a control unit that transmits the stored consultation history to a branch in charge of the financial company so that the branch can recognize customer requests based on the stored consultation history; and
The control unit is
outputting or outputting a first voice signal for confirming whether or not the employment information recorded in the loan ledger of the selected customer has been changed;
When a first customer voice is obtained in response to the first voice signal, it is determined whether the employment information of the selected customer has been changed based on the first text obtained by performing voice recognition on the first customer voice, and ,
When the employment information for the selected customer is not changed, a second voice signal is output or output for notifying the selected customer of the contract conditions including the loan interest rate type, loan interest rate, and loan period, and confirming automatic extension of the loan support to do it,
When a second customer voice is obtained in response to the second voice signal, based on a second text obtained by performing voice recognition for the second customer voice, it is determined whether the selected customer wants automatic loan extension,
When it is determined that the selected customer desires automatic loan extension, output or output a third voice signal to inform the selected customer of the final notice including loan history information for the loan desired to be extended , to output or support the output of a fourth voice signal guiding the selected customer to request a rate cut,
If it is determined that the selected customer does not wish to automatically extend the loan, output or support to output a fifth voice signal for guiding the selected customer to visit the branch of the financial company,
Using the loan extension review model of the RPA (Robotic Process Automation) system, the selected customer's credit information is inquired and loan handling restrictions are checked, and whether or not the loan is automatically extended included in the consultation history, consultation date, and telephone number A server that determines or supports to determine whether to automatically extend the loan based on the number, the loan extension guide content, and the employment information of the selected customer.제14항에 있어서,
상기 제어부는,
상기 선정된 고객의 과거 대출 내역과 관련된 정보가 데이터베이스에서 독출되면, 상기 독출된 정보를 이용하여 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 발화하거나 발화하도록 지원하는 것을 특징으로 하는, 서버.15. The method of claim 14,
The control unit is
When information related to the past loan details of the selected customer is read from the database, a consultation script is created or supported by using the read information, and the loan of the selected customer is automatically based on the generated consultation script A server, characterized in that it supports to utter or utter a call voice for confirming the intention to extend.제14항에 있어서,
상기 제어부는,
상기 선정된 고객의 과거 대출 내역과 관련된 정보로서 고객 정보 및 대출 내역 정보가 데이터베이스에서 독출되면, 상기 독출된 고객 정보 및 대출 내역 정보를 이용하여 고객별ㆍ상품별 상담 스크립트를 생성하거나 생성하도록 지원하고, 상기 생성된 상담 스크립트에 기초하여 자동으로 상기 선정된 고객의 대출 연장 의사를 확인하기 위한 통화 음성을 생성하여 발화하거나 발화하도록 지원하는 것을 특징으로 하는, 서버.15. The method of claim 14,
The control unit is
When customer information and loan history information are read from the database as information related to the past loan details of the selected customer, using the read customer information and loan history information to generate or support the creation or creation of a consultation script for each customer and product, Based on the generated counseling script, the server, characterized in that it generates a voice call for automatically confirming the intention to extend the loan of the selected customer to utter or support the utterance.제14항에 있어서,
상기 제어부는,
상기 선정된 고객과 전화 통화가 연결되면, 상기 선정된 고객에게 최초 멘트를 발화하는 제6 음성 신호를 출력하거나 출력하도록 지원하는 프로세스 및 (ii) 상기 선정된 고객으로부터 제3 고객 음성이 획득되면, 상기 제3 고객 음성에 대한 음성 인식을 수행하여 상기 제3 고객 음성에 대응되는 제3 텍스트를 획득하거나 획득하도록 지원하는 프로세스를 수행하고,
상기 제3 텍스트를 바탕으로 상기 선정된 고객과의 통화 진행 여부를 판단하는 것을 특징으로 하는, 서버.15. The method of claim 14,
The control unit is
When a phone call is connected with the selected customer, a process for outputting or supporting outputting a sixth voice signal uttering an initial message to the selected customer, and (ii) when a third customer voice is obtained from the selected customer, performing a process of obtaining or assisting in obtaining a third text corresponding to the third customer voice by performing voice recognition on the third customer voice;
Server, characterized in that it is determined whether to proceed with the call with the selected customer based on the third text.제17항에 있어서,
상기 제어부는,
상기 선정된 고객으로부터 상기 제3 고객 음성이 획득되면, 상기 제3 고객 음성을 소정 길이 단위의 윈도우로 나누거나 나누도록 지원하고,
t번째 윈도우 - 여기서 t는 1부터 윈도우 사이즈 n사이의 정수임 - 를 Fourier Transform을 이용하여 frequency domain 데이터로 변환하거나 변환하도록 지원하며,
상기 frequency domain 데이터를 기초로 생성된 특징 벡터를 신경망에 입력하여 음소를 분류하거나 분류하도록 지원하는 것을 특징으로 하는, 서버.18. The method of claim 17,
The control unit is
When the third customer voice is obtained from the selected customer, dividing or dividing the third customer voice into a window of a predetermined length unit;
Supports to transform or transform the t-th window, where t is an integer between 1 and window size n, into frequency domain data using Fourier Transform,
A server, characterized in that it supports to classify or classify phonemes by inputting a feature vector generated based on the frequency domain data into a neural network.제18항에 있어서,
상기 음소는 left context phoneme, 해당 context phoneme, right context phoneme으로 세분화하여 모델링되는 것을 특징으로 하는, 서버.19. The method of claim 18,
The phoneme is characterized in that the model is subdivided into a left context phoneme, a corresponding context phoneme, a right context phoneme, server.삭제delete

Images