모든 사람 및 AI 에이전트에게 필요한 7가지 고객 서비스 역량(예시 포함)
- 게시일
- 최종 업데이트
모든 지원 대화는 고객을 얻거나 잃게 할 수 있습니다. 상호작용 상대인 AI 또는 사람 에이전트가 얼마나 잘 경청하고 문제를 해결하는지가 통화의 결과를 결정합니다. 하나의 대화만 보면 큰일처럼 느껴지지 않을 수 있습니다. 하지만 모든 통화와 채팅을 합치면, 기업이 고객을 유지할지 계속 새로 확보해야 할지가 결정됩니다.
Zendesk 연구에 따르면, 고객의 50% 이상이 단 한 번의 부정적인 경험 후 경쟁사로 옮겼습니다. 이는 AI가 계속해서 CX 운영을 변화시키는 상황에서도 고객 서비스 역량이 중요하다는 사실을 보여 줍니다. 고객 기대치가 높아질수록 CX 팀의 역량을 지속적으로 강화하는 조직은 경쟁 우위를 확보합니다.
이 가이드에서는 핵심 고객 서비스 역량과 이것이 기업에 중요한 이유, 개선 방법, 그리고 AI가 CX 팀을 어떻게 보완하는지 살펴봅니다.
요약
- 고객 서비스 역량은 기업이 고객 문제를 해결하고, 신뢰를 구축하며, 고객 이탈을 줄이는 데 도움이 됩니다.
- 일반적으로 CX 팀은 커뮤니케이션, 문제 해결, 갈등 해결을 비롯한 하드 스킬과 소프트 스킬을 모두 활용합니다.
- 사람과 AI 에이전트 모두 계획적인 도입, 대화 평가, 개선을 통해 고객 서비스 역량을 적용하여 고객 경험을 향상할 수 있습니다.
- AI 에이전트가 갈등 해결에 도움을 줄 수는 있지만, 상황을 완화하려면 사람 에이전트에게 원활히 대화를 넘기는 것이 중요합니다.
- 고객 서비스에 AI 에이전트를 도입할 때는 교육 중과 배포 후에 대화 지표를 평가하여 지속적인 개선을 이끌어야 합니다.
고객 서비스 역량이란 무엇인가요?
고객 서비스 역량은 지원팀이 고객의 요구를 이해하고 문제를 효과적으로 해결하도록 돕는 소프트 스킬과 기술적 역량입니다. 이러한 역량은 커뮤니케이션, 인내심, 공감, 적응력 같은 소프트 스킬과 제품 지식 또는 인시던트 관리 같은 기술적 역량으로 크게 나뉩니다.
커뮤니케이션, 문제 해결, 갈등 해결, 공감, 적응력, 개인화, 제품 지식이라는 7가지 역량을 자세히 살펴보겠습니다. 또한 각 역량이 사람 및 AI 고객 지원 에이전트 모두에게 어떻게 적용되는지도 다룹니다.

고객 서비스 역량 자세히 알아보기
고객 서비스 역량은 고객 경험 팀이 고객 문제를 적극적으로 경청하고, 이해하고, 대응하고, 해결하고, 후속 조치하도록 돕는 실천 방식입니다. 이 역량은 커뮤니케이션, 문제 해결, 공감, 갈등 해결 등 여러 분야의 방법론을 바탕으로 합니다. 팀에 적합한 고객 서비스 역량을 갖추면 모든 접점에서 일관되고 긍정적인 고객 경험을 제공할 수 있습니다.
전통적으로 지원팀은 소프트 스킬과 하드 스킬 교육을 통해 고객 서비스 역량을 개발합니다. 예를 들어 잠시 멈춰 경청하고, 고객의 불만을 파악하며, 상황을 완화하기 위해 정중한 표현을 쓰는 법을 배웁니다. 또한 CX 팀은 대화 중 정보를 확인할 수 있도록 CRM, ERP 같은 도구에 익숙해야 합니다. 점점 더 많은 CX 담당자가 관련 정보를 파악하고 고객 문제 해결을 앞당기기 위해 AI 에이전트와 협업할 수 있는 높은 수준의 기술 이해력을 갖춰야 합니다.
실제로 כיום 대부분의 고객 서비스 팀은 고객 경험 워크플로를 간소화하기 위해 AI 에이전트를 사용합니다. Gartner에 따르면 2028년까지 최소 고객의 70%가 AI 인터페이스로 고객 여정을 시작할 것입니다.
CX 팀의 역량 강화도 여전히 중요하지만, 브랜드 SOP, 보안 가드레일, 지식 베이스 통합, 타사 도구를 중심으로 AI 지원 에이전트를 설계하는 것이 AI 기반 CX 운영의 잠재력을 실현하는 핵심입니다.
고객 서비스 역량이 더 나은 경험을 만드는 이유
효과적인 고객 서비스는 문제 해결 속도를 높여 장기적으로 브랜드 충성도, 고객 유지, 매출을 높입니다. CX 팀은 문제가 커질 때까지 기다리지 않고 고객이 보고한 사례를 선제적으로 조사합니다. 적극적으로 경청하고 고객이 생각을 충분히 표현할 수 있도록 한 뒤, 문제나 문의 해결을 돕습니다.
이는 AI 고객 서비스 에이전트에도 동일하게 적용됩니다. 생성형 AI, 머신러닝 및 기타 소프트웨어 기술로 구동되지만, 신뢰를 쌓는 워크플로, 원칙, 정책을 중심으로 설계해야 합니다. AI든 사람이든, 또는 둘 다든 목표는 고객의 문제를 해결하고 고객이 자신의 이야기를 경청받았다고 느끼게 하는 것입니다.
AI를 CX 워크플로에 통합할 때 3Shape의 선임 AI 비즈니스 오너 Jannes Koopmann은 공감하는 말투와 사람 같은 느낌의 중요성을 강조했습니다. AI 에이전트로 고객 지원을 현대화하면서 Jannes는 고객이 전체 과정에서 이해받는다고 느끼기를 원했습니다.
모든 사람 및 AI 에이전트에게 필요한 7가지 고객 서비스 역량
좋은 고객 서비스를 제공하려면 사람과 AI 에이전트 모두 다양한 역량을 갖춰야 합니다. 아래에서는 고객 서비스에 필요한 역량과 사람 및 AI 에이전트가 각 역량을 적용하는 예시를 소개합니다.
커뮤니케이션 역량: 적극적으로 경청하고 명확하게 말하기
명확한 커뮤니케이션은 혼란을 막아 고객이 도움을 구하는 중 통화나 메시지를 포기하지 않게 합니다. 커뮤니케이션 역량에는 적극적 경청, 간결한 응답, 명확한 서면 및 구두 의사소통이 필요합니다.
사람 에이전트는 고객의 말을 듣고 그에 맞는 적절한 표현을 선택하며 커뮤니케이션 역량을 키웁니다. 명확성을 위해 전문 용어를 피하고, 이메일·통화·문자 등 어떤 채널에서든 기술 용어를 항상 설명합니다.
특히 LLM으로 구동되는 AI 에이전트는 대화형 응답에 뛰어납니다. 하지만 AI 에이전트에는 발화 순서와 끼어듦을 처리하기 위한 구체적인 가이드라인이 필요합니다. 예를 들어 고객이 말하다가 잠시 멈추면 음성 에이전트는 자연스럽게 들리도록 일정 시간 안에 응답해야 합니다. 동시에 발신자의 말을 가로막거나 관련 없는 답변을 해서는 안 됩니다.
사람과 AI 에이전트는 대화 맥락을 효과적으로 공유할 때 더 잘 소통할 수 있습니다. 즉, AI와 CX 팀이 정확히 응답할 수 있도록 대화 분석 데이터에 실시간으로 접근해야 합니다.
예시: 사람 에이전트가 “제가 제대로 이해했는지 확인하겠습니다. 주문은 월요일에 발송됐지만 도착하지 않았다는 말씀이시죠.”라고 말합니다. AI 음성 에이전트도 같은 방식으로 핵심 정보를 되짚고, 계속 진행하기 전에 고객의 확인을 기다립니다.
문제 해결 역량: 더 빠르게 올바른 해결책 찾기
고객은 사람이든 AI든 지원팀이 문제를 신속하게 해결해 주기를 기대합니다. 고객의 불편 사항을 해결하는 것은 CX 에이전트의 핵심 역할이며, 일관되게 높은 품질의 서비스는 브랜드에 대한 신뢰를 쌓는 데 도움이 됩니다.
사람 지원 담당자는 문제를 체계적으로 진단해 해결 속도를 높일 수 있습니다. 여기에는 고객의 문제를 파악하고, 오해를 막기 위해 세부 사항을 확인하며, 제품 지식을 바탕으로 해결책을 제시하는 일이 포함됩니다. 즉시 해결책을 찾을 수 없다면 사람 에이전트는 다음 단계를 고객에게 안내합니다.
AI 에이전트도 유사한 문제 해결 원칙을 따르지만, LLM의 추론 및 예측 역량을 활용해 문제를 해결합니다. 사용 가능한 고객 데이터와 맥락을 바탕으로 AI는 가능한 해결 경로를 평가하고 신뢰도 점수가 가장 높은 방법을 선택합니다. 그런 다음 고객이 문제를 해결하기 위해 따를 수 있는 단계를 안내합니다.
예시: 고객이 카드 결제 실패를 신고합니다. 사람 에이전트는 계정을 확인하고 카드 정보를 검증한 뒤 해결 방법을 고객에게 안내합니다. AI 에이전트는 연결된 도구를 통해 동일한 계정 데이터를 읽고, 가장 가능성 높은 원인을 선택해 해결 단계를 공유합니다.
갈등 해결 역량: 어려운 대화 상황 완화하기
최선을 다하더라도 고객과 대화하는 과정에서 갈등이 발생할 수 있습니다. 사람 및 AI 지원 에이전트에게 갈등 해결 역량을 갖추게 하면 마찰 지점을 줄이고, 시정 조치를 제공하며, 대화 내내 전문성을 유지할 수 있습니다.
갈등을 해결할 때 사람 에이전트는 침착함을 유지하고 갈등 해결 절차를 따르며 객관성을 잃지 않습니다. 고객의 불만을 인정하고 점차 공통의 이해에 도달하도록 돕습니다. 목표는 구체적인 행동을 통해 신뢰를 회복하고 신속한 해결을 보장하는 것입니다.
반면 AI는 명확한 에스컬레이션 경로를 제공해 갈등 상황 완화를 지원합니다. 자연어 이해(NLU)를 사용해 고객이 좌절감, 고통 또는 분노를 느끼는 시점을 파악합니다. 이후 침착하고 신속하게 대화를 사람 에이전트에게 넘깁니다. 마찬가지로 고객이 명시적으로 요청하면 에이전트가 통화를 실시간 지원팀으로 연결할 수 있습니다.
예시: 고객이 “이 일로 전화한 게 벌써 세 번째예요.”라고 말합니다. 사람 에이전트는 “아직 해결되지 않아 죄송합니다. 이제부터는 제가 책임지고 진행하겠습니다. 다음에 어떤 일이 일어나는지 정확히 안내해 드리겠습니다.”라고 응답합니다. 같은 불만을 감지한 AI 에이전트는 사람 에이전트 연결을 제안하고 웜 트랜스퍼로 대화 기록을 함께 전달합니다.

고객 서비스의 공감: 고객이 경청받는다고 느끼게 하기
공감은 사람 에이전트가 고객의 감정에 공명할 수 있게 하는 감성 지능입니다. 공감을 표현하면 유대감을 쌓고 고객과 공통된 이해를 형성할 수 있으므로, 가장 중요한 고객 서비스 역량 중 하나입니다.
사람 에이전트는 바로 응답을 끼워 넣는 대신 고객의 감정을 인정함으로써 공감을 표현합니다. “불편하셨다는 점 이해합니다. 도와드릴 준비가 되어 있습니다.”라고 말하는 것만으로도 고객은 자신의 이야기를 경청받고 존중받는다고 느낍니다. 이는 더 깊은 대화로 이어집니다.
AI는 사람처럼 감정을 진정으로 느낄 수 없습니다. 하지만 고객의 음성이나 텍스트 응답에서 좌절감을 나타내는 패턴은 식별할 수 있습니다. 감지한 감정을 바탕으로 AI는 사람이 공감을 표현할 때 사용하는 공감 어린 말투와 표현을 모방할 수 있습니다.
예시: 좌절감을 감지한 AI와 사람 에이전트 모두 “많이 답답하셨겠네요. 제가 해결해 드리겠습니다.”라고 직접 인정할 수 있습니다.

적응력: 여러 채널의 요청 처리하기
고객은 이메일, 채팅, 음성, 문자 등 다양한 채널을 통해 기업에 문의합니다. 적응력은 특히 동일한 사례에 여러 차례 논의가 필요한 경우 CX 팀이 일관된 메시지를 유지하게 해 줍니다.
사람 에이전트는 여러 플랫폼에서 능숙하게 대응하도록 교육받습니다. 플랫폼마다 고유한 상호작용 방식, 가이드라인, 미묘한 차이가 있습니다. 예를 들어 이메일은 전문성을 유지하기 위해 교정할 시간이 있습니다. 반면 통화는 더 즉흥적이어서 에이전트가 그 순간 새 정보에 대응해야 합니다.
AI 에이전트는 주제와 대화 전반에 걸쳐 맥락을 유지할 수 있습니다. 설정이 완료되면 팀은 여러 채널에 에이전트를 배포할 수 있습니다. AI 에이전트는 과거 맥락을 참조해 고객이 선호하는 말투, 형식, 스타일로 상호작용할 수 있습니다.
예시: 채팅에서 사람 에이전트는 고객이 나중에 다시 확인할 수 있는 짧은 서면 요약을 보냅니다. 통화에서는 같은 에이전트가 더 천천히 말하고 세부 사항을 소리 내어 확인합니다. AI 에이전트도 채팅에서는 간결한 텍스트 답변을 보내고 음성에서는 자연스러운 발화로 응답하는 같은 규칙을 따릅니다.
개인화: 맞춤형 응답 제공하기
고객은 문의할 때 새 에이전트를 만날 때마다 자신이 누구인지와 사례의 세부 사항을 반복해서 설명하지 않아도 지원 에이전트가 이를 알고 있기를 기대합니다.
사람 에이전트는 직접 응답을 개인화합니다. 예를 들어 티켓에 답변할 때 에이전트는 고객의 과거 구매 내역을 검토하고 구매한 제품에 만족했는지 간단히 묻습니다. 작은 행동이지만 팀이 고객이 누구인지와 무엇을 선호하는지 기억한다는 점에서 고객은 가치를 인정받는다고 느낍니다.
AI 에이전트는 더 효율적으로 응답을 개인화할 수 있습니다. 기록을 수동으로 확인하는 대신 타사 CRM에 연결해 고객을 지원할 때 과거 데이터를 가져옵니다. 또한 AI 에이전트는 실시간으로 데이터를 선제적으로 수집하고 이를 활용해 개인화된 제품을 추천할 수 있습니다.
예시: 사람 에이전트는 “무엇을 주문하셨나요?”라고 묻는 대신 “지난달에 프로 플랜을 구매하신 것으로 확인됩니다. 이 건으로 문의 주신 게 맞을까요?”라고 말합니다. CRM에 연결된 AI 에이전트도 같은 맥락으로 대화를 시작할 수 있습니다.
제품 지식: 자신 있게 질문에 답하기
고객은 지원 에이전트가 회사의 제품, 서비스, 정책을 알고 있기를 기대합니다. 따라서 문의에 응답하는 CX 팀은 자신 있고 정확한 답변을 제공할 수 있도록 최신 정보를 유지해야 합니다.
사람 에이전트는 최신 제품 및 서비스 업데이트를 검토하며 정보를 최신으로 유지합니다. 고객에게 영향을 줄 수 있는 정책 변경, 문서 업데이트, 가격 변경을 확인합니다.
AI 에이전트도 비슷하게 작동하지만, 정확하고 유용한 답변을 제공하기 위해 검색 증강 생성(RAG) 시스템과 타사 통합 같은 도구를 사용합니다. 예를 들어 LLM 기반 챗봇은 고객이 언급한 특정 제품을 본래 이해하지 못합니다. 추측하는 대신 조직 내부 지식 베이스에서 정보를 검색해 답변을 생성합니다.
예시: 고객이 환불 정책이 할인 상품에도 적용되는지 묻는 경우, 충분한 정보를 갖춘 사람 에이전트는 현행 정책에 따라 답변합니다. AI 에이전트는 지식 베이스에서 최신 정책을 가져와 이를 바탕으로 답변합니다.
사람과 AI 에이전트: 고객 서비스 역량 한눈에 보기
아래 표는 사람 및 AI 에이전트가 7가지 역량을 각각 어떻게 적용하는지 요약합니다.
역량
사람 에이전트
AI 에이전트
커뮤니케이션
적극적으로 경청하고 전문 용어를 피하며 채널에 맞게 표현 조정
발화 순서 및 끼어듦 가이드라인을 따르고 실시간으로 맥락 공유
문제 해결
문제를 진단하고 세부 사항을 확인하며 다음 단계 안내
고객 데이터를 바탕으로 해결 경로를 평가하고 가장 가능성 높은 해결책 선택
갈등 해결
침착함을 유지하고 불만을 인정하며 행동으로 신뢰 회복
감정을 통해 불만을 감지하고 사람 에이전트에게 대화 전달
공감
응답하기 전에 고객의 감정 인정
좌절감 패턴을 인식하고 공감 어린 말투로 응답
적응력
이메일, 채팅, 전화에 맞게 스타일 조정
맥락을 유지하고 채널 전반에서 말투와 형식을 일치
개인화
과거 구매 내역과 선호도를 수동으로 검토
연결된 CRM에서 이력을 가져와 실시간으로 추천
제품 지식
제품, 정책, 가격 업데이트 최신 상태 유지
RAG를 사용해 지식 베이스에서 답변 검색
사람 에이전트는 판단이 핵심인 영역에서 강점을 보이며, AI 에이전트는 속도와 일관된 정책 준수가 가장 중요한 영역에서 강점을 보입니다.
사람과 AI를 위한 고객 서비스 역량 구현 방법
AI 지원 CX 운영에 고객 서비스 역량을 적용하려면 명확한 운영 경계를 갖춘 협업 워크플로가 필요합니다. 다음 단계는 앞서 소개한 역량을 보여 주는 고객 서비스 AI 워크플로를 만드는 데 도움이 됩니다.

1. CX 목표 정의
일반적인 문의 하나에 집중해 범위를 좁히는 것부터 시작하세요. 이렇게 하면 기존 지원 운영을 방해하지 않으면서 팀이 에이전틱 CX 워크플로를 구축하고 테스트하고 개선할 충분한 여유를 확보할 수 있습니다. CX 팀이 어떻게 응답하기를 원하는지, 어떤 말투를 사용하는지, 어떤 일반 워크플로를 따르는지, 이상적인 응답 시간은 얼마인지와 성공적인 상호작용에 기여하는 모든 요소를 파악해야 합니다.
2. 에이전틱 AI CX 플랫폼 선택
CX 운영을 위한 대화형 AI 플랫폼은 다양한 기능을 제공합니다. 보안 가드레일과 브랜드 가이드라인을 적용하면서도 문제 해결을 위한 유연한 에이전트 행동을 지원하는 플랫폼을 선택하세요. 다음 기준으로 각 옵션을 평가하세요:
- 역량 범위: 발화 순서, 감정 감지, 사람 에이전트 연결을 포함해 이 가이드의 역량을 지원합니다.
- 지식 및 도구 접근성: 에이전트가 정확히 답변하고 응답을 개인화할 수 있도록 지식 베이스와 CRM에 연결합니다.
- 가드레일 및 브랜드 관리: 모든 대화에서 보안 가드레일과 브랜드 가이드라인을 적용합니다.
- 채널 범위: 고객이 일관된 서비스를 받을 수 있도록 음성 및 텍스트 채널 전반에서 작동합니다.
- 테스트 및 평가: 시뮬레이션 대화를 위한 샌드박스를 제공하고, 출시 후 CSAT와 해결률 같은 지표를 추적합니다.
예를 들어 ElevenAgents는 CX 팀이 오랫동안 검증된 고객 서비스 원칙을 통해 더 나은 경험을 제공하도록 지원하는 에이전틱 AI 플랫폼입니다. 좋은 고객 서비스 역량을 대체하지 않으며, 대체할 의도도 없습니다. 대신 ElevenAgents를 사용하면 사람 팀에 부담을 주지 않고 여러 채널에 걸쳐 고객 서비스 모범 사례를 확장할 수 있습니다.

3. AI 고객 서비스 에이전트 워크플로 설계
AI 에이전트가 유용할 고객 접점을 파악하세요. 그런 다음 시스템 프롬프트, 도구 통합, 내부 지식 베이스를 사용해 에이전트에 적절한 역량을 구성하세요.
인공 지능은 통화 중 고객 서비스 에이전트에게 맥락을 전달하거나, 성공적인 결과로 상호작용을 이끌 수 있는 유용한 정보를 제시하여 지원할 수 있습니다.
또는 AI가 주도하여 사람 지원 에이전트의 부담을 줄일 수 있는 전체 접점을 설계할 수 있습니다. 우선순위가 낮거나 일상적인 통화는 자동화에 적합합니다. 민감한 사례는 에스컬레이션하고, 더 일반적인 통화 패턴은 AI 에이전트가 완전히 처리할 수 있기 때문입니다.
예를 들어 Nana는 AI 에이전트가 공감하며 대화하고 고객 통화 중 브랜드 정체성을 유지할 수 있도록 AI 에이전트의 시스템 프롬프트를 개선하는 데 집중했습니다.

4. 배포 전 테스트
AI 에이전트에 적용한 변경 사항은 시험용 샌드박스에서 시뮬레이션해야 합니다. 가능한 시나리오를 통해 에이전트를 테스트하고 어떻게 응답하는지 관찰하세요. 특히 대화 중 감정 변화로 인해 사람 에이전트 연결이 필요한 경우를 포함한 엣지 케이스를 시뮬레이션하세요.
연습과 피드백으로 고객 서비스 역량을 개선하는 방법
고객 서비스 역량은 교육할 수 있으며 시간이 지남에 따라 개선할 수 있습니다. 사람 및 AI 에이전트를 교육한 뒤, 실제 업무와 현실 환경에서 어떻게 수행하는지 평가할 수 있습니다.
사람 에이전트는 교육 과정에 참여하고 꾸준히 역량을 높이며, 지원하는 제품을 더 깊이 학습하고, 고객 피드백을 검토해 서비스 격차를 해소하고 제공 품질을 개선합니다. 또한 고객을 자신 있게 지원하려면 고위 경영진의 일관된 지원, 정렬, 메시지가 필요합니다. 어느 정도는 이러한 학습 체계가 AI 에이전트에도 적용됩니다.
고객 서비스 역량 교육은 측정 가능한 결과와 연결될 때 가장 효과적입니다. CSAT, 최초 문의 해결률, 평균 처리 시간을 추적하고 검토한 대화의 품질 보증 점수를 추가하세요. 그런 다음 역할극과 통화 섀도잉을 통해 이 점수를 구체적인 코칭 목표로 전환하세요.
AI 에이전트는 정책 가이드라인, 예시 템플릿, 대화 이력, 여러 채널에서 접하는 자료를 통해 학습합니다. 전체 과정은 사람 에이전트가 에이전트의 기준이 되는 대화형 AI 지표를 설정하는 휴먼 인 더 루프 환경에서 이루어집니다.
예를 들어 AI가 사람의 개입 없이 사례를 자신 있게 해결할 수 있는지 판단하기 위해 AI 에이전트의 해결 완료율, CSAT, 해결률을 측정합니다. 그런 다음 에이전트가 더 효과적으로 작동하도록 정책, AI 프롬프트, 타사 도구를 수정합니다.
ElevenLabs에서는 AI 에이전트의 문제 해결 역량을 평가하는 특정 테스트 프레임워크를 사용합니다. 이 프레임워크는 기존 대화의 서비스 격차를 조사하고 이를 테스트 사례로 활용해 에이전트를 개선합니다.

고객 서비스 하드 스킬과 소프트 스킬: 팀에 필요한 것
하드 스킬은 CX 팀이 문제를 효율적이고 효과적으로 해결할 수 있게 하는 기술적 역량입니다. 예를 들어 제품 지식, 인시던트 관리, CRM 애플리케이션은 고객 서비스의 하드 스킬입니다. 이러한 역량은 문제 해결률을 높이는 데 핵심적입니다.
한편 소프트 스킬은 상호작용 중 고객 만족도를 높입니다. 예를 들어 공감, 적극적 경청, 인내심 같은 소프트 스킬을 갖춘 에이전트는 쾌적한 고객 경험을 제공합니다.
하드 스킬과 소프트 스킬 모두 고객 경험을 높이는 데 매우 중요합니다. AI 에이전트를 사용할 때 CX 팀은 각 업무를 가장 잘 처리할 수 있는 주체에게 맡길 수 있습니다.

AI 에이전트는 정책을 따르는 데 뛰어나므로 고객 기록 조회, 환불 처리, 기술 문제 진단 같은 하드 스킬을 자동화할 수 있습니다.
한편 사람 에이전트는 본래 공감 능력이 있고 미묘한 차이를 이해하므로 소프트 스킬을 담당합니다. AI 에이전트도 감정을 감지하고 대화 규칙을 따를 수 있지만, 고객 서비스에서 소프트 스킬을 실제로 적용할 때 최종 판단은 사람 에이전트가 내립니다.
고객 서비스를 위한 ElevenAgents 시작하기
사람과 AI 에이전트에게 고객 서비스 역량을 갖추게 하면 고객 요청을 더 자신 있게 처리할 수 있습니다. 에이전틱 시대에 고객의 선택은 협업하는 AI와 사람 에이전트가 이끌어 냅니다.
ElevenLabs는 텍스트, 음성, 이메일 전반에서 고객 만족도를 높이는 역량을 갖춘 고객 서비스 AI 에이전트를 배포하도록 돕습니다. ElevenAgents를 사용하면 배포 전에 AI 에이전트를 만들고, CX 워크플로를 설계하고, 지식 베이스에 연결하고, 평가하는 등 다양한 작업을 수행할 수 있습니다.
동일한 대시보드에서 가드레일을 적용하고, 대화 기록을 분석하며, 시간에 따른 에이전트 성과를 모니터링하세요.
ElevenAgents에서 AI 에이전트 배포를 시작하거나 영업팀에 문의하세요.
고객 서비스 역량 관련 자주 묻는 질문
Jack Limebear는 Growth 팀에서 블로그와 인사이트 페이지의 콘텐츠 작가이자 전략가로 활동하고 있습니다. ElevenLabs에 합류하기 전에는 빠르게 성장하는 SaaS 스타트업부터 포춘 500대 기업까지 다양한 조직에서 10년 넘게 콘텐츠 전략을 이끌었습니다. 케임브리지 대학교에서 영문학 석사 학위를 취득했습니다.




