고객 지원 분야의 대화형 AI 현황

Stripe는 훌륭한 고객 지원의 대명사로, 종종 기대 이상을 제공하며 고객에게 감동을 선사합니다. 하지만 훌륭한 지원은 Twitter에서 볼 수 있는 손글씨 메모와 3D 프린트 토템만을 의미하지는 않습니다. 10년이 넘는 인적·소프트웨어 엔지니어링의 축적을 통해 Stripe는 매년 수백만 개 기업을 지원하는 고객 서비스 체계를 구축했습니다. 제가 Stripe에 합류한 2015년 당시, 회사 인원은 막 200명을 넘었고 지원팀은 회의 테이블 하나에 모두 둘러앉을 수 있었습니다.

저는 Stripe의 글로벌 지원 체계 초기 거점이었던 더블린의 첫 채용 인력 중 한 명이었습니다. 그곳에서 일한 5년 동안 Stripe는 지원팀을 전문 분야별로 재편하고, 외부 업체를 Tier 1 지원에 도입했으며, 채널과 지원 언어를 확대하고, 마침내 유료 지원 플랜도 추가했습니다. 이렇게 발전하는 지원 프로그램을 설계하고 테스트하는 데 참여하면서, 고객 서비스를 확장하는 일이 얼마나 복잡한지 직접 경험했습니다. 대화형 AI라면 이러한 복잡성을 간소화할 수 있었을 것입니다.

Conversational AI

Conversational AI has three elements. These three elements work together seamlessly: Speech-to-Text captures the user’s intent, Language Models interpret and generate intelligent responses, and Text-to-Speech transforms those responses into natural conversation.

• Speech to Text: The AI ears convert a user’s spoken natural language into text, with high accuracy.
• Language Models: The AI brain processes this text and understands the context to generate intelligent responses.
• Text to Speech: The voice transforms text responses into natural-sounding speech.
• Turn Taking:A dedicated service monitors for interuptions and ensures the conversation is natural and feels human.

Stripe에 합류했을 때 제 업무는 제품을 최대한 깊이 이해하는 것이었습니다. 교육 과정에서 더 경험 많은 상담원을 따라다니며 수많은 과거 지원 사례를 학습했는데, 이는 AI 에이전트가 학습하는 방식과 비슷합니다.

AI는 패턴 인식에 뛰어나며, 고객 지원의 상당 부분은 패턴을 인식하는 작업입니다. 사용자가 문제를 설명하면 지원 담당자는 그 정보를 처리하고 기존 지식과 연결해 답변을 제시합니다. 하지만 고객 지원은 단순히 지식 베이스를 읊는 일이 아닙니다. 훌륭한 고객 서비스에는 공감, 창의성, 그리고 사용자와 함께 문제를 해결하는 과정이 필요합니다. 안타깝게도 대부분의 지원 경험은 이 기준에 미치지 못합니다.

현재 고객 지원의 현실

고객 지원은 중요한 접점이지만, 종종 고통스러운 경험이기도 합니다. 마지막으로 항공사에 전화했던 때를 떠올려 보세요. 몇 시간씩 대기하다가 — 마침내 상담원과 연결되면 — 다른 부서의 업무라는 말을 듣고, 끝없는 굴레가 이어집니다.

이러한 어려움은 고객만 겪는 것이 아닙니다. 훌륭한 지원 경험을 제공하는 일은 어렵고, 규모가 커질수록 더 어려워집니다. 비트 중심의 소프트웨어 세계에서 고객 지원은 대체로 원자, 즉 물리적인 자원에 제약받습니다. 하룻밤 사이 고객이 대폭 늘어난다고 생각해 보세요. 사이트를 유지하기 위해 AWS 인스턴스를 바로 늘릴 수는 있지만, 스위치를 켜듯 고객 지원을 즉시 가동할 수는 없습니다.

고객 지원 조직을 확장하려면 시간과 비용이 듭니다. 북미에서는 지원 담당자 한 명을 채용하고 교육 및 온보딩하는 데 약 $12,000가 듭니다. 이 초기 비용을 포함하면 지원 담당자 한 명의 평균 비용은 시간당 약 $30~$40입니다. 일부 기업은 지원 담당자 업무를 외주화하며, 시간당 비용은 $8~$30 수준입니다. 겉으로는 매력적이지만, 낮은 비용에는 책임성, 프로세스, 지원 품질을 통제하기 어렵다는 문제가 따릅니다.

그런데 몇 분 만에 고객 지원을 가동하고 무한히 확장할 수 있다면 어떨까요? 저렴한 비용으로 고품질 지원을 제공할 수 있다면요? 이것이 바로 대화형 AI가 약속하는 바이며, 수년간 고객 지원 업무를 해온 제게는 완전히 판도를 바꿀 기술로 보입니다.

Alexis는 ElevenLabs의 AI 에이전트 사례 중 하나입니다. ElevenLabs 문서 내에서 지원 에이전트로 구축되었으며, 현재 하루에 100건이 넘는 통화를 처리합니다.

Alexis가 사람이라고 상상해 보세요. 우선, 인간 지원 담당자가 하루에 100건의 통화를 처리할 수 있을 거라고는 생각하지 않습니다. 매우 효율적인 담당자가 단순한 통화만 처리한다면 약 60건은 가능하겠지만, 숙련도가 낮은 담당자이거나 문의가 더 복잡하다면 40건에 가까울 것입니다. 따라서 최소 두 명을 채용해야 하고, 아마 초과 근무 수당도 지급해야 할 것입니다.

담당자들이 북미에 있다면 100건의 통화를 처리하는 비용은 최소 $700, 평균 약 $1719이며 최대 $4094까지 들 수 있습니다. 상당한 비용이므로 외주를 고려할 수도 있습니다. 외주 비용은 $128~$480, 평균 $288 정도입니다. 표면적으로는 훨씬 저렴하지만, 외주 업체를 온보딩하고 관리하는 데 숨은 비용이 발생하며, 기대 수준에 미치지 못할 경우 브랜드 및 평판 리스크도 있습니다.

AI 지원 에이전트의 오디오 구성 요소 운영 비용은 분당 최저 $0.015까지 낮출 수 있습니다. LLM 비용은 선택하는 모델과 지식 베이스 규모에 따라 분당 1센트 미만에서 수 센트 수준입니다. 따라서 100건의 통화 비용은 약 $13~$18입니다. 이는 평균 내부 담당자보다 110배 이상 저렴하고, 평균 외주 담당자보다도 18배 저렴합니다. 객관적으로 봐도 Alexis의 지원 경험은 상당히 훌륭합니다. 이 가격대라면 정말 놀랍습니다.

실제 대화형 AI 활용 사례

대부분이 아날로그 방식으로 운영되는 공급망 분야에서 Traba는 인재를 연결하는 기술적 가교 역할을 하며, 산업 분야 기업이 근로자를 채용하고 관리할 수 있도록 지원합니다. Traba는 앱과 대시보드를 제공하지만, 종이 근무 기록표와 코르크 게시판에 익숙한 근로자들에게 전화는 여전히 핵심적인 연결 수단입니다. 

Traba는 운영팀이 가장 많은 시간을 쓰는 전화 업무를 분석해 두 가지 주요 영역을 발견했습니다. 지원 문의 응대와 일정 확인 체크리스트 처리였습니다. CTO Akshay Buddiga에게 자동화는 당연한 해답이었지만, 시점 또한 중요했습니다. “더 효율적으로 만들고 싶은 프로세스를 발견하면, 나중에 솔루션을 덧붙이기보다 초기에 자동화를 내재화하는 편을 선호합니다.”

Traba는 단위 경제성과 기술 혁신의 선두를 유지하는 데 집중하고 있었기에, 이러한 통화를 대화형 AI로 전환하는 일은 여러 측면에서 매력적이었습니다. 팀은 속도와 비용을 고려해 솔루션을 찾기 시작했습니다. 하지만 사용자 경험도 핵심이었습니다. 소프트웨어 엔지니어 Joseph Besgen은 이렇게 말했습니다. “녹음을 듣는 느낌이 아니라 실제 대화처럼 들리기를 원했습니다.” ElevenLabs 데모는 매우 현실적이어서, 테스트 중 한 Traba 직원의 아버지는 그것이 AI인지 아들의 팀원이었는지 구분하지 못했습니다. 

수천 명의 경공업 근로자 일정을 조율하는 데는 본질적인 복잡성이 있지만, 의사 진료 예약 한 (1) 건을 잡는 일이 그렇게까지 어려워서는 안 됩니다. 그런데 최근 병원에 전화해 보신 적 있나요? 환자에게는 답답하고, 의료진의 시간을 비효율적으로 쓰게 합니다. ElevenLabs와의 파트너십을 통해 EliseAI의 어시스턴트는 예약 일정 관리부터 청구 업무까지 처리하며 의료 행정의 공백을 메우고 있습니다. 한 병원은 이제 통화의 86%를 전적으로 AI 에이전트가 처리합니다. 그 결과 통화당 비용이 66% 감소했을 뿐 아니라 행정 직원의 업무 효율도 높아졌습니다. EliseAI는 영어를 사용하지 않는 지역 사회의 의료 접근성도 확대했습니다. 

미래

산업별 대화형 AI의 성장세를 살펴보면 몇 가지 흥미로운 흐름이 나타납니다. EdTech는 기업이 마침내 합리적인 비용으로 맞춤형 일대일 튜터링과 언어 학습을 제공할 수 있게 되면서, 대화형 AI를 가장 먼저 받아들인 산업이었습니다. 고객 지원 애플리케이션도 빠르게 뒤따랐습니다. 지원 상호작용은 답이 지식 베이스에 존재하고 AI 에이전트가 이를 사용자의 질문과 연결하는 패턴 인식 작업이기 때문에 특히 적합합니다. 물류와 헬스케어 같은 분야에서는 Traba와 EliseAI처럼 특정 산업에 특화된 엔드투엔드 애플리케이션도 늘어나고 있습니다. 이 역시 반복적이고 예측 가능해 AI 에이전트가 쉽게 처리할 수 있는 영역입니다.

대화형 AI는 고객 지원을 원자의 세계에서 비트의 세계로 옮겨 놓습니다. 이제 고객 지원은 기업과 고객 모두에게 더 나은 경험이 될 수 있습니다. 클라우드 제공업체처럼 AI 지원팀도 필요에 따라 규모를 늘리거나 줄일 수 있습니다. 고객은 더 이상 대기할 필요가 없고, 전 세계에 지원 센터를 구축해야 하는 운영상의 골칫거리도 줄일 수 있습니다.

지난 1년 동안 음성 에이전트는 대화와 지식 검색에 뛰어났지만, 이것은 시작에 불과하다고 생각합니다. 2025년에는 AI 음성 에이전트가 인바운드 미팅 일정 조율과 ‘제품 전문가’ 유형의 지원 문의를 위한 표준 방식이 될 것이라 생각합니다. 지식 검색 통화에만 한정될 수는 있지만, 지원 문의량을 크게 줄이고 사람으로 구성된 팀이 더 가치 있는 업무에 집중할 수 있게 해줄 것입니다.

2026년에는 지식을 검색하는 단계에서 행동을 수행하는 단계로 넘어갈 것입니다. 일반적인 AI 음성 에이전트는 API를 호출하고 타사 앱과 연결할 것입니다. 미팅 예약이나 환불 처리 같은 작업을 일상적으로 수행하게 될 것입니다.

2027년에는 AI 음성 에이전트가 고객 지원을 넘어 고객 성공 영역으로 발전할 것으로 봅니다. 전체 영업 거래를 AI 에이전트가 수행하는 일도 가능해질 것이며, 구매자와 판매자 양쪽 모두에 AI 에이전트가 있을 수도 있습니다. 많은 사람에게 이는 최종 단계처럼 보이겠지만, 제 생각에는 시작에 불과합니다. 한때 인간만이 할 수 있다고 여겼던 고도로 맥락적인 창의적 작업이 점점 AI의 영역이 될 것입니다.

고객 지원은 비용 센터에서 변화할 것입니다. 먼저 비용을 상쇄하고, 궁극적으로는 기업의 수익 센터가 될 것입니다. AI 음성 에이전트는 고객에게 선제적으로 연락해 이탈률을 낮추고 고객 LTV를 높일 것입니다. 대화형 AI는 사람의 지원이 제공하는 많은 이점을 갖추고 있을 뿐 아니라, 완벽한 기억력, 수십 개 언어 지원, 연중무휴 운영 능력까지 제공합니다. 미래는 다가오고 있으며, 여러 면에서 이미 와 있습니다. 언제나 즉각적이고, 공감하며, 효과적인 지원을 상상해 보세요. 머지않아 재미로 항공사에 전화하고 싶어질지도 모릅니다.