클라이언트가 챗봇 만들어달라고 했을 때 내가 한 실수
작년 말이었나, 올해 초였나. 정확한 시점은 기억 안 나는데 여튼 한 클라이언트가 갑자기 이런 말을 했다. "저희 인스타 DM이랑 카톡 문의가 너무 많아서 사람을 못 쓰겠어요. 이거 AI로 자동 응대되게 못 할까요?"
솔직히 그때 나는 챗봇이라고 하면 예전에 쓰던 그 답답한 시나리오형 봇밖에 몰랐다. "1번을 누르시면 배송 조회, 2번을 누르시면 환불" 이런 거 있잖은가. 그거 만들어드리겠다고 했다가 클라이언트가 원하는 건 그게 아니라는 걸 나중에야 알았다. 요즘 말하는 AI 챗봇은 그냥 답을 찾아주는 게 아니라 맥락을 읽고 알아서 판단까지 한다는 거, 이거 직접 부딪혀보기 전까진 체감이 잘 안 됐다.
그래서 일단 챗GPT랑 클로드를 붙여서 자동응답 프롬프트부터 짜봤다. 처음엔 진짜 별거 아닌 줄 알았는데 막상 해보니 생각보다 손이 많이 갔다. FAQ 정리하는 데만 이틀 걸렸고, 톤앤매너 맞추는 데 또 하루. 클라이언트 브랜드가 좀 친근한 편이라 "안녕하세요 고객님" 이런 딱딱한 말투 대신 "안녕하세요~ 문의 주셔서 감사해요!" 느낌으로 계속 다듬었다. 이거 은근 재밌었다. 마치 클라이언트 대신 말투를 연기하는 느낌이랄까.
근데 여기서 진짜 배운 게 하나 있다. AI한테 모든 걸 맡기면 안 된다는 거. 처음에 욕심내서 "환불 요청도 AI가 판단해서 처리하게 하자"고 했다가 클라이언트가 화들짝 놀랐다. 아니 당연한 거였다, 지금 생각하면. 돈 관련된 건, 특히 환불이나 계정 관련 민감한 건 무조건 사람한테 넘어가야 한다. 이건 진짜 반성했다. 편하자고 자동화 범위를 너무 넓게 잡았던 거다.
그래서 결국 우리가 정한 기준은 이랬다. 배송 조회, 영업시간 안내, 자주 묻는 질문 답변, 이런 단순한 건 AI가 1차로 다 받는다. 근데 고객이 화가 나 있거나, 복잡한 컴플레인이거나, 돈 관련 얘기가 나오면 즉시 사람한테 넘긴다. 실제로 어떤 대기업 사례를 찾아보니 우리랑 비슷하게 단순 문의는 AI가 종결하고 감정적인 응대나 기술적으로 복잡한 문의는 상담사한테 바로 넘기는 구조로 운영하더라. 우리가 어쩌다 비슷한 답에 도달한 거 보고 좀 안심이 됐다.
효과는... 솔직히 처음엔 반신반의했는데 생각보다 괜찮았다. 클라이언트가 말하길 하루에 오던 문의 중에 절반 이상이 AI 선에서 끝난다고 했다. 응답 시간도 눈에 띄게 줄었고. 근데 여기서 재밌는 포인트가 있다. 나는 이게 다 대단한 최신 기술 덕분인 줄 알았는데, 실제로는 FAQ 정리를 얼마나 꼼꼼히 했느냐가 결과를 더 많이 갈랐다. AI는 결국 내가 던져준 재료로 요리하는 거더라. 재료가 부실하면 아무리 좋은 모델 붙여도 답이 어설프다.
시장 자료를 좀 찾아봤는데 중소기업 챗봇 도입 후 응답 시간이 평균 96% 단축됐다는 통계도 있더라. 96%면 거의 즉시 응답 수준이라는 건데, 내 클라이언트 케이스도 정확히 저 숫자는 아니어도 체감상 비슷한 방향이었다. 근데 이 숫자만 보고 "우와 대박이다" 하기엔, 정작 그 뒤에 숨어있는 FAQ 정리 작업량은 아무도 얘기 안 해준다는 게 좀 아쉽더라. 실무자 기준으로는 이게 진짜 핵심인데.
또 하나, LG유플러스 같은 대기업이 로밍 고객 서비스에 LLM 챗봇 붙여서 응대 시간을 60%가량 줄였다는 사례도 봤다. 시차 상관없이 24시간 응대 가능해진 것도 크다고 하고. 나는 대기업 사례랑 내 자영업/소상공인 클라이언트 사례를 같이 놓고 보는 게 재밌었다. 스케일은 완전히 다른데 원리는 똑같더라, 결국.
내 기준으로 정리하자면, AI 챗봇 CS 자동화는 "사람을 없애는 도구"가 아니라 "사람이 단순 반복을 안 하게 해주는 도구"에 가깝다. 어디까지나 내 경험 안에서 하는 얘기고, 업종이나 문의 유형에 따라 다르게 적용해야 할 거다. 아직 못 써본 툴도 많아서 이게 정답이라고는 말 못 하겠고.
결론은 늘 같은 말이긴 하지만, 자동화도 결국 사람이 얼마나 손질해두느냐에 달렸다는 거. AI가 대신 일해주길 바라는 마음은 나도 이해하는데, 그 전에 정리할 건 정리해둬야 AI도 제 몫을 한다는 거, 이건 알아두시길.
자료 조사하면서 확인한 출처는 아래에 있다.
댓글
댓글 쓰기