고객지원은 AI 자동화가 빠르게 도입된 분야다. 상담 인력과 처리 시간이 비용으로 잡히고, 티켓 수나 응답 시간처럼 전후를 비교할 지표도 있기 때문이다. Sierra와 Decagon 같은 기업이 빠르게 성장하면서 고객지원 AI에 대한 투자도 커졌다.
고객지원 AI의 성과 수치를 비교하려면 처리, 회피, 해결을 어떤 기준으로 나눴는지 먼저 확인해야 한다.
회피(deflection)와 해결(resolution)은 다른 지표다
기존 챗봇은 상담원에게 넘어가지 않은 대화를 회피로 집계하곤 했다. 하지만 사용자가 문제를 해결해서 대화를 끝냈는지, 답을 얻지 못한 채 이탈했는지는 이 수치만으로 알 수 없다.
해결률은 백엔드에서 환불을 처리하고 주문이나 계정 상태를 바꾼 뒤, 같은 문제로 다시 문의하지 않은 비율처럼 정의할 수 있다. 제품마다 해결의 기준과 측정 기간이 다르므로 공개된 비율을 비교할 때는 분모와 제외 조건까지 확인해야 한다.
클라르나 사례가 보여준 품질 문제
클라르나는 AI 어시스턴트가 많은 고객 대화를 처리하고 비용을 낮췄다고 발표했다. 이후 회사는 비용 절감 과정에서 고객지원 품질이 충분하지 않았다고 설명하며 사람 상담을 확대했다. 공개 수치만으로 각 문의가 실제 해결됐는지는 알 수 없지만, 처리량과 비용만 최적화하면 고객 만족과 재문의 같은 품질 지표를 놓칠 수 있다는 사례다.
결과를 기준으로 한 과금
일부 고객지원 AI 제품은 대화 수와 함께 해결 단위 과금을 제공한다. 사람 개입 없이 정해진 조건을 충족한 문의에만 요금을 매기는 방식이다. 고객은 사용량과 실제 업무 결과 중 어느 항목에 비용을 지불하는지 계약에서 확인할 수 있다.
해결 단위로 청구하려면 제품이 맡은 문의 유형별로 완료 조건을 정의해야 한다. 정보 안내는 근거가 맞고 고객이 추가 문의를 하지 않았는지로 볼 수 있고, 환불·주문 변경은 실제 시스템 상태와 오류 여부까지 확인할 수 있다. 모든 문의에 시스템 변경이 필요한 것은 아니지만 각 유형의 완료를 검증할 방법은 필요하다.
대화창 밖의 통합과 검증
고객지원 AI의 성능은 대화창보다 그 뒤의 시스템 연결에서 갈린다. 주문·결제·계정 시스템에서 필요한 행동을 안전하게 실행하고, 이후 고객이 같은 문제로 다시 문의했는지까지 확인해야 해결을 측정할 수 있다.
"AI가 문의의 80%를 처리한다"는 수치를 볼 때는 상담원 연결을 피한 비율인지, 고객 문제가 실제로 끝난 비율인지 구분해야 한다. 해결의 정의, 재문의 기간, 오류와 사람 전환을 함께 공개해야 서로 다른 제품의 성과를 제대로 비교할 수 있다.