가장 많이 시도되고, 가장 자주 실패하는 영역
AX 과제로 고객 문의 처리를 고르는 조직이 압도적으로 많습니다. 이유는 명확합니다. 반복이 많고, 양이 많고, 텍스트라서 AI가 잘할 것 같아 보입니다.
그리고 같은 이유로 가장 자주 실패합니다. 양이 많다는 건 예외도 많다는 뜻이고, 텍스트라는 건 틀렸을 때 티가 안 난다는 뜻이기 때문입니다.
대개 이렇게 시작한다
전형적인 진행은 이렇습니다.
문의 메일을 분류합니다. 잘 됩니다. 다음에 답변 초안을 생성합니다. 그럴듯합니다. 시연에서 반응이 좋습니다. 확산을 결정합니다.
그다음 세 달 안에 두 가지 중 하나가 일어납니다.
담당자가 초안을 안 씁니다. 고치는 게 새로 쓰는 것보다 오래 걸린다고 판단하면 그렇게 됩니다. 앞선 글에서 다룬 "검수 시간이 원본 작성 시간보다 길어지는 구간"입니다.
아무도 안 고치고 나갑니다. 더 위험합니다. 틀린 답이 고객에게 전달되고, 그 사실을 몇 주 뒤 클레임으로 알게 됩니다.
실제로 잘 되는 조직이 다르게 한 것
성과가 남은 사례들의 공통점은 기술이 아니라 범위 설정입니다.
첫째, 문의를 줄이는 것부터 했습니다.
앞선 첫 글에서 다룬 AX 관점의 질문이 여기서 실제로 작동합니다. 상위 문의 유형 세 개를 뽑아보면, 상당 부분이 애초에 안 들어와도 되는 문의입니다. 주문 상태, 배송 조회, 영업시간, 반품 절차.
이걸 안내 페이지나 자동 상태 알림으로 없애면 문의 총량 자체가 줄어듭니다. 자동화보다 효과가 크고, 유지보수 비용도 없습니다. 가장 좋은 자동화는 그 일이 발생하지 않게 만드는 것입니다.
둘째, 완전 처리 구간과 초안 구간을 나눴습니다.
모든 문의에 같은 수준의 자동화를 적용하지 않았습니다.
- 완전 자동 처리 — 조회성 문의처럼 답이 데이터에서 확정되는 것. 사람이 안 봅니다.
- 초안 + 사람 확인 — 판단이 조금 필요한 것.
- 사람 전담 — 클레임, 계약 변경, 감정이 실린 문의.
세 번째 유형에 자동화를 넣으려는 시도가 실패의 단골 원인입니다. 화가 난 고객에게 AI가 쓴 사과문을 보내는 것은 문제를 두 배로 만듭니다.
셋째, 답변 근거를 함께 띄웠습니다.
앞선 지식 응답 글에서 다룬 원칙입니다. 담당자 화면에 초안과 함께 근거 문서가 뜨면 검수가 빨라집니다. 근거 없이 초안만 뜨면 담당자는 처음부터 확인해야 하고, 그 순간 절감이 사라집니다.
측정해야 할 것
이 영역에서 흔한 착각은 "처리 시간"만 보는 것입니다. 앞선 90일 측정 글의 지표를 이 맥락으로 옮기면 이렇습니다.
표가 넓으면 좌우로 스크롤하여 확인하세요.
| 지표 | 왜 보는가 |
|---|---|
| 문의 총량 추이 | 줄이기 시도가 실제로 먹혔는가 |
| 유형별 자동 처리 비율 | 어느 구간이 실제로 자동화됐는가 |
| 초안 채택률 | 담당자가 초안을 쓰는가, 버리는가 |
| 초안 수정량 | 얼마나 고쳐야 쓸 수 있는가 |
| 첫 응답 시간 | 고객이 체감하는 변화 |
| 재문의율 | 답이 실제로 문제를 해결했는가 |
초안 채택률과 재문의율 두 개가 핵심입니다. 채택률이 낮으면 담당자가 이미 포기한 것이고, 재문의율이 오르면 답변 품질이 떨어진 것입니다. 처리 시간만 보면 둘 다 안 보입니다.
실패의 전형적 경로
전 유형에 한 번에 적용
클레임까지 포함해 전부 자동화하려다 신뢰를 잃습니다.
문의 총량을 줄이는 단계를 건너뜀
안 들어와도 될 문의를 열심히 자동 처리합니다.
담당자를 설계에서 뺌
실제로 문의를 처리하던 사람이 참여하지 않으면 판단 기준이 나오지 않습니다.
틀린 답의 신고 경로 없음
앞선 지식 응답 글에서 다룬 대로, 신고 버튼 하나가 개선 우선순위를 만듭니다.
고객 문의는 가장 많이 시도되는 영역입니다. 그래서 실패 사례도 가장 많습니다.
잘 된 조직의 공통점은 답변을 잘 만든 게 아니라, 답할 필요가 없는 문의를 먼저 줄인 것이었습니다. 순서를 바꾼 것뿐인데 결과가 달랐습니다.
