AI가 고객 경험을 혁신하고 있습니다. 우리 모두가 체감하는 분명한 사실입니다. 

기업은 AI를 활용하여 일상적인 상호작용을 자동화하고, 직원이 더 효율적으로 일하도록 지원하며, 더욱 빠르고 개인화된 경험을 제공하고 있습니다. 고객과 직원을 대신해 조치를 취하는 AI 상담사의 능력이 점점 더 향상되면서 그 가능성은 계속 확장되고 있습니다. 

하지만 보이지 않는 곳에서 또 다른 변화가 일어나고 있습니다. 

높아지는 AI 역량은 조직까지 변화시키고 있습니다. 전적으로 사람의 몫이었던 책임들이 바뀌기 시작했습니다. 사람의 역할이 진화하고, 새로운 역할이 등장했습니다. 그로 인해 사람을 중심으로 설계된 운영 모델이 압박을 받기 시작했습니다. 

다시 말해, AI는 단순히 고객 경험만 바꾸는 것이 아닙니다. 고객 경험 이면에 있는 업무 방식은 물론, 비즈니스 운영 방식까지 변화시키고 있습니다.

 

고객 경험 그 이상을 변화시키는 AI 

CX 분야에서 AI와 관련된 논의의 상당 부분은 “이 기술이 무엇을 할 수 있는가?”에 초점이 맞춰져 왔습니다. 상호작용을 자동화할 수 있는지, 직원이 적절한 답변을 찾도록 도울 수 있는지, 대화를 요약할 수 있는지, 고객에게 다음으로 필요한 것이 무엇인지 예측할 수 있는지, 등이었습니다. 

그러나 AI가 CX 운영에 깊숙이 자리하면서 전혀 다른 질문들이 시작되었습니다. 

AI 상담사가 상호작용을 처리한다면 할 수 있는 일과 할 수 없는 일은 누가 결정해야 하는가? 에이전트가 제 역할을 잘 수행했는지 어떻게 평가하는가? 상호작용이 기술적으로는 정확했으나 여전히 고객에게 좋지 않은 경험을 남긴 경우는 어떻게 파악하는가? 사람이 개입해야 하는 시점은 누가 결정하는가? 

고객의 기대치, 비즈니스 우선순위, AI 역량 발전 등에 발맞춘 지속적인 시스템 개선은 누가 담당하는가?  

이는 단순한 기술적 질문이 아닙니다. 업무, 오너십, 의사결정, 책임에 관한 질문입니다. 

조직은 수년간 고객 여정을 최적화하는 데 시간을 쏟아부었습니다. 그러나 이제는 여정 배후에 있는 조직 구조를 재설계하는 일에도 집중해야 합니다.

 

운영 모델에 과부하가 걸리기 시작하는 시점 

도입 초기에는 기존 구조 내에서 AI를 무리 없이 흡수할 수 있었습니다. 

운영 팀은 새로운 AI 사용 사례를 담당하고, 품질 팀은 사람이 수행한 상호작용과 AI가 생성한 상호작용을 검토합니다. 관리자는 계속 늘어나는 업무 목록에 AI 성능 모니터링 및 개선을 추가합니다. 거버넌스는 여러 부서로 구성된 다기능 팀이 기존 업무와 함께 처리합니다. 

규모와 복잡성이 커지기 전까지는 이러한 방식이 유효했을 것입니다. 

하지만 AI가 더 많은 고객 여정에 관여하면서 성능, 에스컬레이션, 품질, 거버넌스, 교육, 최적화 등 결정이 필요한 많은 일들이 쏟아집니다. 팀 간의 전통적인 업무 경계 또한 모호해지기 시작합니다. 

예를 들어, AI 성능 관리는 운영 팀의 책임일까요, 기술 팀의 책임일까요? 품질 팀은 인간 직원만 평가해야 할까요, AI 상담사도 평가해야 할까요? 동일한 여정 중에 고객이 가상 상담사, 인간 직원, 또는 둘 모두와 소통한다면 이 대화는 누가 설계해야 할까요? 

안타깝게도 이러한 고민을 말끔히 해결해 줄 단 하나의 운영 모델은 존재하지 않습니다. 그러나 조직의 규모와 관계 없이 문제의 본질은 같습니다. 비즈니스가 성장하면서 생겨나는 복잡성을 기존 운영 모델로는 대응할 수 있다는 점입니다. AI는 이러한 복잡성을 관리하는 데 도움을 줄 수 있지만, 한편으로는 업무 처리 방식을 바꾸어 놓습니다. 새로운 책임과 의사결정 구조 , 업무 방식이 요구 되는 이유입니다. AI 이전 시대에 설계된 운영 모델로는 AI 기반의 미래를 만들어 갈 수 없습니다.

 

새로운 역할과 책임 

라스베이거스에서 개최된 2026 Xperience에서 Genesys 제품 마케팅 매니저 Yulia Kaurova는 조직이 AI를 대규모로 도입하면서 나타날 수 있는 새로운 책임과 역할 등 AI가 CX 워크포스를 어떻게 재편하고 있는지 소개했습니다.

이 세션에서 다뤄진 ‘새롭게 등장하는 CX 역할’에 대한 이야기는 특히 주목할 부분이었습니다. AI 성능 관리자, 대화 디자이너, 프롬프트 엔지니어, 휴먼 인 더 루프(HITL) 오케스트레이터와 같은 역할은 AI로 인한 업무 진화를 보여주는 좋은 예시입니다. 물론 이러한 직함은 회사에 따라 다를 수 있으며, 직함이 존재하지 않을 수도 있습니다. 중요한 것은 조직 내부에서 누군가가 책임져야 할 업무와 기회 영역이 계속 증가하고 있다는 사실입니다. 

예를 들어, AI 성능 관리자는 AI가 고객, 운영, 비즈니스 성과 측면에서 어떻게 작동하는지 모니터링하여, 특정한 패턴을 분석하고 개선 기회를 포착합니다.

대화 디자이너는 인간 및 AI 접점을 아우르는 인터랙션을 설계하여, 경험이 어디서든 일관되고 유용하며 브랜드 가치에 부합하도록 합니다.

프롬프트 엔지니어 또는 AI 경험 전문가는 비즈니스 목표, 정책, 지식을 AI가 효과적으로 이해하고 작동할 수 있도록 명확한 지침과 구조로 변환하는 작업을 돕습니다.

그리고 휴먼 인 더 루프 오케스트레이터는 AI가 언제 독립적으로 작동해야 하는지, 언제 사람의 판단이 필요한지, 둘 사이에서 업무가 어떻게 이동해야 하는지를 설계하고 조율합니다.

이러한 책임 중 일부는 기존 직무의 일부가 될 것입니다. 어떤 것들은 여러 팀에 분산되거나 완전히 새로운 역할로 발전할 수도 있습니다. 고민의 출발점을 직함이 아닌 책임으로 시작하면 AI에 대한 단편적인 시각을 바탕으로 미래의 워크포스를 설계하는 일은 막을 수 있습니다. 

더 중요한 변화는 업무 그 자체에 있습니다.

 

인간 고유 가치의 변화 

이러한 변화는 기존 CX 역할이 새로운 가치를 창출할 수 있는 기회도 됩니다. 

슈퍼바이저와 품질 팀을 예로 들어보겠습니다. 전통적인 운영 모델에서는 인터랙션을 수동으로 검토하고, 규정 준수 여부를 일일이 확인하며, 일상적인 성과 문제를 파악하는 데 상당한 시간을 소비해야 했습니다. 

AI는 이러한 분석의 많은 부분을 대규모로 처리할 수 있습니다. 그렇다고 해서 사람의 전문성이라는 가치가 하락하는 것은 아닙니다. 오히려 인간만이 할 수 있는 고유한 영역은 더욱 중요해집니다. 

문제의 신호를 찾는 데 많은 시간을 쓰는 대신, 그 신호의 의미와 대처 방안을 결정하는 데 더 많이 집중할 수 있습니다. 이들의 업무는 팀원 조율과 코칭, 예외 처리, 판단, 프로세스 개선 등으로 바뀔 것입니다. 

다른 부문에서도 동일한 패턴이 나타날 수 있습니다. AI가 반복적인 작업을 더 많이 맡게 맡게 되면서, 사람은 모호한 문제를 해결하고, 공감을 전하며, 창의성을 발휘하고, 결과에 책임을 지는 데 더 많은 에너지를 집중하게 됩니다. 

이것이 바로, CX 워크포스의 미래가 단순히 인간의 노동을 AI로 대체하는 이야기가 아닌 이유입니다. 이는 인간과 AI가 각각 잘하는 영역에 맞게 업무를 재분배하는 여정에 관한 것입니다.

 

모든 기업이 마주한 현실 

진화는 이미 CX 조직에서 나타나기 시작했습니다. 

Xperience 세션에서는 브라질의 금융기업인 DM의 사례가 소개됐습니다. 이 회사는 인수합병을 통해 2년 만에 규모가 두 배씩 두 번이나 성장하면서 새로운 차원의 운영 복잡성이 발생했습니다. 이 회사는 단순한 기술을 넘어 업무를 새롭게 구조화하고, 관리하고, 개선함으로써 문제를 해결했습니다.

물론, DM의 문제 해결 방식이 다른 모든 기업에 똑같이 적용될 수는 없으며, 그럴 필요도 없습니다. 기업마다 고객, 채널, 기술, 규제 요건, 조직 구조가 제각기 다르기 때문입니다. 

중요한 것은 이 사례 이면에 있는 거대한 패턴을 읽는 것입니다. 

AI가 업무를 변화시키고 있다면 조직은 업무가 관리되는 방식을 재고해야만 합니다. 이러한 변화를 빠르게 인식할수록 더욱 계획적이고 신중하게 대응할 수 있습니다. 

 

역할보다 책임을 먼저 재설계 

그렇다면 CX 리더는 어디서부터 시작해야 할까요? 조직을 개편하는 것으로 성급하게 시작해서는 안 됩니다. 

AI 관련 직함들을 만들기 전에, 책임이 어떻게 이동하고 있는지부터 이해해야 합니다. 

다음과 같은 질문을 해보세요.

  • 현재 AI가 수행하거나 지원할 수 있는 업무는 무엇인가?
  • AI가 내릴 수 있는 결정은 무엇이며, 여전히 사람의 판단이 필요한 결정은 무엇인가?
  • 사람이 끝까지 계속 책임져야 하는 지점은 어디인가?
  • AI의 품질과 성능은 누가 모니터링하는가?
  • 예외 상황과 에스컬레이션은 누가 담당하는가?
  • AI 지원 워크플로를 개선할 책임은 누구에게 있는가? 

이러한 질문들을 통해 실제로 어디에서 변화해야 하는지 더 쉽게 파악할 수 있습니다. 

어떤 새로운 책임은 기존 역할에 자연스럽게 녹아들 수 있습니다. 어떤 책임은 직원들이 새로운 스킬을 익혀야 할 수도 있습니다. 업무가 충분히 다르거나 중요한 경우에는 완전히 새로운 역할을 만들어야 할 수도 있습니다.

 

AI 기반 워크포스를 위한 운영 모델 구축  

미래의 업무 방식을 처음부터 완벽하게 파악하지 않아도 됩니다. 하지만 CX 영역에서 AI가 점점 더 큰 역할을 맡게 되는 만큼, 함께 진화할 수 있는 운영 모델은 반드시 필요합니다. 

그 출발점은 가치가 높은 워크플로우를 식별하고, AI가 측정 가능한 가치를 창출할 수 있는 영역이 어디인지 묻는 것입니다. 이는 AI가 내릴 수 있는 결정과 인간의 판단이 여전히 필수인 영역을 둘러싼 명확한 가드레일을 설정하는 작업이기도 합니다. 또한 성과, 품질, 에스컬레이션, 지속적인 개선 등에 대한 오너십을 누가 갖는지를 포함하여, 사람과 AI가 어떻게 협력할 것인지 정의하는 것입니다. 

달성하고자 하는 비즈니스 성과에 AI를 일치시키는 일 또한 중요합니다. 책임 있는 도입이란 단순히 가능하다는 이유만으로 모든 업무에 AI를 적용하는 것을 의미하지 않습니다. 명확한 기준 없이 무분별하게 AI를 도입하면 불필요한 비용과 복잡성만 더합니다. 목표는 성과를 개선할 수 있는 곳에 AI를 적용한 다음, 이를 지원하는 데 필요한 운영 모델을 구축하는 것입니다. 

AI 중심의 미래에 가장 잘 준비된 조직은 가장 많은 AI 툴을 배포하거나 가장 빠른 자동화를 이룬 조직이 아닙니다. 기계가 해야 할 일과 사람이 해야 할 일, 그리고 이 둘이 어떻게 효과적으로 협력할 수 있는지를 신중하게 결정하는 조직입니다. 

AI는 조직도보다 업무를 먼저 바꾸기 때문입니다. 

복잡성으로 인해 어쩔 수 없이 변화해야 하는 순간까지 손을 놓고 있어서는 안 됩니다. CX 조직이 알아서 바뀌기를 기다리지 말고 변화를 직접 설계하고 주도하세요.