AI가 가치를 창출할 수 없다는 의미는 아닙니다. 문제는 AI 프로젝트를 계획하고 배포하는 방식에 있습니다.
Xperience 2026에서 Genesys의 Juan Perez(AI 솔루션 및 서비스 부문 디렉터)와 Niels Kusters(수석 CX 자문 컨설턴트)는 측정 가능한 가치를 제공하는 AI 사용 사례를 구축하기 위한 실질적인 5단계 방법론을 제시했습니다.
마찰의 감소가 가치 창출의 핵심
대부분의 조직은 잘못된 질문으로 AI 프로젝트를 시작합니다. “이 기술이 우리를 위해 무엇을 할 수 있는가?”라는 질문이 그것입니다. 이러한 질문은 가상 상담사, 라우팅, 예측 인게이지먼트, 코파일럿과 같은 기능 카탈로그만 들여다보게 만들며, 각 기능들을 끼워 맞출 곳을 찾아 헤매는 결과로 이어집니다. 기술에 먼저 초점을 맞추는 방식이 얼핏 논리적으로 보일 수 있습니다 하지만 이렇게 하면 비즈니스에는 아무런 성과를 가져다주지 못하는 AI 기능 포트폴리오만 남게 됩니다.
더 나은 질문은 “고객이 어디에서 어려움을 겪고 있는가?”입니다. 중도 포기하거나, 답답함을 느껴 다른 상담사에게 에스컬레이션을 요청하거나, 동일한 문제를 해결하기 위해 세 번씩 다시 전화하는 지점은 어디인지 살펴봐야 합니다. Perez와 Kusters가 Xperience에서 발표한 수치들이 보여주듯, 이러한 마찰에는 많은 대가가 따릅니다. 리테일 고객의 84%는 불만족스러운 반품 경험을 겪은 후 브랜드 전환을 고려하겠다고 답했으며, 통신사 고객의 67%는 예상치 못한 요금이 청구되면 서비스를 해지하겠다고 답했습니다. 마찰은 단순히 고객을 짜증 나게 하는 데 그치지 않고, 충성도까지 잃게 만듭니다.
기술 기능이 아닌 마찰 지점에서 출발해야만, 기술적 가능성이 아닌 비즈니스 성과라는 AI 프로젝트 본질에 집중할 수 있습니다.
빙산의 전체를 바라봐야 하는 이유
Perez와 Kusters는 빙산 시각 자료를 통해, 우리가 잘못된 부분에 초점을 맞추는 실수를 얼마나 쉽게 저지르는지 소개했습니다. 빙산의 가장 꼭대기에는 AI 기능이 있습니다. AI 배포를 고려할 때 일반적으로 가장 먼저 떠올리는 부분입니다. AI 모델 바로 아래에는 기술 및 데이터 계층이 있습니다. AI 모델을 실제로 사용할 수 있도록 만드는 플랫폼, 통합, 데이터 파이프라인이 이에 해당합니다.
한편, 빙산의 대부분은 완전히 물속에 잠겨 있어 보이지 않습니다. 성공적인 성과를 내는 데 필요한 사람, 프로세스, 변화 관리가 바로 그것입니다. 거의 아무도 예산을 책정하지 않는 영역입니다. 대부분의 AI 프로젝트를 좌초시키는 주원인이기도 합니다. 적절한 기능과 데이터 파이프라인을 갖추는 것도 중요하지만, 그것만으로는 충분하지 않습니다. AI 툴을 신뢰하고 활용할 수 있는 직원, 새로운 성과 측정 방식에 동의한 관리자, AI로 인해 변화하는 CX 운영 방식에 발맞춰 재설계된 워크플로우가 뒷받침되어야 합니다.
이를 건너뛰면 기술적으로는 작동할지 몰라도 직원들의 채택률은 물론 수익률까지 낮아지게 됩니다.
금융 서비스 분야가 이러한 징후를 가장 먼저, 그리고 가장 명확하게 보여주고 있습니다.
가치 창출을 위한 AI 사용 사례 구축 5단계
AI 투자가 지속적인 누적 성과로 이어지려면 빙산 아래 숨겨진 영역까지 놓치지 않아야 합니다. 다음 단계에 따라 AI 사용 사례를 구축해 보세요.
1단계: 비즈니스에 중요한 경험부터 시작
솔루션이나 AI 기능을 고려하기 전에 온보딩, 청구, 클레임, 반품, 일정 예약 등 비즈니스에 가장 큰 영향을 미치는 고객 경험이 무엇인지 파악하세요. 이는 경험의 좋고 나쁨에 빠라 고객 충성도가 좌우될 뿐 아니라 매출에도 직접적인 영향을 미치는 핵심 여정입니다. 셀프서비스 해결률, 고객 유지율과 같은 구체적인 지표를 가진 비즈니스 케이스와 연결하면 해당 사용 사례의 가치를 입증할 수 있습니다. 이 단계를 거쳐야만 AI 도입을 위한 모든 노력이 단순한 기술적 혁신에 머무르지 않고 비즈니스에 미치는 실제적인 영향력에 집중될 수 있습니다.
Perez와 Kusters는 실제 사례로 이를 설명했습니다. 매월 150만 건 이상의 음성 상담을 처리하는 한 통신사는 요금 청구를 가장 리스크가 큰 핵심 경험 중 하나로 꼽았습니다. 단 한 번의 잘못된 상담만으로도 수개월 동안 쌓아온 충성도가 순식간에 무너질 수 있는 여정이기 때문입니다.
2단계: 마찰 지점 식별
파악한 경험을 그려보고 문제가 발생하는 지점을 정확히 찾아내세요. 그러기 위해서는 고객 입장에서 여정을 따라가 보아야 합니다. 이해하기 어려운 청구서, 일반적인 FAQ만 반복하는 봇, 다른 상담사에게 똑같은 설명을 다시 해야 하는 상황, 연체료를 내야 하는지 확신할 수 없게 만드는 찝찝한 상담 종결 등이 있는지 확인합니다. 마찰이 발생하는 모든 순간은 AI가 개입하여 실질적인 가치를 더할 수 있는 기회입니다.
고객에게 정보를 반복해서 말하게 하는 것은 오케스트레이션이 제대로 작동하지 않는다는 가장 명확한 신호 중 하나입니다. Genesys의 ‘2026 고객 경험 현황 보고서’에 따르면 소비자의 95%는 채널 간에 상담 정보가 연동되어 같은 말을 반복하지 않기 바라지만, 여전히 기업의 52%는 상담사에게 정보를 전달하지 않고 있습니다.
앞서 예로 든 통신사의 청구 여정은 다음과 같았습니다. 고객은 예상치 못한 요금 청구를 보고 셀프서비스를 이용하지만 일반적인 안내 문서만 반복해서 보게 됩니다. 결국 컨택센터로 전화를 걸어 처음부터 문제를 다시 설명하고, 그 과정에서 여러 부서로 통화가 전달되며, 매번 다시 설명해야 했습니다. 하지만 결국 연체료에 대한 명확한 설명 없이 최종 처리 결과를 받아야 했습니다. 총 다섯 번의 접점 중 최소 세 번의 마찰 지점이 있었습니다.
3단계: 실현 가능한 방안 모색
마찰 지점을 찾았다면 곧바로 특정 솔루션을 찾아 해결하고 싶은 충동을 억제하세요. Perez와 Kusters는 문제를 다음 세 가지 시각에서 바라보는 고전적 기법을 추천합니다. 첫 번째, ‘제약 없는 시각’입니다. 예산이나 레거시 시스템 등에 한계가 전혀 없다는 가정 아래, 고객 여정의 각 마찰 지점이나 진실의 순간에서 최상의 시나리오는 무엇일지 생각합니다. 그 다음 두 번째 단계에서는 ‘의도적으로 비판적인 시각’으로 검토합니다. 실제 발생할 수 있는 위험, 보안 문제, 기술적 한계를 따져봅니다. 마지막 세 번째 단계에서는 낙관적이면서도 현실에 기반한 ‘균형 잡힌 시각’으로 접근합니다. 이 세 가지 시각을 거쳐야만 구현하기 쉽다는 이유로 적당히 타협하는 실수를 방지할 수 있습니다.
예로 들고 있는 통신사는 이 세 가지 시각으로 청구 여정을 검토하여 완전히 새롭게 설계된 결과물을 도출했습니다. 고객은 예상치 못한 요금 청구로 당혹감을 느끼기 전에 사전 알림을 받고, 안내형 셀프서비스 흐름을 통해 단순한 케이스는 스스로 해결합니다. 상담사의 도움이 필요한 경우, 상담사는 이전 상담 맥락을 완전히 파악한 상태에서 단 한 번의 연결으로 문제를 해결할 수 있게 되었습니다.
4단계: 조직 비전에 맞는 솔루션 설계
실현 가능한 명확한 그림이 그려졌다면 솔루션을 어떻게 구축할지 구체화하세요. 필요한 기술과 플랫폼 기능, 반드시 갖추어야 할 데이터, 사용 사례가 효과적으로 작동하는지 판단할 수 있는 지표 등을 파악합니다. 사용 사례별 KPI는 궁극적으로 기여하고자 하는 상위 비즈니스 지표와 다른 경우가 많습니다. AI 도입의 실제 효과를 확인하려면 두 지표 모두를 모니터링해야 합니다.
통신사 요금 청구 여정의 경우, 처음에 구상했던 비전이 고유한 KPI를 갖춘 구체적인 사용 사례로 전환되었습니다. 자동화 완결률을 높이기 위한 에이전틱 셀프서비스 여정, 첫 상담 해결률을 개선하기 위한 예측 라우팅, 고객 경험 향상을 위해 상담사에게 실시간 안내를 제공하는 Genesys Cloud 상담사 코파일럿 등이 여기에 해당합니다.
5단계: 구축, 파일럿, 모니터링
긍정적인 변화를 이끌고 시간이 흐를수록 복리 효과를 내는 가치를 창출할 수 있도록 사용 사례를 제대로 정의했는지 확인하세요. 리소스를 본격적으로 투입하기 전, 다음 네 가지 측면에서 사용 사례의 준비도를 점검합니다.
비즈니스 케이스에 명확히 부합하는가?
기술적으로 실현 가능한가?
데이터가 준비되어 있는가?
조직이 변화를 받아들일 준비가 되어 있는가?
그런 다음 소규모로 시작하고 지속적으로 측정합니다. 배포된 AI는 한 번 구축하고 손을 떼는 일회성 프로젝트가 아니라, 지속적인 피드백과 재학습이 필요한 대상으로 다루어야 합니다. 피드백 루프가 없는 AI 시스템은 달성해야 할 성과와 점차 격차가 벌어지며 어긋나게 됩니다. 실시간으로 KPI를 측정하고, 매일 신호를 분석하며, 매주 성능 저하를 파악하고, 매월 재학습을 진행하며, 분기별로 검증하는 것이야말로 AI 시스템이 퇴화하지 않고 지속적으로 발전하게 만드는 방법입니다. KPI가 기술적 솔루션의 원활한 작동과 그것이 도출해야 하는 비즈니스 성과를 모두 추적하도록 하세요.
파급 효과와 복리 효과
AI 프로젝트를 추진할 때 흔히 범하는 가장 큰 실수 중 하나는 단 하나의 자동화 결정이 운영 전반을 얼마나 크게 변화시키는지를 간과하는 것입니다. 워크플로우의 핵심에 하나의 기능만 도입하더라도 라우팅 로직, 상담사 툴, 데이터 거버넌스, 심지어 성공을 측정하는 방식에까지 영향을 미칩니다.
이 경우, 대부분은 이를 관리해야 할 위험으로 취급하기 쉽습니다. 이는 위험이 아니라, 제대로 나아가고 있다는 신호입니다. Perez와 Kusters는 이러한 파급 효과를 적극적으로 촉발하라고 강력히 조언합니다. 이것이야말로 투자 효과가 눈덩이처럼 커지는 복리 수익을 이끄는 메커니즘입니다.
파급 효과를 유도하여 수익을 창출하려면 올바른 사용 사례에서 시작해야 합니다. 앞서 소개한 5단계에서 강조한 ‘준비도 점검’이 중요한 이유가 여기에 있습니다. 사용 사례는 비즈니스 케이스에 부합해야 하고, 기술적으로 실현 가능해야 하며, 보유한 데이터에 기반해야 하고, 상담사와 슈퍼바이저, 프로세스 책임자의 지지를 받아야 합니다.
더 많은 사용 사례를 배포할수록 이전 사용 사례의 데이터, 신뢰, 인프라가 다음 단계로 그대로 이어지므로 더욱 강력한 영향을 미치게 됩니다. 적절하게 배치된 단 하나의 사용 사례만으로도 가치를 창출할 수 있습니다. 그러나 AI가 개별 솔루션에 머무르지 않고 CX의 기반이 될 때 그 가치는 복리로 증가합니다.
적응하고, 주도하고, 확장하세요
AI 프로젝트는 시작 지점만큼이나 확장 방법도 중요합니다. 규모는 신중하게 늘려가야 합니다. 소규모 파일럿을 통해 개념을 검증하고, 스트레스 테스트를 거치며, 점진적으로 확장하고, 피드백 루프와 안전성 점검이 마련된 후에만 본격적인 전사 배포 단계로 넘어가세요. 이 방법은 과거 컨택센터 기술 도입의 특징이었던 일괄 배포 방식보다 더 많은 인내가 필요하지만, AI는 이전의 다른 시스템들과는 완전히 다르게 작동합니다. AI 확장은 스위치를 켜듯 한 번에 이루어지는 것이 아니라, 단계를 밟아 나가며 견고하게 쌓아가는 과정입니다.
가치를 확장하려면 원칙과 규율이 필요합니다. 고객이 마찰을 느끼는 지점의 경험에서 시작하고, 경영진이 중요하게 여기는 비즈니스 케이스와 연결하며, 각 사용 사례가 다음 사용 사례를 위한 시험대가 되도록 하세요. 이것이 단순히 기능을 좇는 것과 사람, AI, 데이터, 툴이 하나의 통합된 시스템으로 작동하는 에이전틱 오케스트레이션으로 나아가는 것의 차이입니다. AI를 통해 실질적인 가치를 실현하는 조직은 단순히 AI를 더 많이 도입한 것만으로 그러한 성과를 달성한 것이 아닙니다. 사람, 프로세스, 변화 관리를 포함한 AI 프로젝트 전체를 비즈니스에 가장 중요한 성과에 정렬시킨 결과입니다.
Genesys empowers organizations of all sizes to improve loyalty and business outcomes by creating the best experiences for their customers and employees. Through Genesys Cloud, the AI-Powered Experience Orchestration platform,...
