Beyond Automation
고객 문제는 왜 계속 반복될까
-
인사이트에서 실행으로, 이제 무엇을 바꿀 수 있을까?
이번 연재에서 이야기한 문제는 AI가 등장하기 전부터 있었습니다. 한국 고객센터만 겪는 문제도 아닙니다. Gartner는 제품 문제에서 발생하는 불필요한 문의를 줄이기 위해 제품 조직과 협력해야 한다는 연구를 발표했습니다. Medallia의 2026년 글로벌 CX 조사에서는 고객 인사이트를 전달받은 부서의 30~40%가 후속 조치를 하지 않는 것으로 나타났습니다. CX 실무자의 66%는 고객경험이 개선됐다고 생각했지만, 개선을 체감했다는 소비자는 17%였습니다. Medallia 조사 발표 고객의 불편을 알아내고도 실제로 고치지 못하는 일은 해외에서도 벌어지고 있습니다.
-
LLM으로 이제 무엇을 결정할 수 있는가?
수천, 수만 건의 상담 대화를 읽고 고객이 어떤 상황에서 연락했는지 일일이 확인하는 건 현실적으로 어려웠습니다. 그래서 문의를 넓은 유형으로 묶어 건수를 세고, 규모가 큰 유형을 중심으로 자동화 대상을 정하곤 했습니다. 운영 현황을 관리하기에는 합리적이지만, 문의를 하게 된 이유까지 알 수 있는 건 아니었습니다.
-
고객의 문제는 하나인데, 누가 해결을 책임지는가?
고객은 회사의 조직도를 보고 문제를 겪는 게 아닙니다. 문제 하나를 해결하는 데 여러 부서가 필요하면 각 부서의 기존 업무와 우선순위를 조정해야 합니다. 다른 부서도 원인에는 공감하지만, 이미 잡힌 로드맵에 새로운 일을 넣는 건 쉽지 않았습니다.
-
고객의 문제를 정의하는 자리에 누가 앉아 있는가?
고객센터 투자는 왜 기대한 효과를 충분히 내지 못할까? (2/2) 2편에서는 기존 업무를 그대로 자동화할 때 놓치는 점을 이야기했습니다. 이번에는 무엇을 자동화할지, 그 기준을 누가 정하는지 살펴보려 합니다. 고객센터 업무를 자동화하려면 보통 문의가 많이 들어오는 업무부터 살펴봅니다. 그때 기준이 되는 것이 기존 상담유형입니다.
-
우리는 실제로 무엇을 해결하려 했을까?
고객센터 투자는 왜 기대한 효과를 충분히 내지 못할까? (1/2) 1편에서는 고객의 문제를 해결하고 있는지, 아니면 이미 발생한 문의를 더 잘 처리하고 있는지 물었습니다. 현장에서는 이 질문에 답하기 전에 어떤 기술을 도입할지부터 정하기 쉽습니다.
-
고객은 왜 여전히 전화할까?
저는 고객 상담 운영을 경험했고, 챗봇과 콜봇을 구축했으며, 지금은 고객센터를 위한 AI 제품을 기획하고 있습니다. IVR과 셀프서비스를 거쳐 상담사 지원 AI와 LLM까지 도구는 바뀌었지만, 우리가 던지는 질문은 여전히 비슷합니다. 얼마나 많은 전화를 자동화할 수 있을까? 상담 시간을 얼마나 줄일 수 있을까? 운영비를 얼마나 절감할 수 있을까?