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.
1. 자동화할 업무는 무엇을 기준으로 고를까?
고객센터 업무를 자동화하려면 보통 문의가 많이 들어오는 업무부터 살펴봅니다. 그때 기준이 되는 것이 기존 상담유형입니다.
‘한도 문의’, ‘이용내역’, ‘계정 정보’ 같은 분류를 보고, 건수가 많은 업무부터 챗봇이나 콜봇으로 옮길 대상을 고르는 거죠.
그런데 이 분류는 원래 상담을 배정하고 기록하고 운영 현황을 관리하기 위해 만들어졌습니다. 고객이 어떤 상황에서 왜 막혔는지 파악하려고 만든 체계는 아닙니다.
예를 들어 똑같이 ‘한도 증액’을 문의하더라도 한 고객은 한도를 모두 썼고, 다른 고객은 최근 한도를 낮췄다가 다시 올리려 해 별도 심사가 필요할 수 있습니다. 같은 질문이지만 필요한 대응은 다르죠.
그렇다고 유형을 더 세세하게 나누자는 얘기는 아닙니다. 제가 만난 고객사 중에는 상담유형이 수백, 수천 개에 이르는 곳도 있었고, 거의 사용되지 않는 유형도 많았습니다. 유형이 많을수록 상담사는 선택하는 데 시간을 쓰고, 사람마다 판단 기준도 달라집니다. 관리자는 잘못 분류된 건을 바로잡고 유형을 유지하는 일을 해야 하죠. 그래서 상담 지원 시스템에서는 유형 자동 분류가 주요 요구사항이 되곤 했습니다.
문제는 운영용 분류를 자동화 투자 기준으로 그대로 가져올 때입니다. ‘한도 증액’ 기능을 만들었는데도 문의가 계속 들어온다면, 유형 안에 숨은 서로 다른 문제를 해결하지 못했기 때문일 수 있습니다. 원인은 그대로 둔 채 문의 처리만 자동화하고, 반복되는 문의를 다시 자동화 대상으로 삼는 악순환이 생길 수 있는 거죠.
2. 무엇을 해결할지 정하는 자리에 누가 있을까?
고객센터도 반복 문의의 원인을 조사합니다. 하지만 원인이 제품 기능이나 정책, 안내 문자, 다른 업무 절차에 있다면 고객센터 혼자서는 바꾸기 어렵습니다.
고객은 제품과 서비스를 이용하다 막혀서 고객센터에 옵니다. 그런데 제가 경험한 많은 프로젝트에서 챗봇과 콜봇, AI의 요구사항은 고객센터가 정의했습니다.
그게 잘못됐다는 뜻은 아닙니다. 모든 문의를 없앨 수는 없고, 좋은 기술은 고객이 필요한 도움을 더 빨리 받게 해줍니다. 하지만 투자 효과는 기술을 도입한 뒤 무엇을 해결하도록 운영하느냐에 달려 있습니다. 고객이 기존 서비스에서 끝내지 못한 일을 챗봇에서 해결하려면 제품 기능이나 정책, 업무 절차까지 함께 바꿔야 할 수도 있죠.
그런데 이런 기술에 투자하는 쪽은 고객센터인 경우가 많습니다. 문의의 원인은 다른 곳에 있어도 그 문의를 처리하는 비용은 고객센터가 부담하죠. 그렇다고 운영과 개선까지 고객센터 혼자 책임져야 할까요?
이 기술로 무엇을 해결할지 정하고, 도입 후 개선해 나가는 자리에는 누가 앉아 있을까요? AI가 문의에 빠르고 정확하게 답한다고 해봅시다. 같은 이유로 연락하는 고객이 계속된다면, 장기적으로 그 문제까지 해결했다고 할 수 있을까요?
빠른 응답과 응대 비용 절감도 분명한 성과입니다. 다만 고객이 처음 하려던 일을 끝냈는지, 같은 원인으로 다시 문의하는지까지 함께 봐야 투자 효과를 제대로 판단할 수 있습니다.
고객센터 혼자서 원인을 바꿀 수 없다면 관련 조직이 투자 목적을 정하는 단계부터 운영과 개선까지 함께해야 합니다. 챗봇이나 AI를 구축했는지가 아니라, 그 기술로 고객의 어떤 문제를 해결했는지를 기준으로 말입니다.
그렇게 문제를 정의한 뒤에는 누가 해결까지 책임질지도 정해야 합니다.
#ContactCenter #AIProductManagement #CustomerExperience