AI 에이전트가 연락처 센터 플레이북을 다시 작성하고 있는가?

고객의 문의를 전화로 처리하기 위해 연락처 센터가 구축된 시절이 있었다. 오늘날, 연락처 센터는 여러 채널(전화, 이메일, 소셜 미디어, 메시지 앱)에서 고객 상호작용을 관리하는 운영 허브로 대체되었다.

그러나 이러한 채널의 변화에도 불구하고, 기본 모델은 거의 동일하게 유지되었다.

간단한 고객 요청은 여전히 분할된 스택을 통해 이동한다.Interactive Voice Response(IVR)를 통해 인증, 고객 관계 관리(CRM) 플랫폼을 통해 계정 정보, 티켓팅 도구를 통해 추적, 별도의 백엔드 시스템을 통해 작업을 완료한다. 클라우드 기반 플랫폼인 Contact-Center-as-a-Service(CCaaS)는 이러한 도구를 더 가깝게 가져오고, 더 유연한 운영을 가능하게 하였지만, 경험은 여전히 원활하지 않으며, 여러 단계, 핸드오프, 수동 조정을 필요로 한다.

수년 동안 이 모델이 유지되었다. 그런 다음 AI가 등장했다.

AI 에이전트가 गत력을 얻으면서, 스타트업과 기존 기업들은 모두 AI의 능력을 통해 시스템 전반에 걸친 지능을 해방시키고, 이전에 분리된 데이터를 사용할 수 있는 새로운 단계를 약속하는 도구를 구축하고 배포하기 시작했다.

이질적인 시스템은 유물이 되고 있다

AI 에이전트가 있는 경우, 연락처 센터는 더 이상 고립된 시스템으로 운영되지 않는다. 에이전트는 정보를 가져오고, 작업을 트리거하고, 여러 플랫폼에서 작업을 완료할 수 있다. 고객이 요금을 이의제기하려면, AI 에이전트는 고객의 身分을 확인하고, CRM에서 거래 내력을 가져오고, 관련 정책을 확인하고, 이의제기를 시작하고, 결과를 확인할 수 있다. 모든 것이 하나의 연속적인 상호작용에서 발생한다. 핸드오프나 수동 조정이 필요하지 않다.

한때 여러 도구 사이를 전환해야 했던 작업은 이제 배경에서 자동으로 발생한다. 대부분의 복잡성은 추상화되어, 고객이나 인간 에이전트가 절차의 내부 작동을 볼 필요가 없다.

이 변화는 또한 소프트웨어 자체의 역할을 변경하고 있다. 소프트웨어는 이제 빌딩 블록의 집합으로 보이고, AI 에이전트는 시스템을 연결하고 조정하는 계층이 된다. 고정된 워크플로는 더 유연한 상호작용으로 대체되고, 상황에 따라 형성되며, 사전 정의된 경로가 아니라 실시간에 따라 결정된다.

기술 스택을 재고해야 할 때

현재 연락처 센터 리더들은 큰 질문을 직면한다. 소프트웨어가 더 이상 주요 가치 저장소가 아니면, 기술 투자는 어디로 가야 하는가?

幸い, 기존 시스템을 즉시 대체할 필요는 없다. 시스템이 상호작용하는 방식을 재고해야 한다.

이 새로운 모델에서, AI 에이전트는 오케스트레이션을 담당하고, 워크플로우를 미리 정의하는 대신 시스템 전반에 걸쳐 작업을 조정한다. 애플리케이션 프로그래밍 인터페이스(API)와 모델 컨텍스트 프로토콜(MCP)은 시스템이 통신하는 주요 방법이 되며, 에이전트가 데이터, 시스템, 컨텍스트를 액세스하고 해석하여 스택 전반에 걸쳐 도구를 올바르게 사용할 수 있도록 한다.

그러나 재구성만으로는 충분하지 않다. AI 도구는 유용하지만, 여전히 오류가 있을 수 있다. 여러 가지 요인으로 인해 AI 도구가 현혹되거나, 정렬에서 벗어나거나, 정책 및 지침에서 벗어날 수 있다. 이 변화가 발생함에 따라, 관찰 가능성, 측정, 책임성이 점점 더 필요해질 것이다.

AI 에이전트는 단순히 작업을 수행하는 것이 아니라, 환불 승인, 계정 업데이트, 문제 이송과 같은 의사결정을 한다. 이러한 도구는 인간이 할 수 있는 것보다 훨씬 빠르게 작동하므로, 오류는 몇 시간 내에 수백 또는 수천 개의 인스턴스에서 반복될 수 있다.

그것이 바로 조직이 AI가 무엇을 결정하는지 알기 위해 관찰 가능성을 구축하고, 오류를 及时으로 捕获하기 위한 테스트 도구를 갖추고, 로깅 인프라를 통해 오류를 즉시 조사해야 하는 이유이다.

AI 배포를 둘러싼 이러한 가드레일을 제대로 구축하면, 전통적인 워크플로우에서는 불가능했던 복잡성을 처리할 수 있는 더 유연하고 반응성이 뛰어난 아키텍처를 얻을 수 있다. 이 아키텍처는 또한 전통적인 워크플로우보다 덜 예측 가능하며, 감독과 거버넌스에 대한 새로운 접근 방식을 필요로 한다.

트레이드 오프

AI는 많은 가능성을 열어준다. 그러나 자율성을 향한 전환은 일관성과 신뢰가 중요한 연락처 센터에 새로운 위험을 가져온다.

구조화된 워크플로는 오랫동안 연락처 센터 운영의 기반이었다. 모든 단계는 미리 정의되어 있고, 모든 결정은 승인된 경로를 따르며, 모든 상호작용은 설정된 규칙에 따라 감사할 수 있다. 이러한 구조는 고객 상호작용이 일관성을 유지하고, 규제 요구 사항을 충족하며, 정책이 모든 경우에 일관되게 적용되는 것을 보장한다.

자율적인 AI 에이전트는 기본적으로 다르게 작동한다. 전통적인 소프트웨어와 달리, AI 에이전트는 모델, 학습 데이터, 컨텍스트에 따라 실시간에 결정한다. 이러한 유연성으로 인해 각 상황에 맞게 적응할 수 있지만, 변동성을 도입한다. 두 개의 유사한 고객 요청은 에이전트가 입력을 해석하는 방식, 사용 가능한 데이터, 기본 모델이 다른 신호를 가중하는 방식에 따라 약간 다르게 처리될 수 있다.

일관된 결과를 생산하는 경향이 있는 사람이 엄격한 워크플로우를 따를 수 있지만, AI 에이전트는 예상치 못한 결과나 일관되지 않은 결과를 생산할 수 있으며, 고위험 분야에서 편향된 결정의 높은 잠재력을 보여주었다. AI 에이전트는 하나의 청구 문제를 올바르게 해결할 수 있지만, 유사한 경우를 다르게 해석할 수 있다.

이것은 조직에 중요한 운영 질문을 제기한다. AI 기반 시스템이 결정할 때 책임을 어떻게 유지할 수 있는가? 특히 모델이 복잡하고 항상 해석하기 쉬운 것이 아닐 때, 이러한 결정의 투명성을 어떻게 보장할 수 있는가? 동적으로 생성된 동작이 있는 환경에서 어떻게 준수를 유지할 수 있는가?

이러한 질문은 연락처 센터에서 더욱 중요하다. 효율성과 경험의 교차점에 위치하기 때문이다. 지연된 응답, 잘못된 해결, 또는 설명되지 않은 결정은 고객을 좌절시키고, 비즈니스의 신뢰성을 의심하게 할 수 있다. 고객은 솔루션으로서 당신을 의심하고, 다른 제공자로 전환할 수도 있다.

또한 감독의 문제가 있다. AI 에이전트가 더 많은 책임을 지게 되면, 조직은 실시간으로 행동을 모니터링하고 테스트하고, 이상을 감지하고, 필요에 따라 개입하는 방법을 찾아야 한다. 이러한 수준의 가시성이 없으면, 시스템이 의도한 대로 작동하는지, 작동하지 않는지 확인하기가 어렵다.

전진의 길

조직은 AI 에이전트의 도입에 대해 점진적인 접근을 취해야 한다. 기존 워크플로우를 완전히 대체하는 대신, 조직은 낮은 위험과 즉각적인 이익이 있는 제어된 시나리오에서 AI를 도입하여 시작해야 한다.

이 접근 방식은 연락처 센터가 신뢰성을 희생하지 않고 실험하고 적응할 수 있도록 허용한다. 낮은 위험의 상황에서 AI 에이전트를 배치하여 편향을 식별하고, 라우팅 드리프트를 감지하고, 발생하는 문제를 해결할 수 있다.

최종 목표는 품질을 유지하는 것이다. AI 에이전트는 어떤 정도로 능력이 있든, 도구에 불과하다. 적절한 균형의慎重さ와 낙관주의를 갖춘 연락처 센터는 언젠가 연락처 센터와 콜 센터를 같은 시각으로 바라보게 할 것이다. 즉, 과거의 유물로 바라보게 할 것이다.