음성 AI에서 가장 중요한 것은 목소리가 아니다

음성 AI에서 가장 중요한 것은 목소리가 아니다. 중요한 것은 음성이 가능하게 하는 경험이다.

지금까지 경험한 최고의 서비스가 무엇이었는지 떠올려 보자. 내 말을 이해받는다고 느꼈을 것이다. 같은 말을 반복하거나 조직이 어떻게 운영되는지 파악하거나 조직 내부의 복잡한 절차를 헤쳐 나갈 필요도 없었을 것이다. 필요한 것을 설명하면 누군가가 상황과 판단력, 조직에 대한 지식을 바탕으로 성공적인 결과에 이르도록 도와주었다.

기업이 이런 경험을 더 일관되게, 더 큰 규모로 더 많이 제공할 수 있다면 어떨까?

그것이 음성 에이전트의 진정한 약속이다. 단순히 타이핑을 말하기로 대체하거나 모든 사람 간 상호작용을 자동화하는 것이 아니다. 음성 에이전트는 시스템을 찾아다니는 경험을 원하는 바를 표현하는 경험으로 바꾼다. 고객이나 직원은 자신이 이루고자 하는 일을 자기 말로 설명한다. 에이전트는 상황을 이해하고, 적절한 지식과 시스템을 보이지 않는 곳에서 조율하며, 허용된 조치를 수행하고, 판단력이나 공감 또는 권한이 필요한 경우에는 실제 담당자를 연결한다.

수십 년 동안 사람들은 기술에 자신을 맞춰 왔다. 어디를 클릭해야 하는지, 어떤 메뉴를 열어야 하는지, 단순한 의도를 일련의 명령으로 어떻게 바꿔야 하는지 배웠다. 생성형 AI는 일상적인 언어로 대화할 수 있게 하면서 이러한 상황을 바꾸기 시작했다. 음성은 한 걸음 더 나아가 관계를 완전히 뒤집기 시작한다. 기술은 사람들이 자연스럽게 소통하는 방식에 맞춰지고, 기업의 복잡성은 배경으로 물러난다.

음성이 기업 경험을 바꾸는 이유

음성은 직원과 고객, 신입 직원 모두의 불편을 줄여 주기 때문에 중요하다. 서비스 데스크에 전화한 직원이 문제를 담당하는 시스템이 무엇인지, 해결책이 어느 시스템에 있는지 알 필요는 없어야 한다. 고객은 채널을 옮길 때마다 같은 정보를 반복해서 말하지 않아도 되어야 한다. 신입 직원이 실제와 같은 대화를 연습하고 그 자리에서 피드백을 받을 수 있다면, 정적인 교육 자료에만 의존하게 해서는 안 된다.

음성은 키보드에서 떨어져 있거나 현장에서 일하거나 단순히 타이핑보다 말하기를 더 편하게 여기는 사람들의 접근성도 높인다. 다국어 기능을 활용하면 조직은 모든 상호작용을 별도의 제작 작업으로 만들지 않고도 여러 지역에서 일관되게 소통할 수 있다.

그렇다고 음성이 모든 화면이나 사람 간 대화를 대체하는 것은 아니다. 복잡한 정보를 비교하고 세부 사항을 정확히 살펴볼 때는 시각 및 문자 매체가 여전히 더 적합하며, 상황이 모호하거나 민감하거나 중대한 결과를 초래할 수 있을 때는 사람의 판단이 여전히 필수적이다. 대화가 결과에 이르는 가장 자연스러운 경로인 경우에는 음성을 활용하고, 그렇지 않을 때는 명확하게 담당자를 연결하도록 설계하는 것이 중요하다.

음성 인터페이스만으로는 충분하지 않다

자연스러운 음성만으로는 충분하지 않다. 실질적인 가치는 에이전트가 불편을 줄이고, 맥락을 유지하며, 문제 해결을 앞당기고, 사용자가 적절한 결과에 이르도록 도와 경험을 의미 있게 개선할 수 있는지에 달려 있다. 그러려면 매력적인 인터페이스만으로는 부족하다. 데이터와 워크플로를 연결하고, 명확한 경계를 정하며, 신뢰할 수 있는 인계 절차를 마련하고, 그다음에 일어나는 일에 책임을 지는 체계가 필요하다.

스크립트에 따른 진행과 의도에 따른 진행은 다르다는 점을 이해하는 것이 중요하다. 기존 워크플로에서는 모든 단계를 미리 정해 둔다. 반면 결과를 중심으로 설계된 음성 에이전트는 사용자의 의도를 파악하고 규칙과 맥락을 이해한 뒤, 목표를 달성하거나 사람의 판단이 필요해질 때까지 접근 방식을 조정한다.

기업 고객이 실제로 어떤 상황에 있는지 아는 것이 도움이 된다. 기업 현장은 짧은 기간에 세 단계를 거쳤기 때문이다. 한동안은 도입 자체를 위한 도입 열풍이 불었다. 이후 리더들은 그 투자가 어떤 성과를 냈는지 책임져야 하는 상황에 놓였지만, 자신들이 얻은 가치를 설명하지 못하는 경우가 많았다. 이에 따라 성과를 중심으로 다시 조정이 이루어졌다. 이제 질문은 도입이 성과를 냈는지에 그치지 않고, 그 성과를 달성하는 과정에서 중요한 무언가를 훼손하지는 않았는지까지 포함하게 됐다. 여기에는 일종의 너그러운 회의주의가 있다. 투자할 의지는 분명히 있으면서도 두 질문 모두에 답하기를 기대하는 태도다.

전망도 같은 방향을 가리킨다. Gartner는 에이전트형 AI가 2029년까지 일반적인 고객 서비스 문제의 80%를 자율적으로 해결할 것으로 예상한다. 정확한 수치가 80%인지는 중요하지 않다. 여기서 중요한 단어는 해결한다이다. 대화는 접근에서 시작되지만, 제품이 제공하는 것은 해결이다.

모두가 지켜보는 무대에서 고객 제로가 되다

DXC에서 가장 초기의 음성 AI 도입 사례 중 하나는 이례적으로 많은 사람이 지켜보는 자리인 실적 발표 콘퍼런스콜에서 이루어졌다. 3분기 연속으로 CEO Raul Fernandez가 발표 원고를 직접 작성하고, ElevenLabs와 함께 개발한 맞춤형 AI 음성 모델이 그의 목소리로 원고를 전달했다.

첫 번째 콘퍼런스콜에서는 핵심 기능을 선보였다. 두 번째에는 그의 발언을 스페인어, 프랑스어, 독일어, 포르투갈어, 아랍어로 제공할 수 있었다. 세 번째에는 원고를 6개 언어로 동시에 전달했다. 매번 Raul은 자신이 원고를 썼으며 AI 모델이 이를 전달하고 있다고 청취자들에게 알렸다.

실적 발표 콘퍼런스콜은 결코 만만한 자리가 아니다. 면밀한 검토와 규제를 받으며, 조금이라도 어색하게 들리는 표현은 용납되지 않는다. 더 안전한 곳이 아닌 이 자리에서 실험을 진행한 결과 네 가지를 확인할 수 있었다.

• 누가 작성했는지가 전달 방식보다 중요하다. 발언은 그가 작성했고, 모델은 그 내용을 읽기만 한다. 조직은 메시지를 작성한 사람이 누구인지, 누가 이에 대한 책임을 지는지를 바꾸지 않고도 여러 언어로 소통을 확대할 수 있다.
• AI 음성임을 공개하자 오히려 결과가 좋아졌다. 처음에는 AI 음성을 사용한다고 알리면 우리의 신뢰도가 떨어질지 확신할 수 없었다. 결과는 정반대였다. 아무도 눈치채지 못하기를 바라는 것은 윤리적으로도 실무적으로도 잘못된 선택이었을 것이다.
• 다국어 전달은 실질적인 가치를 제공했다. 번역을 기다려야 했던 주주들도 이제 같은 발언을 같은 음성으로 동시에 들을 수 있다. 이는 제작 효율의 문제가 아니라 정보에 동등하게 접근할 수 있는 사람이 달라지는 변화다.
• 신뢰의 토대는 세련된 표현이 아니라 책임 소재다. 사람들은 누가 메시지를 작성했는지, 누가 책임을 지는지, 문제가 생겼을 때 어떤 구제 수단을 이용할 수 있는지 알면 AI가 전달하는 메시지를 받아들인다. 이 중 어느 것도 음성 자체만으로는 알 수 없다.

이는 DXC의 AI 네이티브 제품 인큐베이터인 LabX에서 실천하는 원칙을 보여 준다. 고객에게 신기술을 믿어 달라고 요청하기 전에, 우리 환경에서 먼저 시험해 볼 의지가 있어야 한다는 것이다. 자사에서 먼저 시험하면 세련된 시연만으로는 드러나지 않는 문제, 즉 사람들이 주저하는 지점과 신뢰가 무너지는 순간, 책임감 있게 대규모로 운영하는 데 필요한 안전장치를 파악할 수 있다. 기업 AI에서 가장 어려운 과제는 대개 기술보다 사람과 관련된 문제다.

시연에서 경험 혁신으로

오디오 모델과 음성 에이전트를 전문으로 하는 AI 기업 ElevenLabs와의 전략적 파트너십은 이러한 자사 선도 적용 경험을 바탕으로 음성 기술을 세 가지 실용 분야에 활용한다. 각 분야에서 출발점은 단순한 기술 도입이 아니라 명확히 정의된 성과다.

• 서비스 데스크에서는 음성 에이전트가 직원이 문제를 자연스럽게 설명하고, 관련 지식을 찾고, 일상적인 절차를 완료하도록 도울 수 있다. 에스컬레이션이 필요할 때는 전체 맥락을 전문가에게 전달할 수도 있다. 성과를 판단하는 기준은 상담원에게 연결되지 않은 통화가 몇 건인지가 아니다. 문제를 알리기 위해 세 번이나 설명하지 않고, 한 번의 대화로 전화를 건 사람이 해결책을 찾았는지가 중요하다.
• 고객 경험 플랫폼에서는 자연스러운 다국어 인터페이스를 통해 전화와 디지털 채널 전반에서 더욱 일관된 상호작용을 제공할 수 있다. 대부분의 서비스 조직에서는 누가 언제 응대하느냐에 따라 서비스 품질이 달라진다. 실질적으로 개선할 기회가 있다. 모든 상호작용에 동일한 맥락을 반영하되, 가장 까다로운 문제는 이를 가장 잘 처리할 수 있는 담당자에게 계속 연결할 수 있다.
• 교육에서는 음성을 활용해 수동적으로 콘텐츠를 접하는 데 그치지 않고 직접 연습할 수 있다. 직원들은 고객 응대 대화, 안전 상황 또는 어려운 관리 관련 대화를 미리 연습한 뒤 맞춤형 코칭을 받을 수 있다. 실제 대화를 연습하면 관련 내용을 읽기만 할 때보다 더 빠르게 능숙해진다.

산업별 애플리케이션이 가장 큰 변화를 가져올 수 있다. 보험사는 일상적인 보험금 청구를 안내형 접수 절차로 처리하는 방안을 모색할 수 있고, 제조업체는 현장 기술자가 손을 쓰지 않고도 작업 절차를 확인할 수 있도록 지원할 수 있다. 공공 부문 조직은 여러 언어로 정보를 더 쉽게 이용할 수 있게 할 수 있다. 이는 조직에 일반적인 에이전트를 덧붙이는 것이 아니다. 각 산업의 용어, 규칙, 데이터와 위험 특성에 맞춰 설계해야 한다.

정형화된 상호작용이 아니라 훌륭한 서비스의 특성을 확장하라

물론 위험은 규모를 키우는 과정에서 모든 서비스가 똑같아지는 것이다. 기업들은 과거에도 이런 실수를 저질렀다. 의사결정 트리를 일률적으로 적용해 평균적인 상황은 만족시키면서 나머지 모두를 실망시키는 방식이다. 실제로 확장해야 할 것은 충분한 정보를 바탕으로 신속히 대응하고 성과를 지향하는, 훌륭한 서비스 상호작용의 특성이다. 상호작용 자체는 사람의 언어와 맥락, 필요에 따라 달라져야 한다. 일관성이란 언제나 훌륭한 서비스를 제공한다는 뜻이지, 매번 똑같이 응대한다는 뜻이 아니다.

신뢰는 경험의 일부다

음성 에이전트의 목소리가 사람처럼 들릴수록 투명성은 더욱 중요해진다. 사람들은 AI와 상호작용하고 있다는 사실을 알아야 한다. 조직은 누군가의 합성 음성을 만들거나 사용할 때 명시적인 허가를 받아야 하며, 음성에 접근할 수 있는 사람을 통제하고, 민감한 작업에는 강력한 인증을 적용하고, 에이전트가 수행한 작업을 기록하며, 실제 사람과 명확히 연결할 수 있는 경로를 마련해야 한다.

이런 조치는 경험을 설계한 뒤 덧붙이는 규정 준수 문제로 취급되는 경우가 많지만, 경험의 일부로 다뤄야 한다. 상대가 사람인지 알 수 없고, 에이전트에게 어떤 권한이 있는지 알 수 없거나, 필요할 때 사람에게 연결할 수 없다면 대화가 아무리 자연스러워도 좋은 경험이라고 할 수 없다.

이러한 신뢰가 어디에서 비롯되는지 정확히 짚어야 합니다. 신뢰는 양방향으로 형성되기 때문입니다. 모델을 만든 사람들은 모델을 적절히 보정해야 합니다. 데이터 처리, 접근 제어, 작업 기록, 사람이 개입하는 시점의 명확한 설정 등 모델을 둘러싼 배포 환경은 시스템을 실제 운영 환경에 도입하는 주체가 해결해야 할 별개의 문제입니다. 어느 하나가 다른 하나를 대신할 수는 없습니다. 음성에서는 상호작용이 실시간으로 이루어지고 에이전트가 말하는 동시에 작업을 수행할 수도 있으며, 상대방을 대신해 방금 어떤 일이 일어났는지 보여주는 화면도 없기 때문에 두 가지 모두 더욱 중요합니다.

외부 지침도 도움이 됩니다. 미국 연방거래위원회는 악의적인 음성 복제로 발생할 수 있는 잠재적 피해를 강조했으며, NIST AI 위험 관리 프레임워크는 AI 위험을 식별하고 관리하기 위한 실용적인 체계를 제시합니다. 동의, 고지, 보안, 테스트, 지속적인 모니터링을 핵심 제품 요구사항으로 다뤄야 합니다.

실험에서 확장으로 이어지는 열린 경로 만들기

AI 혁신 및 전략 & LabX 부문 사장으로서 맡게 된 확대된 역할은 같은 과제의 두 측면을 아우릅니다. AI 네이티브 제품을 인큐베이팅하고 DXC의 AI 파트너 플랫폼 전략에서 사업적 측면을 발전시키는 일입니다. LabX는 여전히 최첨단 기술을 실제 고객 문제에 적용해 시험하는 곳이지만, 이제 Anthropic과 ElevenLabs 같은 파트너로 이루어진 개방형 생태계에서 고객이 길을 찾도록 돕는 일도 그 임무에 포함됩니다.

개방적인 접근 방식이 중요한 이유는 어떤 단일 모델이나 플랫폼, 인터페이스도 모든 기업과 모든 사용 사례에 적합하지 않기 때문입니다. 우리의 역할은 적합한 기술에 분야별 전문성, 워크플로 설계, 거버넌스, 실행 역량을 결합한 뒤 측정 가능한 성과를 내는지 검증하는 것입니다. 어떤 경우에는 텍스트가 적합한 인터페이스일 수 있습니다. 어떤 경우에는 시각적 인터페이스가 적합할 수 있습니다. 점점 더 음성이 적합한 인터페이스가 될 것이며, 세 가지를 신중하게 조합하는 경우도 많을 것입니다.

중요한 질문은 기업이 어디에 음성을 도입할 수 있느냐가 아닙니다. 대화를 통해 더 나은 경험과 성과를 만들 수 있는 곳은 어디인지, 그리고 조직이 이를 중심으로 업무를 재설계할 준비가 되어 있는지가 중요합니다.