Katie Stein, ASAPP CEO – 인터뷰 시리즈

Katie Stein, ASAPP CEO는 기업 전략, 운영, 디지털 전환, 엔터프라이즈 성장 등 20년 이상의 경험을 가진 숙련된 기술 및 비즈니스 임원이다. 2026년 8월 ASAPP CEO로서 합류하기 전에는 Atain의 CEO를 역임했으며, Genpact에서 8년 동안 근무하며 최고 전략 책임자이자 엔터프라이즈 서비스 및 분석 부문의 글로벌 비즈니스 리더로서 기업 전략, 주요 서비스 포트폴리오, 고객 경험 및 M&A 이니셔티브를 총괄했다. 경력 초기에 Stein은 Mercer에서 고위 리더십 역할을 맡았으며, 25억 달러 규모의 은퇴·건강·복리후생 사업의 글로벌 최고 운영 책임자를 역임했고, Boston Consulting Group에서 프로젝트 리더로 일했다. 그녀의 경력은 주로 대규모 조직이 운영 성과를 개선하고, 기술을 보다 효과적으로 배포하며, 복잡한 비즈니스 변혁을 실행하도록 돕는 데 초점을 맞추었다.

ASAPP는 AI 기업으로, AI 기반 고객 경험 플랫폼(CXP)을 통해 기업 고객 서비스를 혁신한다. 2015년에 설립된 이 회사는 음성 및 디지털 채널 전반에 걸쳐 AI 에이전트, 인간 전문성, 고객 데이터, 엔터프라이즈 시스템을 결합하는 기술을 개발한다. 플랫폼의 중심에는 GenerativeAgent라는 AI 고객 서비스 에이전트가 있으며, 이는 대화를 이해하고 고객 요청을 논리적으로 처리하며 연결된 엔터프라이즈 시스템을 통해 행동을 수행하고, 추가적인 감독이나 판단이 필요할 때 인간 에이전트를 참여시킨다. ASAPP는 또한 테스트, 모니터링, 거버넌스 및 가시성을 위한 도구를 제공하여 대규모 조직이 자동화된 에이전트의 행동을 보다 잘 제어하면서 고객 대면 AI를 배포할 수 있게 한다.

당신의 경력은 BCG, Mercer, Genpact에서 전략 및 변혁 역할을 수행한 뒤 Atain을 이끌었고 현재 ASAPP CEO가 되었습니다. 어떤 점이 현재 경력 단계에서 ASAPP에 끌리게 했으며, 첫 30일 이후 회사에 대한 가장 큰 기회와 우선순위는 무엇이라고 파악하셨나요?

ASAPP는 올해 초 겨울 폭풍 Fern이 발생했을 때 처음 내 눈에 들어왔다. Atain에서 우리는 수천 명의 여행객이 집으로 돌아가려는 상황에서 미국 최대 항공사 중 하나를 위한 충분한 용량을 만들기 위해 모든 각도에서 작업하고 있었다. ASAPP는 단순히 질문에 답변한 것이 아니라, GenerativeAgent가 6일 동안 3,800명 이상의 승객을 재예약했으며, 복잡한 일정 변경도 처리했다. 이는 실전 압박 속에서 엔터프라이즈 AI가 어떤 모습인지 보여주었다. 첫 30일은 그 견해를 더욱 확고히 했다. 우리의 기회는 집중과 확장에 있다: ASAPP가 가장 확실히 승리할 수 있는 영역에 집중하고, 고객이 실험 단계에서 생산 영향 단계로 이동하도록 돕고, 더 빠르고 일관된 실행을 구현하는 것이다.

ASAPP의 접근 방식은 자율 AI 에이전트, 결정론적 워크플로우 및 인간 전문가를 단일 오케스트레이션 레이어에 결합한다. 어떤 결정을 AI 에이전트에 맡기고, 어떤 결정을 사전 정의된 규칙에 따르게 하며, 어떤 결정을 인간 판단에 맡길지 어떻게 판단하십니까?

우리는 전체 상호작용을 AI, 사전 정의된 워크플로우, 혹은 사람에게 할당하지 않는다. 각 결정을 복잡성, 위험 및 책임 요구 수준에 따라 평가한다. AI는 의도 파악, 컨텍스트 해석, 고객에 맞춘 적응에 적합하다. 워크플로우는 필수 단계나 정책을 따라야 할 때 일관성을 제공한다. 인간은 상황이 모호하거나 예외적이거나 중요한 경우 판단을 추가한다. 오케스트레이션은 동일한 상호작용 내에서 세 요소를 모두 결합한다. 목표는 최대한의 자율성이 아니라, 각 결정 지점에서 적절한 수준의 제어를 적용하면서 더 많은 고객 요구를 해결하는 것이다.

ASAPP는 인간 참여를 자동화가 실패했을 때의 단순한 에스컬레이션 경로가 아니라 AI 시스템의 지속적인 일부로 간주한다. AI 에이전트가 점점 더 능력 있어짐에 따라, 고객 서비스 상호작용에서 인간이 가장 큰 가치를 제공할 영역은 어디라고 보십니까?

인간의 창의력! 몇 달 전, 저는 한 고위 CX 리더와 이야기를 나눴는데, 상대적으로 적은 수의 통화가 전체 처리 시간의 불균형적인 비중을 차지한다는 것을 관찰했다. 이러한 경우는 종종 명확한 FAQ, 지식 기사, 표준 운영 절차가 없는 엣지 케이스이다. 조직이 이전에 답을 접해보지 못했거나 체계화하지 못했기 때문에 어려운 상황이다. 인간은 이러한 순간에 가장 큰 가치를 제공한다: 모호성을 해석하고, 상충되는 고려사항을 균형 잡으며, 확립된 매뉴얼이 없는 곳에서 판단을 적용한다. 그러나 사람을 참여시킨다고 해서 자동화를 포기하고 전체 상호작용을 넘겨야 하는 것은 아니다. AI는 필요한 정보를 수집해 사람에게 구체적인 요청과 컨텍스트를 제공하고, 인간은 판단을 내린 뒤 AI가 상호작용을 이어간다. 그 전문성은 즉각적인 문제를 해결하고, AI가 다음에 해결할 수 있는 범위를 확장하는 데 도움이 된다.

많은 기업이 파일럿 단계에서 생성 AI를 성공적으로 시연했지만, 수백만 건의 실제 고객 상호작용에 배포하려 할 때 어려움을 겪는다. AI 파일럿에서 생산 규모의 에이전시 시스템으로 전환할 때 기업이 가장 흔히 과소평가하는 점은 무엇입니까?

기업들은 대부분 긴 꼬리를 과소평가합니다. 파일럿은 일반적으로 정의된 사용 사례를 통제된 조건에서 테스트합니다. 생산 규모에서는 드문 상황이 일상적인 현상이 됩니다: 고객이 방향을 바꾸거나, 불완전한 정보를 제공하거나, 아무도 예상하지 못한 방식으로 요구를 결합합니다. 그래서 에이전시 AI를 확장하는 것은 단순히 모델 문제만이 아니라 기업 시스템과의 통합, 거버넌스, 모니터링, 그리고 판단이 필요할 때 사람을 참여시키는 방식을 요구합니다. 파일럿은 기술이 작동한다는 것을 증명합니다. 생산 단계에서는 아키텍처와 운영 규율을 통해 규모에 맞게 신뢰성을 확보해야 합니다.

기업이 단일 AI 어시스턴트에서 여러 전문 에이전트가 함께 작업하도록 전환함에 따라, 오케스트레이션, 가시성 및 책임성 측면에서 어떤 새로운 기술적 또는 거버넌스 과제가 등장합니까?

새로운 과제는 조정입니다. 에이전트가 많아질수록 인계, 의사결정 지점, 그리고 컨텍스트나 책임이 무너질 기회가 늘어납니다. 기업은 어떤 에이전트가 행동해야 하는지, 어떤 정보와 권한을 받는지, 그리고 그 작업이 고객 해결에 어떻게 기여하는지를 결정하는 오케스트레이션이 필요합니다. 가시성은 전체 상호작용에 걸쳐 확장되어 조직이 무슨 일이 일었고 왜 일했는지를 이해할 수 있게 해야 합니다. 이것이 거버넌스의 기반이 됩니다. 이점은 가장 많은 에이전트를 배치하는 데서 오는 것이 아니라, 모든 전문 지능을 신뢰할 수 있고 추적 가능하며 책임 있는 하나의 시스템으로 조정하는 데서 옵니다.

ASAPP는 최근 Continuous Red Teaming을 도입했으며, 이는 모델이 진화함에 따라 50개 이상의 취약점 클래스를 자동으로 테스트합니다. AI 에이전트가 단순히 응답을 생성하는 수준을 넘어 고객을 대신해 행동을 취할 수 있게 되면서, 기업은 보안을 어떻게 재고해야 할까요?

AI가 질문에 답하는 단계에서 행동을 취하는 단계로 전환될 때 위험 수준이 변합니다. 무단 거래나 고객 데이터 노출은 부정확한 응답보다 훨씬 큰 영향을 미칩니다. 기업은 에이전트가 접근할 수 있는 범위, 수행할 수 있는 작업, 그리고 인간 승인이 필요한 시점을 명확히 해야 합니다. 보안은 배포 전 한 번 수행되는 테스트가 될 수 없습니다. AI가 더 능력해짐에 따라 악의적인 행위자도 혁신하고 있기 때문입니다. 그래서 ASAPP는 50개 이상의 취약점 클래스를 아우르는 수천 개의 적대 시나리오에 대해 지속적으로 테스트합니다. 보안은 기술만큼 빠르게 진화해야 하며, 기업은 고객 신뢰를 손상시키지 않으면서 AI가 할 수 있는 범위를 확대할 수 있어야 합니다.

생성 AI는 본질적으로 확률적이지만, 고객 서비스 프로세스는 종종 거래, 규정 준수 요구사항 및 결과가 예측 가능해야 하는 기타 작업을 포함합니다. 기업은 생성 AI의 유연성을 유지하면서 이러한 시스템을 신뢰할 수 있게 만들기 위해 충분히 결정론적인 구조를 어떻게 도입할 수 있을까요?

핵심은 대화를 비즈니스 프로세스와 분리하는 것입니다. 우리는 생성 AI가 가장 잘하는 일, 즉 고객을 이해하고 모호성을 탐색하며 자연스럽게 응답하는 역할을 해야 한다고 생각합니다. 그러나 검증, 거래, 규정 준수와 같은 핵심 프로세스는 회사의 규칙과 필요한 순서를 강제하는 단계 기반 워크플로우 내에서 운영되어야 합니다. 이러한 아키텍처는 기업에게 두 가지 장점을 제공합니다: 고객에게는 유연한 경험을, 비즈니스에는 예측 가능한 실행을 제공합니다. 또한 모델이 진화함에 따라 프로세스를 테스트하고 감사하며 개선하기가 쉬워집니다. 기업은 AI를 신뢰할 수 있게 만들기 위해 모든 고객 대화를 경직시킬 필요가 없습니다. AI가 적응할 수 있는 영역과 절대적으로 프로세스가 변할 수 없는 영역을 명확히 해야 합니다.

컨택센터는 전통적으로 자동화 수준을 포함률 및 비용 절감과 같은 지표로 측정해 왔습니다. 에이전시 AI가 더욱 정교해짐에 따라, 기업은 AI가 실제로 고객 경험을 향상시키는지, 단순히 인간 개입을 줄이는지 판단하기 위해 어떤 지표를 사용해야 할까요?

우리는 포함률이나 차단률 같은 지표에서 벗어나 제가 ‘검증된 해결’이라고 부르는 지표로 이동하고 있습니다. 우리는 고객의 의도를 이해하고 실제로 해결하는 데 책임을 지고 싶습니다. 고객으로서 경험이 즐거웠으면 좋겠지만, 무엇보다도 제가 연락한 이유가 해결되는 것이 중요합니다. AI가 사람에게 연결되는 것을 막았는지 여부가 아니라 그 결과를 측정할 때, 우리는 기술을 고객이 실제로 필요로 하는 작업과 일치시킬 수 있습니다.

한 명의 인간 전문가가 점점 더 많은 AI 기반 대화를 감독하거나 안내할 수 있다면, 컨택센터 인력은 어떻게 진화할 것으로 보십니까? AI 감독, 교육, 거버넌스 및 지속적인 개선과 관련된 새로운 역할이 등장할 것으로 보시나요?

이것이 제가 미래 컨택센터 운영 모델에 대해 정말 흥미를 느끼는 이유입니다. 오늘날 인간 에이전트는 최전선에서 실망하거나 혼란스럽거나 화가 난 고객을 돕는 경우가 많으며, 문제 해결을 위해 복잡한 시스템을 탐색하는 데 많은 시간을 소비합니다. 이는 힘든 업무이며, 번아웃이 높습니다. 에이전시 AI가 음성 및 디지털 채널 전반에 걸쳐 이러한 업무를 더 많이 맡게 되면서, 저는 새로운 유형의 CX 전문가가 등장할 것이라고 믿습니다: 분석가 역할을 하는 인간 에이전트. 그들의 시간은 판단이 필요하고, 흑백이 아니며, 규제 민감성을 가진 상황에 점점 더 많이 할당될 것입니다. 이는 근본적으로 다른 역할이며, AI 자체가 그 역할을 만드는 데 도움을 주고 있습니다.

ASAPP를 이끌고 첫 30일이 지난 후, 기업들이 현재 에이전트 AI를 도입하고 있는 상황에서 가장 놀라웠던 점은 무엇이며, AI 기반 고객 서비스의 다음 단계는 무엇이 정의할 것이라고 생각하십니까?

제가 인상 깊게 본 점은 대화한 고객들이 에이전트 AI를 CX 전략의 핵심 축으로 삼으려는 의지가 매우 높다는 것입니다. 그러나 디지털, IT, 보안, 운영 부서가 서로 다른 속도로 움직이고 성공을 다르게 측정하기 때문에 이러한 조각화가 기업 차원의 비즈니스 사례를 명확히 파악하기 어렵게 만듭니다. 다음 단계에서는 조직이 기업 수준에서 실제로 중요한 것이 무엇인지에 대해 합의하고, CX에서 에이전트 AI가 그 결과를 어떻게 움직일 수 있는지 이해해야 합니다. 현재는 그 영향이 기존 점수표와 고립된 지표에 흩어져 희석되는 경우가 많습니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 ASAPP를 방문하십시오.