마크 휴즈, 솔리드로드의 공동 창립자 및 CEO – 인터뷰 시리즈

마크 휴즈, 솔리드로드의 공동 창립자 및 CEO는 판매, 고객 경험, 기술의 교차점에서 경력을 쌓은 반복적인 기업가이자 시장 진출 지도자입니다. 그는 이전에 경력 및 채용 플랫폼인 Gradguide를 설립했으며, 200만 유로를 조달하여 이후 인수되었습니다. 또한 Chargify의 고위 상업 역할을 수행했으며, Maxio와의 합병 후 EMEA 운영을 이끌었습니다. 그의 경력 초기에는 Intercom에서 고속 및 기업 판매에 대한 심층적인 전문 지식을 개발했으며, 복잡한 거래 주기를 관리하고 수익 팀을 확장하는 데 도움을 주었습니다. 오늘날 그는 샌프란시스코에서 솔리드로드를 이끌고 있으며, 그 경험을 고객 상호작용을 평가하고 개선하는 방법을 재고하는 데 적용하고 있습니다. 그는 AI를 사용하여 인간과 자동화된 지원 시스템 모두에 대한 품질 표준을 높이는 데 중점을 두고 있습니다.

솔리드로드는 현대적인 고객 경험 팀을 위한 AI 기반 품질 보증 및 교육 플랫폼으로, 모든 고객 상호작용을 분석하고 개선하는 것을 목표로 합니다. 이 플랫폼은 채널 간의 대화를 수집하고, 회사 표준에 대한 성능을 평가하며, 인간 에이전트와 AI 시스템 모두를 지속적으로 최적화하는 개인화된 교육 시뮬레이션을 생성합니다. 고객 지원 팀을 대체하는 것이 아니라, 솔리드로드는 그들을 강화하는 데 중점을 두고 있으며, 각 상호작용을 피드백 루프로 변환하여 응답 품질, 효율성, 고객 만족도와 같은 결과를 개선합니다. 이 회사는 높은 성과를 가진 CX 팀을 위한 인프라로 자신을 위치시키고 있으며, 조직이 일관된、고품질의 경험을 제공하는 데 도움을 주고 있습니다.

대부분의 회사에서는 고객 상호작용의 아주 작은 샘플을 검토하여 성능을 평가합니다. 이러한 접근 방식이 근본적으로 고장났다는 것을 어떻게 확신하게 되었으며, 어떻게 그 인식이 솔리드로드의 접근 방식으로 이어졌습니까? 즉, 인간과 AI 에이전트 모두를 지속적으로 모니터링, 점수 매기기, 개선하는 방법은 무엇입니까?

패트릭과 나는 솔리드로드를 시작하기 전에 고객 지원 팀을 둘러싼 몇 년을 보냈으며, 하나의 문제가 계속해서 두드러졌습니다. 즉, 회사들은 고객과 수백만 개의 대화를 하지만, 그 대화가 실제로 어떻게 진행되고 있는지에 대해 거의 모르는 것입니다. 그리고 그들이 알고 있는 것은 상호작용의 아주 작은 샘플에 기반한 것이므로 정확하지 않습니다.

이미 인간이 모든 티켓을 처리할 때에는 이미 불안정한 기반을 가지고 있었습니다. 이제 AI가 등장하면서 상황이 바뀌었습니다. 하나의 나쁨 패턴이동시에에 수천 개의 대화에서 재생될 수 있으며, 대부분의 팀이 상호작용의 1~2%만 검토하기 때문에 그것을 알지 못할 수 있습니다.

우리는 이것이 회사에서 반복적으로 발생하는 것을 보았으며, 그로 인해 고객을 잃었습니다. 따라서 우리는 솔루션을 만들기로 결정했습니다. 우리는 궁극적으로 이것이 인프라 문제라는 것을 인식했습니다. 회사들은 실제로 고객 지원 에이전트의 성능을진정으로 이해하는 데 필요한 시스템이 없었습니다.

솔리드로드는 그 블라인드 스폿을 해결하기 위해 구축되었습니다. 우리는 회사들에게 실제로 발생하는 것을 보기 위한 도구를 제공하고, 모든 대화(인간, AI, 또는 둘 다)가 가치를 전달하는 것을 보장합니다.

솔리드로드는 고객 대면 팀을 위한 “비행 시뮬레이터”로 설명되었습니다. 실제 고객 상호작용을 시뮬레이션하는 방법과, 이러한 시뮬레이션이 대규모 교육에 효과적인 이유를 설명해 주시겠습니까?

비행 시뮬레이터의 비유는 핵심 아이디어가 동일하기 때문에 작동합니다. 실제 고객 앞에서 어려운 상황을 처리하는 것이 처음 경험하는 것을 원하지 않습니다.

우리의 시뮬레이션이 효과적인 이유는 그것이 실제로 발생하는 회사의 실제 대화에 기반하고 있기 때문입니다. 에이전트가 라이브 상호작용에서 무언가를 잘못하면, 시스템은 정확히그러한 상황을 중심으로 타겟팅된 시뮬레이션을 생성하여 에이전트가 다시 발생하기 전에 그것을 연습할 수 있습니다. 이것은 일반적인 교육 콘텐츠가 아닙니다.

피드백 루프가 학습을 추동합니다. 에이전트는 시나리오를 실행하고, 무엇이 작동했는지, 무엇이 작동하지 않았는지에 대한 구체적인 지침을 받고, 다시 시도합니다. 실수는 안전한 환경에서 발생하며, 학습은 실제 상황과 연결되어 있기 때문에 추상적인 교실 연습보다 더 잘 작동합니다.

솔리드로드의 플랫폼은 에이전트만을 교육하는 것이 아니라, 라이브 상호작용을 사용자 정의 가이드라인에 따라 점수 매깁니다. 이러한 점수 시스템을 실제 비즈니스 결과와 연결하여 설계하는 방법은 무엇입니까? 예를 들어, CSAT, 유지율, 수익과 같은 결과를 어떻게 연결합니까?

이러한 가이드라인을 생성하기 위해, 우리는 항상 해당 회사가 실제로 관심을 가진 것에서 시작합니다. 청구 분쟁을 처리하는 금융 서비스 회사에는 품질 표준이 다르며, 피크 시즌에 반품을 관리하는 전자 상거래 브랜드와 다릅니다. 따라서 점수는 각 조직의 자신의 가이드라인, 정책, 브랜드 음성, 그리고 그들에게 좋은 해결책이 무엇인지에 기반하여 구축됩니다.

비즈니스 결과와 같은 CSAT 점수 개선 및 유지율은 높은 품질의 고객 상호작용에서 비롯됩니다. 우리는 점수를 후속적으로 추적하는 대신, 이러한 결과를 예측하는 행동에 중점을 둡니다. 즉, 에이전트 간일관성된 성능, 올바른 프로세스에 대한 준수, 고객이 대화의 끝에 느끼는 감정과 같은 부드러운 기술입니다.

목표는 리더에게 그들의 회사에 대한 좋은 것이 무엇인지에 대한 명확한, 실제적인 그림을 제공하여 팀을 코칭하고, 성공을 복제하고, 조직 전체에서 성장할 수 있도록 하는 것입니다.

많은 회사가 고객 상호작용의 작은 비율만을 검토합니다. 솔리드로드는 어떻게 전체 커버리지 분석을 가능하게 하며, 샘플링에서 모든 것을 분석으로 이동할 때 어떤 종류의 통찰력이 가능해집니까?

우리의 최근 CX 상태 조사는 약 81%의 지원 대화가 품질을 위해 검토되지 않는다는 것을 보여주었습니다. 팀이 검토하는 대화의 작은 부분만으로 대표되는 것을 희망하는 샘플링과 다릅니다. 회사가 모든 고객 대화를 평가하기 시작하면, 랜덤 샘플에서 나타나지 않는 패턴이 명백해집니다. 팀은 어떤 요청이 일관되게 나쁘게 처리되는지, 인간과 AI 에이전트가 예상치 못한 방식으로 어떻게 분기되는지, 그리고 고객 불만이 발생하기 전에 반복되는 문제를 볼 수 있습니다.

솔리드로드는 AI를 사용하여 채팅, 이메일, 음성 등 모든 고객 대화를 자동으로 검토하여 전체 커버리지 분석을 가능하게 합니다. 샘플링에서 100% 검토로의 이동은 품질, 고객 마찰, 성능에서 일관된 패턴을 드러내는 것입니다. 그렇지 않으면 숨겨진 채로 남아있을 것입니다.

Crypto.com은 전체 커버리지가 실제로 무엇을 잠금하는지에 대한 훌륭한 예입니다. 솔리드로드 이전에, 그들의 팀은 에이전트 품질을 대규모로 측정하거나 에이전트가 라이브 티켓을 처리하기 전에 준비되어 있는지 확인할 수 있는 신뢰할 수 있는 방법이 없었습니다. 문제는 이미 고객에게 영향을 미친 후에만 나타났습니다. 80만 개의 월간 대화에 대한 자동 점수를 이동함으로써, 그들은 품질 문제를 조기에 포착하고, 에이전트를 배포하기 전에 확인하고, 개선 사항이 실제로 유지되는지 확인할 수 있었습니다. 결과는 평균 처리 시간 18%의 감소와 CSAT의 3% 증가(그들이 운영하는 규모에서 중요함)였습니다. 그들의 대화 볼륨이 계속 증가함에 따라, 그들의 품질 가시성이 뒤처지지 않고 함께 증가합니다.

그것이 실제로 전체 커버리지의 변화입니다. 그것은 반응적인 것으로부터 예방적이게 품질을 전환하여 미리 관리할 수 있습니다.

크립토닷컴, 라이언에어와 같은 회사의 고객 경험은 임무중요합니다. 대규모 지원 팀에서 어떤 패턴이나 공통적인 약점을 식별했습니까?

일관되게 나타나는 몇 가지 사항이 있습니다. 첫 번째는 회사가 실제로 고객과 어떤 대화를 하고 있는지에 대한 간격입니다. 대부분의 팀은 지원 품질에 대해 자신감을 가지고 있지만, 전체 가시성을 얻으면, 그림이 초기에 제안된 것보다 더 복잡하다는 것을 깨닫습니다.

또한 성과를 측정하는 방식과 실제 고객 결과를 어떻게 주도하는지 사이에 일관된 불일치가 있습니다. 속도 지표와 티켓 수는 쉽게 추적되므로 평가에서 지배적입니다. 그러나 이러한 숫자는 고객의 문제가 해결되었는지, 에이전트가 브랜드를 정확하게 대표했는지, 또는 상호작용이 고객에게 회사에 대한 좋은 감정을 남겼는지에 대해 회사를 알리지 않습니다. 금융 또는 헬스케어와 같은 고위험 환경에서, 이러한 불일치는 심각한 결과를 초래할 수 있습니다.

고객 서비스에서 AI를 사용하는 것이 인간 경험을 저하할 수 있다는 우려가 있습니다. 어떻게 시스템이 품질을 향상시키는지, 그리고 팀을 지나치게 스크립트화된 또는 로봇적인 상호작용으로 밀어붓이지 않는지에 대해 설명해 주시겠습니까?

이것은 유효한 우려이지만, 일반적으로 AI를 잘못된 것에 사용하는 QA(품질 보증) 시스템에서 비롯됩니다. 회사가 에이전트를 순수하게 스크립트에 대한 순종성 또는 티켓을 닫는 속도에 따라 점수를 매길 경우, 기술적으로 체크박스를 클릭하지만 고객에게 공허하거나 개인적인 상호작용을 끝내게 됩니다.

우리의 접근 방식은 실제로 고객을 지원하는 데 무엇이 중요한지에 대한 점수를 구축하는 것입니다. 우리는 에이전트가 적극적으로 듣고, 필요할 때 공감을 표시하고, 실제로 고객의 문제를 해결했는지와 같은 것을 살펴봅니다.

같은 적용이 AI 에이전트에도 적용됩니다. 목표는 고객 상호작용을 더 일관적이고, 정확하고, 고객이 실제로 경험하는 것에 적절하게 반응하는 방식으로 만드는 것입니다. 품질 감독이 이러한 결과를 중심으로 구축될 때, 상호작용을 더 나은 방향으로 밀어붓이지 않습니다.

솔리드로드는 인간 에이전트와 AI 에이전트의 교차점에 위치합니다. 인간과 AI 에이전트의 관계가 어떻게 발전할 것으로 보입니까? 특히 AI가 더 많은 프론트라인 상호작용을 처리하기 시작할 때?

인간 에이전트와 AI 에이전트를 팀으로 간주하는 것이 중요합니다. 노동의 분할을 나누는 것입니다.

AI는 높은 볼륨의 단순한 요청을 매우 잘 처리하며, 최고의 AI 에이전트는 대부분의 이러한 대화를 직접 해결할 수 있습니다. 이것은 정말로 인상적입니다.

그러나 그 결과는 인간 에이전트가 처리하는 상호작용이 점점 더 복잡하고 감정적으로 충돌하며 고위험한 상호작용이 됩니다. 실제로 템플릿에 맞지 않는 상황이 발생하는 고객, 실제 판단이 필요한 대화, 실제로 어려운 상황입니다. 따라서 인간 에이전트에 대한 품질 표준은 실제로 높아지고 있습니다.

그것이 인간과 AI 모두에 대한 감독이 중요한 이유입니다. AI는 볼륨을 일관되게 정확하게 처리해야 합니다. 인간은 이제 주로 처리하는 더 어려운 대화에 잘 준비되어 있어야 합니다. 그리고 두 가지 모두에 걸쳐 있는 독립적인 계층이 있어야 합니다. 회사가 무엇이 작동하고 무엇이 작동하지 않는지에 대한 명확한 그림을 제공하는 것입니다. 이것이 앞으로 CX를 정의할 하이브리드 모델이며, 이것이 우리가 구축하고자 하는 것입니다.

시스템은 실시간 피드백과 코칭을 제공합니다. 에이전트 성능을 개선하는 데 즉시성이 얼마나 중요한지, 그리고 전통적인 교육 및 QA 워크플로와 비교하여 어떻게 비교되는지에 대해 설명해 주시겠습니까?

즉시성이 정말 중요하며, 연구는 피드백이 가장 효과적일 때 특정 상황에서 발생한 상황과 연결되어 있을 때입니다. 전통적인 QA 워크플로는 거의 의도적으로 이러한 연결을 끊습니다. 매니저는 대화가 발생한 후 며칠 또는 몇 주 후에 대화를 검토하고, 피드백을 정기적으로 공유하며, 그때까지 에이전트는 이미 수십 개의 다른 상호작용을 수행했을 것입니다. 실시간 피드백을 제공하지 않으면, 실수는 지속되며, 에이전트는 반복적으로 실수를 범하는 관행을 배울 수 있습니다.

우리가 발견한 것은 피드백이 실제 대화 직후에 나타날 때 가장 효과적이라는 것입니다. 그것은 에이전트가 방금 처리한 것과 직접 연결되어 있으며, 에이전트가 즉시 실행할 수 있는 특정 시뮬레이션과 함께 제공됩니다. 이러한 형식에서, 실제 행동 변화로 번역되기 위해 더 빠릅니다. 에이전트는 단순히 개선해야 한다고 듣는 것이 아니라, 실제 상황에서 개선을 연습하고 있습니다.

전통적인 온보딩과 비교하면 가장 명확한 예입니다. 우리의 데이터에 따르면 인간 에이전트의 절반이 온보딩에서 가장 어려운 부분은 실제 고객 상황에서 배운 것을 적용하는 것이라고 말합니다. 이것은 교실 학습과 라이브 지원이 아무런 관련이 없기 때문입니다. 연속적인 상황별 피드백은 전통적인 정기적 검토에서 결코 할 수 없는 것을 해결합니다.

고객은 플랫폼을 채택할 때 가장 관심을 가진 지표는 무엇입니까? 또한 관계 초기에 ROI를 어떻게 입증합니까?

그것은 고객의 고통 지점이 어디에 있는지에 따라 다르지만, 두 가지 사항이 가장 자주 등장합니다. 즉, 품질 보증 커버리지와 시간 절약입니다. 수동으로 대화의 작은 부분만을 검토하는 팀은 100% 커버리지로 이동했을 때 즉시 가치를 보며, 솔리드로드가 표면화하는 통찰력과 QA 팀에게 반환된 시간 모두에서 이를 확인할 수 있습니다. 우리의 고객 기반에서 우리는 일반적으로 QA 커버리지의 20배 증가와 수동 검토 시간의 90% 감소를 보게 됩니다.

ROI 측면에서 우리는 결과를 이미 중요한 비즈니스 메트릭에 연결하려고 합니다. Podium의 경우, 헤드라인은 온보딩 시간이었습니다. 새로운 에이전트가 60일 대신 90일 안에 성과 기준에 도달하고, 라이브로 전환했을 때 33% 더 빠르게 문제를 해결했습니다. Crypto.com의 경우, 해결 시간과 대화 볼륨 가시성이었습니다. Ryanair의 경우, 리크루터 시간 절약이었습니다.

세부 사항은 다르지만, 패턴은 동일합니다. 즉, 실제로 발생하는 것을 볼 수 있고 빠르게 행동할 수 있을 때, 중요한 메트릭에서 개선이 따릅니다.

앞으로 솔리드로드는 교육 및 QA에 집중할 것인지, 또는 인간과 AI 고객 상호작용을 관리하는 더 광범위한 오케스트레이션 레이어로 발전할 것인지에 대해 생각해 보십시오.

교육 및 QA는 우리가 시작한 곳이지만, 비전은 더 큽니다. 우리는 품질 감독이 고객 지원에서 AI를 사용하는 회사의 핵심 인프라가 될 것으로 생각합니다. 데이터를 클라우드로 이동했을 때 보안 인증이 불가결해진 것과 마찬가지로, 고객 대화가 AI로 이동할 때 품질 인증이 필수적이 될 것입니다.

북극성은 “솔리드로드 인증”이 실제로 의미를 가지도록 하는 것입니다. 즉, 회사가 고객을 대하는 방식에 대한 높은 표준을 충족한다는 것을 증명하는 것입니다. 인간 또는 AI에 의해 처리된 상호작용에 관계없이 말입니다.

실제적으로 이것은 품질을 관리하고 개선하는 시스템으로 조직이 의존하는 것을 의미합니다. 즉, 뒷단에서 문제만 플래그하는 것이 아니라, 전반적인 고객 상호작용 품질을 관리하고 개선하는 것입니다. 이것이 Hedosophia가 이끄는 우리의 2,500만 달러의 시리즈 A 자금을 조달한 이유 중 하나입니다. 이것은 우리가 더 많은 회사가 고객 상호작용의 100%를 평가하는 것을 도와주는 제품 기능과 팀을 구축하기 위해 필요한 러닝웨이입니다.

잘된 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 솔리드로드를 방문하십시오.