라이언 탬밍가, 알케미어 최고 고객 책임자 – 인터뷰 시리즈

라이언 탬밍가는 고객 경험과 기업 변혁을 위한 이십년近의 리더십 경험을 보유한 고객 성공, 전문 서비스, 컨설팅, 제품 전략 분야의 전문가입니다. 2019년 알케미어에 합류한 이후 고객 성공 부문 부사장, 제품 및 서비스 부문 선임 부사장 등을 거쳐 2026년 최고 고객 책임자로 임명되었습니다. 현재 그는 고객 참여, 성공, 서비스 제공을 책임지고 있으며 고객의需求을 제품 혁신과 비즈니스 전략과 연결시키는 역할을 수행하고 있습니다. 알케미어에 합류하기 전에는 리드그룹, 델로이트, 액센츄어에서 선임 리더십 역할을 수행하였으며 비즈니스 운영, 분석, 자동화, 기업 성과 개선에 중점을 둔 대규모 변혁과제를 이끌었습니다.

알케미어는 고객 피드백과 경험 관리 플랫폼으로 조직이 고객, 직원, 이해관계자로부터 피드백을 수집, 분석, 활용할 수 있도록 지원합니다. 이 회사의 소프트웨어는 설문조사 생성, 피드백 수집, 워크플로 자동화, AI 기반 분석을 결합하여 비즈니스들이 단순히 데이터를 수집하는 것을 넘어 측정 가능한 행동을 이끌어내는 데 도움을 줍니다. 다양한 산업 분야의 조직을 지원하며 알케미어는 팀들이 여러 채널에서 피드백을 중앙화하고 추세 및 감성을 발견하며 이러한 통찰력을 고객 경험 개선, 제품 의사결정, 비즈니스 성과 강화에 활용할 수 있도록 도와줍니다. 성장하는 AI 기반 도구 세트를 통해 이 회사는 조직이 피드백을 연속적인 운영 및 전략적 지능의 원천으로 변형하도록 지원하는 것을 목표로 합니다.

컨설팅 분야에서 십년 이상의 경험을 보유하신 후 알케미어에서 고객 성공, 제품, 서비스를 이끌어오셨습니다. 이러한 경험은 엔터프라이즈 환경에서 AI를 배치하는 접근 방식에 어떻게 영향을 미쳤나요?

컨설팅에서 얻은 경험은 현재의 역할에 매우 유용한 통찰력을 제공했습니다. 예를 들어, 기술이 항상 가장 어려운 부분은 아니라는 것을 발견했습니다. 포춘 100 기업들에게 엔터프라이즈 시스템을 구현하는 데 도움을 주었으며 어려움을 겪은 프로젝트들은 나쁜 소프트웨어로 인해 어려움을 겪지 않았습니다. 그들은 변화 관리, 명확한 소유권, 프로세스가 준비되지 않은 상태에서 배포되는 문제가 있었습니다.

이러한 경험은 현재 AI 배치에 대한 생각을 형성합니다. 고객들이 AI에서 가치를 얻지 못하고 있는 경우 기술 자체가 문제가 아니라는 것을 알게 됩니다. 그들은 무엇을 성취하려고 하는지 정의하지 못했으며谁가 출력을 소유하며 AI가 어떤 행동을 취할지 정의하지 못했습니다. 기술은 대부분의 경우 조직의 준비도보다 앞서 있습니다.

고객과 직접 일하는 경험은 또 다른 중요한 요소입니다. 실제로 일하는 사람들에게 가치가 무엇인지 빠르게 학습하며 이 값을 이행하는 방법을 번역하는 법을 배우게 됩니다. 이러한 경험의 조합은 알케미어에서 AI를 구축하고 배치하는 전략에 접근하는 방식을 결정합니다.

조직에서 AI 성숙도 격차에 대해 언급하셨습니다. 리더들이 준비도에 대해 가지고 있는 가장 큰 오해는 무엇이며 어디에서 구현이 일반적으로 실패하나요?

가장 일반적인 오해는 AI 도구를 구매하는 것이 준비된 것과 동일하다는 것입니다. 리더들은 데모를 보고 출력을 보고 자동으로 채택한다고 가정합니다. 하지만 기술, 특히 AI의 경우 비즈니스 문제를 해결하는 데에서 시작해야 합니다. 기술의 성공적인 채택은 팀과 고객에게 어떻게 문제를 해결할 것인지 잘 전달하는 데 거의 항상 묶여 있습니다.

구현이 처음으로 실패하는 곳은 거의 항상 인도점입니다. 다음에 대한 정의된 워크플로가 없으면(예:誰가 볼 것인지,誰가 행동할 것인지,어떤 시스템으로 들어갈지) 통찰력이 행동으로 이어지지 않습니다. 조직은 통찰력을 행동으로 옮기기 위해 적절하게 구조화되어야 합니다.

이 격차를 인식함으로써 알케미어에서 솔루션을 구축하는 방식이 형성되었습니다. 우리는 기술 기능을 릴리즈할 때 해결하려는 문제를 식별하여 시작합니다. AI 기능, 워크플로, 사용자 제어는 우리가 제공하는 것의 일부일 뿐입니다. 팀이 피드백에 행동을 취할 수 있는 조직적 근육을 구축하는 데 도움을 주는 것은 실제 결과가 실현되는 곳입니다.

많은 公司들이 AI에大量으로 투자하고 있지만 ROI를 입증하는 데 어려움을 겪고 있습니다. 고객 경험에서 AI가 실제로 작동하는지 평가하기 위해 公司들이 사용해야 할 지표 또는 프레임워크는 무엇인가요?

행동의 변화에서 시작하세요, AI가 생성한 출력에서 시작하지 마세요. 올바른 질문은 “AI가 요약을 생성했나요?”가 아니라 “팀이 행동을 달리했나요?” 또는 “정렬된 비즈니스 지표가 올바른 방향으로 이동하고 있나요?”와 같은 질문입니다. AI는 문제 또는 기회가 존재하는 곳을 명확하게 식별하고 새로운 통찰력을 제공할 수 있지만 公司들이 이러한 통찰력을 행동으로 옮기지 않으면 고객 피드백이 무시되거나 적절한 시간에 해결되지 않을 수 있습니다.

통찰력까지의 시간은 좋은 지표로 시작할 수 있습니다. 피드백을 수집하여 의사결정자 앞에서 행동할 수 있는 무언가가 있는 시간은 얼마나 걸립니까? 피드백 분석은 6개월이 걸리던 것이 AI로 인해 몇 시간으로 줄었습니다. 실제로 시간에 따른 통찰력과 행동을 해결하는 데 실질적인 변화를 보여줍니다.

반응 시간은 또 다른 지표입니다. 고객은 특히 부정적인 피드백에 대한 반응을 기대합니다. 부정적인 설문 응답이나 온라인 리뷰에 대한 반응 시간을 측정하세요. 수동으로 검토하는 경우 지원 티켓을 통해 작업을 할당한 다음 고객에게 응답하는 경우 몇 일이 걸릴 수 있습니다. 한 온라인 안경 소매업체는 거의 한 달에서 몇 분으로 줄었습니다.

반응률은 추적할 마지막 지표입니다. H&R Block (HRB ) Canada는 세금 시즌 동안 거의 1,000개의 위치를 관리합니다. AI 이전에는 100% 리뷰 반응 커버리지에 도달하는 것이 거의 불가능했습니다. 이제それは 기준입니다. 이는 측정 가능하며 검색 가시성과 고객 인식에 대한 하위 효과는 추적할 수 있습니다.

시작하기 위해 公司들이 무엇을 해결하려고 하는지, 고객에게 무엇을 귀찮게 하는지(예: 느린 분석, 낮은 반응률, 놓친 고객 신호) 등을 식별하고 그 이전과 이후의 델타를 측정하세요. 모든 것을 측정하려고 하지 마세요. 중요한 한 가지를 측정하고 그 모멘텀을 사용하여 비즈니스 케이스를 구축하고 제공하는 데 도움을 주세요.

귀하의 관점에서 AI를 성공적으로 운용하는 公司와 실험에 머무는 公司를 구분하는 요소는 무엇인가요?

성공하는 公司들은 AI를 인프라로 간주하며 프로젝트가 시작과 끝이 있고 투자 정당성을 가진 것이 아니라 핵심적으로 일하는 방식의 일부로 간주합니다. 예를 들어, 1990년대 후반과 2000년대 초반에 CRM 소프트웨어의 도입이 시장에 미친 영향을 생각해 보세요. 프로젝트는 구현이었습니다. 하지만 시스템은 이후로 가시적으로 운영하는 인프라가 되었습니다. 대부분의 公司들은 아직 AI를 채택하는 데 이 과정을 밟지 못했습니다.

또 다른 차별izing 요소는 소유권입니다. 성공적인 고객 경험(CX) 배치는 출력이 행동으로 이어지는 것을 đảm장할 수 있는 소유자가 있습니다.誰가 결과를 책임지는지에 따라서 통찰력이 대시보드로 되돌아가지 않고 멈추지 않습니다. 이것은 고객 경험 프로그램에 항상 사실이었으며 AI로 인해 더 증폭되었습니다.

제3의 요소는 公司가 일관된 성공 지표의 일관성을 보이는지 확인하는 것입니다. 측정하는 것이 관리됩니다. 추세를 시간의 경과에 따라 추적하거나 분기별 성과를 벤치마크하거나 결과를 지리적으로 비교하는 팀은 일관된 결과를 요구합니다. 성공적으로 운용하는 公司들은 신뢰성과 함께 기능을 요구합니다.

일반적인 목적의 LLM에 대한 많은 흥분이 있지만 귀하는 피드백 워크플로우에서 목적을 위한 AI를 옹호합니다. 기업의 사용 사례에서 일반 모델이 부족한 점은 무엇인가요?

모든 문제에相同한 AI 솔루션이 필요하지 않습니다. 피드백 및 고객 경험 분야의 많은 벤더는 ChatGPT, Claude 또는 Gemini와 같은 상업적으로 이용 가능한 일반 목적의 모델 위에 AI 기능을 구축했습니다. 모두를 위해 모든 것을 하는 것을 설계했으며 이러한 일반성은 높은 수준의 신뢰성과 일관성을 요구하는 公司들에게 문제가 될 수 있습니다.

이 점을 고려하여 알케미어는 고객들이 해결하려고 하는 과제를 지원하기 위해 다른 접근 방식을 취했습니다. 알케미어는 각 특정 작업에 적합한 AI 솔루션을 사용하는 대신 모든 문제를 상업적 LLM을 통해 라우팅하지 않습니다. 이러한 목적을 위한 AI 전략의 결과는 더 정확한 출력, 일관된 결과, 피드백 데이터에 최적화된 AI입니다.

고객과 직접적으로 이 점을 확인했습니다. 워시번 앤 맥골드릭은 일반적인 AI 도구를 평가한 후 알케미어를 선택했으며 동일한 데이터 세트가 다른 날에 다른 분류를 생성한다는 것을 발견했습니다. 벤치마크 프로그램을 xây dựng하는 데에는 이것이 사용할 수 없습니다.

실제로 비즈니스 워크플로우에 AI를 직접 통합하는 것은 무엇을 의미하며 왜 이것이 독립적인 도구로 AI를 다루는 것보다 더 효과적인 접근 방식인가요?

독립적인 AI 도구는 무언가를 분석하기로 결정했을 때 열어보는 것입니다. 통합된 AI 기능은 이미 작동하고 있습니다.

실제에서의 차이는 다음과 같습니다. 리뷰가 밤에 들어오고 안전 문제로 인해 위험 임계값에 도달하면 통합 시스템은 경고를 트리거하고 올바른 사람에게 라우팅하고 자동으로 응답 워크플로우를 시작합니다.誰도 대시보드를 확인할 필요가 없습니다. AI는 이미 프로세스의 일부입니다.

알케미어에서는 피드백 채널과 전체 피드백 수명 주기에 걸쳐 이를 생각합니다. 설문 기능의 AI는 들어오는 것을 개선하고 실제 시간에 관련된 후속 질문을 생성하여 설문조사가 대화가 될 수 있습니다. 리뷰 관리에서는 브랜드 맞춤형, 개인화된 응답을 작성하고 게시할 수 있습니다. 분석 레이어의 AI는 모든 피드백에서 중요한 것을 표면화합니다. 워크플로 자동화는 AI 트리거된 행동을 실제로 팀이 일하는 비즈니스 시스템에 연결합니다. 이러한 조각들이 연결되면 통찰력과 행동 사이의 간격이 며칠에서 몇 분으로 줄어듭니다. 이것이 실제로 의미하는 것입니다. 고객 피드백에서 비롯되는 행동을 고객과 상호작용하는 데 사용하는 시스템에 연결합니다.

실제로 고객의 비구조화된 피드백을 실시간으로 행동할 수 있는 지능으로 변환하는 것은 강력하지만 어려운 작업입니다. 이러한 것을 작동시키는 데 기술적이고 조직적인 도전은 무엇인가요?

기술적인 측면에서 데이터의 볼륨과 가변성은 실제로 도전적일 수 있습니다. 고객은 약어, 오타, 축어를 사용하여 일반 모델이 자주 잘못 읽습니다. 모델은 또한 비즈니스의 언어를 이해해야 합니다. 다른 산업은 다른 용어를 사용하며 비즈니스는 그 위에 자신의 독특한 점을 추가합니다.

예를 들어, 비즈니스에서 고객을迎える 사람은 의사의 사무실에서는 접수원, 레스토랑에서는 호스트, 커피숍에서는 바리스타일 수 있습니다. 이러한 유사한 역할은 다른 산업에서 다르게 명명될 수 있습니다. 일반 모델은 초기 검토에 적합할 수 있지만 기본 모델은 피드백 데이터와 고객이 특정 산업, 제품, 브랜드, 서비스에 대해 어떻게 말하는지의 미묘함에 대해 목적을 둔 모델이 되어야 합니다. 모델은 또한 일관성이 있어야 합니다. 거의 항상 역사적 기준과 비교하기 때문입니다.

기술적인 도전이 증가하는 것처럼 보이지만 조직적인 도전은 더 쉽게 해결될 수 있습니다. 첫 번째 주요 도전은 증가한 볼륨과 더 풍부한 통찰력을 무엇으로 할 것인가를 아는 것입니다. 대부분의 팀은 AI 생성된 통찰력을 보고 “그것은 흥미롭다”고 말합니다. 최고의 公司들은 통찰력이 행동으로 이어지는 워크플로우를 구축합니다. “이 통찰력이 이 사람/시스템으로 가고, 이 시간 창에서 무엇을 하는가”라고 말합니다.幸い, 이러한 워크플로우를 구축하는 것은 कभ이 더 쉬워졌습니다.

또 다른 주요 조직적인 도전은 신뢰입니다. 알케미어의 최근 연구에 따르면 CX 소프트웨어 구매자의 29%만이 검토 없이 AI 생성된 출력에 행동할 수 있다고 말했습니다. 이는 일관성 없거나 설명할 수 없는 AI와의 실제 경험을 반영합니다. 신뢰를 구축하려면 AI 시스템이 어떻게 결론에 도달했는지에 대해 투명해야 하며 감사 추적과 구성 가능한 제어가 있어 팀이 AI가 무엇을 할 수 있고 할 수 없는지 결정할 수 있어야 합니다. 알케미어에서는 신뢰할 수 있는 AI를 제품으로 다룹니다.

고객 경험에서 AI가 실제로 작동하는지 평가하기 위해 公司들이 사용해야 할 지표 또는 프레임워크는 무엇인가요?

고객 경험에서 AI의 성공을 측정하는 데 사용할 수 있는 몇 가지 지표가 있습니다. 첫째, 고객 만족도(CSAT) 지수를 측정할 수 있습니다. 이는 고객이 제품이나 서비스에 대해 얼마나 만족하는지 측정하는 지표입니다. 둘째, 순 고객 증감률(NPS)을 측정할 수 있습니다. 이는 고객이 제품이나 서비스를 추천할 의향이 있는지 측정하는 지표입니다. 셋째, 고객 유지율을 측정할 수 있습니다. 이는 고객이 얼마나 오래 유지되는지 측정하는 지표입니다.

또한 公司들은 고객의 행동에 대한 지표를 측정할 수 있습니다. 예를 들어, 고객이 구매를 완료하는 비율, 고객이 사이트를 방문하는 빈도, 고객이社交媒体에서 브랜드와 상호작용하는 빈도 등입니다. 이러한 지표를 측정하여 公司들은 고객 경험에서 AI의 성공을 평가할 수 있습니다.

라이언 탬밍가, 알케미어 최고 고객 책임자에게 마지막으로 묻겠습니다. 앞으로 몇 년 동안 고객 경험을 형성하는 데 AI의 역할은 어떻게 될까요? 公司들은 이 변화를 준비하기 위해 오늘날 무엇을 해야 하나요?

저는 반응형에서 예측형으로의 이동을 가장密接하게 지켜보고 있습니다. 대부분의 피드백 프로그램은 반응형입니다. 예를 들어, 무언가 발생하고 피드백이 들어오고 팀이 분석하고 결정이 내려집니다. 이 사이클은 더 빠르지만 여전히 본질적으로 후방향입니다.

AI는 곡선을 앞서갈 수 있게 해줍니다. 신호를 일찍 식별하여 문제가 발생하기 전에 행동할 수 있습니다. 고객 세그먼트가 위험에 처해 있음을 알기 전에, 만족도가 특정 지역에서 떨어지는 이유를 알기 전에, 이것이真正로 강력한 조합입니다. 목적을 위한 AI와 종적 피드백 데이터의 조합입니다.

今日의 公司들은 AI가 가능하게 하는 것을 흡수할 수 있는 조직적 인프라를 구축해야 합니다. 피드백 데이터를 통합하고誰가 분석을 소유하며 무엇이 행동으로 이어지는지 정의하세요. 행동과 연결하기 위해 워크플로우를 구축하세요. 앞으로 나아갈 公司들은 가장 先進的な AI 기술을 보유하고 있는 公司들이 아닙니다. 일관성 있게, 신속하게, 대규모로 AI 통찰력을 행동으로 옮기는 公司들이 될 것입니다.

감사합니다. 더 많은 정보를 원하는 독자는 알케미어를 방문하십시오.