인터뷰
잭 펭, Seel 공동 창업자 겸 CEO – 인터뷰 시리즈

핵심 포인트Seel은 AI가 티켓을 회피하는 대신 해결을 완료하도록 함으로써 지원 사례의 99% 이상을 해결합니다.
더 보기
- Seel은 AI가 티켓을 회피하는 대신 해결을 완료하도록 함으로써 지원 사례의 99% 이상을 해결합니다.
- AI 지원에 대한 신뢰는 봇의 정확성보다는 사람에게로의 눈에 보이는 출구에 달려 있습니다.
- 판매자들은 세련된 데모보다는 종단 간 해결률과 책임에 대한 증거를 요구해야 합니다.
잭 펭은 Seel의 공동 창업자 겸 CEO로, 결제 후 소비자와 판매자가 겪는 문제를 해결하는 데 주력하고 있습니다. 그의 업무는 반품과 환불을 예측하는 일에서 시작해, 전자상거래 업무 전반에서 고객 요청을 처리하는 AI 시스템으로 확장됐습니다. 그는 명확한 운영 한계와 사람에게 문제를 넘기는 절차, 고객이 받는 결과에 대한 책임을 갖춘 에이전트를 활용해야 한다고 주장합니다.
Seel은 구매 및 배송 보호, 고객 지원, 재판매를 비롯해 전자상거래 구매 후 서비스를 제공하고 AI 에이전시 서비스도 운영합니다. Seel의 플랫폼은 판매자 시스템과 주문 정보, 서비스 업무 흐름을 연결해 소비자 문제를 해결하도록 지원하며, LLM Gateway를 통해 모델에 접근하고 작업 기반으로 라우팅할 수 있게 합니다. 이번 인터뷰에서 펭은 질문에 답하는 단계에서 결과를 책임지는 단계로의 전환, 에이전트가 여러 시스템에서 작업하는 데 필요한 통제 장치, 그리고 판매자가 AI 서비스의 신뢰성을 판단하는 방법에 대해 이야기합니다.
Seel을 공동 창업하게 된 계기는 무엇이며, 결제 후 소비자가 겪는 문제를 해결하는 과정은 어떻게 전자상거래용 AI 인력을 구축하는 일로 이어졌나요?
모든 일은 한 마켓플레이스에서 시작됐습니다. 마켓플레이스를 운영하는 창업자를 만났는데, 업계가 차지백 예측에 얼마나 많은 노력을 들이는지 알게 됐습니다. 차지백으로 인한 손실은 총거래액(GMV)의 약 0.5%에 달했습니다. 반면 반품과 환불 비율은 10~20%였지만, 이를 예측하는 곳은 없었습니다. 그래서 이를 예측할 수 있는 모델을 만들었고, 소비자가 소액의 수수료를 내고 최종 판매 상품도 환불받을 수 있도록 했습니다. 저는 3~5%가 이 서비스를 선택할 거라고 예상했지만, 실제로는 10~20%였습니다. 이를 통해 소비자는 결제 후에도 안심할 수 있다면 기꺼이 비용을 지불한다는 사실을 알게 됐습니다. AppleCare나 렌터카 면책 상품에 가입하는 이유와 같습니다.
AI 인력은 저희 고객 지원 수신함에서 시작됐습니다. 고객 지원 티켓의 70% 이상은 반품과 무관했습니다. 소비자들은 주문한 상품이 어디 있는지, 또는 상품을 교환할 수 있는지 알고 싶어 했습니다. 이들을 판매자에게 다시 보내는 대신, 저희가 직접 해당 티켓을 처리하기 시작했습니다. 이를 통해 전자상거래에서 AI의 진정한 가치는 비용 절감이 아니라는 점을 알게 됐습니다. 진정한 가치는 업무량이 최고조에 달하는 때에도 대규모로 즉시 처리하는 데 있습니다. 여기에는 반품 상품이 도착하기 전에 적격 환불 요청을 심사하고 승인할 수 있는 AI 시스템과, 고객 요청을 해결하기 위해 직접 조치할 수 있는 24시간 운영 AI 에이전트가 포함됩니다.
질문에 답하는 챗봇에서 직접 조치를 취하는 에이전트로, 다시 전체 결과를 책임지는 AI 에이전시로 발전하는 과정을 설명하셨습니다. 각 단계에서는 기술적으로나 운영상으로 무엇이 달라지나요? 실제 고객 문제를 예로 들어 설명해 주실 수 있을까요?
차이는 누가 결과를 책임지느냐에 있습니다. 챗봇은 “주문한 상품이 어디 있나요?”라는 질문에 답합니다. 에이전트는 클레임 접수처럼 하나의 작업을 완료합니다. 에이전시는 고객이 자신이 지불한 상품이나 서비스를 받도록 결과를 책임집니다.
기술적으로 에이전시는 한 시스템 안에서만 작동하는 것이 아니라 판매자의 온라인 스토어, 배송사, 결제 시스템 등 여러 시스템을 넘나들며 작업합니다. 한 번의 대화가 아니라 며칠에 걸쳐 사례를 추적하고, 실제로 문제가 해결됐는지 확인해야 합니다. 운영 측면에서는 티켓 수에 맞춰 인력을 배치하는 방식에서 벗어나 예외 상황에 대응할 인력을 배치하게 됩니다.
배송 완료로 표시됐지만 실제로는 도착하지 않은 소포를 예로 들어보겠습니다. 챗봇은 소비자에게 기다리라고 안내합니다. 에이전트는 클레임을 접수합니다. Seel 에이전시는 배송사의 배송 기록과 주문 내역을 확인하고, 보상 대상 여부를 판단한 뒤 환불하거나 대체 상품을 발송하고, 판매자 기록을 갱신한 다음 소비자에게 처리가 완료됐다고 알립니다. 저희는 판매자를 대신해 구매 후 발생한 문제를 처음부터 끝까지 처리하는 파트너로서, 먼저 자체 티켓에 이 AI 인프라를 적용해 시험했습니다. 이처럼 해결에 초점을 맞춘 접근 방식 덕분에 해결률을 90% 이상으로 끌어올리는 동시에, 적격 요청을 즉시 확인하고 환불할 수 있었습니다.
쇼핑 에이전트가 누군가를 대신해 사이즈가 맞지 않는 상품을 주문했다고 가정해 보겠습니다. 문제를 해결하려면 에이전트와 판매자, Seel이 각각 어떤 조치를 해야 하며, 결과에 대한 책임은 누가 져야 할까요?
소비자가 중재자 역할을 맡아서는 안 됩니다. 누가 실수했든 해결 방법은 같습니다. 신속하게 교환하거나 환불해 주면 됩니다.
이를 가능하게 하려면 세 가지가 필요합니다. 주문 기록에 누가 어떤 지시에 따라 주문했는지 남아 있어야 에이전트의 결정을 추적할 수 있습니다. 둘째, 에이전트가 판매자의 반품 정책에 따라 조치를 취할 수 있도록 해당 정책을 기계가 읽을 수 있는 형식으로 제공해야 합니다. 셋째, 책임 소재가 밝혀지기 전이라도 결과를 책임질 주체가 있어야 합니다.
Seel은 바로 그 역할을 맡습니다. 저희가 책임을 집니다. 주문이 보호 대상이었다면 먼저 소비자가 손해를 보지 않도록 보상하고, 책임 소재는 그다음에 따집니다. AI 쇼핑 에이전트가 누군가를 대신해 사이즈가 맞지 않는 상품을 주문한 경우에도, 결제 시 적절한 보호 서비스를 추가했고 문제가 보장 범위에 해당한다면 소비자는 직접 주문했을 때와 동일한 방식으로 문제를 해결할 수 있어야 합니다. 저희는 보장 대상 결과에 대해 재정적으로 책임을 집니다. 소비자는 자신과 에이전트 중 누가 잘못했는지 중재할 필요가 없어야 합니다.
귀사는 AI가 Seel 고객 지원 티켓의 80%를 더 빠르게 처리한다고 밝혔습니다. 실제로 ‘더 빠르게 처리한다’는 것은 어떤 의미인가요? 사람의 개입 없이 해결되는 비율은 어느 정도이며, 고객이 실제로 더 나은 서비스를 받고 있는지는 어떤 지표로 확인하나요?
이는 예전에는 사람의 업무를 지연시키던 일을 AI가 처리한다는 뜻입니다. 사례를 읽고, 주문 및 배송업체 데이터를 가져오고, 판매자의 정책을 확인한 뒤 대부분의 경우 문제 해결까지 마칩니다. AI는 전체 지원 티켓의 80%를 처리합니다. 업계에서 보통 60~70%를 이야기하는 것과 달리, 저희는 전체 지원 사례의 99% 이상을 해결합니다.
하지만 처리 완료율만으로는 서비스가 나쁜지 알기 어려울 수 있습니다. 고객을 응대하지 않고 돌려보내는 봇도 대시보드에서는 실적이 좋아 보이기 때문입니다. 그래서 티켓 재개율, 상담원에게 에스컬레이션되는 비율, 고객 만족도 같은 지표를 추적합니다. 고객이 불편을 겪는 순간에는 속도가 중요합니다. 배송 주소를 변경하려면 보통 서로 다른 주문 및 배송 처리 시스템을 오가며 이메일을 주고받아야 합니다. 저희 상담원은 몇 분 만에 처리합니다.
제가 가장 중요하게 여기는 지표는 고객이 다시 구매하는지 여부입니다. 저희 네트워크에서는 재구매 고객의 69%가 첫 주문에 보호 서비스를 이용했습니다.
“저는 에이전트를 지지하지만, 자동 조종을 지지하는 것은 아닙니다”라고 말씀하셨습니다. 어떤 의사결정은 의도적으로 사람에게 맡기시나요? 겉보기에는 일상적인 사례라도 사람의 판단이 필요한 경우를 시스템은 어떻게 알아차리나요?
자동 조종이란 아무도 지켜보지 않는다는 뜻입니다. 저희는 에이전트가 대부분의 일을 처리하고, 판단이 중요한 사안은 사람이 결정하기를 바랍니다.
세 가지 유형의 의사결정은 사람에게 맡깁니다. 정책을 정하는 모든 결정, 잘못 판단했을 때 되돌리는 데 비용이 많이 드는 사례, 그리고 규칙에 따른 답이 공정하지 않을 수도 있을 만큼 이례적인 사례입니다. AI는 이러한 경계 안에서 일상적인 사례를 처리하며, 스스로 권한을 확대할 수 없습니다. 어떤 조치가 승인되지 않았거나 추가 승인이 필요하거나 특별한 처리가 필요한 사례라면 곧바로 사람에게 에스컬레이션합니다.
시스템은 요청 유형뿐 아니라 그 요청을 둘러싼 맥락도 살핍니다. 여기에는 위험도, 긴급성, 고객의 불만 정도, 정책상 민감성이 포함됩니다. 위험도가 높은 사례는 사람에게 전달하고, 정책상 민감한 사례는 조치에 앞서 추가 확인이 필요할 수 있습니다. 이러한 기준은 모든 상황에 공통으로 적용되는 단일 금액이나 신뢰도 점수로 정하는 것이 아니라, 판매자와 업무 흐름에 맞춰 설정합니다. 예를 들어 신속 처리나 더 높은 지급액을 요청하는 경우에는 AI의 자율 처리 권한 범위를 벗어날 수 있습니다.
고객 조사에 따르면 Z세대 소비자 중 상당수는 문제를 해결할 때 여전히 사람이 관여하기를 바랍니다. 특히 고객이 결정에 이의를 제기하거나 사람과 직접 이야기하고 싶어 할 때, 신뢰를 얻는 AI 지원 서비스를 설계하는 방법에 관해 무엇을 알게 되셨나요?
Z세대는 AI를 가장 편하게 받아들이는 세대이면서, 기업이 고객을 피하려고 AI를 이용할 때 이를 가장 빨리 알아차리는 세대이기도 합니다. 2026년 Z세대 쇼핑 보고서에서 Z세대의 49%는 문제를 사람과 해결하는 편이 낫다고 답했습니다. 이들은 여전히 신속한 해결을 원합니다. 쇼핑객의 87%는 문제가 2~3일 안에 해결되기를 기대합니다.
저희가 알게 된 것은 신뢰가 봇이 아니라 빠져나갈 수 있는 선택지에서 비롯된다는 점입니다. 쇼핑객은 사람과 이야기할 수 있다는 사실을 알면 AI가 일을 처리하도록 기꺼이 맡깁니다. AI가 장벽이 되면 답변이 정확하더라도 신뢰는 무너집니다.
그래서 저희는 다음 세 가지를 염두에 두고 설계합니다.
- 불만이 쌓이기 전에 문제를 해결할 수 있도록 신속하게 처리
- AI가 거부할 때마다 알기 쉬운 말로 명확한 이유 제시
- 고객이 같은 설명을 반복하지 않도록, 전체 이력을 즉시 확인할 수 있는 담당자에게 한 단계만 거쳐 연결
에이전트가 환불을 처리하고 주문을 변경하거나 판매자 시스템 전반에 걸쳐 조치를 취할 수 있다면 실수는 금전적 결과를 초래합니다. 권한을 어떻게 관리하고, 중복되거나 승인되지 않은 조치를 어떻게 방지하며, 문제가 발생했을 때 어떤 일이 있었는지 어떻게 재구성하나요?
각 에이전트에는 업무에 필요한 권한만 부여하며, 그 이상은 부여하지 않습니다. 권한 범위는 판매자와 합의한 특정 업무 흐름으로 제한합니다. 직원 계정과 분리된 전용 계정이나 API 토큰을 사용하므로 판매자는 언제든지 권한을 조정하거나 일시 중지하거나 철회할 수 있습니다.
대규모 환불과 같은 위험도가 높은 조치에는 판매자의 요구사항에 따라 사람의 검토를 설정하거나 금액 및 규칙에 기반한 기준을 적용할 수 있습니다. 에이전트에 시스템 접근 권한을 준다고 해서 제한 없는 권한까지 부여해야 하는 것은 아닙니다.
시스템에서 이루어지는 모든 조치에는 발생 시각, 수행 내용, 조치를 유발한 요인이 기록됩니다. 문제가 생기면 이 기록을 바탕으로 판매자와 함께 조사하고, 되돌리는 작업을 지원하며, 이후 규칙을 더 엄격하게 조정할 수 있습니다.
1-Click Resale에서는 에이전트가 여러 마켓플레이스에 걸쳐 상품 등록 정보를 작성하고 가격을 정하며 판매를 조율합니다. 상품 설명과 가격은 어떻게 검증하고, 마켓플레이스 업데이트가 지연될 때 같은 상품이 두 번 판매되지 않도록 어떻게 방지하나요?
저희 Resale 대행 서비스는 판매자가 대개 피하고 싶어 하는 일을 대신합니다. 쇼핑객이 올린 사진을 검토해 상품 상태를 확인하고, 시장 가격에 맞춰 가격을 책정한 뒤 상품을 등록하며, 판매가 완료되면 등록을 취소합니다.
상품 설명은 이미 보유한 데이터에서 시작합니다. 상품이 판매자의 주문에서 나온 것이므로 대행 서비스는 원래 상품 기록을 바탕으로 작업합니다. 비슷한 상품이 실제로 판매된 가격을 기준으로 상품 상태를 반영해 가격을 정합니다. 진행하기 전에 쇼핑객이 견적을 확인하며, 상품 등록과 누락된 세부 정보 처리는 저희 팀이 담당합니다.
목표는 재판매를 더 쉽게 만들어 쇼핑객이 더 이상 원하지 않는 상품의 가치를 회수할 수 있도록 하는 것입니다. 반품 기간이 지난 뒤에도 마찬가지입니다.
Seel의 LLM Gateway를 공개하게 된 운영상의 어려움은 무엇이었으며, 신뢰성, 지연 시간, 비용을 고려해 작업별로 모델을 어떻게 선택하시나요? 모델 호출 건당 경제성을 평가하시나요, 아니면 고객에게 제공한 결과를 성공적으로 완수한 건당 경제성을 평가하시나요?
처음에는 우리 스스로 사용하려고 만들었습니다. 자체 워크플로를 운영하기 위해 Seel Agencies를 개발하면서, 대규모로 AI를 운영하려면 모델을 조달하는 방식부터 체계적으로 관리해야 한다는 점을 깨달았습니다. 규모를 키우고 신뢰성을 확보하는 한편, 최고의 모델을 이용하고 예측 가능한 단위당 경제성을 달성해야 했기에 이를 위한 인프라를 구축했습니다. 판매자들도 모델별, 요청별로 비용이 계속 늘어나는 같은 문제를 겪고 있었기에 인프라를 공개했습니다.
작업에 따라 모델을 연결합니다. 이메일에서 주문 번호를 추출하는 일에는 복잡한 다단계 문제를 해결할 때와 같은 모델이 필요하지 않습니다. LLM Router는 요청의 복잡도를 평가한 뒤 고객이 허용한 모델 중에서 적절한 모델로 연결합니다. 고객은 성능, 비용 절감 또는 두 가지의 균형을 선택할 수 있습니다. 이를 통해 단순한 작업에서 비용을 얼마나 적극적으로 절감할지 직접 결정할 수 있습니다.
실제 작업 부하에서도 신뢰성과 지연 시간이 기준을 충족해야 합니다. 라우팅을 더 적극적으로 적용하기 전에 품질, 응답 시간, 비용을 테스트할 것을 권장합니다. 복잡한 워크플로를 처리하거나 엄격한 일관성이 필요한 작업에서는 자동 라우팅을 사용하지 않고 특정 모델을 계속 이용할 수 있습니다.
LLM Router는 고객에게 제공한 결과의 완수 건당이 아니라 모델 사용량을 기준으로 요금을 부과합니다. 스마트 라우팅을 이용하면 실제로 실행된 모델의 요율에 따라 요금이 청구됩니다. Seel은 라우팅 결정을 내리기 위해 요청의 복잡도를 평가하는 비용을 부담합니다.
AI 비즈니스를 구축하는 창업자들에게 Seel을 운영하며 얻은 교훈은 무엇인가요? 인상적인 시연과 고객이 믿고 맡길 수 있는 서비스는 어떻게 다른가요? 판매자는 비즈니스 기능 전체를 AI 에이전시에 맡기기 전에 어떤 근거를 요구해야 할까요?
시연은 시스템이 한 번 작동하는 모습을 보여 줍니다. 서비스는 운송사의 API가 다운되고 고객이 화가 난 새벽 2시에도 1만 번째 사례를 처리하는 모습을 보여 줍니다. 어려운 부분은 결코 모델이 아니었습니다. 문제는 부실한 데이터, 서로 다른 정보를 내놓는 시스템, 그리고 AI가 행동해서는 안 되는 때를 알아내는 일이었습니다.
판매자는 시연이 아니라 근거를 요구해야 합니다. 에이전시는 전체 사례 중 몇 퍼센트를 처음부터 끝까지 해결하나요? 문의 티켓 감소를 넘어, 해결에 걸리는 시간과 재구매율은 어떻습니까? 잘못 처리했을 때는 누가 비용을 부담하고, 얼마나 빨리 처리하며, 에이전시가 한 일을 정확히 확인할 수 있습니까? 에이전시를 운영하는 데는 인력이 몇 명이나 필요합니까?
멋진 인터뷰에 감사드립니다. AI 에이전시, 구매 후 서비스, 이커머스 자동화에 대해 더 알아보고 싶은 독자는 Seel을 방문해 보세요.












