반복되고 패턴이 있는 조회는 AI에게, 틀렸을 때 비용이 큰 판단은 사람에게 남겨요. 어디까지 자동화하느냐가 아니라 어디서 멈추느냐가 설계예요. 문의의 95%를 AI에 넘긴 회사가 끝까지 사람에게 남긴 일이 있었어요.
제안서를 접은 이야기에서 이어지는 질문이에요. 그럼 AI는 어디에 붙여야 할까요?
상담자 3명이 엑셀을 보고 복사해 붙이고 있었어요
한 제조·유통사였어요. 고객 문의가 들어오면 상담자 3명이 엑셀을 찾아 복사해 붙이고, 재고를 조회해서 답하는 구조였어요. 3명의 경험과 역량은 제각각이었고요.
이 회사엔 특수한 사정이 하나 있어요. 제품을 법상 집으로 보낼 수 없고, 정해진 곳에서 받아야 해요. 그러니 배송 문의와 재고 문의가 쏟아져요.
도입 전 고객들은 화가 나 있었어요. 답은 느리고, 4명이 처리할 수 있는 양엔 한계가 있고, 이분들도 퇴근은 해야 하니까요.
AI에 넘긴 것: 재입고 문의 95%, 배송 문의 70%
챗봇을 만들어 재입고 문의는 약 95%를 AI가 처리하게 했어요. 사람은 그중 진짜 특수한 경우만 받아요. 배송 문의는 약 70%를 AI가 맡고, 받는 곳 관련 문의 같은 나머지만 상담자가 받아요.
여기까지면 흔한 자동화 성공담이에요. 제가 하고 싶은 얘기는 그다음이에요.
AI가 자꾸 잘못 판단한 것: 제품 사진
환불 건도 AI가 처리할 수 있었어요. 그런데 제품이 아주 작잖아요. 고객이 사진을 찍어 보내면 AI가 자꾸 잘못 판단하더라고요.
그래서 그 일은 사람에게 남겼어요. "이런 부분만 사람이 하세요."
100%를 자동화하겠다고 밀어붙였다면 어떻게 됐을까요? 환불 판정을 AI가 틀릴 때마다 고객 신뢰가 깎였을 거예요. 그걸 수습하는 건 다시 상담사의 일이 됐을 거고요. 자동화율 숫자는 올라가는데 현장은 더 힘들어지는 거죠.
기준은 단순해요. 반복되고 패턴이 있는 조회는 AI, 틀렸을 때 비용이 큰 판단은 사람. 어디까지 자동화하느냐가 아니라 어디서 멈추느냐가 설계예요.
결과: 상담사 업무 70% 감소
이렇게 나누고 나니 상담사들의 업무가 70% 줄었어요. 도입 직후 현장에서 나온 말은 "거의 반은 준 것 같아요"였어요. 실제 처리량으로 재보니 그보다 더 줄어 있었고요. 화가 나 있던 고객들의 욕도 사라졌어요. 답이 빨라졌으니까요.
이 프로젝트에서 제가 배운 건 사실 이 회사 대표님이 의뢰한 이유였어요. 인건비를 줄이고 싶다가 아니었어요. "직원들이 너무 고생한다, 그 시간을 줄여주고 싶다"였어요. 직원들이 편해지면 상담을 더 잘하게 되고, 자부심을 느끼는 일에 시간을 쓰게 되고, 그게 결국 회사 매출에 도움이 되는 선순환 아니냐고요. 대표님이 먼저 그렇게 말씀하시더라고요.
지난 글에서 쓴 문장, 기억하시나요? AI 자동화는 매출에 바로 이어지지 않지만, 직원의 시간을 돌려주면 선순환이 생긴다. 그 문장의 실제 사례가 이 회사예요. 어떤 순서로 나눴고 70%를 어떻게 쟀는지는 한 제조·유통사 AI 도입 사례에 정리해 뒀어요.
다음 이야기
AI가 잘하는 일과 사람이 잘하는 일을 나눴는데, 사실 그 사이에 하나가 더 있어요. AI도 사람도 아닌, 코드가 답인 일이에요. "AI로 해주세요"라는 요청에 코드로 답하게 된 이야기로 이어져요.
우리 회사 일 중에 "이건 AI가 자꾸 틀릴 것 같은데" 싶은 일이 있다면 상담 신청으로 알려주세요.