고객 지원을 위한 에이전트 이점: 기업을 위한 자율 해결 로드맵

AI 에이전트를 활용하여 인적 노력을 줄이고 해결 속도를 높이며 지원 규모를 확대하는 실용적인 가이드

요약 보고

최첨단 고객 지원은 역설적인 상황에 놓여 있습니다. 제품은 그 어느 때보다 정교해졌지만 지원 프로세스의 대다수는 지난 10년 동안 근본적으로 변하지 않았습니다.

모든 고객 문제에는 여러 애플리케이션과 통합 기능, API, 구성, 제품 버전 및 인프라 종속성이 포함될 수 있습니다. 하나의 기술 문제를 진단하기 위해서 지원 엔지니어는 지식 기반을 검색하고, 로그를 검토하고, 케이스 이력을 재구성하며, 제품 문서를 참조하고, 해결이 시작되기도 전에 여러 시스템을 오가야 할 수 있습니다.

그와 동시에 고객의 기대치는 반대 방향으로 움직이고 있습니다. 고객은 자신의 환경이 얼마나 복잡한지, 지원 엔지니어가 얼마나 많은 시스템을 탐색해야 하는지 신경 쓰지 않으며 빠르고 정확하고 일관된 해결 방안을 기대합니다.

지금까지의 전통적인 해결책은 처리 능력을 늘리는 것이었습니다. 티켓이 늘어나면 사람 상담원이 더 많이 필요합니다. 제품이 복잡해지면 전문가가 더 많이 필요합니다. 지원 콘텐츠가 많아지면 지식 기반이 더 커져야 합니다. 그리고 조직에서 수요를 줄여야 할 때는 셀프 서비스 계층을 하나 더 추가합니다.

이러한 모델은 한계에 다다르고 있습니다.

지원 리더들은 이제 해결 시간을 줄이고 고객 만족도를 높이는 동시에 서비스 비용을 절감하고 인력을 비례적으로 늘리지 않고도 규모를 확장해야 하는 상태입니다. 기존 지원 모델의 개별 요소를 최적화하는 것만으로는 한계가 있습니다.

업계 설문조사에 따르면 지원 팀은 그 어느 때보다 더 많은 업무를 처리하고 있으며, 지원 팀의 34%가 티켓 처리량의 증가를 경험하고 있고 조직들은 월평균 10,675건의 티켓을 처리하고 있습니다. 인력을 추가하는 것조차도 그 자체로 문제를 야기합니다. 예를 들어 정보 과부하(67%)와 시스템 복잡성(43%)은 신규 채용자가 기술 숙련도를 갖추는 것을 방해하는 요소로 작용합니다.

에이전트 AI는 모델 자체를 변화시킬 수 있는 기회를 제공합니다.

AI 에이전트는 고객 문제가 발생한 후에 이를 해결하기 위해 인력과 정보를 모으는 것이 아니라 점차적으로 이러한 작업을 스스로 수행할 수 있습니다. 즉, 문제를 이해하고 맥락을 수집하고 지식을 검색하며 적절한 대응 방안을 논리적으로 판단하고 여러 시스템에서 조치를 취하며 전문 지식을 갖춘 사람의 개입이 필요한 시점을 결정할 수 있습니다. 변화는 한 번에 일어나지 않습니다. 자율 지원이 모든 상호작용에서 사람을 완전히 배제해야 하는 것도 아닙니다.

조직은 먼저 엔드 투 엔드 자율 해결이 가능한 예측 가능하고 처리량이 많은 케이스부터 도입을 시작할 수 있습니다. 더 복잡한 문제의 경우 AI 에이전트가 해결 과정의 일부를 완료하고 지원 엔지니어가 여전히 사람의 전문 지식이 필요한 작업을 처리할 수도 있습니다. 성공적인 해결로 이어질 때마다 새로운 지식이 생성되며, 이러한 지식은 다음 번에 에이전트가 자율적으로 해결할 수 있는 범위를 확대하는 데 도움이 됩니다.

목표는 그 범위를 지속적으로 넓혀나가는 것입니다.

이 플레이북은 다음과 같은 로드맵을 제공합니다. 현재 지원 모델에서 마찰이 발생하는 지점을 알아보고, 자율 해결을 위한 기반을 구축하며, 시작하기에 적합한 기회를 파악하고, 지원 수명 주기 전반에 걸쳐 자율성을 점진적으로 확대하는 것입니다.