고객 지원을 위한 에이전트 이점 4장

전사적으로 자율 지원 확대

처음으로 자율적인 유스케이스를 실제 운영 환경에 도입하는 것은 매우 중요한 단계입니다. 그러나 더 큰 기회는 자율 해결이 지원 조직의 운영 체계에 통합될 때 생겨납니다. 이를 위해서는 개별 워크플로에서 나아가 AI 에이전트를 시스템, 지식, 프로세스 및 지원 수명 주기 전반에 걸친 거버넌스와 연결해야 합니다.

목표는 기존 지원 인프라를 대체하는 것이 아닙니다. 지능적인 계층을 구축하여 그러한 계층 전반에서 논리적으로 판단하고 행동할 수 있도록 함으로써 모든 단계를 사람이 수동으로 연결하지 않아도 더 많은 문제가 탐지 단계에서 해결 단계로 나아갈 수 있도록 하는 것입니다.

해결에 관여하는 여러 시스템 연결하기

대부분의 지원 조직은 이미 필요한 기술의 상당 부분을 보유하고 있습니다. 문제는 이러한 시스템들이 하나의 연속적인 해결 프로세스로 작동하도록 설계되지 않았다는 점입니다.

시스템이 연결되어 있지 않을 때에는 지원 엔지니어가 그 공백을 메우게 됩니다. 지원 엔지니어는 시스템 간에 정보를 복사하고, 여러 저장소를 검색하며, 로그를 조회하고, 엔지니어링 티켓을 생성합니다. 또한 고객 기록을 업데이트하고 케이스를 진행하는 데 필요한 작업을 수동으로 수행합니다.

자율 지원은 그러한 모델을 변화시킵니다. AI 에이전트가 지원 환경 전반에서 컨텍스트를 수집하고 적절한 다음 단계를 논리적으로 판단하며 시스템 간 작업을 조정할 수 있습니다. 또한 지원 엔지니어에게 다음에 수행해야 할 작업을 추천하는 데 그치지 않고 점차 해당 작업을 직접 수행하고 결과를 검증할 수 있습니다.

그러한 시스템 간 오케스트레이션이 AI 지원을 자율 해결로 전환하는 핵심입니다.

에이전트에 제공하는 지식의 양보다 품질에 집중하기

3장에서 살펴본 바와 같이 자율 지원은 AI 에이전트가 사용할 수 있는 지식의 품질을 기반으로 합니다. 이러한 요건은 기업 규모에서 더욱 중요해집니다. 지원 관련 지식은 끊임없이 변화하고 있습니다. 새로운 릴리스에는 새로운 기능이 추가됩니다. 엔지니어링 팀은 새로운 문제들을 발견합니다. 지원 에이전트는 새로운 해결책을 찾습니다. 고객은 조직이 이전에 경험하지 못한 구성을 도입합니다.

정적인 지식 기반은 빠르게 뒤처질 것입니다. 조직에는 지원 상호작용을 활용 가능한 해결 인텔리전스로 전환하기 위한 지속적인 프로세스가 필요합니다. 종료된 케이스를 분석하여 누락되거나 최신 정보가 아닌 지식을 파악하고 성공적인 해결 방안을 기존 문서와 연관시키고 지식의 공백이 있는 경우 새로운 지식을 생성할 수 있습니다.

사람의 개입은 그러한 프로세스에서 중요한 역할을 합니다. AI 에이전트가 케이스를 에스컬레이션하고 엔지니어가 이를 성공적으로 해결할 때 그러한 해결 방안은 향후 성과를 개선할 수 있는 기회를 제공합니다. 해결 방안을 수집하여 관련 지식에 통합하고 새로운 정보에 따라 에이전트를 평가한 후 향후 케이스에 활용할 수 있도록 하세요.

시간이 지남에 따라 지식 기반은 제품과 함께 발전하며 자율적으로 해결할 수 있는 범위 또한 이에 맞추어 확대될 수 있습니다.

운영 모델에 평가 단계 포함하기

전통적인 자동화는 평가하기가 비교적 쉽습니다. 결정론적 워크플로는 미리 정의된 단계를 올바르게 완료했거나 완료하지 못했거나 둘 중 하나입니다. 에이전트 시스템에는 보다 폭넓은 접근 방식이 필요합니다.

지원 조직은 AI 에이전트가 케이스를 분류하고, 지식을 검색하고, 다음 단계를 추론하는 것뿐만 아니라 작업을 실행하고, 고객과 상호작용하며 사람의 지원이 필요한 시점을 결정하는 방식을 명확하게 파악할 수 있어야 합니다. 이러한 가시성은 평가를 통해 확보할 수 있습니다. 목표는 단순히 에이전트가 '작동했는지' 여부를 판단하는 것이 아닙니다. 자율 해결이 성공한 지점, 지원이 필요했던 지점, 그리고 그 이유를 파악하는 것입니다.

이러한 인사이트는 시스템을 개선하는 데 필요한 피드백 루프가 됩니다. 에이전트가 특정 유형의 케이스를 반복적으로 에스컬레이션하는 경우 팀은 그러한 문제의 원인이 지식 부족, 시스템 액세스 권한 부족, 에이전트 역량, 거버넌스 제약, 사람이 처리해야 하는 상황 중 무엇인지 조사할 수 있습니다.

따라서 평가는 단순한 품질 관리 기능 그 이상을 의미합니다. 이는 조직이 자율성을 체계적으로 확대하기 위해 사용하는 메커니즘 중 하나가 됩니다.

모든 자율 행동에 거버넌스 적용하기

AI 에이전트가 할 수 있는 일이 많아질수록 AI 에이전트가 수행해야 하는 작업을 통제하는 것이 더욱 중요해집니다. 자율 지원에는 에이전트 권한, 데이터 액세스 권한, 승인된 작업, 에스컬레이션 조건 및 사람의 감독에 대한 명확한 기준이 필요합니다.

예를 들어 사전에 정의된 요건이 충족되는 경우 일상적인 액세스 요청은 완전한 자율 해결로 처리하는 것이 적합할 수 있습니다. 보다 중대한 작업의 경우 추가적인 검증이나 사람의 승인이 필요할 수 있습니다. 또 어떤 케이스는 자율 실행에 전혀 적합하지 않은 것으로 분류될 수 있습니다.

적절한 기준은 조직, 유스케이스, 고객 및 위험 수준에 따라 달라집니다. 목표는 어떤 상황에서든 자율성을 최대화하는 것이 아니라 신뢰할 수 있는 자율성을 확보하는 것입니다. 다시 말해서 조직이 지식, 프로세스, 통제력 및 결과를 신뢰할 수 있는 경우 에이전트의 독립적인 작동을 허용하고 이러한 조건이 충족되지 않을 때에는 사람을 개입시키는 것입니다.

조직이 평가와 입증된 결과를 통해 신뢰를 쌓아감에 따라 이러한 기준은 변경될 수 있습니다.

사전 예방적 지원을 측정 가능한 역량으로 전환하기

자율 지원은 해결이 시작되는 시점을 바꿔놓을 기회도 제공합니다. 전통적인 모델에서는 케이스가 이미 생성된 후에 평균 처리 시간 및 평균 해결 시간과 같은 지표가 집계되기 시작됩니다. 그러나 가장 좋은 고객 지원 상호작용은 고객이 지원을 요청할 필요가 없는 경우일 수 있습니다.

AI 에이전트를 모니터링, 가시성 및 제품 시스템과 연결하면 지원 조직이 고객의 환경에서 발생할 수 있는 특정 이상 현상이나 장애를 지원 요청으로 이어지기 전에 파악할 수 있습니다. 이를 통해 에이전트는 진단 정보를 수집하고 적절한 대응 방안을 결정하며, 권한이 부여된 경우 문제 해결을 시작하고 결과를 검증한 후 필요한 지원 기록을 생성할 수 있습니다.

이는 지원 성과를 평가하는 또 다른 기준을 제시합니다. 즉, 조직이 고객 문제에 얼마나 신속하게 대응하는지만이 아니라 고객이 심각한 중단 문제를 겪기 전에 얼마나 많은 문제를 파악하고 해결할 수 있는지를 평가합니다. 이는 사후 대응적 지원에서 사전 예방적 해결로의 전환입니다.

자율성 달성에 대한 진행률 평가하기

지원 조직에서 이미 사용 중인 KPI는 여전히 중요합니다. 평균 처리 시간, 평균 해결 시간, 티켓당 비용, 에스컬레이션 비율, SLA 성과 및 CSAT는 여전히 지원 서비스가 더 신속하고 효과적으로 이루어지고 있는지 여부를 보여줍니다. 그러나 자율 지원 방식으로 전환하고자 하는 조직은 해결 과정 중 여전히 사람의 개입이 필요한 부분이 얼마나 되는지를 추가적으로 고려해 보아야 합니다.

이는 여러 수준에서 측정할 수 있습니다. 조직은 케이스가 완전히 자동으로 해결된 비율, 인적 지원이 필요한 비율, 에스컬레이션이 가장 자주 발생하는 지점, 그리고 이러한 수치가 시간에 따라 어떻게 변화하는지를 추적할 수 있습니다.

복잡한 케이스에 있어 진행률은 지원 기반 해결에서 완전한 자율 해결로 즉시 전환되는 것을 의미하지는 않습니다. 만약 이전에는 L2 케이스가 전체 수명 주기 동안 지원 엔지니어를 필요로 했으나 이제는 AI 에이전트가 해당 엔지니어를 투입하기 전에 분류, 컨텍스트 수집, 지식 검색, 진단 분석을 자율적으로 수행할 수 있다면 조직은 이미 L2 케이스의 경제성을 변화시킨 것입니다.

다음 목표는 남아 있는 작업 중 어떤 부분이 안전하게 자율적으로 전환될 수 있는지 결정하는 것입니다. 이는 자율성을 조직이 단순히 보유하거나 보유하지 않은 최종 상태가 아니라 지속적으로 개선할 수 있는 지표로 만들어 줍니다.

기존 지원 투자 기반 강화하기

자율 지원으로 전환할 때는 조직이 이미 의존적으로 사용하고 있는 시스템을 바꿀 필요가 없습니다. Automation Anywhere의 고객 지원을 위한 에이전트 솔루션은 지원 에코시스템 전반에 걸쳐 작동하며 해결에 관련된 애플리케이션, 지식, 데이터 및 프로세스를 연결하도록 설계되었습니다.

자율 셀프 서비스는 적합한 일상적인 케이스를 처음부터 끝까지 처리할 수 있습니다. 지능형 에이전트 지원은 사람의 전문 지식이 필요한 경우 엔지니어를 지원할 수 있습니다. AI 에이전트는 사용 가능한 컨텍스트를 기반으로 추론을 수행하고 여러 시스템에 걸쳐 작업을 조정할 수 있는 한편, 지속적인 평가와 지식 향상을 통해 시간이 지남에 따라 자율적으로 해결할 수 있는 범위를 확대할 수 있습니다.

그 결과는 또 다른 분리된 지원 도구를 만드는 것이 아닙니다. 이는 이미 고객을 지원하고 있는 시스템과 지식이 보다 지능적인 해결 프로세스의 일부가 되어 함께 작동하게 만드는 것입니다.

지원 리더에게 이는 다음과 같은 측정 가능한 비즈니스 성과로 향하는 길을 열어줍니다.

• 지원 역량을 소모하는 일상적인 티켓 및 에스컬레이션 감소
• 자율적으로 처리되는 케이스와 사람이 지원하는 케이스 모두에서 해결 속도 증대
• 에이전트, 채널 및 지역 전반에 걸쳐 보다 일관된 지원 제공
• 정보 검색 및 시스템 간 이동에 소요되는 시간 절감
• 비례적인 인력 증대 없이 처리 역량 강화
• 해결 과정에서 자율 처리의 비율이 증가함에 따라 서비스 비용 감소
• 고객이 서비스 중단을 겪기 전에 더 많은 문제를 조기에 발견하고 해결

이점은 단순히 동일한 지원 업무를 더 빠르게 수행하는 것만이 아닙니다. 처음부터 지원 업무의 확장성을 저해했던 수동 작업을 점진적으로 줄여나가고 있습니다.