고객 지원을 위한 에이전트 이점 2장

지원을 가로막는 원인 파악

자율적인 지원 운영 방식을 구축하기 전에 현재 모델이 불필요한 업무를 발생시키는 지점을 파악해야 합니다.

대부분의 조직에서 문제는 하나의 중단된 프로세스가 아닙니다. 문제는 증가하는 제품 복잡성, 분산된 시스템과 지식, 수동 작업, 그리고 고객이 문제를 겪은 후에야 지원이 시작되는 운영 모델이 복합적으로 미치는 영향입니다.

조직의 규모가 확장됨에 따라 이러한 문제점은 더욱 두드러지게 나타납니다.

문제 해결을 더 어렵게 만드는 제품 복잡성

기술 제품의 기능이 향상될수록 문제가 발생했을 때 지원 팀이 고려해야 하는 변수도 많아집니다.

겉보기에는 단순해 보이는 고객 문제도 특정 소프트웨어 버전이나 배포 구성, 통합, API, 운영 환경, 타사 종속성에 따라 달라질 수 있습니다. 지원 엔지니어는 로그를 살펴보고 기술 문서를 참고하며 이전 케이스를 검토하고 고객의 구성 환경을 이해한 다음, 문제가 제품에서 발생한 것인지 또는 고객의 기술 스택 내 다른 곳에서 발생한 것인지 판단해야 할 수 있습니다.

이로 인해 지원 업무는 점점 더 조사 중심적으로 변하게 됩니다.

문제는 단순히 답을 찾는 것에 그치지 않습니다. 이 시점에, 이 환경에서, 이 고객에게 어떤 답변이 적절한지 이해할 수 있을 만큼 정확한 맥락을 수집하는 것입니다.

복잡성이 증가함에 따라 전문 지식의 가치도 더 커집니다. 케이스가 지원 계층 간을 이동하거나 제품에 대해 더 깊은 전문 지식을 보유한 엔지니어에게 에스컬레이션됨에 따라 해결 시간과 비용이 모두 증가합니다.

확장성 문제를 야기하는 인력에 의존하는 지원 방식

전통적인 고객 지원은 선형적으로 확장됩니다. 티켓량이 증가할 때 조직은 이를 처리하기 위해 인력을 증대합니다. 이는 예측 가능한 악순환을 만들어 냅니다. 더 많은 고객이 더 많은 케이스를 생성하고, 이에 따라 더 많은 에이전트, 더 많은 교육, 더 많은 관리, 더 전문화된 지식이 필요해집니다.

모든 지원 엔지니어가 서로 대체될 수 있는 것은 아니므로 이 모델은 기업 입장에서 특히 까다롭습니다. 복잡한 제품에는 특정 구성 요소나 구성 방식, 기술 환경을 잘 아는 전문가가 필요합니다. 이러한 역량은 개발하는 데 시간이 소요되며 수요가 증가함에 따라 병목 현상을 유발할 수 있습니다.

AI 지원은 이러한 인력의 생산성을 높일 수 있으나 생산성 향상만으로는 근본적인 제약을 해소할 수 없습니다. 문제를 해결할 때마다 사람이 개입하여 작업을 완료해야 한다면 지원 역량은 계속해서 인적 역량에 묶여 있게 됩니다. 자율 지원이 가져다주는 기회는 바로 그 관계를 변화시키는 데 있습니다. 일상적인 업무는 점차적으로 사람의 개입 없이 완료될 수 있으며 전문가들은 새로운 문제, 모호한 문제, 가치 높은 문제에 집중할 수 있습니다.

문제 해결에 할애되어야 할 시간을 소모하는 시스템 간 이동

지원 케이스를 해결하는 데 필요한 정보가 한곳에만 있는 경우는 거의 없습니다.

지원 엔지니어는 근본적인 문제를 조사하기 위해 티켓팅 시스템, CRM, 지식 기반, 고객 포털 및 커뮤니케이션 플랫폼부터 살펴볼 수 있습니다.

각 시스템에는 해결책의 일부가 포함되어 있습니다.

지원 엔지니어는 통합 계층의 역할을 하며 케이스가 시스템 경계를 넘을 때마다 애플리케이션 간에 정보를 수동으로 이동시키고 맥락을 다시 구성합니다. 그 결과, 해결 시간이 길어지고 불필요한 수동 작업이 발생하며 핸드오프 과정에서 정보가 유실될 가능성이 더욱 커집니다.

이것이 바로 자율 지원이 단순히 티켓팅 시스템을 기반으로 구축된 AI 인터페이스만으로는 충분하지 않은 이유 중 하나입니다. AI 에이전트는 해결에 관련된 시스템 전반에서 컨텍스트를 검색하고 조치를 취할 수 있어야 합니다.

시스템 간 이동을 없애면 에이전트의 생산성만 높아지는 것이 아닙니다. 이는 해결 수명 주기의 더 많은 부분을 자율적으로 완료할 수 있는 기반을 마련합니다.

사람과 AI의 역량을 제한하는 단절된 지식

엔터프라이즈 조직은 지원에 관한 지식이 부족하지 않습니다. 많은 케이스에서 지나치게 많은 지식을 보유하고 있습니다.

수년간 축적된 종료된 티켓, 지식 문서, 기술 문서, 문제 해결 가이드, 릴리스 노트, 엔지니어링 문서 및 내부 대화 자료는 방대한 양의 조직적 지식을 포함할 수 있습니다. 하지만 그러한 지식은 중복되거나, 오래되었거나, 일관성이 없거나, 서로 다른 저장소에 분산되어 있을 수 있습니다.

사람 상담원에게 있어 이는 더 많은 시간을 검색에 할애하고 암묵적 지식에 더욱 의존하게 됨을 의미합니다. AI 에이전트의 경우 이러한 문제는 더욱 중대한 결과를 초래하게 됩니다. 단순히 AI 에이전트를 수년간 축적된 지원 콘텐츠에 연결한다고 해서 신뢰할 수 있는 자율 해결이 자동으로 이루어지는 것은 아닙니다. 지식은 최신 상태이고 관련성이 높으며 체계적으로 구성되어 있어야 합니다. 또한 에이전트가 특정 케이스를 논리적으로 판단하는 데 필요한 맥락에서 제공되어야 합니다.

이는 지식 준비도가 자율성으로 나아가는 과정의 기반 중 하나임을 의미합니다.

해결 프로세스를 크게 지연시키는 사후 대응적 지원

전통적인 지원 주기는 고객으로부터 시작됩니다. 문제가 발생합니다. 고객이 문제를 경험합니다. 고객이 해결책을 찾습니다. 해결책을 찾지 못하면 티켓을 생성합니다. 티켓이 대기열에 접수되고 에이전트에게 전달되면 조사가 시작됩니다. 정의상 이 조직은 이미 뒤처져 있습니다.

매우 효율적인 사후 대응적 지원조차도 고객이 문제를 겪은 후에야 문제 해결을 시작합니다. 자율 지원은 그러한 모델을 뒤집을 가능성을 열어줍니다. AI 에이전트는 가시성 및 모니터링 시스템을 함께 활용하여 고객 환경에서 특정 문제를 파악하고 진단 정보를 수집하며 고객이 문제를 보고하기 전에 적절한 조치를 취할 수 있습니다.

모든 문제가 이러한 방식으로 처리될 수 있는 것은 아니며, 그렇게 처리해야 하는 것도 아닙니다. 그러나 지원 업무의 일부라도 사후 대응에서 사전 탐지로 전환하면 지원 조직이 최적화할 수 있는 목표가 달라집니다. 해결 속도를 높이는 것뿐만 아니라 처음부터 고객 영향 자체를 예방하는 것이 목표가 됩니다.

점진적인 개선이 부족한 원인은 비용 압박

이러한 모든 과제들은 궁극적으로 동일한 비즈니스 문제로 귀결됩니다. 지원 조직은 평균 처리 및 해결 시간을 단축하고, 티켓당 비용을 관리하며, SLA 성과를 개선하고, CSAT를 유지하거나 높이며, 인력을 지속적으로 증대하지 않고도 증가하는 수요를 감당해야 한다는 요청을 받고 있습니다. 역사적으로 이러한 목표는 서로 상충해 왔습니다.

비용 절감은 더 적은 인원에게 더 많은 케이스를 처리하도록 요구하는 것을 의미할 수 있습니다. 고객 경험을 개선하기 위해서는 전문 지식이 더 필요할 수 있습니다. 전 세계적으로 확장하려면 지원 역량이 추가로 필요할 수 있습니다. 제품의 복잡성이 증가함에 따라 모든 상호작용의 비용이 더욱 높아질 수 있습니다.

자율 해결은 문제를 해결하는 데 필요한 인적 노력에 중점을 두기 때문에 다르게 접근합니다. 초기 목표가 완전한 자율성을 달성하는 것일 필요는 없습니다. 복잡한 케이스라면 AI가 해결 과정의 일부를 자율적으로 완료한 후 이를 사람 전문가에게 넘기는 방식으로 시작될 수 있습니다. 조직이 이러한 상호작용을 평가하고 사람이 개입하여 성공적으로 해결된 케이스를 수집하며 AI 에이전트에 제공되는 지식을 개선함에 따라 그러한 과정의 더 많은 부분을 자율 해결로 전환할 수 있습니다.

사람에 의존하던 지원 방식에서 점차 더 높은 수준의 자율성으로 나아가는 이러한 발전 과정이 바로 기회입니다. 고객이 티켓을 제출하지 않도록 돕는 것과 문제를 해결하는 것은 엄연히 다릅니다. 발전 과정의 첫 단계는 이처럼 중요한 차이점을 이해하는 것입니다.