고객서비스 조직의 AI 전환 — 챗봇을 넘어선 곳에서 실제로 나타나는 성과와 한계

왜 고객서비스가 AI 전환의 첫 시험대인가

기업이 AI를 가장 먼저 들이는 부서로 고객서비스(CS)가 꼽히는 데는 이유가 있다. 문의 유형이 반복적이고, 처리 시간과 해결 여부가 분 단위로 측정되며, 도입 전후 비교가 다른 어떤 부서보다 쉽다. 동시에 이 영역은 고객과 직접 맞닿아 있어서 실패가 가장 빨리, 가장 공개적으로 드러나는 곳이기도 하다. 그래서 CS의 AI 전환 사례는 성과 발표와 실패 사례가 유난히 선명하게 함께 쌓인다.

세일즈포스가 공개한 손익 수치

세일즈포스(Salesforce)는 자사 제품 에이전트포스(Agentforce)를 자기 고객지원 조직에도 적용해왔고, 그 결과를 비교적 구체적으로 공개해왔다. 최고경영자 마크 베니오프(Marc Benioff)는 2025년 팟캐스트 발언과 이후 실적 관련 자리에서 에이전트포스가 연간 약 1억 달러(약 1,400억원)의 고객지원 비용을 절감하고 있다고 밝혔다. 도입 1년여 만에 에이전트포스가 처리한 상담 건수는 300만 건을 넘었고, 같은 기간 연간 상담 접수 건수는 전년 대비 8퍼센트, 17만 건 넘게 줄었다고 회사는 설명한다. 베니오프는 별도로 지원 인력을 9,000명에서 5,000명 수준으로 재편했다며 "더 적은 인원으로 충분하기 때문"이라고 언급하기도 했다.

이 수치들은 몇 가지 한계를 함께 봐야 한다. 전부 회사 자체 발표이며, 외부 감사를 거친 공시 수준의 검증은 아니다. 또한 세일즈포스는 에이전트포스를 판매하는 당사자이므로, 자사 사례를 가장 유리한 방식으로 골라 보여줄 유인이 있다. 인력 재편 수치와 비용 절감 수치가 같은 기간을 정확히 가리키는지, 인력 감소분 전체가 AI 도입 때문인지 다른 조직 개편과 겹친 것인지도 회사가 세부적으로 분리해 밝히지는 않았다.

업계 전체로 보면: 디플렉션과 해결은 다른 지표다

세일즈포스 한 회사의 사례보다 눈여겨볼 것은 업계 전체 통계가 보여주는 구조다. 젠데스크(Zendesk)가 발표한 2026 CX 트렌드 리포트에 따르면 기업 CS 프로그램의 1차 응대 단계 중앙값 디플렉션율(고객 문의가 사람에게 넘어가지 않고 AI 선에서 종결되는 비율)은 41.2퍼센트로, 2025년의 31.6퍼센트보다 크게 올랐다. 상위 25퍼센트 기업은 58.7퍼센트, 하위 25퍼센트는 22.4퍼센트 수준이다. 같은 리포트는 AI가 처리한 상담의 평균 고객만족도(CSAT)가 5점 만점에 4.10점으로 사람 상담원의 4.30점보다 낮다고도 밝혔는데, 이 격차는 AI가 처리하다 막히면 즉시 사람에게 넘기는 하이브리드 구조를 갖춘 기업에서는 0.05점 차이로 좁혀진다고 덧붙였다.

여기서 짚어야 할 것은 디플렉션과 해결이 다른 개념이라는 점이다. 리서치 회사 가트너(Gartner)는 2025년 3월 발표에서 2029년까지 에이전틱 AI가 일반적인 고객서비스 문의의 80퍼센트를 사람 개입 없이 자율적으로 해결하고 운영비를 30퍼센트 줄일 것으로 내다봤다. 이는 어디까지나 2029년 목표치이며, 현재 시점의 자율 해결률은 이보다 훨씬 낮은 것으로 업계에서는 보고 있다. 문의를 사람에게 넘기지 않았다는 사실이 곧 문제를 제대로 해결했다는 뜻은 아니라는 점에서, 디플렉션율만 보고 성과를 판단하면 실제보다 낙관적인 그림을 그리기 쉽다.

경고 사례도 있다. 2024년 영국 택배업체 DPD의 고객지원 챗봇이 한 고객의 유도 질문에 응하다가 자사를 향해 욕설과 비판시를 쓰는 장면이 캡처돼 온라인에서 빠르게 퍼졌고, 회사는 해당 AI 기능을 즉시 비활성화했다. 시스템 업데이트 과정에서 생긴 오류였다고 회사는 설명했지만, CS는 생성형 AI가 고객과 직접, 실시간으로, 공개된 채널에서 대화하는 몇 안 되는 업무 영역이라 이런 사고가 한 번의 스크린샷만으로 브랜드 전체의 평판 리스크로 번질 수 있다는 점을 보여준 사례로 남았다.

재무적으로 무엇이 움직이는가

CS 조직에 AI를 들였을 때 가장 먼저 움직이는 손익 항목은 상담 건당 처리 비용과 판매관리비 안의 인건비다. 상담원 채용 없이 처리 물량을 늘릴 수 있다는 점에서, 이는 같은 팀 규모로 더 큰 고객 기반을 지원하거나 사업 성장기에 채용 압박을 완화하는 효과로 해석하는 것이 정확하다. 다만 세일즈포스 사례처럼 실제 인력 규모 자체를 줄이는 방식으로 절감을 실현한 기업도 있다는 사실은 그대로 봐야 한다. 두 번째로 움직이는 것은 고객 유지율과 재구매율처럼 후행하는 지표다. 디플렉션율을 올리는 데만 집중해 해결 품질이 떨어지면, 비용 절감이 몇 분기 뒤 이탈이라는 형태로 되돌아올 수 있다는 구조는 이미 다른 기업 사례에서도 확인된 바 있다. CS의 AI 전환 성과를 비용 절감 한 가지 지표로만 판단하지 말고 해결률, 재문의 여부, 고객 유지율을 같은 기간 나란히 추적해야 하는 이유가 여기 있다.

한국 기업에 주는 시사점

한국의 중견기업이 CS 조직에 AI를 도입할 때 참고할 기준은 명확하다. 디플렉션율은 가장 빨리 나오고 가장 보여주기 좋은 지표이지만, 그 자체로는 성과를 증명하지 못한다. 상담이 종결됐는지가 아니라 실제로 해결됐는지, 며칠 안에 같은 문제로 재문의가 들어오지 않는지를 함께 추적하는 체계를 처음부터 갖춰야 한다. 또한 생성형 AI가 고객과 직접 대화하는 채널에는 별도의 응답 가드레일과 즉시 대응 절차가 필요하다. DPD 사례가 보여주듯 이 영역의 사고는 발생 빈도는 낮아도 파급력은 순식간에 전사 브랜드 리스크로 번진다.