사내 헬프데스크·IT 지원팀의 AI 전환 — 티켓 처리에서 먼저 검증된 성과

왜 IT 헬프데스크가 조용한 시험대가 됐나

AI 에이전트를 가장 먼저 들이는 사내 업무로 IT 서비스데스크가 꼽히는 데는 구조적 이유가 있다. 비밀번호 재설정, 소프트웨어 설치 요청, 계정 권한 신청처럼 요청 유형이 반복적이고 정형화돼 있고, 처리 전후를 티켓 수·해결 시간·재문의율 같은 숫자로 바로 비교할 수 있다. 또한 실패해도 외부 고객이 아니라 내부 직원이 불편을 겪는 선에서 끝나므로, 실험 비용이 고객서비스(CS)나 영업보다 낮다. 그래서 이 영역에는 다른 어떤 부서보다 구체적인 성과 수치가 먼저 쌓였다.

벤더가 공개한 수치들

AI 기반 사내 지원 솔루션 업체 무브웍스(Moveworks)의 고객사 사례를 보면 수치가 상당히 구체적이다. 컨설팅 회사 웨스트먼로(West Monroe)의 최고정보책임자(CIO)는 무브웍스가 한 해 동안 8,000건 넘는 티켓을 자동으로 해결하고 추가로 4,000건의 처리를 앞당겼으며, 이를 통해 비용을 40퍼센트 넘게 절감해 약 140만 달러(약 20억원)를 아꼈다고 밝혔다. 같은 회사의 자료에 따르면 네트워크 장비업체 시에나(Ciena)에서는 승인 절차 소요 시간이 3일에서 30분으로 줄었고, 데이터브릭스(Databricks)에서는 티켓 디플렉션율(사람에게 넘기지 않고 AI 선에서 처리를 끝내는 비율)이 73퍼센트로 보고됐다.

ITSM(IT서비스관리) 플랫폼 업체 서비스나우(ServiceNow)도 자체 사내 적용 사례를 공개했다. 자사 AI 비서 나우 어시스트(Now Assist)를 사내 IT 포털에 적용한 결과 '문제 신고' 양식 단계에서 디플렉션율 54퍼센트를 기록했고, 사례와 문의 회피 효과까지 더해 연간 약 550만 달러(약 80억원)의 비용 회피 효과를 계산했다고 알려져 있다. 파트너사 인포시스(Infosys) BPM이 공개한 한 고객사 사례에서는 티켓 디플렉션율 41퍼센트, 반복 장애 30퍼센트 감소, 처리 시간 23퍼센트 단축이 보고됐다.

수치를 그대로 믿기 어려운 이유

이 수치들을 나란히 놓고 보면 두 가지 문제가 보인다. 첫째, 전부 벤더 본인이나 벤더의 파트너사가 공개한 자료이고, 외부 감사나 제3자 검증을 거치지 않았다. 둘째, '디플렉션'의 정의가 자료마다 다르다. 어떤 수치는 양식 작성 단계에서 사람에게 넘어가지 않은 비율을 가리키고, 어떤 수치는 문제가 완전히 해결됐다고 확인된 비율을 가리킨다. 같은 컨설팅사가 공개한 다른 고객사 사례에서는 가상 상담원 디플렉션율이 18퍼센트에서 94퍼센트로 뛰었다고 보고되는데, 이 수치는 다른 사례들과 단위가 다르게 느껴질 만큼 커서 그대로 받아들이기보다는 해당 기업의 특수한 조건(단순 반복 요청 비중이 매우 높았을 가능성 등)을 감안해 보는 쪽이 안전하다.

업계 전체 평균을 보면 간극이 더 뚜렷해진다. IT서비스지원 전문 단체 HDI가 벤치마킹 업체 메트릭넷(MetricNet)의 데이터베이스를 바탕으로 집계한 '자가해결 완료율'(1단계 문의 중 상담원 개입 없이 이용자가 직접 해결한 비율) 전 세계 평균은 10퍼센트대 초반이며, 이 중 대부분이 비밀번호 재설정처럼 가장 단순한 요청이라는 점도 함께 지적된다. 벤더들이 내놓는 40~90퍼센트대 디플렉션율과 업계 평균 자가해결률 사이의 격차는, 적용 범위(전체 티켓인지 일부 유형인지)와 측정 시점(도입 초기 특수 캠페인 기간인지 정상 운영 기간인지)의 차이에서 상당 부분 비롯되는 것으로 보인다.

고객서비스 영역에서 리서치회사 가트너(Gartner)가 2025년 3월 내놓은 전망도 비슷한 맥락에서 참고할 만하다. 가트너는 2029년까지 에이전틱 AI가 '일반적인' 고객서비스 문의의 80퍼센트를 사람 개입 없이 해결할 것으로 내다봤는데, 이는 어디까지나 미래 목표치이고 전제 조건('일반적인' 문의로 한정)이 붙어 있다. IT 헬프데스크도 구조가 비슷해서, 지금 공개되는 높은 디플렉션율은 전체 업무가 아니라 가장 단순한 요청 유형에 한정된 수치일 가능성을 열어두고 봐야 한다.

시장 재편이 보여주는 신호

이 영역의 구조 변화를 보여주는 사건이 하나 더 있다. 서비스나우는 2025년 3월 무브웍스를 28억 5,000만 달러(약 4조 1,000억원)에 인수하겠다고 발표했고, 2025년 12월 15일 거래를 종료했다. 공시된 최종 인수 대가는 주식과 현금을 합쳐 약 24억 달러(약 3조 5,000억원) 수준으로, 발표 당시 금액과는 주가 변동에 따른 차이가 있다. 이 인수로 사내 IT 지원 AI 에이전트 시장의 대표적인 독립 사업자 하나가 ITSM 업계 1위 사업자 밑으로 들어갔다. 앞으로 이 영역의 사례는 서로 다른 벤더가 경쟁하며 내놓는 수치가 아니라, 한 회사의 제품 라인 안에서 나오는 수치로 수렴할 가능성이 커졌다는 뜻이다. 사례를 평가할 때 출처의 독립성을 더 꼼꼼히 따져야 하는 이유다.

재무적으로 무엇이 움직이나

이 영역에서 실제로 움직이는 손익 항목은 두 갈래다. 하나는 1단계(L1) 상담 인력의 처리 용량이다. 반복 요청을 AI가 먼저 걸러내면 같은 인원으로 더 많은 요청을 처리할 수 있고, 회사가 성장하는 시기라면 채용 압박이 그만큼 줄어든다. 공개된 사례 중에는 L1 상담 인력의 상당 부분을 단순 응대에서 복잡한 문제 해결로 재배치했다고 밝힌 곳도 있다. 다른 하나는 승인·처리 지연에 따른 간접 비용이다. 소프트웨어 접근 권한 승인처럼 여러 부서를 거치던 절차가 AI 에이전트의 사전 검증을 거쳐 몇 시간 안에 끝나면, 그만큼 다른 업무가 멈춰 있던 시간이 줄어든다.

다만 디플렉션율 하나만으로 성과를 판단하면 위험하다. 같은 문제로 며칠 안에 다시 문의가 들어오는 재문의율, 그리고 AI 에이전트가 시스템 접근 권한이나 계정 설정 같은 민감한 작업까지 자율적으로 처리할 때의 보안 승인 절차가 함께 추적돼야 완전한 그림이 나온다. 디플렉션 수치만 발표하고 재문의율이나 오류율을 함께 공개하는 사례는 아직 드물다.

한국 기업에 주는 시사점

한국의 중견기업이 IT 헬프데스크에 AI를 들일 때는 벤더가 제시하는 디플렉션율 숫자보다, 그 숫자가 전체 티켓 중 어느 비중에 적용된 것인지와 재문의율을 함께 받을 수 있는지를 먼저 물어야 한다. 또한 비밀번호 재설정처럼 가장 단순한 요청부터 시작해 단계적으로 범위를 넓히는 쪽이, 처음부터 전체 티켓을 대상으로 높은 자동화율을 약속받는 쪽보다 실제 운영 단계에서 덜 실망스럽다.