통신사는 콜센터 상담사부터 대리점·매장 영업직, 유·무선 상품 상담 직원까지 고객을 직접 만나는 직군이 많은 업종이에요. 고객 상황과 상품이 복잡한 만큼 교육해야 할 내용도 많고요.
그런데 이런 고민은 통신사만의 문제는 아니에요.
보험사와 카드사, 은행처럼 상담을 통해 복잡한 상품을 설명해야 하는 금융업부터 렌탈, 커머스, 플랫폼, 모빌리티, 병원, BPO 전문기업까지. 전화나 채팅, 대면 상담을 통해 고객을 상대하는 조직이라면 대부분 비슷한 고민을 가지고 있어요.
이번 글에서는 통신사 고객 응대 현장을 중심으로, 생성형 AI와 AI 롤플레이를 활용하면 기업의 고객 응대 교육이 어떻게 달라질 수 있는지 정리해 봤어요.
Contents
고객 응대 직원이 많은 기업은 왜 교육이 어려울까요?
문제는 교육 자료가 부족해서가 아니라, 고객 상황이 너무 많다는 것
AI가 상담사를 대신하면 해결될까요?
해외 기업들도 다시 ‘사람의 역할’을 고민하기 시작했어요
고객 응대 교육에 AX를 적용하면 무엇이 달라질까요?
실제 고객 상황을 AI 가상 고객으로 만들 수 있어요
모두에게 같은 교육이 아니라, 개인에게 필요한 훈련을 줄 수 있어요
현장의 새로운 이슈를 빠르게 교육 콘텐츠로 만들 수 있어요
매뉴얼과 고성과자의 노하우도 회사의 교육 자산이 됩니다
쏘카인드는 고객 응대 교육의 전 과정을 하나로 연결합니다
자주 묻는 질문 (FAQ)
통신사는 AI와 AX에 대한 고민이 특히 많은 업종 중 하나예요.
이유는 생각보다 단순해요.
고객을 직접 상대하는 사람이 정말 많기 때문이에요.
고객센터에서 전화를 받는 상담사가 있고, 대리점이나 매장에서 고객을 직접 만나는 직원이 있어요. 신규 가입을 상담하는 직원도 있고, 유선 인터넷이나 IPTV를 안내하거나 기존 고객의 요금제 변경, 결합상품, 기기 변경을 상담하는 직원도 있죠.
같은 통신사 안에서도 고객을 만나는 접점과 해야 하는 말이 전부 달라요.
고객도 마찬가지예요.
“생각보다 요금이 많이 나왔어요.”
“인터넷이 계속 끊기는데 왜 해결이 안 되나요?”
“다른 통신사로 옮기는 게 더 저렴한 것 같은데요?”
“약정이 남아 있는데 위약금이 왜 이렇게 많이 나오죠?”
같은 일반적인 문의부터, 화가 난 고객이나 해지를 고민하는 고객, 디지털 기기에 익숙하지 않은 고령 고객처럼 응대하기 까다로운 상황도 계속 발생해요.
그래서 통신사의 고객 응대 교육은 단순히 상품 내용을 잘 외우게 하는 것으로 끝나기 어려워요.
상품을 알아야 하고, 고객 상황을 이해해야 하고, 그 상황에서 어떤 순서와 표현으로 말해야 하는지까지 배워야 하죠.
여기에 신상품과 새로운 요금제, 프로모션, 정책 변경까지 계속 생겨나요.
교육팀 입장에서는 정말 쉽지 않은 문제예요.
사실 통신사만의 문제는 아니에요
조금 넓게 보면 이 문제는 ‘고객과 대화를 통해 문제를 해결하는 사람이 많은 기업’이 공통적으로 가지고 있는 문제예요.
보험을 예로 들어볼게요.
보험설계사나 콜센터 상담사는 단순히 상품 이름만 알고 있어서는 안 돼요.
고객이 어떤 보장을 가지고 있는지, 무엇을 걱정하는지 파악하고 복잡한 내용을 고객이 이해할 수 있는 말로 설명해야 해요.
고객이 거절하거나 예상하지 못한 질문을 했을 때 어떻게 이어갈지도 알아야 하고요.
고객이 민원을 제기하는 상황이라면 이야기가 또 달라져요.
금융, 카드, 렌탈, 커머스도 비슷해요.
배송 문제처럼 비교적 간단한 문의도 있지만, 결제 오류나 해지, 환불, 계약 변경, 가격 불만처럼 고객의 감정이 이미 올라온 상태에서 시작되는 상담도 있어요.
BPO 기업은 더 복잡할 수 있어요.
같은 상담 조직 안에서도 어느 고객사의 업무를 수행하느냐에 따라 상품도, 매뉴얼도, 응대 기준도, 중요한 KPI도 달라질 수 있기 때문이에요.
결국 업종은 달라도 교육 담당자가 풀어야 하는 문제는 비슷합니다.
“우리 직원이 실제 고객을 만났을 때 잘 대응할 수 있도록 어떻게 훈련시킬 것인가?”
라는 문제예요.
고객 응대 교육은 왜 유독 어려울까요?
고객 응대 조직의 교육 체계를 자세히 들여다보면 한 가지 특징이 있어요.
교육해야 할 내용이 한곳에만 있지 않아요.
상품을 담당하는 조직이 만든 상품 자료가 있고, CS 조직의 응대 매뉴얼이 있고, 영업 조직에는 별도의 세일즈 화법이 있어요.
상담 품질 관리를 위한 QA 기준도 있고요.
같은 상품이라고 해도 직무에 따라 필요한 교육은 달라집니다.
콜 상담사에게 필요한 설명과 대면 영업 직원에게 필요한 설명이 같을 수 없어요.
신규 가입 고객에게 설명하는 방식과 해지를 고민하는 기존 고객에게 설명하는 방식도 달라야 하고요.
그래서 본사 교육팀에서 하나의 교육 콘텐츠를 잘 만들어 배포하는 것만으로는 모든 문제를 해결하기 어려워요.
교육을 받은 사람의 수준도 모두 다르기 때문이에요.
누군가는 상품 설명은 정확하지만 고객의 이야기를 충분히 듣지 않을 수 있어요.
누군가는 고객과 친근하게 대화하지만 중요한 설명을 빠뜨릴 수 있고요.
또 다른 누군가는 일반적인 상담은 잘하지만 고객이 강하게 불만을 제기하는 순간 급격하게 말이 꼬일 수도 있어요.
그런데 기존 집합교육에서는 이 사람들에게 대부분 같은 강의와 같은 자료가 제공됩니다.
여기에서 개인 맞춤형 교육에 대한 필요성이 생겨요.
문제는 교육 자료가 부족해서가 아니라, 고객 상황이 너무 많다는 것
기업의 교육 담당자들과 고객 응대 교육을 이야기하다 보면 단순히 “교육 콘텐츠가 부족하다”는 문제만 있는 것은 아니에요.
오히려 이미 상당히 많은 자료를 가지고 있는 회사가 많아요.
상품 설명서도 있고, 상담 매뉴얼도 있고, 실제 상담 사례도 있고, QA 기준도 있어요.
오랜 기간 현장에서 쌓인 우수 상담사와 고성과 영업 직원의 노하우도 있고요.
어려운 건 이 많은 지식과 노하우를 실제 고객 상황에 맞는 훈련으로 바꾸는 과정이에요.
예를 들어 통신사에서 새로운 결합상품이 출시됐다고 해볼게요.
기존 방식이라면 교육 담당자가 상품 내용을 파악하고 교육 자료를 만들어요.
강의안을 만들고, 필요하면 예상 질문과 답변을 만들고, 영업 현장에서 사용할 수 있는 화법도 작성해요.
그런데 실제 현장에서는 교육 자료에 없는 질문이 계속 나옵니다.
가격에 민감한 고객도 있고, 타사와 비교하는 고객도 있고, 기존 서비스에 불만이 있는 고객도 있어요.
어떤 고객은 처음부터 해지를 이야기하고, 어떤 고객은 충분히 설명을 들어본 뒤 마지막에 가격 문제를 꺼내기도 합니다.
상품 하나를 교육한다고 해도 실제로 연습해 봐야 하는 고객 상황은 수십 가지가 될 수 있는 거예요.
이걸 사람이 일일이 만들고 업데이트하려면 교육 운영에 드는 시간이 계속 늘어날 수밖에 없어요.
그래서 고객 응대 교육에서의 AX는 단순히 강의 영상을 AI로 만드는 것만을 의미하지 않아요.
기존에 회사가 가지고 있던 교육 자산을 바탕으로 다양한 고객 상황을 빠르게 만들고,
직원이 직접 말해보게 하고,
결과를 분석하고,
다시 그 사람에게 필요한 교육으로 연결할 수 있어야 해요.
그런데 AI가 상담사를 직접 대신하면 되는 것 아닐까요?
생성형 AI가 빠르게 발전하면서 가장 먼저 나온 이야기는 상담 자동화였어요.
자주 묻는 질문을 AI가 처리하고, 상담사가 하던 업무까지 AI Agent가 처리하면 기업 입장에서는 비용을 줄일 수 있으니까요.
실제로 이미 많은 기업이 이 방향을 실험하고 있어요.
그런데 재미있는 변화도 나타나고 있습니다.
AI를 가장 적극적으로 도입했던 기업들조차 ‘상담을 전부 AI로 바꾸는 것이 정말 최선인가?’를 다시 고민하기 시작한 거예요.
2024년 스웨덴 핀테크 기업 Klarna는 자사의 AI 고객 상담 Assistant가 고객 상담의 약 3분의 2를 처리하며, 약 700명의 정규직 상담사가 담당하던 것과 맞먹는 업무량을 수행한다고 발표했어요. 당시 Klarna는 평균 문제 해결 시간도 11분에서 2분 이내로 줄었다고 밝혔습니다.
굉장히 성공적인 자동화 사례처럼 보였어요.
그런데 이후 방향이 조금 달라집니다.
2025년 Klarna CEO Sebastian Siemiatkowski는 AI를 통한 비용 절감에 지나치게 집중했던 부분을 인정했고, 회사는 다시 사람을 채용하기 시작했습니다. 이후 그는 Reuters와의 인터뷰에서도 AI를 비용 절감에 너무 많이 활용했던 전략을 조정하고 있으며, 고객과 가맹점에게 더 좋은 서비스와 제품을 제공하는 방향으로 AI 활용의 초점을 옮기고 있다고 설명했어요.
AI를 포기한 것은 아니에요.
오히려 중요한 건 이 부분이에요.
AI를 쓰느냐, 쓰지 않느냐의 문제가 아니라
AI를 어디에 쓰느냐가 중요해졌다는 것이에요.
고객이 원하는 것은 언제나 AI 상담 만은 아니니까요
특히 고객의 감정이나 신뢰가 중요한 산업에서는 더 그렇습니다.
보험금이나 금융거래에 문제가 생겼을 때,
서비스 장애 때문에 화가 났을 때,
계약이나 해지를 두고 중요한 결정을 해야 할 때,
고객이 원하는 것은 단순히 가장 빠른 답변만이 아닐 수 있어요.
실제로 Gartner가 2026년 발표한 조사에서는 생성형 AI를 활용한 고객서비스가 이전보다 편리해졌다고 답한 고객도 있었지만, 87%는 기업이 GenAI를 고객서비스에 활용하더라도 사람 상담원에게 연결될 수 있는 선택지를 제공하는 것이 중요하다고 답했습니다.
그렇다면 여기서 재미있는 질문이 하나 생겨요.
결국 고객 응대에서 사람이 계속 중요하다면,
AI는 어디에 사용하는 것이 가장 효과적일까요?
저희는 그 답 중 하나가 ‘사람을 더 잘하게 만드는 것’이라고 생각해요.
Verizon은 AI로 상담사를 더 잘하게 만들었어요
통신사 Verizon의 사례는 그 반대 방향을 잘 보여줘요.
Verizon은 고객센터 상담사를 AI로 대체하는 것보다, 상담사가 고객을 응대하는 동안 필요한 답을 빠르게 찾을 수 있도록 AI Assistant를 제공하는 방식을 선택했습니다.
약 1만5천 개의 내부 문서를 활용해 AI 시스템을 구축하고, 상담사가 고객 질문에 답할 때 화면에서 필요한 정보를 바로 찾을 수 있도록 한 거예요.
이 시스템은 약 2만8천 명 규모의 서비스 조직에 적용됐고, Verizon은 도입 확대 이후 해당 조직을 통한 매출이 약 40% 증가했다고 밝혔어요.
Verizon Consumer Group CEO는 이를 두고 상담 직원이 실시간으로 역량을 확장해가는 과정이라고 설명했습니다.
이 사례가 흥미로운 이유는 분명해요.
AI가 고객을 상대하는 사람이 아니라, 고객을 상대하는 사람 옆에 있는 방식이기 때문이에요.
그리고 최근의 연구도 이런 가능성을 보여주고 있어요.
Harvard Business School 연구진이 약 25만 건 이상의 실제 고객 상담 대화를 분석한 연구에서는 AI의 답변 추천을 활용한 상담원이 그렇지 않은 상담원보다 응답 속도가 빨라졌고 고객 감정 지표도 개선됐어요.
특히 경험이 적은 상담사에게 효과가 더 크게 나타났습니다.
AI가 꼭 사람의 자리를 가져가야만 AX가 되는 것은 아니라는 거예요.
오히려 숙련자에게만 있던 노하우를 더 많은 직원이 빠르게 학습할 수 있도록 만드는 것도 중요한 AX입니다.
그렇다면 고객 응대 교육에 AX를 적용하면 무엇이 달라질까요?
쏘카인드는 바로 이 지점을 중요하게 보고 있어요.
고객 응대 업무를 모두 AI로 대체하기 전에,
지금 고객을 만나고 있는 수많은 직원이 더 잘 대응할 수 있도록 AI를 활용할 방법은 없을까?
라는 질문이에요.
큰 흐름으로 보면 이렇게 바뀔 수 있어요.
이렇게 되면 강의와 실습, 평가가 각각 떨어져 있는 것이 아니라 하나의 흐름으로 이어져요.
첫째, 실제 고객 상황을 AI 가상 고객으로 만들 수 있어요
고객 응대 교육에서 가장 중요한 것 중 하나는 상황 훈련이에요.
매뉴얼을 읽었을 때는 모두 이해한 것 같아도 실제 고객이 예상하지 못한 질문을 던지면 말이 달라지거든요.
통신사라면 이런 고객이 있을 수 있어요.
“지금 사용하는 요금제도 비싼데 왜 더 비싼 상품을 추천하시는 거죠?”
보험사라면 이런 상황도 가능해요.
“이미 보험이 많은데 이걸 또 가입해야 하는 이유가 뭔가요?”
렌탈이나 커머스라면
“분명 지난번 상담사는 된다고 했는데 왜 지금은 안 된다는 거죠?”
같은 상황도 있을 수 있고요.
처음에는 평범하게 질문하다가 상담 과정에서 점점 불만을 드러내는 고객도 만들 수 있어요.
가격에 민감한 고객, 화가 난 고객, 설명을 여러 번 요청하는 고객, 해지 의사가 강한 고객처럼 난이도와 성향을 달리할 수도 있고요.
AI는 설정한 고객의 상황과 성향을 바탕으로 대화하기 때문에 교육생은 정답을 보고 읽는 것이 아니라 실제로 고객의 말을 듣고 판단해서 답해야 해요.
한 번으로 끝날 필요도 없어요.
잘 안 됐다면 다시 해보고,
고객 성향을 바꿔서 다시 해보고,
난이도를 높여 다시 연습할 수 있어요.
사람을 매번 고객 역할로 세우지 않아도 되기 때문에 가능한 방식이에요.
둘째, 같은 교육이 아니라 개인에게 필요한 훈련을 줄 수 있어요
여기서부터 기존 온라인 교육과 차이가 커져요.
지금까지의 기업교육은 대체로 사람을 교육에 맞추는 방식이었어요.
이번 달 교육이 신상품이라면 모든 직원이 신상품 교육을 듣고,
이번 달 주제가 민원 응대라면 모든 직원이 같은 민원 응대 교육을 받는 식이에요.
그런데 실제 약점은 사람마다 달라요.
A상담사는 고객의 니즈를 파악하는 질문이 부족할 수 있어요.
B상담사는 상품 설명은 잘하지만 고객이 반론했을 때 대응이 약할 수 있고요.
C상담사는 응대 내용에는 문제가 없지만 말이 지나치게 빠르거나 고객의 말을 자주 끊을 수도 있어요.
D상담사는 평범한 고객은 잘 응대하지만 감정이 격해진 고객 앞에서는 대응력이 급격히 떨어질 수도 있고요.
AI 롤플레이를 반복하면 이런 차이가 데이터로 누적돼요.
그러면 앞으로의 교육은 조금 다르게 설계할 수 있습니다.
“이번 달에는 전 직원이 이 교육을 들어야 합니다.”
에서
“이 직원은 이 고객 상황에서 반복적으로 어려움을 겪고 있으니 이 훈련이 필요합니다.”
로 바뀌는 거예요.
교육 콘텐츠를 사람에게 일괄적으로 배포하는 것에서 사람의 약점에 맞춰 교육을 제공하는 것으로 바뀌는 셈이에요.
특히 상담 인원이 많거나 이직과 신규 입사가 잦은 고객센터, 여러 고객사의 상담 업무를 수행하는 BPO 조직이라면 이런 차이는 더 커질 수 있어요.
사람이 한 명씩 붙어서 반복 훈련을 해주기는 어렵지만, AI 고객은 필요한 만큼 반복해서 연습할 수 있으니까요.
셋째, 현장의 이슈를 빠르게 새로운 교육 콘텐츠로 만들 수 있어요
고객 응대 업무는 계속 변해요.
통신사는 새로운 요금제와 프로모션이 나오고,
보험과 금융은 상품과 정책이 바뀌고,
커머스는 특정 상품이나 배송·환불 이슈가 갑자기 늘어날 수 있어요.
BPO 기업이라면 고객사별 새로운 정책이 내려오는 경우도 있고요.
기존에는 새로운 이슈가 생길 때마다 교육 담당자가 내용을 파악하고 강의안을 만들고, 자료를 제작하고, LMS에 업로드한 뒤 직원들에게 교육을 안내해야 했어요.
작은 교육 하나를 추가하는 데도 생각보다 많은 작업이 필요했죠.
생성형 AI를 활용하면 이 과정도 달라질 수 있어요.
예를 들어 새롭게 배포된 상품 설명서와 회사의 상담 원칙을 기반으로
핵심 교육 내용
상담 시 반드시 설명해야 하는 내용
자주 나올 만한 고객 질문
주의해야 할 표현
고객 상황별 응대 방법
롤플레이 시나리오
등을 빠르게 구성할 수 있어요.
그리고 여기서 끝나는 게 아니라, 생성된 교육 내용을 바로 AI 고객과의 실습으로 연결할 수 있어요.
새로운 이슈가 생겼을 때 교육 자료를 만드는 데 많은 시간을 사용하는 것이 아니라,
새로운 이슈 → 교육 → 실습 → 평가
까지 빠르게 이어지는 구조를 만드는 거예요.
회사마다 잘하는 응대의 기준은 달라요
여기서 중요한 게 하나 더 있어요.
고객 응대에는 정답 하나가 있는 것이 아니에요.
회사마다 ‘우리 회사에서는 이렇게 응대해야 한다’는 기준이 다르기 때문이에요.
같은 통신업이라고 해서 모든 회사의 상담 방식이 같지는 않아요.
어떤 회사는 고객의 니즈를 먼저 충분히 확인하는 것을 중요하게 볼 수 있고,
어떤 회사는 반드시 지켜야 할 설명 순서가 있을 수 있어요.
회사만의 CS 원칙도 있고, 브랜드가 원하는 말투도 있어요.
보험이나 금융처럼 설명의 정확성이 중요한 업종에서는 반드시 전달해야 하는 내용과 사용하면 안 되는 표현이 있을 수도 있고요.
무엇보다 현장에서 오랫동안 성과를 만들어 온 직원들에게는 문서에 모두 담기 어려운 노하우가 있습니다.
고객이 이런 말을 했을 때 어떤 질문을 먼저 던져야 하는지.
가격 때문에 망설일 때 바로 가격 이야기를 하는 게 좋은지, 고객이 얻는 가치를 먼저 설명하는 게 좋은지.
화가 난 고객에게 어느 시점까지 충분히 이야기를 들어주고 언제 해결 방법을 제안해야 하는지.
고객이 거절했을 때 한 번 더 질문해야 하는 상황과 대화를 마무리해야 하는 상황은 어떻게 구분하는지.
이런 건 단순한 상품 지식이라기보다 고객을 잘 응대하는 방법에 대한 회사만의 레시피에 가까워요.
쏘카인드는 이 레시피를 AI가 학습하고 훈련에 활용하도록 합니다
쏘카인드는 세일즈 화법과 특수 고객 상황에 대한 응대 교육에서 시작했어요.
여러 업종에서 반복적으로 등장하는 고객 상황과,
그 상황에서 어떤 말을 해야 하는지,
어떤 순서로 질문해야 하는지,
고객의 반론에는 어떻게 대응해야 하는지,
어떤 부분을 기준으로 피드백해야 하는지를 지속적으로 다뤄왔어요.
기업의 CS 교육 매뉴얼과 기존 강의 콘텐츠, 현장의 응대 방식, 고성과자의 노하우 등을 바탕으로 어떤 상황을 연습시켜야 하고 무엇을 기준으로 코칭해야 하는지에 대한 교육 레시피를 수년간 쌓아온 것이에요.
그래서 쏘카인드가 지향하는 것은 범용적인 AI 고객 하나를 제공하는 방식과 조금 달라요.
통신사라면 해당 통신사의 상품과 실제 상담 프로세스에 맞는 고객을,
보험사라면 해당 보험사의 상품과 상담 원칙에 맞는 고객을,
BPO 기업이라면 고객사별 서로 다른 매뉴얼과 QA 기준에 맞는 고객을 만들 수 있어야 해요.
특정 업종, 특정 회사에서 실제로 사용하는 교육 내용과 응대 원칙을 반영해 ‘우리 회사 사람을 잘하게 만드는 AI 교육 시스템’을 구축하는 것.
이게 중요합니다.
교육자료 만들어주는 AI에서 끝나지 않아야 해요
요즘 생성형 AI를 이용하면 교육자료 자체는 비교적 쉽게 만들 수 있어요.
PDF 하나를 넣고 요약해달라고 할 수도 있고,
퀴즈를 만들어달라고 할 수도 있고,
강의 대본을 만들어달라고 할 수도 있죠.
하지만 기업교육에서는 그 다음이 더 중요해요.
직원이 그 내용을 정말 이해했는지.
실제 고객 앞에서도 말할 수 있는지.
어떤 상황에서 자꾸 막히는지.
지난번보다 나아졌는지.
다음에는 무엇을 연습해야 하는지까지 알아야 하거든요.
그래서 쏘카인드는
교육 콘텐츠 생성 → AI 고객 생성 → 롤플레이 → 분석 → 개인별 코칭 → 재훈련
을 하나의 시스템 안에서 연결하는 것을 중요하게 생각해요.
예를 들어 직원이 해지 상황에서 반복적으로 고객의 이유를 충분히 확인하지 않고 바로 상품 설명부터 시작한다고 해볼게요.
기존에는 이런 약점을 관리자나 강사가 직접 관찰해야 발견할 수 있었어요.
AI 교육 환경에서는 여러 번의 롤플레이 데이터를 통해 해당 패턴을 확인하고,
부족한 부분에 필요한 교육을 제공한 뒤,
다시 비슷한 유형의 고객과 대화하게 할 수 있어요.
교육이 한 번의 이벤트가 아니라 계속 학습하고 다시 연습하는 과정이 되는 거예요.
결국 고객 응대 AX는 ‘사람을 없애는 것’만을 의미하지 않아요
AI가 고객 응대에 본격적으로 들어오면서 많은 기업은 먼저 “상담 업무를 얼마나 자동화할 수 있을까?”를 고민했습니다.
하지만 Klarna와 Booking.com 사례를 보면, 단순히 사람을 AI로 대체하는 접근에는 한계가 있어요.
Klarna는 AI 챗봇으로 고객서비스 자동화를 빠르게 추진했지만, 복잡한 금융 문제나 감정이 개입되는 상담에서는 한계가 나타났고 이후 필요할 때 사람 상담원과 연결할 수 있는 구조를 다시 강화했습니다.
Booking.com도 마찬가지입니다. 예약 확인처럼 단순한 문의는 셀프서비스로 처리할 수 있지만, 환불·예약 오류처럼 스트레스가 높은 상황에서는 고객의 상황을 이해하고 판단해 줄 사람의 역할이 중요해집니다.
반면 Verizon은 AI를 상담원을 없애는 도구보다 상담원이 더 잘 응대하도록 돕는 도구로 활용하고 있습니다. 방대한 내부 자료에서 고객 상황에 맞는 정보를 AI가 빠르게 찾아주는 방식이에요.
결국 고객 응대 AX에는 두 방향이 있습니다.
AI가 단순·반복 상담을 직접 처리하는 것,
그리고 AI가 사람 상담원의 역량을 높이는 것입니다.
여기서 중요한 변화가 하나 있어요.
AI가 쉬운 상담을 가져갈수록 사람에게 넘어오는 상담은 오히려 더 어려워질 수 있다는 점입니다.
단순 조회는 AI가 처리하고, 사람에게는 여러 방법으로도 해결되지 않은 문제나 감정이 크게 개입된 고객이 넘어올 가능성이 높아집니다.
그래서 AI 시대에는 상담원의 실력이 덜 중요해지는 것이 아니라 오히려 더 중요해질 수 있어요.
고객 응대 AX도 단순히
“상담사 몇 명을 AI로 대체할 수 있는가?”
에서 끝나서는 안 됩니다.
오히려
“잘하는 상담원의 노하우를 어떻게 빠르게 확산할 것인가?”
“각 상담원이 어려워하는 상황을 어떻게 찾아 반복 훈련할 것인가?”
“새로운 현장 이슈를 얼마나 빠르게 교육과 실습으로 바꿀 것인가?”
를 함께 고민해야 합니다.
결국 고객 응대 AX의 핵심은 사람을 없애는 것이 아니라, AI와 사람의 역할을 다시 설계하는 것에 가깝습니다.
고객과 대화하는 사람이 있는 곳이라면 어디든 같은 문제를 가지고 있어요
그래서 쏘카인드가 풀고 있는 문제는 통신사에만 국한되지 않아요.
통신사의 상담사와 대리점 직원,
보험사의 설계사와 콜센터 상담사,
은행과 카드사의 상담 직원,
렌탈과 커머스의 CS 조직,
병원과 서비스 기업의 고객 응대 직원,
그리고 여러 기업의 고객센터를 운영하는 BPO 조직까지.
고객과 사람이 대화하는 접점이 존재한다면 결국 중요한 것은 비슷해요.
고객이 어떤 상황에서 연락해 오는지,
직원은 어디에서 가장 어려움을 겪는지,
잘하는 사람은 그 상황에서 무엇을 다르게 하는지,
그리고 그 노하우를 어떻게 조직 전체로 확산할 것인지.
쏘카인드는 이 문제를 AI와 교육의 관점에서 풀고 있어요.
회사마다 이미 가지고 있는 매뉴얼과 교육 콘텐츠, 현장의 노하우를 AI가 활용할 수 있는 교육 자산으로 만들고,
직원 한 명 한 명에게 필요한 고객 상황을 만들어 충분히 연습하게 하고,
그 결과를 다시 다음 교육으로 연결하는 것.
AI가 고객 응대 직원을 대신하는 시스템이 아니라, 고객 응대 직원 한 사람 한 사람을 더 잘하게 만드는 시스템.
저희가 생각하는 고객 응대 교육 AX의 방향은 여기에 가깝습니다.
자주 묻는 질문 (FAQ)
Q1. 기존에 가지고 있는 기업 교육 자료도 활용할 수 있나요?
네. 오히려 기존 교육 자료가 중요한 출발점이에요.
상품 설명 자료, 상담 매뉴얼, CS 가이드, 기존 강의안, QA 평가 기준처럼 회사 내부에서 실제 사용하던 자료를 바탕으로 교육 내용과 AI 고객 시나리오를 구성할 수 있어요.
범용적인 AI 교육이 아니라 회사에서 실제 사용하는 지식과 응대 기준을 반영하는 것이 중요해요.
Q2. 통신사 외 다른 업종에도 적용할 수 있나요?
네.
고객과 대화하는 직원이 있는 업종이라면 비슷한 방식으로 적용할 수 있어요.
보험·금융처럼 상품 설명과 신뢰가 중요한 업종부터 렌탈, 커머스, 플랫폼, 서비스업, BPO처럼 다양한 CS 상황을 반복적으로 훈련해야 하는 조직까지 적용할 수 있습니다.
중요한 것은 업종 자체보다 해당 회사에서 어떤 고객 상황이 발생하고, 무엇을 잘하는 응대라고 정의하는지예요.
Q3. AI 고객은 정해진 대본대로만 질문하나요?
단순히 질문과 답변을 순서대로 재생하는 방식과는 달라요.
고객의 상황, 성향, 목적과 알고 있는 정보 등을 설정하면 교육생의 답변에 따라 대화가 달라질 수 있어요.
같은 교육 내용이라도 가격에 민감한 고객, 화가 난 고객, 계속 비교 질문을 하는 고객처럼 다양한 형태로 반복 훈련할 수 있습니다.
Q4. 모든 직원에게 개인별로 다른 교육을 제공하는 것이 현실적으로 가능한가요?
기존 방식으로 사람이 모든 콘텐츠와 실습을 직접 만든다면 쉽지 않아요.
생성형 AI를 활용하는 이유도 여기에 있어요.
직원의 롤플레이 결과와 부족한 부분을 바탕으로 필요한 교육 내용과 다음 훈련을 구성하면 기존의 일괄 교육보다 훨씬 세분화된 교육 운영이 가능해집니다.
Q5. 결국 AI가 상담사를 대체하게 되는 것 아닌가요?
단순하고 반복적인 상담은 AI가 담당하는 비중이 계속 늘어날 수 있어요.
하지만 그럴수록 사람이 맡게 되는 상담은 오히려 복잡하고 중요한 상황에 집중될 가능성이 있습니다.
최근 고객서비스 분야에서도 AI가 사람을 완전히 대체하는 방향뿐 아니라 상담원의 판단과 생산성, 교육을 지원하는 방식이 함께 확산되고 있어요. Gartner 조사에서도 고객은 GenAI를 활용한 서비스에서도 사람 상담원에게 연결될 수 있는 선택지를 중요하게 생각하는 것으로 나타났습니다.
쏘카인드는 AI를 활용해 사람이 실제 고객 앞에서 더 잘 대응할 수 있도록 훈련하고 코칭하는 것에 집중하고 있어요.