이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
핵심 요약
AI는 단순히 티켓을 처리하는 것을 넘어, 인간의 해결 방식을 학습하며 지속적으로 개선되는 'resolution learning loop'를 통해 90%의 자동화를 달성한다. 기술적 한계보다 조직의 업무 방식 변화를 관리하는 것이 AI 도입의 핵심이다.
배경
Zendesk의 AI 책임자가 출연하여 고객 서비스 분야에서 AI가 어떻게 티켓을 자율적으로 해결하고 학습하는지 설명한다.
대상 독자
AI 도입을 고민하는 기업 리더 및 엔지니어.
의미 / 영향
고객 서비스 분야에서 AI는 단순 챗봇을 넘어 자율적인 문제 해결 주체로 진화하고 있다. 기업은 향후 AI 에이전트 간의 상호작용을 고려한 서비스 아키텍처를 준비해야 한다. 기술 도입보다 조직의 업무 구조를 AI 친화적으로 바꾸는 변화 관리가 경쟁력의 핵심이 될 것이다.
섹션별 상세
Zendesk의 AI 전환과 성과
Zendesk는 ChatGPT 등장 이후 고객 서비스 자동화의 패러다임이 변화했음을 인지하고 시스템을 재설계했다. 기존 챗봇이 단순 규칙 기반으로 10~20%의 티켓만 처리하던 한계를 넘어, 생성형 AI를 통합하여 자율적인 해결 능력을 확보했다. 현재 Zendesk의 우수 고객들은 이를 통해 티켓의 70~90%를 자동으로 해결하고 있다. 이는 단순한 챗봇 도입을 넘어 AI가 고객 서비스의 핵심 운영 주체로 자리 잡았음을 보여준다.
Resolution Learning Loop의 작동 원리
고객 서비스 시스템은 단순히 티켓을 처리하는 데 그치지 않고, 인간 상담원이 개입하여 문제를 해결한 데이터를 실시간으로 학습한다. AI가 해결하지 못한 티켓을 인간이 수정하면, 시스템은 이 수정 과정을 분석하여 다음 유사 티켓 처리 시 정확도를 높이는 피드백 루프를 작동시킨다. 이러한 'resolution learning loop'를 통해 AI는 시간이 지날수록 성능이 측정 가능할 정도로 개선된다. 이는 AI가 고정된 모델이 아니라 지속적으로 진화하는 시스템임을 의미한다.
기술적 의사결정: 생성형 AI와 결정론적 코드
고객 서비스 환경에서는 생성형 AI의 창의성과 결정론적 코드의 정확성을 적절히 혼합하는 엔지니어링 설계가 필수적이다. 환각(hallucination)을 무조건적인 오류가 아닌 창의적 기능으로 활용하되, 정답이 명확해야 하는 단계에서는 결정론적 코드로 전환하여 오류를 방지한다. Shashi Upadhyay는 창의적 AI와 결정론적 코드를 전환해야 하는 시점을 정확히 판단하는 것이 엔지니어링의 핵심 과제라고 강조한다. 이는 AI의 유연성과 서비스의 신뢰성을 동시에 확보하는 전략이다.
Forethought 인수와 신속한 배포
Zendesk는 Forethought 인수를 통해 기술 도입 기간을 수개월에서 며칠 단위로 단축하는 성과를 거두었다. Forethought의 기술은 기존 시스템에 빠르게 통합되어 즉각적인 자동화 효과를 제공하는 데 최적화되어 있다. 이 인수는 기술 개발뿐만 아니라 시장 진입 속도를 높이는 전략적 선택이었다. 이는 복잡한 엔터프라이즈 환경에서 기술 도입의 장벽을 낮추는 것이 얼마나 중요한지 보여준다.
AI 도입의 병목 현상과 미래 전망
AI 도입의 가장 큰 병목은 기술적 한계가 아니라 인간과 AI 인력이 협업하는 방식을 재구성하는 변화 관리이다. Shashi Upadhyay는 현재 AI 도입이 전체의 5% 수준에 불과하다고 평가하며, 조직 구조의 변화가 필수적임을 지적한다. 미래에는 개인 AI 에이전트와 기업 AI 에이전트가 직접 소통하며 90%의 문제를 즉시 해결하고, 인간은 고부가가치 상호작용에 집중할 것으로 전망한다. 이는 AI가 단순 도구를 넘어 업무 프로세스의 주체로 변화할 것임을 시사한다.
주목할 인용
“The bottleneck isn't the technology, it's the change management required to restructure how human and AI workforces operate together.”
기술이 병목이 아니라 인간과 AI 인력이 협업하는 방식을 재구성하는 변화 관리가 핵심이다.
Shashi UpadhyayAI 도입의 진정한 어려움에 대해 설명하는 대목.
실무 Takeaway
- 고객 서비스 AI는 단순히 답변을 생성하는 것이 아니라, 인간 상담원의 해결 데이터를 학습하여 지속적으로 성능을 개선하는 피드백 루프를 구축해야 한다.
- 생성형 AI의 창의성과 결정론적 코드의 정확성을 적절히 혼합하여, 상황에 맞는 최적의 해결 방식을 선택하는 엔지니어링 설계가 필요하다.
- AI 도입의 성공은 기술 자체보다 조직 내 인간과 AI의 협업 프로세스를 재설계하는 변화 관리에 달려 있다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 06. 13.수집 2026. 06. 13.출처 타입 PODCAST
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.