코로나19 이후 더욱 중요해진 고객 서비스

기업의 고객 서비스 품질이 전체 비즈니스에 미치는 영향이 매우 큰 것으로 나타났다. 하버드비즈니스리뷰(HBR) 애널리틱 서비스의 설문조사에 따르면, 93%의 응답자가 각각의 고객 서비스 상호작용이 전반적인 고객 경험에 긍정적 또는 부정적 영향을 미친다고 답했으며, 94%는 고객 서비스 경험의 질이 전반적인 고객 경험의 질에 직접적인 영향을 미친다고 응답했다.

DiJulius 그룹의 회장은 "코로나19 이후 대량 사직, 인력 부족, 직원 사기 저하, 물가 상승 등으로 인해 고객 경험 격차가 발생했다"며 "서비스가 부실하거나 개인화가 부족하면 고객들은 단 한 번의 나쁜 경험으로도 떠날 수 있다"고 경고했다.

현재 기업들의 고객 서비스 역량은 개선이 필요한 것으로 드러났다. 콜센터(56%), 개인화된 서비스 상호작용(56%), 고객관계관리(CRM) 시스템(55%), 일상적인 고객 서비스 워크플로우 자동화(53%) 등 주요 서비스 영역에서 만족도가 50% 중반에 머물러 있다.

특히 캘리포니아대학교 어바인 캠퍼스의 아비셱 교수는 시스템 파편화 문제를 지적했다. 고객 데이터 플랫폼, CRM, 고객 지원 플랫폼 간의 연계성이 부족해 고객이 같은 정보를 반복해서 제공해야 하는 문제가 발생하고 있다는 것이다.

AI 도입 현황과 기대효과

이러한 상황에서 기업들의 73%가 고객 서비스 개선을 위한 인공지능(AI) 활용의 중요성을 인식하고 있으며, 62%는 "현재 업계에서 고객 서비스에 AI 기술을 도입하는 것이 그 어느 때보다 중요하다"고 답했다.

현재 AI 기반 고객 서비스 도구를 도입 중인 기업은 29%로, 이 중 15%는 시범 운영 단계에 있으며 14%는 여러 영역에서 전면 도입했다. 36%의 기업은 도입을 검토 중이며, 29%는 아직 도입을 고려하고 있지 않다.

기업들이 AI 기반 고객 서비스 도구를 도입하는 주된 이유로는 '고객 만족도 향상'(69%)이 가장 높았으며, '데이터 기반 인사이트 확보'(44%), '운영비용 최적화'(37%), '상담원 업무 효율성 개선'(35%) 등이 뒤를 이었다.

AI 도입 시 기업들이 중요하게 고려하는 기능으로는 반복적인 상담원 작업 자동화(63%), 개인화된 메시징 제공(61%), 고객 니즈 예측 및 선제적 해결(58%), 개인화된 추천 제공(55%)이 있다. AI 성과는 주로 고객 만족도(59%), 해결 속도(46%), AI 응답/추천의 정확도(39%), 고객 획득 지표(38%) 등으로 측정하고 있다.

성공적인 도입 사례: IBM의 의료 산업 고객사

AI 도입의 실제 효과를 보여주는 사례로 IBM의 의료 산업 고객사가 주목받고 있다. 이 기업은 AI 기반 가상 비서를 도입해 직원 서비스 부서의 문의 처리를 자동화했다. 그 결과 상담원 문의량이 80-90% 감소했으며, 24시간 서비스가 가능해져 직원 만족도도 크게 향상됐다.

특히 주목할 만한 점은 상담원들의 역할 변화다. 단순 반복 업무에서 벗어나 더욱 전문적인 문제 해결에 집중할 수 있게 되었으며, 콜백 예약 시스템을 통해 업무 시간을 효율적으로 관리할 수 있게 되었다.

AI 도입의 장벽과 해결과제

AI 도입에는 여전히 장애물이 존재한다. 미도입 기업들은 'AI가 어떻게 고객 서비스를 개선할 수 있는지에 대한 이해 부족'(44%)과 'AI 도입을 주도할 인재 부족'(43%)을 주요 장애물로 꼽았다.

이미 AI를 도입한 기업들도 '교육 필요성과 기술 격차'(47%), '데이터 보안/프라이버시 이슈'(41%), 'AI 도구의 의사결정/추천의 오류나 편향'(38%) 등을 주요 과제로 언급했다.

시장에 대한 이해도도 문제다. 51%가 시장의 다양한 AI 도구들을 구분하기 어렵다고 답했으며, 40%만이 시장의 AI 도구들을 잘 이해하고 있다고 응답했다. 아비셱 교수는 "벤더들이 고객의 실제 문제점을 이해하지 못한 채 솔루션을 판매하는 것이 문제"라고 지적했다.

성공적인 AI 도입을 위한 전문가 제언

전문가들은 성공적인 AI 도입을 위해서는 우선 조직 내 적절한 인재 확보가 필수적이라고 강조한다. AI를 이해하고 비즈니스 문제를 해결할 수 있는 전문가가 있어야 하며, 이들은 기술뿐만 아니라 조직의 비즈니스 목표를 정확히 이해하고 있어야 한다.

또한 AI 도입 전에 명확한 목표 설정이 중요하다. 기업은 AI를 통해 개선하고자 하는 구체적인 지표를 정의하고, 이를 측정할 수 있는 방법을 사전에 수립해야 한다. 이는 단순히 AI를 도입하는 것에서 그치지 않고, 실제로 비즈니스 가치를 창출하고 있는지 확인할 수 있는 기준이 된다.

데이터의 중요성도 간과할 수 없다. AI 시스템이 효과적으로 학습하기 위해서는 충분한 양의 품질 높은 데이터가 필요하다. 특히 데이터 관리에 있어서는 가시성 확보와 규제 준수가 중요하며, SaaS와 온프레미스 배포 모델의 장단점을 고려하여 자사에 맞는 방식을 선택해야 한다.

전문가들은 또한 단계적 접근을 권장한다. 처음부터 대규모 프로젝트를 시도하기보다는 작은 규모의 실험부터 시작하여 점진적으로 확대하는 것이 바람직하다. POC 진행 시에는 포트폴리오 접근 방식을 통해 다양한 가설을 검증해볼 것을 제안한다. 이를 통해 리스크를 최소화하면서 조직에 가장 적합한 AI 솔루션을 찾을 수 있다.

벤더 선정에도 신중을 기해야 한다. 업계 경험과 지원 체계를 갖춘 신뢰할 수 있는 파트너를 선택하는 것이 중요하다. 벤더가 제공하는 솔루션이 조직의 실제 문제를 해결할 수 있는지, 지속적인 지원과 업데이트가 가능한지 등을 꼼꼼히 살펴봐야 한다.

특히 데이터 관리에 있어서는 가시성 확보와 규제 준수가 중요하다. SaaS와 온프레미스 배포 모델의 장단점을 고려하여 자사에 맞는 방식을 선택해야 하며, POC 진행 시에는 포트폴리오 접근 방식을 통해 다양한 가설을 검증해볼 것을 권장했다.

미래 전망: 하이퍼 개인화된 고객 서비스로 진화

전문가들은 특히 생성형 AI의 등장으로 고객 서비스가 한층 더 진화할 것으로 전망했다. 캘리포니아대학교 어바인 캠퍼스의 비반슈 아비셱 교수는 "생성형 AI를 통해 인간보다 더 나은 상호작용이 가능해질 것"이라며 "다양한 정보를 통합해 인간이 할 수 없는 수준으로 개인화된 경험을 제공할 수 있다"고 설명했다.

Superior Contact의 White는 실시간 모니터링과 피드백 시스템의 발전을 전망했으며, 사전 세일즈, 세일즈, 고객 지원, 셀프 서비스 등 전체 고객 여정에서 AI가 통합되어 하이퍼 개인화된 서비스를 제공할 것으로 예측했다.

해당 리포트의 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.