선도적인 기업에게 AI는 단순한 효율 향상의 수단이 아니다. AI는 고객 관계를 근본적으로 변화시키는 강력한 도구로, 수동적인 문제 해결에서 능동적인 고객 참여로의 전환을 가능하게 한다.
고객 서비스는 더 이상 단순한 백오피스 기능에서 벗어나, 이제는 전략적 차별화를 이끄는 핵심 영역으로 진화하고 있다. 생성형 AI가 비즈니스 지형을 재편함에 따라, 기업은 중대한 선택의 기로에 놓이게 된다. 고객 서비스를 여전히 비용 센터로 남겨둘 것인가, 아니면 제품 개발부터 고객 충성도에 이르기까지 가치를 창출하는 전략적 기능으로 탈바꿈시킬 것인가?
1. 고객 경험에서의 AI 혁신
수십 년 동안 고객 서비스는 사람 중심으로 운영되어 왔다. IVR(음성 응답 시스템)이나 챗봇과 같은 기술은 존재했지만, 어디까지나 보조적 역할에 머물렀으며, 고객 경험을 근본적으로 변화시키는 수준은 아니었다. 이러한 도구들은 서비스 센터에 대한 고객 의존도를 줄이는 데에는 기여했지만, 사람 간 상호작용이 주는 공감과 감정적 연결을 완전히 대체하지는 못했다. 심지어 같은 플랫폼에서 다양한 AI 페르소나(Persona)를 제공하더라도, 그 간극은 여전히 존재한다. 하지만 ‘생성형 AI(GenAI)’는 완전히 새로운 전환점이라 할 수 있다. 기존 기술들이 점진적인 가치를 제공하는 데 그쳤다면, 생성형 AI는 사람과 유사한 상호작용을 대규모로 구현할 수 있는 최초의 기술로 평가된다. 이를 통해 소비자는 옴니채널 환경에서 끊김 없는 고객 여정을 경험할 수 있게 되며, 이는 글로벌 컨택센터 시장에 본질적인 판도를 바꾸는 충격을 가져올 수 있다. 현재 해당 시장은 정의에 따라 약 120억~310억 달러 규모로 추정되며, 연평균 성장률(CAGR)은 5~20% 수준에 이른다.
커니(Kearney) 리서치에 따르면, AI 기반 고객 서비스를 도입한 기업들은 운영 지표와 고객 만족도 양 측면에서 획기적인 개선을 경험하고 있다. 예를 들어 한 통신사 사례에서는 AI 음성 어시스턴트 도입 후 순추천지수(Net Promoter Score, NPS)가 39포인트 상승했고, 컨택센터의 초기 운영 비용은 5~10% 감소했다.1
AI는 또한 컨택센터의 백오피스 운영에도 변화를 일으키고 있다. AI 기반 고객 라우팅, 상담사 지원 플랫폼(예: 최적 응답 제안), 실시간 통화 분석 등을 통해 상담 처리 시간이 단축되고, 후방 운영의 생산성이 비약적으로 향상되고 있다.
그러나 핵심은 이것이다. AI는 단순한 효율화 도구가 아니다. AI는 조직이 고객 관계를 바라보는 방식 자체를 변화시키고 있다. 즉, 문제를 해결하는 수동적 접근에서, 고객 니즈를 예측하고 선제적으로 대응하는 능동적 접근으로의 전환을 이끌고 있다.
2. 생태계 전반의 도전 과제
AI가 고객 서비스를 혁신할 수 있다는 강력한 근거가 존재함에도 불구하고, Kearney의 독자적 조사 결과는 매우 중요한 경고를 제시하고 있다. 고객, 기업, 그리고 기술 및 BPO(비즈니스 프로세스 아웃소싱) 벤더를 아우르는 포괄적인 생태계 조사를 수행한 결과, AI 도입의 성공을 위협할 수 있는 우려스러운 정렬 실패(Misalignment)들이 곳곳에서 발견되었다.2
1) 고객 인식의 불일치
전체 소비자의 53%는 AI 기반 고객 서비스에 익숙하다고 응답했지만, 76%는 자신이 AI와 상호작용하고 있음을 식별할 수 있다고 생각하고 있다. 이는 대부분의 AI 시스템이 완전히 자연스럽고 끊김 없는 고객 경험을 제공하지 못하고 있다는 점을 시사한다. 실제로 고객은 자신이 AI로 전환되었음을 인지하고 있으며, 그 AI가 자신의 질문에 충분히 응답하지 못한다는 점을 종종 경험하게 된다. 이러한 경험은 고객 서비스에 대한 인지 가치(Perceived Value)를 저하시킬 수 있다. 아이러니하게도, 진정한 AI는 사람과 구분되지 않아야 한다는 튜링 테스트의 전제에 비추어 볼 때, 많은 기업들이 AI 챗봇의 진정한 잠재력을 제대로 활용하지 못하고 있으며, 이는 궁극적으로 AI 투자의 정당성을 훼손할 수 있다.
2) 비용 절감에 대한 기대 vs. 실제 투자 구조
많은 기업들은 AI를 통해 컨택센터 운영 비용을 20~30%가량 절감할 수 있을 것으로 기대한다. 그러나 벤더의 실제 보고에 따르면, AI 통합으로 인해 전체 소프트웨어 비용은 오히려 24~50% 증가하는 경우가 많다. 이는 기존 소프트웨어 외에 별도로 AI 기능을 구축하고 훈련시키는 추가 비용 때문이다. 이로 인해 기업의 ROI(투자 대비 수익률) 계산에 괴리가 발생하며, 이는 과거 클라우드 도입 초기의 투자 불일치 현상과 유사하다. 당시에도 초기에는 클라우드가 비용 효율적인 솔루션으로 여겨졌지만, 대규모 확산 이후에는 기대만큼 비용 절감이 실현되지 않음에 따라 기업과 벤더 간의 전략적 인식 차이가 심화된 바 있다.
3) 전략적 우선순위의 괴리
기업의 80% 이상은 향후 1년 내 에이전틱 AI(Agentic AI)를 도입할 계획을 가지고 있다. 그러나 실제로 벤더 중 해당 기술을 최우선 기술로 고려하는 비율은 30%에 불과하다. 이 같은 간극은 일부 예견된 일이기도 하다. 대부분의 벤더는 기존 소프트웨어 내 AI 기능의 극대화에 먼저 집중하고 있기 때문이다. 게다가 ‘에이전틱 AI’의 정의 자체가 불명확한 상황에서, 벤더들은 이 용어를 산업 내 과장된 기대(Hype)에 활용하고 있다. 이러한 불일치는 다음과 같은 개념 차이에서도 기인할 수 있다: 어떤 벤더는 기존 소프트웨어 내 포함된 AI를 말하고, 어떤 벤더는 기존 소프트웨어가 하던 기능을 아예 AI가 대체하는 구조를 지칭하기 때문이다.
1 Kearney와 아시아태평양 지역 선도 통신사의 2023~2024년 협업 사례 2 Kearney의 ‘AI in Customer Service(2025)’ 연구 (1,000명의 고객, 연평균 매출 200억 달러 이상인 기업의 임원 25명, CXO급 기술 파트너 및 공급업체 22명 대상 조사)
► 생태계 참여자 간 전략적 정렬이 필요하다는 것을 보여주는 도전 과제들
이러한 복잡성은 새로운 것이 아니지만, 고객, 기업, 기술 벤더 간의 인식과 기대 불일치는 AI 도입 성공을 위협하는 핵심 장애 요소다. AI의 성공적 구현을 위해서는, 생태계 전반이 공통된 기대치와 실행 로드맵을 공유해야 한다. 즉, 고객 경험, 기술 구현, 투자 수익 간의 ‘전략적 정렬(Alignment)’이 선행되지 않는다면, AI는 오히려 비용과 복잡성만을 더하는 기술이 될 위험이 있다.
3 효율성을 넘어, 가치사슬의 재구성
선도적인 조직일수록 AI를 단순한 효율화 수단으로 보지 않는다. 이들은 고객 서비스의 역할을 기존의 한계 안에 가두지 않고, 이를 세일즈, 결제, 마케팅 등 가치사슬 전반에 걸친 전략적 기능으로 재개념화하고 있다.
전통적으로 고객 서비스는 판매 이후 사후 지원 활동으로 간주되었다. 그러나 AI가 접목된 새로운 가치사슬에서는 고객 서비스가 비즈니스 프로세스의 시작점으로 자리 잡는다. 실시간 고객 인사이트를 기반으로, AI가 주도하는 개인화와 하이퍼 세분화 전략을 통해 제품 설계와 혁신을 선도하게 된다. 이러한 접근은 고객에게는 더 높은 가치를 제공하고, 기업 입장에서는 고객 획득 비용을 절감함으로써 ROI를 개선하는 결과를 가져온다. 이러한 변화는 고객 서비스를 ‘비용 센터에서 가치 창출의 동력(Value Driver)’으로 탈바꿈시킨다. 단순히 효율성을 추구하는 지원 기능이 아니라, 개인화된 고객 여정과 차별화된 제품 제공을 가능하게 하는 비즈니스 핵심 역량으로 진화시키는 것이다.
4. AI 구현을 위한 접근 단계
AI 도입을 ‘무모한 대형 도전(Moonshot)’ 방식으로 시작해 막대한 초기 투자 후 수년 뒤에야 성과를 기대하는 접근은 이제 더 이상 유효하지 않다. Kearney는 단기 성과와 장기적 전환을 동시에 달성할 수 있는 단계별 실행 전략을 제안한다.
1단계 단기 성과 확보 (0~6개월)
- 자주 반복되는 문의를 처리하는 AI 챗봇 도입
- 디지털 피드백에 대한 감정 분석(Sentiment Analysis) 적용
2단계 기반 구축 (6~12개월)
- 예측 기반 지원 모델 도입
- 고객 데이터를 통합하여 전방위적 관점의 인사이트 확보
3단계 생태계 혁신 (12~24개월)
- 문제에 반응하기 전에 사전 인지 및 방지할 수 있는AI 기반 ‘플루이드(Fluid)’ 옴니채널 고객 지원 체계 구축(관련: "What is fluid omnichannel?" 사이드바 참고)
※ ‘Fluid’ 옴니채널이란?
고객 지원 서비스의 차세대 채널로, 고객의 니즈, 맥락, 선호도에 따라 AI가 채널 간 상호작용을 매끄럽게 조율하는 방식이다. 채널 간 전환이 눈에 띄지 않게 자연스레 이뤄지며, 대화의 맥락이 그대로 유지되기 때문에 고객은 어떤 채널을 사용하든 끊김 없는 일관된 경험을 할 수 있다.
이러한 단계별 접근을 통해 조직은 즉각적인 비즈니스 가치를 창출함과 동시에, 향후에는 AI 기반의 선제적(Proactive), 개인화된(Personalized), 마찰 없는(Frictionless) 고객 경험을 구축할 수 있다. 결과적으로, 고객은 더욱 세심하게 지원받고 있다는 느낌을 갖게 되며, 직원은 AI가 처리하지 못하는 고부가가치 업무(예: 복잡한 질의 응답 등)에 집중할 수 있다. 이 과정에서 고객 서비스는 기존의 지원 기능에서 벗어나, 조직의 핵심 가치 중심(Value Center)으로 자리매김하게 된다.
5. 성공을 위한 5가지 실행 과제
Kearney의 생태계 연구 및 다양한 기업과의 협업 경험을 바탕으로, AI를 고객 서비스에 도입하고자 하는 조직이 반드시 고려해야 할 다섯 가지 핵심 실행 과제를 제안한다:
- 비즈니스 목표 및 고객의 기대치에 부합하는 명확한 비전과 지향점을 정의
- 기술 공급업체와 BPO 전반에 걸쳐 효율성과 고객 경험을 동시에 개선하는 데 초점을 맞춰, 대담한 전환
(예: 비용, 속도 및 기타 혜택에서 최소 30% 개선) 을 이끌 수 있는 포괄적인 비즈니스 사례를 마련 - 구체적인 마일스톤과 측정 가능한 성과 지표를 기반으로, 지속적으로 가치 창출할 수 있는 실행 로드맵을 설계
- 공급업체 및 내부 조직이 하나의 팀처럼 움직일 수 있도록, KPI와 기대치를 명확히 합의한 협업 프레임워크 마련
- 비즈니스와 공급업체의 우선순위가 일치하도록 올바른 파트너십 로드맵 수립
6. 지금이 바로 실행해야 할 때이다
Kearney의 연구는 명확하다. ’AI 기반 고객 서비스는 이제 기본 요건(Table Stakes)’이 되고 있다. 따라서, 지금이 바로 혁신을 시작해야 할 시점이다. 행동에 나서지 않는 조직은, 낡고 비효율적이며 고비용 구조에 묶인 채 시장에서 뒤처질 위험이 있다. 반면, AI를 전략적으로 수용하는 조직은 고객 서비스를 비용 센터가 아닌 ‘성장을 견인하고 회복탄력성을 높이는 경쟁 우위의 원천’으로 전환할 수 있다. 다만, 기존 벤더에만 의존할 경우에는 새로운 여정을 설계하기보다, 점점 더 폐쇄적인 구조에 갇혀 단기성과에만 머무를 위험도 존재한다.
AI를 고객 서비스 환경에 통합하려면, ‘직접 구축(Make)’할 것인가, ‘기성 솔루션을 구매(Buy)’할 것인가, 또는 ‘전략적 파트너십을 체결(Partner)’할 것인가에 대한 명확한 판단이 필요하다. 오늘날 고객 서비스 내 AI 생태계는 급속히 진화하고 있다: 대형 기술 벤더는 생성형 AI(GenAI)를 자사 솔루션에 이미 통합하고 있으며, 전문 솔루션 제공자는 기존 시스템에 연동 가능한 니치형 AI 도구를 제공하고 있고, 시스템 통합(SI) 및 BPO 파트너는 특정 비즈니스 니즈에 특화된 AI 솔루션 개발을 지원하고 있다. 또한, 많은 기업들은 자체 데이터를 활용해 선호하는 대형 언어모델(LLM) 기반으로 내부에서 직접 유즈케이스를 개발하고자 데이터 및 IT 역량 강화에 나서고 있다.
선택의 결과는 수년간 영향을 미친다. 이러한 전략적 선택은 다음과 같은 결과로 이어질 수 있다: 빠른 도입과 스케일업 초반 비즈니스 케이스에 대한 확신내부 혁신을 위한 실험 기반 확보 등 지금 내리는 선택이 향후 수년간의 고객 전략을 좌우할 수 있기 때문에, 각 유즈케이스에 가장 적합한 방향을 판단하고, 그에 맞는 아키텍처를 선택하는 것이 무엇보다 중요하다.
기존 콜센터 벤더 내 AI 활용
기존 공급업체의 AI 기능을 활용하면 빠르게 가치 창출을 할 수 있지만, 이 가치가 다른 플랫폼으로 이전되지 않아 공급업체 종속성이 심화될 수 있다. 플랫폼이 바뀌면 AI도 새로 학습시켜야 하고, 공급업체 측에서도 변화 가능성을 줄이기 위해 비용을 증가시킬 가능성이 있으므로 향후 구매 결정 시 이 점을 고려해야 한다.
생성형 AI 기술 제공업체와의 파트너십
기존 도구와 프로세스와의 통합이 필요하며, 자사 데이터를 기반으로 한 솔루션 학습과 실질적인 가치 실현을 위한 투자도 필요하다. 특정 목적에 최적화된 솔루션은 대형 AI 및 기술 공급업체에 대한 종속성을 줄여주지만, 그만큼 시스템 전반의 통합과 운영에 대한 책임이 조직 내부에 더 많이 요구된다.
SI 및 BPO 주도형 AI 도구 개발
이 방식은 가치 창출에 있어 상대적으로 리스크가 적어 보일 수 있지만, 실제 두 가지 리스크가 존재한다. 하나는 함께 개발하는 파트너 의존도가 높아지는 것이고, 다른 하나는 제3자 비용이 증가하면서 사업 타당성이 훼손될 수 있다는 것이다. 제3자는 고객에게 실질적인 이익(Net Benefit)을 주는 걸 넘어서 총 이익(Gross Benefits)을 늘리는 쪽으로 전환해 자신의 비용을 회수하려고 하기 때문이다. 성과가 빨리 나타나는 장점은 있지만, BPO 입장에서는 자사 수익 확보를 위해 인력을 AI 에이전트로 대체하거나 비용을 계속 높이는 방식으로 수익을 확보하려 하므로, 결국 고객에게는 또 다른 부담이 될 수 있다.
자사 자체 AI 솔루션 구축
이 방식은 시간이 더 오래 걸리지만, 조직 내 기술 역량을 충분히 확보했다면 장기적으로 고려해볼 만한 방안이다. 하지만 이 경우, 역량을 개발하는 데 그치지 않고, 테스트를 거쳐 적절한 통제 체계를 갖추기까지 시간이 많이 소요된다. 특히 다른 기업들처럼 외부 데이터를 활용하지 못하고 오직 자체 데이터 만으로 AI를 학습시켜야 하는 경우라면, 그만큼 개발 속도는 더 느려질 수 밖에 없다.
7. 지금 바로 행동해야 할 때
모든 조직에 적용되는 완벽한 정답은 존재하지 않는다. 그러나 비즈니스 전략과의 정렬성을 바탕으로, 각 선택지가 가지는 트레이드오프(비용·속도·자율성 등)를 명확히 이해하고 판단한다면, 각 유즈케이스별로 적절한 접근 방식을 선택하고 설계하는 것이 가능하다. 가장 중요한 목표는 ‘가치를 극대화할 수 있는 방식을 선택하는 것’이다. 그런 점에서, ‘구축(Make)과 구매(Buy)’의 하이브리드 전략은 다양한 유즈케이스와 가치 실현 기회를 반영한 가장 현실적인 접근으로 빠르게 자리잡을 가능성이 크다. 예를 들어, 범용적이고 차별성이 낮은 유즈케이스(예: 단순 응대 자동화)는 기존 플랫폼 내 AI 활용만으로 충분할 수 있고, 고객 경험이나 비즈니스 차별화와 직결되는 영역은 전문 솔루션 도입 또는 자체 구축 전략이 지속 가능한 가치 실현에 유리할 수 있다.
지금 고객 서비스는 수십 년 만에 가장 근본적인 전환점을 맞이하고 있다. 따라서 단기 성과에만 집중할 것이 아니라, 장기적 관점에서 실행 가능한 로드맵을 수립하고, 다양한 생태계 전문성을 결합해 전략을 체계화해야 할 시점이다. 이는 단순히 기술을 도입하는 것 이상의 과제이다. AI 투자가 비용과 복잡성만을 더할 것인지, 아니면 지속 가능한 가치를 창출하는 결정적 자산이 될 것인지는 지금의 전략적 선택에 달려 있다.
