에이전트형 AI가 고객 경험(CX)의 판도를 바꾸고 있다. 대규모 언어 모델(LLM)은 일반 사용자 중심으로 빠르게 확산됐지만, 지금은 SaaS 플랫폼을 중심으로 임베디드 AI 에이전트가 직원 경험과 생산성 향상의 핵심 수단으로 주목받고 있다.

이러한 흐름을 고려할 때, CX의 사실상 표준 인터페이스로 임베디드 AI 에이전트가 자리 잡는 시점은 ‘언제’일 뿐 ‘가능성’의 문제가 아니다. 복잡한 인터페이스나 긴 입력 양식을 거치지 않고, 고객 선호를 인지하는 AI 에이전트가 상호작용을 간소화하는 방식이 확산되고 있다.

메시징 API 플랫폼 기업 센드버드의 CEO 존 킴은 “고객 경험에서 AI 기반 가치를 추구하는 기업은 제품군, 재고, 가격, 배송, 법적 제약에 특화된 도메인 전문 AI 에이전트를 도입할 것”이라며 “이러한 변화는 이미 리테일 업계를 중심으로 시작됐고, 앞으로는 고객이 금융, 엔터테인먼트, 헬스케어, 여행에 각각 특화된 개인 AI 에이전트를 보유하게 될 것”이라고 설명했다.

반복적이고 지루한 작업부터 자동화하라

AI 기반 CX 기능을 서둘러 도입하다 문제를 일으킨 브랜드도 있었다. 이에 따라 많은 기업이 AI 거버넌스, 데이터 품질, 테스트 체계 등 필수 요건을 우선 정비한 뒤, CX 향상을 위한 AI 에이전트 도입에 신중하게 접근하고 있다.

CX 자동화의 초기 기회는 단조롭고 반복적이며 고객 불만이 누적되는 대규모 프로세스에서 찾아볼 수 있다. CX 솔루션 기업 베린트의 글로벌 부사장 데이브 싱어는 “생성형 AI와 에이전트형 AI는 고객 응대 초반의 질문 수집, 문의 응답 검색, 통화 후 요약 등 CX 마이크로 워크플로우를 자동화해 더 강력하고 빠른 결과를 만들 수 있다”라며 상담 인력이 더 많은 여유를 확보하고 CX는 향상되며, 비용 절감과 수익 증가 효과도 동시에 얻을 수 있다고 말했다.

문서화나 제품 설치, 문제 해결 관련 고객 경험도 개선 가능성이 크다. 고객이 수많은 도움말 문서를 찾아 읽지 않아도, AI 에이전트가 실시간으로 질문에 응답할 수 있다.

비즈니스 소프트웨어 기업 퀵베이스의 CTO 존 케네디는 “제품 도움말, 위키, 커뮤니티 등 고객이 정보를 얻기 위해 들르는 디지털 접점(watering hole)에 생성형 AI와 LLM을 접목하면 고객 경험이 비약적으로 향상된다”라며 “고객의 산업군, 역할, 세그먼트에 맞는 사전 구축된 템플릿 라이브러리를 몇 개의 프롬프트만으로 활용 가능하게 하고, 다음 여정 단계로 유도하는 데도 AI가 기여할 수 있다”라고 설명했다.

AI 솔루션 기업 포쏘트의 설립자 디온 니콜라스는 “LLM으로 구현 가능한 가장 간단한 사용자 경험 중 하나가 FAQ 검색 기능을 포함한 챗봇”이라며 “그러나 웹과 앱에 에이전트형 AI를 임베딩하면 고객 대신 행동하는 기능까지 가능해진다. 예컨대 비밀번호 재설정이나 주문 상태 조회가 이에 해당한다”라고 전했다.

고객 데이터를 중심으로 한 AI 전략 수립

AI 기반 CX 고도화를 위해서는 중앙 집중화된 정제 데이터가 핵심이다. 기업들은 이를 위해 고객 데이터 플랫폼, 데이터 패브릭 등의 도구를 활용해 데이터와 상호작용을 연결하고 있다.

페가의 제품 마케팅 및 고객 참여 담당 수석 이사 타라 데자오는 “강력한 AI 기반 CX 전략은 기반 데이터와 거버넌스 수준에 달려 있다”라며 “CX 프로그램은 항상 테스트와 학습을 반복하며 데이터의 신선도와 정확도를 유지해야 한다”라고 설명했다.

데이터 중앙화 과정에서는 보안, 접근 권한, 신원 관리 등 다양한 데이터 통제 요소를 수립해야 한다. 다수의 데이터 소스와 멀티 클라우드 데이터베이스를 운영하는 기업은 DSPM(데이터 보안 태세 관리) 플랫폼을 활용해 리스크를 줄이고 있다.

개인 데이터 웹 인프라 기업 이너럽트의 제품관리 부사장 오스마르 올리보는 “기존의 제3자 중심 시스템을 사용자 중심 데이터 모델로 전환하면 실시간으로 선호도에 맞춰 반응하는 웹 및 모바일 경험을 만들 수 있다”라며 “AI 경험은 현실 기반의 다양한 데이터로 학습돼야 하며, 사용자 피드백을 반영해 AI 인사이트를 조정하고 향상시킬 수 있어야 한다”라고 전했다.

통합 데이터 플랫폼 기업 스냅로직의 제품 마케팅 부사장 마니시 라이는 “생성형 AI 프로젝트의 80% 이상이 데이터 연결성, 품질, 신뢰 부족으로 실패한다”라며 “에이전트 개발을 단순화하고 데이터 준비성을 높이며, 관측성·정확성 평가·정책 기반 통제를 통해 신뢰성을 확보해야 성공할 수 있다”라고 강조했다.

데이터 분석 툴 기업 나임의 데이터 과학 전도 책임자 로사리아 실리포는 “많은 에이전트형 AI 애플리케이션은 사람이 중간에 결과를 검토하는 절차(human-in-the-loop)를 포함하고 있다”라며 “또 다른 방식은 감시 전용 AI 에이전트를 두고, 결과가 미흡할 경우 이를 반려하고 개선을 요청하는 구조다”라고 설명했다. 감성 분석과 같은 데이터 기반 작업에서는 “생성형 AI의 정확도를 기존 머신러닝 모델과 비교 평가하는 방식도 쓰인다”라고 밝혔다.

고객 서비스 AI로 전화·챗 경험까지 진화

단순한 정보 검색이나 간단한 작업 수행을 넘어, 고객센터 전화·챗 경험도 AI가 바꾸고 있다. 한 조사에서는 23%의 소비자가 ‘불쾌한 고객 서비스 경험을 반복하느니 차라리 페인트가 마르는 걸 보겠다’고 응답했다.

단순 규칙 기반 챗봇이 아닌 에이전트형 AI는 고객 데이터를 기반으로 직접 응답하고, 사람 상담사는 복잡한 이슈에 집중할 수 있게 돕는다.

시스코 산하 웹엑스 CX 솔루션 부문 COO 비노드 무투크리슈난은 “셀프서비스의 효과적 활용은 고객 만족과 직결된다”라며 “에이전트형 AI는 브랜드와 고객 간 엔드투엔드 상호작용을 설계함으로써 셀프서비스 경험을 지능적이고 매끄럽게 전환한다”라고 설명했다.

AI 솔루션 기업 에이셉의 고객 전략 담당 부사장 크리스 아놀드는 “고객이 사용하는 웹사이트, 앱, B2C 메시징 등은 대부분 백엔드에 고객 데이터를 연동하고 있다”라며 “LLM 기반 대화형 인터페이스를 통해 트랜잭션 기반 시스템보다 훨씬 자연스럽고 개인화된 CX를 제공할 수 있다”라고 설명했다.

도입 전 반드시 거쳐야 할 AI 테스트 절차

AI 기반 CX 기능과 자율형 에이전트를 도입하려는 기업은 정밀한 테스트 계획을 수립해야 한다. 프롬프트 필터, 응답 검열, 콘텐츠 보호 장치 등은 기본이며, 그 이상으로 정확성, 적절성, 윤리성까지 검증돼야 한다.

클라우드 서비스 기업 사다의 CTO 마일스 워드는 “모니터링 없이 에이전트를 투입하면 오히려 새로운 문제를 낳을 수 있다”라며 “정확도와 성능에 대한 철저한 검증은 반드시 필요하다”라고 강조했다.

데이터 분석 기업 레이턴트뷰의 데이터 과학 총괄 가네시 산카라링감은 AI 응답의 정확성과 품질을 다음 5가지 기준으로 평가할 것을 제안했다. △관련성 △근거 적합성 △예상 결과 유사도 △문장 흐름 일관성 △언어 유창성 등이다.

포쏘트의 디온 니콜라스는 “과거 고객 질문 데이터를 기반으로 에이전트를 학습시킨 뒤, 자율 처리 비율과 감성 정확도를 별도 평가 모델로 측정해야 한다”라고 강조했다.

에이전트형 AI의 미래, 전면 자동화 vs. 인간 중심 협업

에이전트형 AI가 향후 CX에 어떤 영향을 줄지에 대해서는 의견이 갈린다. 일부는 고도의 자율성을 갖춘 AI가 복잡한 결정을 내리고 업무를 대행하는 방향을, 다른 일부는 AI가 사람의 역량을 증폭하고 협력자로 작용하는 방식을 전망한다.

디지털 경험 플랫폼 개발사 사이트코어의 생성형 AI 총괄 모 셰리프는 “진정한 에이전트형 경험을 구축하려면 기존 시스템을 보완하는 방식이 아니라 처음부터 생성형 AI 중심의 인터랙션 구조를 설계해야 한다”라고 조언했다.

아마존웹서비스의 CX 솔루션 아키텍처 총괄 마이클 월리스는 “기상 악화로 항공편 대란이 발생했을 때, 에이전트형 AI가 고객센터를 자율적으로 재구성해 사전 대응할 수 있다”라며 “인간 상담사는 복잡한 이슈에 집중할 수 있다”라고 설명했다.

IT 서비스 기업 서덜랜드 글로벌의 CIO 겸 최고디지털책임자(CDO) 더그 길버트는 “AI는 고객 경험을 자동화하는 것이 아니라 더 인간적이고 지능적으로 만드는 수단이어야 한다”라며 “현실 세계의 상호작용으로부터 학습해 더 자연스럽고 직관적인 방향으로 진화해야 한다”라고 전했다.

자율형과 협업형 CX AI 에이전트가 공존할 가능성이 높은 가운데, 지금 기업이 할 일은 고객 요구를 면밀히 조사하고, 데이터 품질을 확보하며, 엄격한 테스트 체계를 수립하는 것이다.
dl-itworldkorea@foundryco.com