상담 AI 도입안에 ‘통화 시간 단축’만 남아 있나요?
고객 상담에 AI를 붙이려 할 때 가장 먼저 나오는 숫자는 처리 시간, 자동 응답률, 상담원 한 명당 처리 건수입니다. 운영비를 줄이는 데는 중요한 지표지만, 대출 신청이나 보험 가입처럼 대화가 매출로 이어지는 업무에서는 절반만 본 셈이에요.
상담을 빨리 끝내는 것과 고객이 다음 단계로 움직이게 만드는 것은 다른 문제입니다. Encore AI가 눈에 띄는 이유도 여기에 있어요. 이 회사는 과거 상담에서 거래를 진전시킨 대화 패턴을 찾고, 그 패턴을 사람 상담원이나 자율 에이전트가 다시 실행하게 만드는 제품을 개발해 2026년 7월 3,000만 달러 규모의 시리즈 A를 유치했습니다.
다만 투자 유치가 제품 효과를 증명하는 것은 아닙니다. Encore에서 가져올 만한 발견은 과장된 성과 숫자가 아니라, 상담 기록을 분석 보고서로 끝내지 않고 실행 가능한 플레이북으로 연결하는 구조입니다.
성공한 통화를 찾은 다음, 실제 대화까지 바꿉니다
Encore의 Interaction Mining은 통화 녹음, 이메일, 문자와 CRM의 결과 정보를 연결한 뒤 상호작용을 단계별로 나눕니다. 각 단계에서 거래를 진전시킨 행동과 놓친 행동을 찾고, 성과가 좋은 직원의 전술을 플레이북으로 정리하는 흐름이에요.
여기까지라면 일반적인 대화 분석 도구와 비슷해 보입니다. 차이는 분석 결과를 다시 현장에 넣는 방식에 있어요.
| 방식 | 누가 고객과 대화하나 | 플레이북의 쓰임 | 먼저 확인할 위험 |
|---|---|---|---|
| Wingman | 사람 상담원 | 대화 중 다음 질문이나 대응을 실시간으로 안내 | 잘못된 조언을 상담원이 식별하고 무시할 수 있는가 |
| Autopilot | AI 에이전트 | 고객 여정을 종단 간 자율 실행 | 승인·중단·사람 연결 조건이 명확한가 |
공식 사이트는 두 제품을 각각 실시간 코칭과 자율적인 고객 여정으로 구분합니다. TechCrunch도 Encore가 음성·텍스트로 직접 고객을 응대하거나 직원을 보조하는 두 방식을 제공한다고 전했습니다. 공개 자료만으로는 채널별 지원 범위, 언어별 품질, Autopilot의 승인과 에스컬레이션 조건까지 확인할 수 없습니다. 데모에서는 기능 이름보다 이 경계를 먼저 물어봐야 합니다.
‘잘 팔린 말’과 ‘팔리게 만든 말’은 다릅니다
과거의 성공 대화에서 반복된 표현을 찾았다고 해서 그 표현이 성공의 원인인 것은 아닙니다. 우수 상담원에게 더 구매 의향이 높은 고객이 배정됐거나, 금리·가격·프로모션 같은 다른 조건이 영향을 줬을 수 있어요. Encore가 어떤 분석 모델과 인과 추정 방법을 쓰는지는 공개 자료에 구체적으로 나와 있지 않습니다.
플레이북을 바로 전 직원에게 배포하지 마세요. 발견된 패턴은 먼저 가설로 취급해야 합니다. 같은 고객 여정에서 적용 집단과 기존 방식 집단을 나누고, 최종 전환 결과뿐 아니라 잘못된 안내, 민원, 규정 위반도 함께 비교해야 합니다.
Encore는 전 세계 40곳이 넘는 엔터프라이즈 고객을 보유하고 있으며 다수가 금융기관이라고 밝혔습니다. 시드 투자 이후 18개월 미만 동안 ARR이 5배 넘게 증가했다는 설명도 나왔어요. 일부 은행과 보험사는 고객으로 제품을 사용한 뒤 이번 투자에 참여했습니다. 그러나 정확한 ARR, 고객별 계약 규모, 유지율과 투자 판단 근거는 공개되지 않았습니다. 제품에 대한 시장의 관심을 보여주는 신호이지, 고객 매출 효과를 독립적으로 검증한 자료는 아니에요.
기존 글에서 인용했던 ‘AI가 이미 상담 문의의 40%를 처리한다’는 표현도 바로잡을 필요가 있습니다. Gartner의 실제 발표는 2027년까지 비공식 제3자 생성형 AI 도구가 고객서비스 문제의 40%를 완전히 해결할 것이라는 전망입니다. 현재 기업용 챗봇의 처리 실적이나 Encore의 성과를 측정한 수치가 아닙니다.
오늘은 상담 기록과 CRM 결과가 연결되는지 보세요
Encore에 문의하기 전, 검증할 고객 여정 하나를 고르면 데모가 기능 소개로 끝나는 일을 막을 수 있습니다. 예를 들어 ‘대출 상담’ 전체가 아니라 신청서를 열었지만 제출하지 않은 고객의 이탈 감소처럼 결과가 분명한 여정을 선택하세요.
- 최종 결과를 먼저 정합니다.
상담 만족도처럼 중간 지표만 두지 말고 신청 완료, 승인, 실행 중 하나를 고르세요. 비교 대상에게 같은 관찰 기간을 적용할 수 있어야 합니다. - 성공과 실패 기록을 함께 연결합니다.
통화·채팅·이메일 기록에 CRM의 실제 결과값을 붙이세요. 성공 사례만 넣으면 좋은 대화의 특징은 보여도 실패를 가르는 차이는 찾기 어렵습니다. - 외부 제공 권한을 확인합니다.
녹취 동의, 개인정보 처리 목적, 국외 처리, 보관 및 삭제 조건을 보안·법무 담당자와 먼저 검토하세요. Encore의 공개 개인정보처리방침은 고객을 대신해 개인정보를 처리할 수 있고, 제품 개발·개선·감사와 AI·ML 모델 훈련에 정보를 사용할 수 있다고 밝힙니다. 실제 제한 조건은 계약 문서에서 별도로 확인해야 합니다. - 공식 문의 페이지에 여정과 질문을 함께 보냅니다.
공개된 셀프서비스 체험이나 가격표는 확인되지 않았으므로 데모 요청이 시작점입니다. 보유 채널과 데이터 종류, 원하는 결과 지표를 적고 데이터 보관·모델 학습 범위와 Wingman·Autopilot의 승인 조건을 요청하세요. - 플레이북의 근거를 검토합니다.
데모에서 결과 문구만 보지 말고 어떤 원본 대화와 CRM 결과로 해당 단계를 도출했는지 확인하세요. 담당자가 근거를 추적하고 잘못된 패턴을 제외할 수 있어야 합니다. - 작은 분리 파일럿으로 검증합니다.
기존 방식과 플레이북 적용 방식을 나눠 최종 전환율을 비교하세요. 표본, 기간, 분모와 함께 오류·민원·컴플라이언스 위반을 기록해야 개선을 안전하게 해석할 수 있습니다.
문의 문장은 이렇게 구체화할 수 있어요. “최근 3개월의 상담 녹취·채팅·이메일을 CRM의 신청 완료·승인·실행 결과와 연결할 수 있습니다. Interaction Mining 산출물의 근거, Wingman과 Autopilot별 승인·에스컬레이션 방식, 데이터 보관·모델 학습 범위, 파일럿 비교 설계를 확인하고 싶습니다.”
좋은 첫 결과는 화려한 데모가 아닙니다. 어떤 대화가 성공과 함께 나타났는지 추적할 수 있고, 그 패턴을 제한된 범위에서 적용해 최종 결과와 위험을 함께 비교할 수 있는 상태예요. 이 조건이 갖춰져야 상담 AI가 단순한 비용 절감 도구를 넘어 매출 여정을 개선할 후보가 됩니다.
