고객 문의 하나 처리하는 데 평균 $6. 하루 500건이면 한 달에 $90,000. 여기에 채용, 교육, 이직까지 더하면 CS팀 운영비는 끝없이 불어나요. 근데 만약 그 문의의 65%를 AI가 $0.99에 해결해준다면요?
Intercom의 Fin AI Agent가 정확히 그걸 하고 있어요. 40만 건 이상의 대화를 처리하고, 평균 해결률 66%를 기록 중이에요. 그것도 "대충 답변"이 아니라, 고객이 만족하고 티켓이 닫히는 진짜 해결이요.
이게 뭔데?
Fin은 Intercom이 만든 AI 고객 서비스 에이전트예요. 단순 챗봇이 아니에요. 채팅, 이메일, 음성, SMS, 소셜 미디어까지 — 45개 이상 언어로, 모든 채널에서 고객 문의를 자동으로 해결하는 AI 에이전트예요.
작동 원리는 이래요. 회사의 헬프센터, 웹사이트, PDF, 내부 DB를 학습해서 지식 베이스를 만들어요. 고객이 문의하면 RAG(Retrieval-Augmented Generation) 기반의 3중 레이어 시스템이 가장 정확한 답을 찾아서 응답하고요. 단순 질문 답변뿐 아니라 환불 처리, 구독 변경, 계정 업데이트 같은 실제 액션도 수행해요.
Intercom의 AI 팀 규모만 40명 이상의 머신러닝 과학자와 엔지니어. 2024년 첫 출시 이후 20번 넘는 메이저 업데이트를 거쳤고, 최신 버전인 Fin 3는 "Procedures"라는 기능으로 복잡한 멀티스텝 쿼리까지 처리할 수 있게 됐어요.
실제 사례를 보면 감이 와요:
- Lightspeed Commerce — 99%의 대화에 Fin이 참여하고, 최대 65%를 자동 해결. 상담원이 Copilot을 쓰면 하루 처리량이 31% 증가.
- Synthesia — 월 4만 건이던 문의가 31만 6천 건으로 8배 폭증했는데, 인원 추가 없이 Fin으로 소화.
- Tado° — 시즌 피크(문의량 400% 증가)에도 70% 워크플로우 완료, CSAT 90% 유지. 6개 언어 동시 지원.
- Anthropic — 도입 1개월 만에 50.8% 해결률, 96% 대화 참여. CS팀 1,700시간 이상 절약.
해결(Resolution)의 기준은?
Fin이 응답한 후 24시간 내에 상담원에게 전달되지 않거나, 고객이 직접 해결을 확인한 경우에만 "해결"로 카운트돼요. 대충 답하고 넘기는 게 아니라, 진짜 끝난 건만 세는 거예요.
뭐가 달라지는 건데?
CS 자동화 도구는 이미 많아요. 근데 Fin이 주목받는 건 성능과 가격 모델의 조합이 시장에서 독보적이기 때문이에요.
| 사람 상담원 | Intercom Fin | Zendesk AI | |
|---|---|---|---|
| 건당 비용 | $3~6 | $0.99 | $1.50~2.00 |
| 첫 응답 시간 | 8.2분 평균 | 수 초 | 수 초 |
| 해결률 | 높음 (복잡한 건 포함) | 66% 평균 (상위 고객사 80%+) | 비공개 (개별 사례만) |
| 셋업 기간 | 채용 2~4주 | 1~2주 | 2~4개월 (고급 기능) |
| 다국어 | 인력 추가 필요 | 45+ 언어 자동 | 다국어 지원 |
| 확장성 | 선형 비용 증가 | 문의량 8배 증가도 인원 추가 없이 대응 | 에이전트 시트 기반 과금 |
| 과금 모델 | 월급 + 복리후생 | 해결 건당 과금 (성과 연동) | 에이전트 시트 + 티켓 볼륨 |
숫자로 풀면 이래요. CS팀에서 사람 상담원 한 명이 하루 26건을 처리한다고 해요. AI Copilot을 쓰면 78건까지 올라가요 — 200% 증가. 한 건당 평균 $6이던 비용이 AI 자동 처리 시 $0.50 이하로 떨어져요. 업계 평균 68% 비용 절감.
Intercom vs Zendesk 직접 비교 테스트에서도 Fin이 앞섰어요. 답변 품질(완전성, 유용성, 명확성, 가독성)에서 80%의 케이스에서 Fin이 우세. 여러 소스를 조합해야 하는 질문에서는 Fin 96% vs Zendesk 78%의 답변률.
근데 Zendesk가 더 나은 경우도 있어요. 대규모 엔터프라이즈, 특히 물류·금융·대형 이커머스처럼 복잡한 리포팅과 안정성이 필요한 곳에서는 Zendesk의 인프라가 강점이에요. SaaS나 스타트업이라면 Fin, 엔터프라이즈 규모라면 Zendesk — 이렇게 보는 게 현실적이에요.
주의할 점: 비용 예측
Fin은 해결 건당 과금이라 해결률이 올라갈수록 월 비용도 같이 올라가요. 처음엔 저렴해 보이다가 Fin이 잘 학습되면서 비용이 "빠르게 올라간다"는 사용자 피드백이 있어요. 도입 전에 예상 해결량 기반으로 월 비용을 반드시 시뮬레이션하세요.
핵심만 정리: 시작하는 법
- 지식 소스 정비부터
Fin의 성능은 학습 데이터 품질에 직결돼요. 헬프센터 문서, FAQ, 가이드를 최신 상태로 업데이트하세요. 정리 안 된 지식 베이스로는 어떤 AI도 제대로 답 못 해요. - Intercom 가입 + Fin 활성화
Intercom Suite($29/시트/월)에 가입하고, Fin AI Agent를 켜세요. 헬프센터 URL이나 웹사이트를 연결하면 바로 학습이 시작돼요. 셋업의 90%는 CS팀이 직접 할 수 있어요. - 테스트 환경에서 검증
Fin 3의 "Simulations" 기능으로 실제 배포 전에 멀티턴 대화를 시뮬레이션해보세요. 엣지 케이스를 미리 잡을 수 있어요. - 채널별 단계적 배포
처음부터 전 채널에 풀지 마세요. 채팅 먼저, 성과 확인 후 이메일·소셜로 확장하는 게 안전해요. Lightspeed도 점진적 롤아웃으로 65%까지 끌어올렸어요. - 성과 모니터링 + 튜닝
해결률, CSAT, 에스컬레이션 비율을 주간 단위로 체크하세요. Fin의 평균 해결률은 매월 1%씩 자연스럽게 올라가지만, 지식 소스 업데이트로 가속할 수 있어요.
