"AI 도입했는데 왜 우리 CS는 그대로일까요?"
이 질문을 던지기 전에, 숫자 하나만 보고 가요. Intercom의 AI 에이전트 Fin은 지금 6,000개 넘는 고객사에서 문의의 평균 66%를 사람 손 안 거치고 끝내고 있어요. 건당 처리 비용은 $0.99. 사람 상담원이 같은 일을 하면 $3~6이 들어요.
여기서 대부분의 글은 "그러니 Fin 쓰세요"로 끝나요. 근데 진짜 흥미로운 건 따로 있어요. 같은 Fin을 깔아도 어떤 회사는 65%를 해결하고, 어떤 회사는 30%에서 멈춰요. 도구가 같은데 결과가 두 배 차이 나는 거예요. 그 차이를 만드는 게 뭔지가, 어떤 CS 자동화 도구를 쓰든 당신에게 진짜 필요한 정보예요.
먼저, $0.99가 진짜인지부터
마케팅 숫자는 의심하고 들어가는 게 맞아요. 그래서 Fin이 말하는 "해결"의 정의부터 봐야 해요. Fin은 응답한 뒤 24시간 안에 사람 상담원에게 넘어가지 않았거나, 고객이 직접 해결을 확인한 경우에만 "해결"로 카운트해요. 대충 답하고 티켓 닫는 식의 눈속임이 아니라, 진짜 끝난 건만 세는 구조예요.
그리고 과금이 바로 그 "해결 건"에 붙어요. 답변을 100번 해도 해결이 0건이면 비용도 0이에요. 도구 입장에선 무서운 모델이죠 — 성과가 없으면 돈을 못 받으니까. 그래서 $0.99라는 숫자가 그나마 믿을 만한 거예요. 실패한 답변까지 다 포함한 평균이 아니라, 끝까지 해결된 건만 쳐서 나온 단가니까요.
여기까지가 "왜 이 사례가 볼 만한가"예요. 이제 핵심으로 가요. 왜 누구는 65%고 누구는 30%인가.
해결률을 두 배로 가르는 4가지
실제 고성과 사례들을 뜯어보면 공통점이 보여요. Synthesia는 월 문의가 4만 건에서 31만 6천 건으로 8배 폭증했는데 인원 추가 없이 Fin으로 소화했고, Anthropic은 도입 1개월 만에 50.8% 해결률에 CS팀 1,700시간을 절약했어요. 이 회사들이 한 일은 도구를 산 게 아니라 운영 모델을 만든 것이에요. 네 가지로 정리돼요.
1. 지식 소스 정비 — 여기서 90%가 결정돼요
이게 1번인 데는 이유가 있어요. AI의 답변 품질은 학습 데이터 품질에 거의 그대로 비례해요. 정리 안 된 헬프센터, 3년 전 FAQ, 어디 박혀 있는지 모를 정책 문서 — 이 상태로는 세상 어떤 AI를 깔아도 30%대를 못 벗어나요.
- 헬프센터 문서, FAQ, 가이드를 도입 전에 최신 상태로 다시 쓰기
- 고객이 자주 묻는 상위 20개 질문에 대한 표준 답변이 문서로 존재하는지 확인
- 환불·구독 변경 같은 액션이 필요한 문의는 절차(어떤 조건에서 무엇을 한다)까지 문서화 — Fin은 단순 답변뿐 아니라 실제 환불 처리, 계정 업데이트 같은 액션도 수행하기 때문에 절차가 곧 자동화 범위예요
2. "해결"을 당신 기준으로 다시 정의하기
벤더의 66%는 벤더 기준이에요. 당신 회사에선 "환불 약속만 하고 실제 처리가 안 된 건"이 해결일까요, 아닐까요? 이걸 먼저 정해야 측정이 의미를 가져요. 모니터링할 지표는 세 개로 충분해요.
- 해결률 — 사람에게 안 넘어가고 끝난 비율
- CSAT — Tado°는 시즌 피크에 문의량이 400% 늘어도 CSAT 90%를 유지했어요. 해결률만 높고 만족도가 떨어지면 가짜 자동화예요
- 에스컬레이션 비율 — 어떤 유형이 자꾸 사람에게 넘어가는지 = 지식 소스에서 보강할 구멍
이 셋을 주간 단위로 보세요. Fin의 평균 해결률은 가만 둬도 매월 1%씩 자연스럽게 오르지만, 에스컬레이션 데이터로 지식 소스를 보강하면 이걸 가속할 수 있어요.
3. 전 채널 한 번에 풀지 않기
가장 흔한 실수예요. 자신감에 차서 채팅·이메일·SMS·소셜을 한꺼번에 켜는 것. Fin은 45개 이상 언어로 모든 채널을 지원하지만, 그게 "처음부터 다 켜라"는 뜻은 아니에요.
- 채팅 한 채널만 먼저 켜기 — 가장 통제하기 쉽고 데이터가 빨리 쌓여요
- 해결률·CSAT가 안정되는 걸 확인한 뒤 이메일·소셜로 확장
- 새 채널마다 1번(지식 정비)을 다시 점검 — 채널마다 들어오는 질문 결이 달라요
Lightspeed Commerce도 이 점진적 롤아웃으로 65%까지 끌어올렸어요. 한 번에 99% 대화 참여를 달성한 게 아니라, 채널별로 늘려간 결과예요. 참고로 상담원이 Fin의 Copilot을 함께 쓰면서 하루 처리량이 31% 늘기도 했고요.
4. 비용을 미리 시뮬레이션하기 (안 하면 후회해요)
성과 연동 과금의 함정
해결 건당 과금은 양날의 검이에요. 해결률이 올라갈수록 월 비용도 같이 올라가거든요. "처음엔 싸 보였는데 Fin이 잘 학습되면서 비용이 빠르게 올랐다"는 사용자 피드백이 실제로 있어요. 도입 전에 예상 해결량 × $0.99로 월 비용을 반드시 계산하세요. 월 5,000건을 해결한다면 약 $4,950 — 상담원 한 명 인건비와 비교해보면 판단이 서요.
그래서 Fin이 정답이냐면, 아니에요
이 운영 모델을 깔고 보면 도구 선택은 오히려 단순해져요. Fin은 Intercom vs Zendesk 직접 비교에서 답변 품질(완전성·유용성·명확성·가독성) 기준 80% 케이스에서 우세했고, 여러 소스를 조합해야 하는 질문에선 Fin 96% vs Zendesk 78%의 답변률을 보였어요. 숫자만 보면 Fin 승이에요.
근데 결이 달라요.
| 이런 상황이면 | Intercom Fin | Zendesk AI |
|---|---|---|
| 회사 유형 | SaaS · 스타트업 · 빠른 셋업 | 대규모 엔터프라이즈 |
| 건당 비용 | $0.99 (해결 건당) | $1.50~2.00 |
| 셋업 기간 | 1~2주 (90%는 CS팀이 직접) | 2~4개월 (고급 기능) |
| 과금 모델 | 해결 건당 (성과 연동) | 에이전트 시트 + 티켓 볼륨 |
| 강점 | 답변 품질 · 다국어 · 빠른 도입 | 복잡한 리포팅 · 안정성 인프라 |
물류·금융·대형 이커머스처럼 복잡한 리포팅과 안정성이 생명인 곳이면 Zendesk의 인프라가 강점이에요. SaaS·스타트업이면 Fin, 엔터프라이즈 규모면 Zendesk — 이렇게 보는 게 현실적이에요. 어느 쪽을 고르든, 위의 4가지 운영 모델 없이는 둘 다 30%대에서 멈춘다는 게 핵심이고요.
오늘 바로 할 수 있는 첫 걸음
도구를 결제하기 전에, 도구 없이 할 수 있는 것부터요.
- 이번 주 문의 톱 20을 뽑으세요. 가장 많이 들어오는 질문 20개에 대해 표준 답변 문서가 있는지 확인. 없으면 그게 1순위 작업이에요. (도구 없이 가능)
- "우리 회사의 해결 정의"를 한 문장으로 쓰세요. 무엇이 끝난 거고 무엇이 사람에게 넘어가야 하는지. (도구 없이 가능)
- 예상 월 비용을 계산하세요. 월 해결 가능 건수 × $0.99. 상담원 인건비와 비교. (도구 없이 가능)
- 그다음에 Intercom Suite($29/시트/월)에 가입하고 Fin을 켜서 헬프센터 URL을 연결하세요. 셋업의 90%는 CS팀이 직접 할 수 있어요. 배포 전엔 Fin 3의 "Simulations"로 멀티턴 대화를 시뮬레이션해 엣지 케이스를 미리 잡고요.
- 채팅 한 채널만 켜고 2주 돌린 뒤 확장. 위 4가지를 매주 점검.
참고로 Fin 자체도 계속 진화 중이에요. 2024년 첫 출시 후 20번 넘는 메이저 업데이트를 거쳤고, 최신 Fin 3는 "Procedures"로 복잡한 멀티스텝 쿼리까지 처리해요. 그래서 더더욱 — 도구는 알아서 좋아져요. 당신이 통제할 수 있는 건 위의 4가지뿐이고, 그게 성패를 가른다는 거예요.
