챗봇의 전환율(Deflection Rate)이 상승했다면, 고객은 그저 포기한 것일지도 모릅니다

지난달, 저는 동남아시아의 한 인기 모바일 뱅킹 앱과 문제를 겪었습니다. 특별할 것 없는 일이었습니다. 거래가 완료되지 않았는데, 제가 제출한 고객 지원 티켓(support ticket)은 2주 동안 아무런 처리도 되지 않은 채 방치되어 있었습니다.

그래서 앱의 챗봇(chatbot)을 열었습니다. 챗봇은 따뜻하게 인사를 건네고 무엇을 도와줄지 물었지만, 정작 유용한 일은 단 하나도 하지 못했습니다. 제 거래 내역을 조회할 수도 없었고, 티켓의 상태를 확인할 수도 없었습니다. 제 문제가 왜 해결되지 않았는지 알려줄 수도 없었습니다. 그저 FAQ(자주 묻는 질문)에 대한 답변만 할 수 있을 뿐이었습니다.

결국 저는 대신 핫라인(hotline)에 전화를 걸었습니다. 안내 멘트를 따라가느라 한 시간을 허비했고, 메뉴 사이를 이리저리 떠돌았습니다. 그리고 모든 경로는 똑같은 결론으로 끝났습니다: "저희 챗봇에 문의하시거나 기존 티켓을 확인해 주세요." 시스템은 문제 해결(resolution)이 아니라 전환(deflection)을 위해 구축되어 있었습니다. 14일 동안 아무도 건드리지 않은 그 티켓 말입니다.

저는 포기했습니다. 그리고 그 회사의 대시보드(dashboard) 어딘가에서는, 저의 상호작용이 성공적인 AI 챗봇 전환(deflection)으로 집계되었을 것입니다.

불편한 사실은 이렇습니다. 만약 당신이 이번 분기에 전환 최적화된 봇(bot)을 출시했다면, 어딘가에 있는 고객은 지금 이 정확한 루프(loop)를 겪고 있다는 것입니다. 당신의 대시보드는 그것을 승리라고 부르고 있겠지요.

모두가 좋아하지만 아무도 의문을 제기하지 않는 전환 지표 (Deflection Metric)

전환율(Deflection rate)은 상담원(human agent) 없이 처리된 고객 문의의 비율을 측정합니다. 추적하기 저렴하고, 축하하기 쉬우며, 비용 절감과 직결됩니다. McKinsey의 2026년 서비스 운영 데이터를 인용한 업계 벤치마크에 따르면, AI 해결 비용은 티켓당 0.62달러인 반면, 상담원의 경우 7.40달러입니다. 이는 12배의 비용 차이입니다. 경영진이 이 수치를 좋아하는 것은 당연합니다.

하지만 전환은 고객의 문제가 해결되었는지를 측정하지 않습니다. 고객이 질문을 멈췄는지를 측정할 뿐입니다. 이 둘은 매우 다른 것입니다.

이는 고객 경험 (Customer Experience)에 적용된 굿하트의 법칙 (Goodhart's Law)입니다. 즉, 어떤 측정 지표가 목표가 되는 순간, 그것은 더 이상 좋은 지표가 되지 못합니다. 전환 (Deflection)은 최적화하기 저렴하고 쉽습니다. 하지만 해결 (Resolution)은 추적하기 어렵고 비용이 많이 듭니다. 그래서 기업들은 대리 지표 (Proxy)를 최적화하고 실제 목표를 보는 것을 멈춥니다.

Forbes에서 보도한 Gartner의 데이터는 이러한 격차를 확인해 줍니다. 고객 문제 중 셀프 서비스 (Self-service) 채널을 통해 완전히 해결되는 비율은 단 14%에 불과합니다. 가장 단순한 사례의 경우에도 그 수치는 겨우 36%까지 올라갑니다. 반면, 기업들은 60%가 넘는 전환율 (Deflection rate)을 보고하며 이를 진전이라고 부릅니다.

실제 발생하는 비용

재정적 손실은 이미 나타나고 있습니다. 2026년 6월에 발표된 Laivly의 연구에 따르면, 리더의 28%가 AI가 복잡한 지원 문제를 처리하지 못해 매출 손실에 직접적으로 기여했다고 답했습니다. 또 다른 20%는 매출 손실이 있다는 사실은 알고 있었지만, 이를 수치화조차 하지 못했습니다. 리더의 거의 절반은 자신의 AI가 비용을 발생시키고 있다는 사실을 인지하고 있지만, 많은 이들이 그 액수가 얼마인지조차 말하지 못합니다.

시장은 이미 교정되고 있습니다. 2,527명의 고위 의사 결정권자를 대상으로 한 Sinch의 설문 조사 결과, 기업의 74%가 고객 대상 AI 에이전트 (AI agent)를 배포한 후 철회하거나 중단한 것으로 나타났습니다. 철회율은 AI 거버넌스 (AI governance)가 가장 성숙한 조직에서 81%로 가장 높았습니다. 가장 면밀히 모니터링하는 기업들이 가장 많은 문제를 발견했습니다. 모니터링하지 않는 기업들은요? 그들은 여전히 축배를 들고 있습니다.

PwC의 소비자 인텔리전스 설문조사(동일한 Forbes 분석에서 인용됨)는 그 후속 비용을 명확하게 보여줍니다. 신뢰가 깨진 후 고객의 44%가 해당 기업으로부터의 구매를 완전히 중단했습니다. 그 매출은 아무런 불만도, 경영진에게 전달되는 종료 설문조사도 없이 조용히 빠져나갑니다.

그 챗봇에 실제로 결여되었던 것

저는 에이전트 시스템 (agentic systems)을 구축합니다. 고객 응대용 지원 봇이 아니라, 어떤 AI 에이전트든 장식용이 아닌 유용한 도구가 되도록 만드는 동일한 아키텍처 (architectural) 구성 요소들, 즉 기록 조회 (record lookup), 범위가 지정된 쓰기 권한 (scoped write access), 에스컬레이션 게이트 (escalation gates), 환각 방지 체크 (anti-fabrication checks) 등을 만듭니다. 이러한 구성 요소들은 에이전트가 당신을 위해 작동하든 고객을 위해 작동하든 동일하게 작동합니다.

제가 겪었던 챗봇에는 이 중 어느 것도 없었습니다. 개발자로서 저를 좌절시키는 점은, 해결책이 더 큰 모델이나 더 비싼 API가 아니라는 것입니다. 그것은 기본적인 아키텍처 (architecture)의 문제입니다.

그 봇은 제가 누구인지 알고 있었습니다. 저는 로그인 상태였습니다. 봇은 제 계정 ID, 전화번호, 그리고 어딘가 데이터베이스에 저장된 제 거래 내역을 가지고 있었습니다. 하지만 그 누구도 봇에게 그것들을 읽을 수 있는 권한을 주지 않았고, 티켓팅 시스템 (ticketing system)과 연결하지 않았으며, "만약 티켓이 14일 동안 응답 없이 열려 있다면 플래그를 표시하라"는 에스컬레이션 규칙 (escalation rule)을 구축하지도 않았습니다.

이것은 AI의 문제가 아닙니다. 이것은 권한 (permissions)과 배관 (plumbing)의 문제입니다.

제대로 연결된 지원 에이전트가 실제로 하는 일

고객이 필요로 하는 것	FAQ 기반 챗봇	제대로 연결된 AI 에이전트
나를 인식하기	일반적인 인사, 이미 입력한 세부 정보를 다시 요구함	자동 조회: 로그인 상태이므로 이름, 계정, 진행 중인 티켓을 이미 알고 있음
...

이 중 그 어떤 것도 프론티어 모델 (frontier model)을 필요로 하지 않습니다. CRM 기록에 대한 읽기 권한, 티켓 메모에 대한 쓰기 권한, 그리고 세 가지 에스컬레이션 규칙 (escalation rules)을 갖춘 잘 구조화된 에이전트라면 제 문제를 2분 안에 해결했을 것입니다. 기술은 이미 존재합니다. 아키텍처 (architecture)와 권한 (permissions)이 없을 뿐입니다.

만약 어떤 AI 도구가 실제로 지능적인지 아니면 그저 대화만 가능한 것인지에 대한 범용적인 테스트를 원하신다면, 그를 위한 프레임워크를 작성해 두었습니다. 여기서 중요한 것은 고객 접점(customer-facing) 버전입니다. 즉, 당신의 봇이 특정 고객을 대신하여 행동(action)을 취할 수 있습니까, 아니면 고객이 직접 무엇을 해야 하는지 설명만 할 수 있습니까?

챗봇이 실제로 효과를 발휘하는 곳

이것은 AI에 반대하는 논거가 아닙니다. 봇은 애초에 티켓(ticket)으로 처리될 필요가 없었던 물량을 줄이는 데 진정으로 탁월합니다. 비밀번호 재설정, 계좌 잔액 확인, 배송 추적, 영업시간 안내, 반품 정책 등이 그 예입니다. 질문자가 누구인지와 상관없이 답변이 동일한, 결정론적(deterministic)이고 물량이 많으며 문맥(context)이 낮은 요청들입니다.

실패의 경계는 명확합니다. 답변이 당신의 특정 데이터, 특정 이력, 또는 당신의 감정 상태에 의존할 때 봇은 한계에 부딪힙니다. 첫 번째 범주를 처리하고 두 번째 범주는 솔직하게 상담원에게 넘기는(hand off) 잘 설계된 범위(well-scoped)의 봇은 좋은 시스템입니다. 반면, 두 가지 모두를 처리하는 척하면서 좌절한 고객을 조용히 "전환(deflected)"된 것으로 집계하는 봇은 KPI로 위장한 부채(liability)일 뿐입니다.

필리핀의 아이러니

여기에는 필리핀에 관한 특정한 아이러니가 있습니다. 필리핀은 그 누구보다 고객 공감(empathy) 능력이 뛰어남으로써 세계의 백 오피스(back office)가 된 나라입니다. 필리핀 상담원들은 인내심, 따뜻함, 그리고 실제로 문제를 해결하는 능력을 바탕으로 글로벌 BPO 산업을 구축했습니다.

그런데 이제 필리핀의 은행과 통신사들은 BPO 산업이 필리핀 사람들이 가장 잘한다고 증명했던 바로 그 한 가지 요소를 제거해 버리는 전환(deflection) 봇을 배치하고 있습니다.

아시아 태평양 7개 시장의 성인 7,331명을 대상으로 한 Twilio/YouGov 설문조사는 이러한 긴장감을 포착했습니다. 필리핀 응답자의 90%는 자신들의 사회가 일상적인 상호작용에서 인내와 예의를 가치 있게 여긴다고 답했습니다. 하지만 자동화된 고객 서비스에 대해 인내심이 남아 있다고 답한 사람은 32%에 불과했습니다. 필리핀 사람들은 AI 시스템이 정해진 대본(scripted)대로 답변하거나 로봇처럼 반응할 때, 아시아 태평양의 다른 동료들보다 더 큰 좌절감을 느낍니다.

Philippine AI Report 2025에 따르면 필리핀 기업의 92%가 AI를 실험해 보았으나, 65%는 여전히 개념 증명 (Proof-of-Concept, PoC) 단계에 머물러 있습니다. AI를 실험하는 것과 이를 중요한 시스템에 실제로 연결하는 것 사이의 격차, 바로 그곳에 '전환율의 환상 (deflection illusion)'이 존재합니다. 기술은 도착했지만, 통합은 이루어지지 않았습니다.

월요일 아침 테스트 (The Monday Morning Test)

챗봇의 전환율 (deflection rate)을 확인해 보세요. 그다음, 해결률 (resolution rate)을 확인해 보세요. 만약 대시보드에서 두 번째 숫자를 보여주지 못한다면, 이미 답은 나와 있습니다.

해결책은 더 큰 모델이나 더 정교한 자연어 처리 (NLP)가 아닙니다. 바로 배관 (plumbing, 시스템 연결) 작업입니다. 봇에게 고객 기록에 대한 읽기 권한을 부여하세요. 티켓 노트에 대한 쓰기 권한을 부여하세요. 세 가지 에스컬레이션 (escalation) 규칙을 만드세요: 감정 급증 (sentiment spike), 반복되는 질문, SLA (Service Level Agreement) 위반입니다. 이것이 지원 상담원과 성격 있는 검색창의 차이입니다.

고장 난 자동차에 붙은 스티커는 여전히 고장 난 자동차일 뿐입니다.

원문은 tokita.online에 게시되었습니다.

관련 읽을거리: