고객 지원 업무에 로봇 활용—발전하는 인공지능(AI)과 상담원 관계

로봇이 사람들의 일자리를 빼앗고 있다는 경고와 우려의 소리가 있지만 정확히 말하면 어쨌든 자동화되어야 하는 작업들이 인공지능으로 대체되는 것입니다.

고객 서비스 상담원의 업무에서 기계적인 부분을 분리하여 가져오는 것이 인공지능을 완벽하게 활용하는 방법이지만 지원 역할은 기술과 부합하여 함께 발전해 나가야 합니다. 여기서 지식 중심 조직이 그 진가를 발휘하게 되는데, 상담원 전체의 지식과 기술 능력을 모아 지식 집합체로 수집 및 배포하면 전체 비즈니스가 더욱 신속하고 효율적으로 운영하고 확장하는 데 도움이 됩니다.

현금 자동 입출금기(ATM)가 널리 보급된 후의 은행 업계에서 비슷한 상황을 확인할 수 있습니다. 기술이 큰 변화를 몰고 왔지만 더불어 은행 창구 직원의 역할도 함께 발전한 것이지요. 은행 창구 직원은 현금을 세고 건네주던 단순한 업무를 하기 보다는 고객과 지속적인 유대관계를 형성하는 데 더 중요한 역할을 하게 되었습니다. 이들은 여전히 일선에서 고객을 응대하지만 더 복잡한 문제에서 회사 즉, 은행을 대표하고 있습니다.

고객 서비스 상담원에게도 같은 일이 일어나고 있습니다. 특정 문제나 사안의 경우 고객은 더 빠르고 간단한 자동화를 원하고 기대합니다. 하지만 다른 문제들에 대해서는 여전히 실제 사람과 대화하면서 개인적이고 친근한 서비스를 받고자 합니다. 헬프 센터를 통해 일반적인 배송 관련 질문에 대한 답을 바로 찾았지만 질문이 복잡해지면서 사람으로부터 개인화되고 효과적인 도움을 필요로 했던 때를 생각해 보세요.

이러한 변화는 고객 경험에 상당한 영향을 미치지만 상담원에게도 똑같이 무시하지 못할 영향을 미칩니다. 다음은 생산성 및 상담원 만족도 향상을 위한 기술 활용과 새로운 워크플로 구현 시 염두에 두어야 할 몇 가지 사항입니다.

자동화는 그냥 지름길이 아닙니다

상담원의 고객 만족도 점수를 높이는 것은 지원팀 리더가 가장 우선시하는 것 중 하나이지만 일관되지 않은 서비스는 여전히 고객 불만의 주된 원인 중 하나입니다. 지원팀의 예산을 줄이는 것만이 능사가 아니라 지원 예산을 현명하게 지출하는 것이 중요하다는 사실을 연구 결과를 통해 잘 알 수 있습니다. 즉, 효율성과 자동화를 혼동하지 마세요. 고객 서비스 관리자의 역할이 실적만을 쫒아서는 안 됩니다.

고객 서비스에 있어 당면 과제는 상담원과 그들의 지식을 내몰고 봇으로 대체하는 것이 아닙니다. 왜냐하면 비용 절감을 위해 개인화되고 친근한 서비스를 중단할 경우 고객과 회사 간의 관계를 지속하기 어려워지기 때문입니다. 상담원이 헬프 센터 콘텐츠를 손쉽게 이용할 수 있게 해주는 혁신 기능 등 상담원을 지원하는 기술을 갖춘 스마트 지식창고는 지속적인 상담원의 성공을 위한 핵심 요소입니다.

셀프 서비스에 대한 애자일 접근 방식은 상담원의 민첩성 및 역량 강화로 이어집니다.

기술의 힘으로 가능한 것은 여기까지이고 상담원을 지원하는 데 있어 그만큼 중요한 것이 업데이트된 프로세스입니다. 50,000개 기업의 고객 서비스 수행 방식에 대한 데이터 지수인 Zendesk 벤치마크를 통해 셀프 서비스에 대해 반복적인 애자일 접근 방식을 도입한 기업이 가장 큰 성공을 거둔 것으로 밝혀졌습니다. 애자일 접근 방식의 주요 구성 요소는 상담원들을 콘텐츠 작성 과정에 참여시키고 콘텐츠 작성과 상담원의 일상 고객 지원 업무 사이의 틈을 채우는 것입니다.

인공지능(AI)과 머신 러닝은 그러한 틈을 채우는 역할을 할 수 있는 많은 잠재력을 가지고 있습니다. 혁신을 통해 기계적인 업무에서 해방될 때 상담원이 더 많은 시간을 지식관리에 할애할 수 있습니다.

핵심성과지표 재구성

상담원 역할의 정의를 변경하면 성과를 측정하는 방식에도 영향을 미칩니다. 지원팀을 비용 센터로 취급하는 구시대적인 생각에서 벗어나 발전을 계속해 나감에 따라 앞으로는 성공에 대한 새로운 메트릭이 측정 수단이 될 것입니다. 특히 티켓 수 감소와 해결 시간, 이 두 가지 메트릭이 크게 변화됩니다.

많은 조직에 있어 감소된 티켓 수는 주요 메트릭으로 계속 남아 있으며, 이는 헬프 센터와 지식관리 수행 방식이 성숙해짐에 따라 계속해서 추적해야 할 항목임에는 틀림없습니다. 하지만 헬프 센터가 고객을 가장 효과적으로 지원할 수 있는 방법을 고려함에 따라 반송률과 페이지 조회 수 등의 참여 메트릭이 더 중요해지고 있습니다. 또는 헬프 센터에서 검색할 때 어떤 결과도 내놓지 못한 검색어들에 대해 고려해 보세요. 누가, 언제 헬프 센터 지식에 기여해야 하는지 파악하고 고객이 검색 결과를 얻었는지 여부를 아는 것이 매우 중요합니다.

더욱이 Harvard Business Review의 2017년 기사에 따르면 질 높은 일대일 서비스를 제공할 때 걸리는 시간과 문제의 복잡성을 감안할 때 고객이 계속해서 셀프 서비스로 옮겨감에 따라 해결 시간이 단축되는 대신 늘어날 수 있습니다. 티켓 대기열을 관리하는 한 가지 방법은 고객이 문서를 통해 질문에 대한 답을 얻을 경우 스스로 Zendesk의 신속 해결 기능을 통해 지원 요청을 종료할 수 있도록 하는 것입니다. 이로써 상담원이 좀 더 복잡한 문제에 집중하면서, 머신 러닝으로 지원되는 상담원용 Answer Bot과 같은 기술을 통해 지식창고에서 가장 관련성 높은 추천 문서를 찾아 표시해 줌으로써 더 신속하고 완벽하게 티켓을 해결할 수 있습니다.

모든 메트릭이 동등하게 만들어지는 것은 아니며 어느 한 메트릭은 성공적인 반면 또 다른 메트릭은 개선의 여지가 있을 수도 있습니다. 따라서 모든 채널에서 고객과 상담원 경험을 전체적으로 파악하여 고려해야 합니다. 메트릭과 마찬가지로 인공지능도 획일적으로 사용되어서는 안 됩니다. 다시 말해서, 기술을 전략적으로 접목하고 적극적으로 성공에 대한 정의를 내리면서 인공지능의 채택 및 배포 방식에 있어 주의를 기울여야 합니다.