AI가 비교적 단순한 문의 건을 처리해 나감에 따라, 고객 경험(CX) 담당자들은 운영 현장에서 실제로 어떤 일이 일어나고 있는지 파악하기 위해 통화 처리 시간(AHT)을 통화 복잡도와 해결률과 대조하여 분석해야 합니다.
AI는 컨택 센터 대기열에서 반복적인 업무를 점차 줄여가고 있습니다. 비밀번호 재설정, 주문 내역 확인, 간단한 계정 관련 문의 및 기타 단순한 요청 사항은 점점 더 셀프 서비스 및 자동화 채널을 통해 처리되고 있습니다. 여전히 상담원과 연결되는 고객들은 예외적인 상황, 복잡한 절차, 또는 사람의 판단이 필요한 문제에 대한 도움이 필요한 경우가 많습니다.
컨택 센터의 경우, 이러한 변화로 인해 익숙한 성과 지표의 산정 방식이 바뀌고 있습니다. 상담 건수는 줄어들 수 있지만, 상담원이 처리해야 할 업무의 난이도는 높아질 수 있습니다. 자동화로 인해 수요가 감소하고 전반적인 서비스 비용이 낮아지더라도 평균 처리 시간(AHT) 은 증가할 수 있습니다. 또한 상담원이 원활하지 않은 업무 인계, 서로 연동되지 않는 시스템, 혹은 고객 여정을 고려하지 않고 설계된 워크플로우를 처리해야 할 경우, AHT는 더욱 상승할 수 있습니다.
메트릭넷(MetricNet)이 2026년 9월에 실시한 AI 기반 컨택 센터 분석에서도 동일한 케이스 믹스 효과가 확인되었습니다. 상위 25%에 속하는 운영 업체들은 문의의 58%를 다른 경로로 전환하고, 38%는 상담원 개입 없이 해결합니다. AI가 더 간단하고 짧은 문의들을 처리함에 따라, 상담원이 처리해야 하는 나머지 업무는 더 복잡해지며, 평균 처리 시간(AHT)이 증가할 수 있습니다.
고객 경험(CX) 담당자 입장에서는 AHT가 증가함에 따라 이제 이 수치 뒤에 숨겨진 업무 실태를 면밀히 살펴볼 필요가 있습니다. 상담의 복잡도, 첫 상담 해결률(FCR), 재문의 건수, 고객 만족도(CSAT), 상담당 비용 등은 상담원들이 업무에 어려움을 겪고 있는지, 아니면 여전히 상담이 필요한 상호작용을 해결하는 데 더 많은 시간을 할애하고 있는지를 파악하는 데 필요한 맥락을 제공합니다.
AHT가 왜 잘못된 이야기를 전달할 수 있는가
100건의 전화를 받는 고객센터를 생각해 봅시다. 그중 80건은 처리 시간(AHT)이 매우 짧은 간단한 비밀번호 재설정 문의인 반면, 나머지 20건은 해결하는 데 더 오랜 시간이 걸리는 복잡한 문제입니다.
셀프 서비스가 비밀번호 재설정 관련 문의의 대부분을 처리하게 되면, 가장 짧은 처리 시간을 기록하던 사례들이 더 이상 통계에 포함되지 않기 때문에 평균 수치가 달라집니다. 상담원이 처리하는 전체 통화 건수는 줄어들 수 있지만, 남은 업무 중 해결에 더 오랜 시간이 걸리는 사례의 비중이 훨씬 커지기 때문에 AHT는 오히려 상승하게 됩니다.
대시보드상에서는 이러한 증가가 성능 문제로 보일 수 있습니다. 실제로는 일상적인 요청이 다른 곳에서 처리되고, 상담원들이 여전히 시간, 판단력, 지원이 필요한 상호작용에 집중함으로써 운영이 더 효율적으로 이루어지고 있을 수 있습니다.
리더들이 그 수치 뒤에 어떤 변화가 있었는지 제대로 파악하지 못한 채 단순히 수치가 높아졌다는 사실에만 반응할 때 위험이 발생합니다. AHT를 다시 낮추어야 한다는 압박감 때문에 상담원들은 문제 해결이 가장 중요한 바로 그 상담 상황에서도 너무 서둘러 처리하게 될 수 있습니다.
AHT는 측정하기 쉽습니다. 하지만 오해하기 쉽기도 합니다.
실시간 안내는 문제 해결로 이어져야 한다
복잡한 상담의 경우, 실시간 지침을 제공하면 상담원이 상담 중에 적절한 업무를 처리할 수 있도록 도와주며, 고객이 다시 문의해야 할 가능성을 줄일 수 있습니다.
상담원은 요청을 해결하는 데 필요한 9단계 중 5단계만 완료할 수도 있습니다. 이로 인해 평균 처리 시간(AHT)은 단축되고, 통화 효율성이 높아진 것처럼 보입니다. 하지만 필요한 조치가 전혀 이루어지지 않았거나 정보가 다음 담당 팀에 전달되지 않았기 때문에 고객은 여전히 다시 전화를 걸게 됩니다.
‘차선책’ 지침은 상담원이 정해진 순서를 따르지 않는 고객 여정을 원활하게 진행할 수 있도록 도와줍니다. 고객은 4단계에서 시작하여 2단계로 되돌아간 후, 대화 중에 발생하는 상황에 따라 8단계로 넘어갈 수도 있습니다.
성공을 가늠하는 가장 확실한 기준은 해당 상호작용을 통해 고객이 문제 해결에 한 걸음 더 가까워졌는지 여부입니다.
일부 상호작용에는 더 나은 지원을 받는 상담원이 필요합니다.
COPC Inc.는 최근 민감한 일정 예약 전화를 자동화할지 여부를 검토 중인 한 의료 분야 고객사와 협력했습니다. 일부 환자는 임종을 앞둔 상태였으며, 경우에 따라 가족이 환자를 대신해 전화를 걸기도 했습니다.
통화 시간이 25분까지 소요될 수 있었기 때문에 효율성은 정말 큰 문제였습니다. AI를 더욱 적극적으로 활용하여 상담원에게 더 나은 상황 맥락을 제공하고, 업무 흐름을 간소화하며, 요청 처리에 필요한 단계를 줄여주는 것이었습니다. 목표는 상황에 필요한 인간 중심의 지원을 유지하면서도 25분 걸리던 상담 시간을 10분에서 12분 정도로 단축하는 것이었습니다.
비밀번호 재설정이나 주문 내역 변경은 자동화하기가 더 쉽습니다. 반면, 민감하고 중요한 사안이 걸린 상호작용은 대개 더 많은 사람의 판단을 필요로 합니다. 실시간 안내는 상담원이 문제 해결에 집중하면서도 이러한 대화를 더 효율적으로 처리하는 데 도움이 될 수 있습니다.
이 지표는 업무의 변화에 따라 발전해야 합니다.
AI가 점점 더 많은 일상적인 상호작용을 담당하게 됨에 따라, 실제 상담사에게 전달되는 업무의 성격도 이에 따라 변화하고 있습니다. 경영진이 이 수치를 과거 기준치나 AI 도입 전의 성과와 비교할 때, AHT는 직관과는 달리 보일 수 있는 방식으로 변동될 수 있습니다.
이러한 맥락은 AI 전략 및 투자 수익률(ROI) 논의에서 다루어져야 합니다. 자동화를 통해 수천 건의 짧고 간단한 문의가 대기열에서 제거된 후에는, AHT(평균 처리 시간)가 높아진다는 것이 전혀 다른 의미를 가질 수 있습니다. 경영진은 AI 투자가 운영 효율성을 향상시키고 있는지 판단하기 위해 이 수치를 활용하기 전에, 그 수치를 좌우하는 요인이 무엇인지 먼저 파악해야 합니다.
이러한 원칙은 더 넓은 의미에서 고객 경험(CX) 데이터에도 동일하게 적용됩니다. 인공지능(AI)은 업무가 이루어지는 장소, 어떤 고객이 상담원에게 연결되는지, 그리고 상담원들이 해결해야 할 과제가 무엇인지에 변화를 가져오고 있습니다. 리더들이 성과 데이터를 해석하는 방식도 이러한 변화에 발맞춰 나가야 합니다.
###
상담원 지원은 AI가 고객 경험(CX) 운영 분야에서 그 가치를 입증해야 할 5대 핵심 영역 중 하나에 불과합니다. 자세한 내용을 확인하려면 COPC의 종합 가이드인'미래를 대비한 CX: AI 열풍에서 측정 가능한 비즈니스 성과로 나아가기'를 다운로드하세요. 이 가이드는 인재 개발, 실시간 상호작용, 셀프 서비스, 분석, 거버넌스 전반에 걸친 성과를 측정하기 위한 COPC의 프레임워크를 심도 있게 다룹니다.
