경험 오케스트레이션의 단계

우리는 비즈니스 역사상 가장 획기적인 변혁의 시작점에 서 있습니다. 이는 생성형 및 에이전틱 AI의 새로운 세대에 의해 주도되고 있습니다. 이러한 기술은 자동화, 증강, 개인화 및 최적화의 새로운 수준을 열어 고객 및 직원 경험 제공 방식을 재편하고 있습니다.

AI 기반 경험 오케스트레이션은 한때 시스템과 채널 전반의 경험을 AI로 조정하려는 비전에서 더 나아가, 이제 현실이 되고 있습니다. 이 글에서는 이러한 변혁이 어떻게 진행되고 있으며 미래의 잠재성에 대해 살펴보고, 경험 오케스트레이션의 여섯 단계를 정의하고 있습니다. 이 성숙 모델은 조직이 현재 위치를 평가하고, 가능성을 구상하며, AI 기반 성장을 위한 전략을 수립하는 데 밑바탕이 될 것입니다.¹

소개

경험 오케스트레이션의 목적은 다음 두 가지 목표를 동시에 달성하는 것입니다:

1. 운영 비용 절감.
2. 고객 충성도를 높여 장기적인 성장 유도.

조직은 운영 효율성과 사람 중심의 경험 제공을 균형 있게 조정할 수 있습니다. 올바른 AI 기반 경험 오케스트레이션 전략은 이를 가능하게 합니다.

데이터, 시스템, 채널 및 역할을 조정함으로써 오케스트레이션은 고객과 직원 관점에서 더욱 효과적이고 효율적이며 감성적 지능을 갖춘 경험을 창출합니다. 새로운 혁신이 등장함에 따라, 우리는 프론트 및 백오피스를 아우르는 고객 대면 활동을 초월하여, 조직이 컨택센터, 고객 및 직원 경험, 그리고 전체 비즈니스를 새롭게 구상할 수 있는 보편적 오케스트레이션으로 나아가고 있습니다.

다음의 경험 오케스트레이션 단계는 완전히 수동적인 것에서 완전히 자율적인 오케스트레이션으로 발전하는 성숙 곡선을 정의합니다. 각 단계는 자동화, 증강, 개인화 및 최적화를 적용하는 데 있어 유의미한 진전을 나타내며, 운영 효율성 증대, 깊은 고객 충성도 강화, 강력한 직원 참여 등 새로운 비즈니스 가치를 열어줍니다.

단계 0 – 오케스트레이션의 부재

고객 인터랙션은 기본 전화 시스템을 통해 전적으로 수동으로 처리되며, 통합 도구나 지능이 없습니다. 인간 상담사는 교육과 정적 문서에 의존합니다. 모든 인터랙션은 반응적이고 일관성이 없습니다.

고객에 대한 통합된 뷰가 없으며, 시스템 간 과제나 인사이트 오케스트레이션이 없습니다. 고객 서비스는 전략적 기능이 아닌 운영 필수 요소로 취급되어 높은 노력, 높은 이탈 및 부정적 결과로 이어집니다.

• 자동화: 자동화가 없으며, 모든 작업에 인간 상담사의 전적인 참여가 필요합니다.

• 증강: 시스템 지원 없이 인간 상담사가 작업합니다. 데이터나 작업별 지원의 맥락적 표출이 없습니다.

• 개인화: 고객 프로필이나 기록을 기반으로 한 시스템 지원 개인화가 없습니다.

• 최적화: 수동 교육과 정적 스케줄링이 주를 이룹니다. 실시간 인사이트, 품질 관리, 또는 인력 계획 자동화도 부재한 상태입니다.

단계 1 – 메뉴 기반 탐색

대화식 음성 응답(IVR) 시스템은 고정된 라우팅 논리와 제한된 음성 인식 기능을 가진 기본 자동화를 제공합니다. 고객은 키패드나 음성 메뉴를 통해 상호작용하며, 주로 상태 확인이나 부서 연결을 위해 사용됩니다. 이는 통화량을 약간 줄일 수 있지만, 경험은 여전히 비개인적이고 음성에 의존합니다.

대부분의 작업에 여전히 인간 상담사가 필요하며 제한된 CRM 맥락에 의존합니다. 품질 관리는 수동적이고 소급적입니다. 시스템은 작동하지만, 유연하지는 않습니다.

• 자동화: IVR은 키패드 입력 또는 키워드 인식을 기반으로 계좌 잔액 조회나 주문 상태 확인 같은 간단한 정보 요청을 처리합니다. 로직은 고정되어 있으며 유연성이 없습니다.

• 증강: 인간 상담사는 상호작용 중에 정적인 고객 기록을 볼 수 있지만, 관련 인사이트를 수동으로 검색해야 합니다.

• 개인화: 기술 기반 라우팅과 언어 선호는 가능하지만, 경험은 대부분 동일합니다.

• 최적화: 품질 보증은 샘플링된 녹음을 기반으로 하며, 상담사 스케줄링은 시간이 많이 걸리고 수동적입니다.

단계 2 – 사전 정의된 대화 자동화

대화형 AI는 자동 음성 인식(ASR), 자연어 처리(NLP) 및 자연어 이해(NLU)를 결합하여 여러 커뮤니케이션 채널에서 상호작용합니다. 인터랙션은 사전 정의된 규칙과 스크립트 대화에 의해 관리됩니다. 예측 AI 모델은 라우팅이나 인게이지먼트 같은 특정 사용 사례에 적용되지만, 일반적인 경험에서 최적의 다음 단계를 결정하는 데에는 아직 널리 사용되지 않습니다.

• 자동화: 대화형 AI는 주문 추적, 비밀번호 재설정 또는 신원 확인 같은 일상적인 대화를 디지털 및 음성 채널(옴니채널)에서 자동화할 수 있는 봇을 제공합니다. 봇은 스크립트 로직과 고정된 의사결정 트리를 중심으로 구성된 사전 정의된 흐름을 따릅니다.

• 증강: 인간 상담사는 지식 표출 도구를 통해 맥락적 지원을 받기 시작하며, CRM 맥락이나 키워드 트리거에 기반해 다음 단계가 제안됩니다.

• 개인화: 고객 경험은 표준화되어 있으며, 정적 입력 이상의 유연성이나 개인화가 부족합니다. 기본적인 워크포스 인게이지먼트 관리 기능이 도입되어 작업을 직원의 기술 및 가용성에 맞출 수 있도록 지원합니다.

• 최적화: 경험은 라우팅, 참여 및 예측을 위한 전문 예측 AI 모델을 사용해 최적화됩니다. 음성 및 텍스트 분석이 품질 보증 프로세스를 지원합니다.

단계 3 – 시스템 생성 대화

생성형 AI는 대규모 언어 모델(LLM)과 변환기 기반 아키텍처를 사용하여 설정된 범위 내에서 콘텐츠를 생성합니다. AI는 설계되거나 훈련된 작업만을 수행하며 그 이상도 이하도 아닙니다. 자동화, 증강, 개인화, 최적화를 통해 경험을 향상시키면서도 여전히 사전 정의된 논리와 워크플로 내에서 작동합니다.

이 수준의 AI는 지시받은 것 외의 사고나 결정을 하지 않으며, 자신의 프로그래밍을 더욱 정교하게 실행할 뿐입니다.

• 자동화: AI 기반 가상 상담사는 문제 해결, 주문 상태, 제품 문의 등 더 광범위하고 복잡한 인터랙션을 자동화합니다. 이러한 가상 상담사는 자율적으로 보이지만, 구성된 워크플로와 규칙 내에서만 작동합니다. 의도 인식이나 FAQ 처리와 같은 기능으로 보다 미세한 시나리오를 관리할 수 있지만 훈련과 구성 범위 내에서만 가능합니다. 가상 감독자 기능은 운영 모니터링을 자동화하고, 사전 설정된 임계값이나 행동 신호를 기반으로 이해관계자에게 알림을 제공합니다.

• 증강: 상담사 코파일럿은 최적의 다음 행동 제안, 요약 생성, 지식 문서 검색 등의 관련 인사이트를 표출함으로써 사람의 성과를 향상시킵니다. 하지만 이는 사전 정의된 규칙 및 모델 내에서만 이루어집니다. 상담사 코파일럿은 인식된 신호에 반응하지만 그 이상의 적응이나 계획은 하지 않습니다. 관리자 및 관리자 코파일럿은 정의된 기준에 따라 가이던스와 추천을 제공하여 지식 확장을 돕지만, 의사 결정의 경계를 넘지는 않습니다.

• 개인화: 생성형 AI는 구조화된 세분화, 의도 분류, 비즈니스 정의 속성을 사용해 반응을 맞춤화할 수 있습니다. CRM 데이터, 알려진 선호도 또는 이전 인터랙션을 바탕으로 특정 비즈니스 목표나 세그먼트에 맞는 출력을 생성합니다. 콘텐츠는 맞춤화된 것처럼 보이지만, 사전 정의된 논리와 구성된 행동 범위 내에서 생성됩니다. 이 수준에서의 개인화는 강력하지만 여전히 구조화된 틀 내에 묶여 있습니다.

• 최적화: AI는 사전 계획된 최적화 전략을 실행하는 능력으로 여정 오케스트레이션과 경험 관리가 향상됩니다. 예측 모델을 통해 예측, 일정 관리 및 작업 부하 균형이 개선되어, 과거 데이터를 바탕으로 지속적으로 추천을 최적화합니다. 그러나 이 단계에서도 AI는 적응적이지 않습니다. AI는 훈련된 행동을 실행하며, 적시의 인간에 의해 재훈련됩니다. 프론트 및 백오피스 전반의 작업, 경고 및 워크플로 오케스트레이션은 정의된 조건에 반응할 뿐이며, 능동적인 추론은 아닙니다.

단계 4 – 에이전틱 경험 생성

AI가 단순 실행에서 지능적인 문제 해결로 발전합니다. 시스템은 특정 목표에 맞춰 설정되며, 명확하게 정의된 한계 내에서 목표를 달성하기 위해 추론, 계획, 기억을 사용합니다.

이 수준에서는 에이전틱 AI가 맥락을 해석하고, 단계별 계획을 세우며, 동적인 입력에 따라 행동을 조정합니다. 그러나 모든 실행은 여전히 반자동입니다. 인간의 입력, 승인 및 감독이 필요해 의도를 일치시키고 과도한 실행을 방지합니다.

• 자동화: 가상 상담사, 감독자 및 관리자는 이제 더 복잡한 거래 작업과 의사 결정 순서를 수행합니다. 이들은 정의된 가이드라인과 승인 요구 사항에 따라 최적의 단계를 결정합니다. 표준 운영 절차(SOP)와 같은 구조화된 콘텐츠를 참조하여 작업을 정확하게 수행합니다. 비동기 실행이 일반화되어, 고객이나 직원이 다른 작업에 집중하는 동안 작업이 백그라운드에서 진행됩니다. 가상 상담사는 작업이 완료되거나 입력이 필요할 때 사용자에게 알립니다.

• 증강: 코파일럿은 점점 더 적극적으로 상담사, 감독자 및 관리자에게 지능적인 제안을 하고, 승인되면 이를 실행합니다. 이는 기록 업데이트, 위험 식별, 프로세스 간소화, 실시간 번역 등을 포함합니다. 이러한 코파일럿은 실시간 신호를 제공하여 인간 사용자를 지원합니다. 예를 들어, 놓친 단계를 강조하거나 준수 팁을 제안하는 방식으로, 보다 나은 성과를 낼 수 있도록 돕습니다. 이는 인간의 결정 권한을 보호하면서 사람들의 성과를 개선하게 돕습니다.

• 개인화: 개인화는 더욱 전략적이고 데이터 기반이 됩니다. AI 시스템은 내부 기억, 고객 프로필, 이전 상호작용 및 맥락 신호를 활용해 고객의 프로필과 가장 잘 맞는 응답이나 워크플로를 결정합니다. 이는 비즈니스 정의 세그먼트, 거래 기록 및 설정된 규칙을 바탕으로 진행됩니다. 모든 개인화는 비즈니스 설정의 범위 내에서 운영됩니다.

• 최적화: 오케스트레이션은 이제 동적 데이터를 사용해 시스템 내 경험을 개선합니다. AI는 정해진 범위 내에서 더 나은 경로와 효율적인 해결책을 찾습니다. 이상 탐지와 패턴 인식 기능으로 문제를 식별하는 데 도움을 주지만, 최종 결정은 여전히 인간이 합니다.

단계 5 – 범용 에이전틱 오케스트레이션

AI가 목표 기반의 자율성을 달성하여, 인간이 정의한 목표에 따라 독립적으로 계획하고, 결정하고, 실행할 수 있습니다. 가상 상담사, 감독자, 관리자는 고정된 워크플로에 구속되지 않고, 목표를 중심으로 동적으로 새로운 전략을 생성하고 조정합니다.

이 단계는 오케스트레이션 성숙도의 절정입니다—AI가 반응적 자동화에서 자율적이고 협력적인 경험 관리로 전환합니다.

AI 시스템은 메모리, 계획, 추론을 LLM과 결합하고, 지속적인 피드백 루프를 통해 강화됩니다. 경험은 더 이상 분리되거나 단편적인 것이 아니라, 전체 생태계에서 유연하고 적응적이며 지능적으로 변화합니다.

AI 엔티티들은 서로 직접 상호작용하며 목표를 공유하고, 맥락을 교환하며, 책임을 분산시켜 내부 시스템과 외부 파트너에 걸쳐 분산 오케스트레이션을 가능하게 합니다. 인간의 참여는 전략적이고 의도적이며, 감정, 창의성 또는 판단이 필요한 복잡한 결정을 감독하고 관리하는 데 중점을 둡니다.

• 자동화: 가상 상담사, 감독자, 관리자들은 스스로 작업을 시작하고 완료합니다. 시스템은 목표에 맞춰 데이터를 분석해 최적의 방법을 찾으며, 정해진 스크립트나 수동 조작에 의존하지 않습니다. 작업은 지능형 에이전트 간에 유연하게 조정되며, 의사 결정은 다양한 역할과 분야에서 협력적으로 이루어집니다. 대부분의 운영은 자동화된 협업으로 처리됩니다.

• 증강: AI가 대부분의 작업을 독립적으로 처리하지만, 인간은 감독, 정책 및 전략적 판단에 필수적입니다. 코파일럿은 결과를 요약하고, 감사나 개입을 위해 제시합니다. 다른 시나리오에서는 코파일럿이 필요를 예측하고 작업 완료를 제안하며, 승인 패턴을 학습하여 지원 범위를 확장합니다. 코파일럿과 자율 에이전트는 함께 작동하며, 인사이트와 중간 결정을 원활하게 교환하여 인간의 효율성을 극대화합니다.

• 개인화: 경험은 가상 관리자, 감독자, 상담사가 조율하며, 각각 고유한 관점과 맥락을 제공합니다. 이러한 지능형 시스템은 이전 상호작용, 기업 지식 및 행동 신호를 활용해 실시간으로 개인화된 경험을 제공합니다. 이는 하나의 시스템이 아닌 AI 기반 행위자들이 고객의 목표, 선호도 및 여정 상태를 이해하고 조정하는 방식으로 이루어집니다.

• 최적화: 최적화는 자율적이고 분산되며 목표 중심이 됩니다. 각 AI 시스템은 독립적으로가 아니라 협력적 학습 네트워크의 일부로 성능을 개선합니다. 피드백 루프, 성능 데이터, 목표 달성 지표를 통해 워크플로와 의사 결정 모델을 개선합니다. 오케스트레이션 논리는 변화하는 조직 우선순위에 유연하게 적응합니다.

경험 오케스트레이션 성숙도 모델은 비즈니스가 완전히 수동적인 운영에서부터 지능형 AI 시스템으로 발전해 고객과 직원 경험을 독립적으로 관리하고 향상시키는 과정을 보여줍니다. 각 단계는 AI의 기능과 잠재적 가치의 중대한 발전을 반영합니다. 초기의 개별 작업 자동화에서 시작해, 최종적으로는 비즈니스 목표를 위해 계획하고, 추론하고, 행동할 수 있는 시스템으로 발전합니다.

조직이 경험 오케스트레이션을 발전시키면서, 비즈니스 우선순위, 고객 세그먼트, 운영 제약 및 위험 고려 사항에 따라 여러 단계를 동시에 운영할 수 있습니다. 일부 경험은 여전히 구조화되고 인간의 감독 하에 유지될 것이지만, 다른 경험은 자율성과 자기 지향성을 증가시킵니다.

중요한 점은 성숙도로 가는 길에서 지능형 시스템 간의 협력이 증가하는 점입니다. AI 구동 에이전트들이 서로 조정하여 복잡한 작업을 해결하고, 맥락을 공유하며, 여정에 따라 동적으로 적응합니다. 이러한 연결된 에이전트들은 고객, 감독자 또는 관리자를 지원하며, 확장 가능하고 적응적인 오케스트레이션의 기초를 형성합니다. 이 모델에서 지능은 더 이상 단일 시스템이나 상호작용에 국한되지 않으며, 전체 경험 환경에서 지속적으로 학습하고, 공유하며, 향상되는 분산된 역량이 됩니다.

결론

경험 오케스트레이션의 각 단계는 조직이 변화를 위한 여정을 탐색하는 데 도움이 되는 체계적인 성숙도 모델을 제공합니다. 현재 대부분의 기업은 단계 1 또는 2에서 운영되고 있다고 믿습니다. 하지만 앞으로의 길은 명확하며 가속화되고 있습니다.

에이전틱 오케스트레이션에 투자하는 조직은 더 높은 자동화와 확장성, 직원 역량 강화, 그리고 깊은 고객 충성도를 통해 기하급수적으로 가치를 창출할 수 있습니다.

귀사의 조직은 현재 어느 수준에 있습니까? 다음 단계로 이동하려면 무엇이 필요할까요?

Genesys는 귀사가 그 경로를 정의하고, 규모에 맞는 감성 지능 경험 오케스트레이션의 다음 단계로 나아가는 것을 지원합니다.

¹ 이 문서는 논의용이며 제품 로드맵이 아닙니다. Genesys는 이 문서에서 설명된 기능 제공을 약속하지 않습니다.

* 이 기사는 2024년 5월 14일에 처음 발행되었으며 그 후 업데이트되었습니다.

작성자자: