고객센터는 왜 비용 센터로만 취급돼 왔나
콜센터는 통상 비용 센터로 분류됩니다. 통화량을 줄이고 평균 처리 시간을 단축하는 것이 목표가 되고, 상담이 끝나면 기록은 보관함에 들어가 다시 열리지 않습니다. 매일 수천 건씩 쌓이는 대화가 비용으로만 계산되고 자산으로는 잡히지 않았습니다.
그러나 그 대화를 다시 읽어 보면 다음 서비스의 단서가 이미 들어 있습니다. 어떤 기능에서 막히는지, 무엇을 기대하다 실망했는지, 어떤 우회로를 스스로 찾아내는지. 고객은 이미 우리에게 말하고 있었습니다. 다만 그것을 자산으로 바꿀 방법이 없었을 뿐입니다.
STT와 LLM 위키는 상담 기록을 어떻게 자산으로 바꾸나
상담 음성은 STT로 텍스트가 되고, 그 텍스트는 LLM이 표준 응대 문서로 정리해 위키에 쌓입니다. 약국 소프트웨어 회사의 CS 자동화에서 이 구조를 돌려 보니, 답변 품질을 가르는 것은 봇의 똑똑함이 아니라 봇이 참조하는 지식의 품질과 최신성이었습니다.
그래서 매뉴얼을 사람이 새로 쓰는 대신, 매일 쌓이는 실제 상담을 문서로 변환해 축적했습니다. 모든 답변에는 근거 문서의 출처를 함께 표기해 환각을 통제했습니다. 이렇게 하면 상담 기록 자체가 단일 진실 원천(SSOT) 역할을 하는 지식 자산이 됩니다.
같은 데이터가 어떻게 신규 사업의 입력이 되나
축적된 상담 데이터는 "어떻게 응대할까"를 넘어 "무엇을 더 만들까"의 입력이 됩니다. 반복되는 불만과 반복되는 우회 요청은 곧 미충족 수요의 목록입니다. 같은 질문이 일정 빈도 이상 반복되면, 그것은 응대 매뉴얼을 보강할 신호이자 새 기능이나 서비스를 검토할 신호입니다.
일 수천 건의 상담을 가진 조직이라면 이는 시장 조사를 새로 돌릴 것 없이 이미 손에 쥔 원료입니다. 고객의 목소리를 듣고 끝내는 대신, 그것을 구조화된 데이터로 바꿔 제품 로드맵의 입력으로 연결하는 것이 핵심입니다.
남은 관문, 개인정보는 어떻게 푸나
마지막 관문은 개인정보입니다. 상담 텍스트에는 이름과 연락처, 민감 정보가 섞여 있어 그대로는 분석에도 축적에도 쓸 수 없습니다. 외부로 데이터를 내보내기 어려운 영역이라면 내부 LLM으로 마스킹을 처리하는 설계가 현실적입니다.
마스킹을 끝내는 순간 고객센터는 비용 부서에서 신규 사업 발굴 엔진으로 바뀝니다. 이미 가진 데이터의 빗장을 푸는 일이라는 점에서, AX가 닿을 수 있는 가장 높은 지점이 여기라고 봅니다.