CS · 금융사
교육 과정에서 수강생과 함께 만든 AI 활용 예시
CS 상담사 어시스트 사이드패널
상담사가 약관과 주문, 이전 통화록을 찾는 데 드는 평균 4분의 검색 시간을 8초 수준으로 줄이고 답변 후보를 출처와 함께 표시하는 CS 상담사 어시스트 사이드패널의 작동 방식과 도입 기준을 정리한 가이드입니다.

상담사가 환불 가능 여부 같은 문의에 답하려면 모니터 2개를 오가며 약관과 주문, 이전 통화록을 찾아야 하고, 이 검색에 평균 4분이 걸립니다. 상담사 어시스트 사이드패널은 이 검색을 8초 안에 처리해 한 줄 답변과 출처 문서를 함께 표시합니다.
CS 상담사 어시스트(agent assist) 사이드패널은 LLM이 진행 중인 대화와 고객 정보, 사내 약관, 과거 통화록을 함께 읽고, 상담사 화면 옆에 답 후보와 출처, 다음 액션 버튼을 실시간으로 표시하는 구조입니다.
이 가이드는 사이드패널이 답을 만드는 방식과 도입 후 상담 업무의 변화, 도입 전에 정해야 할 사항을 정리했습니다.
주요 활용 요청
사이드패널은 사내 정책과 이전 상담 맥락, 다음 처리 단계에 관한 질문에 답합니다. 상담 중에는 다음과 같은 요청이 매일 수십 번씩 들어옵니다.
이 고객의 VIP 등급 환불 정책 확인
지난번 같은 문의의 처리 결과 조회
결제 실패 코드 4032의 해결 방법 안내
답변의 영어 번역과 문장 교정
환불 처리의 다음 단계 안내
사이드패널은 답과 함께 인용 문서의 위치를 표시합니다. 상담사는 답을 보내기 전에 출처를 클릭해 내용을 검증할 수 있습니다.
도입 전후 상담 업무 비교
상담 1건의 처리 과정을 도입 전후로 나눠 단계별 상담사 만족도를 비교했습니다. 점수는 5점 만점입니다.
사이드패널 작동 방식
대화창에 문의가 들어올 때마다 사이드패널이 백그라운드에서 검색하고 답을 표시하는 과정을 시간 순으로 정리했습니다. 단계별로 필요한 도구를 확인할 수 있습니다.
도입 시 유의 사항
가장 큰 위험은 상담사가 답을 검토 없이 그대로 보내는 것입니다. 답이 그럴듯해 보이면 검증을 생략하게 되고, LLM의 환각이 그대로 고객에게 전달됩니다. 출처를 클릭해야 답을 채택할 수 있도록 UI에서 제한하는 방식을 권장합니다.
두 번째는 응답 지연입니다. 사이드패널의 응답이 5초를 넘으면 상담사가 사이드패널을 사용하지 않게 됩니다. 간단한 답은 1초 이내에 표시하고, 긴 답은 스트리밍으로 첫 토큰부터 바로 표시하도록 설계합니다.
세 번째는 학습 루프 단절입니다. 상담사가 답을 수정한 사례가 RAG 카탈로그에 반영되지 않으면 같은 오류가 반복됩니다. 채택, 수정, 반려의 3가지 신호를 매주 자동 학습에 반영하는 운영 주기가 필요합니다.
성과 지표 4가지
사이드패널의 성과는 다음 4가지 지표로 측정합니다.
평균 처리 시간(AHT)은 도입 전 대비 30% 감소를 기준으로 삼습니다.
답변 채택률은 답 후보를 그대로 또는 수정해서 보낸 비율입니다. 60% 이상이 기준입니다.
신규 상담사 온보딩 기간은 평균 6주에서 2~3주로 줄어드는지 봅니다.
상담사 만족도는 도입 전 대비 10포인트 이상 올랐는지 확인합니다.
AHT만 목표로 삼지 않도록 유의합니다. 응답 속도는 빨라졌는데 만족도가 떨어진다면 사이드패널이 검증되지 않은 답을 표시하고 있다는 신호입니다. AHT와 CSAT을 함께 확인해야 어시스트의 실제 효과를 판단할 수 있습니다.
도입 첫 단계
사내에서 직접 시작할 때는 자주 묻는 질문 50개와 약관 PDF로 RAG 카탈로그를 구성하고, 1개 팀과 1개 채널에서 채택률과 AHT부터 측정하는 방법이 가장 빠릅니다.
1차 응대 챗봇 + 휴먼 핸드오프
LLM 챗봇이 자주 묻는 문의에 24시간 5초 안에 답하고, 답하기 어려운 문의는 누적 맥락과 함께 상담사에게 넘기는 1차 응대 챗봇과 휴먼 핸드오프의 작동 방식과 도입 기준을 정리한 가이드입니다.
인입 티켓 자동 분류 라우팅
매일 아침 1시간이 걸리던 인입 티켓 수작업 분류를 LLM으로 0.5초 수준으로 줄이는 자동 분류 라우팅 가이드입니다. 카테고리, 우선순위, 감정, 담당팀 판단 방법과 도입 준비 사항을 정리했습니다.
VOC 클러스터링 인사이트
엑셀 1만 행을 직접 검토하던 VOC 분석을 자동화해, 고객 의견을 LLM 임베딩으로 군집화하고 한국어로 요약하는 시스템의 작동 방식과 부서별 활용을 정리한 가이드입니다.
교육 문의
부서와 일정을 알려 주시면 관련 교육 사례와 함께 회신드립니다.