CS · 이커머스
교육 과정에서 수강생과 함께 만든 AI 활용 예시
환불·반품 자동 처리 워크플로우
상담사가 약관, 재고, PG 승인 라인을 직접 확인하느라 평균 3일 걸리던 환불 업무를 LLM 자동 워크플로우로 30분 안에 처리하는 방법과 도입 효과를 정리한 가이드입니다.

환불 신청 한 건이 들어오면 상담사 한 명이 약관 확인, 재고 조회, 결제 PG 호출, 승인 라인 보고를 직접 처리하느라 평균 3일이 걸리고, 그동안 고객은 답변을 기다려야 합니다. LLM 자동 워크플로우를 적용하면 같은 건의 답변과 환불 처리를 30분 안에 마칠 수 있습니다.
환불과 반품 자동 처리 워크플로우는 LLM이 환불 사유를 분류해 정책 적격성을 판정하는 시스템입니다. 적격 건은 결제 PG, 재고, CRM, 회계 시스템을 자동으로 호출해 처리를 완료하고, 판단이 모호한 건만 상담사에게 넘깁니다.
이 가이드는 자동 처리할 수 있는 환불과 상담사 검토가 필요한 환불의 구분, 구축 방식, 도입 전 준비 사항을 도입 판단에 필요한 범위에서 정리했습니다.
자동 처리 대상
자동 처리에 적합한 환불은 정책이 명확하고 외부 변수가 적은 건입니다. LLM은 다음과 같은 사유를 바로 판정할 수 있습니다.
7일 이내 미개봉 상품의 단순 변심
결제 후 5분 이내 결제 실패 환불
구독 첫 결제 후 24시간 이내 취소
운송장 미수령이 확정된 배송 분실
쿠폰 중복 적용 오류에 따른 환불
파손이나 하자, VIP 보상, 고액 분쟁은 자동 처리 대상에서 제외하고 상담사 큐로 바로 넘깁니다. 자동화 목표는 정책이 명확한 60~70%의 건을 상담사 개입 없이 처리하는 것입니다.
환불 처리 상태
신청 접수부터 환불 완료까지의 상태 전환을 정리하면 자동 분기를 둘 위치를 정할 수 있습니다. 분기점은 정책 적격성 판정과 재고 확인 2곳입니다.
도입 전후 비교
같은 인력과 정책을 유지하면서도 처리 속도와 일관성이 함께 높아졌다는 사례가 있습니다.
평균 처리 시간은 3일에서 적격 건 30분, 모호 건 1일로 줄어듭니다.
상담사 수작업은 약관을 검색하며 시스템 4~5개를 오가던 방식에서 모호 건만 한 화면에서 승인하는 방식으로 바뀝니다.
정책 일관성은 상담사 개인의 판단에 맡기지 않고 모든 건을 같은 카탈로그와 임계치로 판정해 유지합니다.
회계 정합성은 월말 수기 대사 없이 환불과 재고, 매출 차감을 한 트랜잭션으로 동시에 반영해 맞춥니다.
자동 처리 4단계
환불 한 건의 자동 처리는 다음 4단계로 진행됩니다.
1단계: 사유 분류. 문의 본문과 첨부, 주문 정보를 LLM이 읽고 단순 변심, 결제 실패, 배송 분실, 하자 등으로 분류합니다. 분류 확신도가 임계치 미만이면 바로 상담사 큐로 보냅니다.
2단계: 정책 판정. 분류 결과를 사내 환불 카탈로그(JSON이나 SQL 룰)와 대조해 적격, 부적격, 모호 중 하나로 판정합니다. 카탈로그를 LLM 프롬프트에 넣지 않고 별도 룰 엔진에서 판정해야 일관성이 유지됩니다.
3단계: 외부 시스템 호출. 결제 PG, 재고, CRM, 물류, 회계 시스템을 순서대로 호출합니다. 한 단계라도 실패하면 전체를 롤백하는 SAGA 패턴으로 부분 처리 사고를 막아야 합니다.
4단계: 회계 반영과 알림. 환불, 매출 차감, 재고 복귀가 한 트랜잭션으로 회계 시스템에 반영되고, 고객에게는 처리 완료 알림과 영수증이 자동으로 발송됩니다. 모든 단계는 감사 로그로 남깁니다.
도입 시 주의 사항
가장 큰 위험은 LLM이 정책 본문을 직접 해석하도록 두는 것입니다. 같은 사유에 다른 판정이 나오면 회계와 법무 리스크가 커집니다. 정책은 룰 엔진에 코드로 구현하고, LLM에는 사유 분류와 요약만 맡겨야 합니다.
두 번째는 외부 시스템의 부분 실패입니다. PG 환불은 완료됐지만 재고가 복귀되지 않는 경우처럼 일부 단계만 처리되면 회계 정합성이 깨집니다. SAGA 패턴이나 idempotent 처리를 적용해 재시도해도 안전한 구조로 설계합니다.
세 번째는 감사 로그 누락입니다. 자동 처리한 건도 누가 어떤 정책으로 어떤 외부 호출 결과를 받았는지 시간순으로 기록되어 있어야 분쟁 발생 시 대응할 수 있습니다. 단계마다 immutable log를 남기도록 설계합니다.
도입 비용과 기간
LLM 호출 비용은 환불 1건당 수십 원 수준이며, 결제 PG와 물류 API 비용은 별도입니다. 비용이 가장 많이 드는 부분은 시스템 통합, 룰 엔진 구축, 감사 로그 인프라입니다. 기간은 파일럿 2주, 운영 안정화 6~8주가 일반적입니다.
ROI는 처리 시간 단축에 따른 고객 만족도 개선과 상담사 수작업 감소로 측정합니다. 단순 변심 환불의 50% 이상을 자동으로 종결한 경우 6개월 안에 투자 대비 효과를 확인한 사례가 있습니다.
도입 시작 방법
사내에서 직접 시작한다면 단순 변심 시나리오 하나를 선택해 정책 룰을 코드로 구현하고, PG 호출까지 한 번에 처리하는 파일럿부터 진행하는 것을 권장합니다.
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.