CS · B2B SaaS
인입 티켓 자동 분류 라우팅
"이 문의 어디 팀이 맡지?" 매일 아침 한 시간씩 사라지던 손 분류가 LLM의 0.5초 분류로 바뀝니다. 카테고리·우선순위·감정·담당팀을 동시에 뽑는 인입 티켓 자동 라우팅이 사내에 자리 잡으면 무엇이 달라지는지 정리한 가이드.

"이 문의 어디 팀이 맡지?" — 매일 아침 메일·웹폼·앱·메신저로 흩어져 들어오는 수백 건의 인입을 사람이 손으로 분류하는 데 첫 한 시간이 통째로 사라지는 회사가 많습니다. 그 한 시간을 LLM이 0.5초 만에 끝내고, 분류 결과의 자신감 점수까지 함께 남기는 시스템이 있습니다.
인입 티켓 자동 분류 라우팅이라고 부릅니다. LLM이 문의 본문·첨부·계정 정보를 읽고 카테고리·우선순위·담당팀을 결정해 헬프데스크에 자동 배정하는 구조입니다. 분류 정확도가 떨어지는 케이스만 사람이 한 번 더 확인합니다.
이 글은 어떤 신호로 티켓을 가르고, 어떤 도구로 만들 수 있으며, 도입 전에 사내에서 무엇을 정리해야 하는지를 한 페이지로 정리한 가이드입니다.
한 티켓이 거치는 상태
문의가 인입된 순간부터 닫힐 때까지의 상태 전환을 한 장으로 그리면, 어디에 자동화를 끼울지가 분명해집니다. 분류 신뢰도가 첫 분기점입니다.
무엇을 자동으로 가르나
한 티켓에서 LLM이 동시에 뽑는 라벨은 보통 네 종류입니다. 이 네 가지가 어떤 팀의 어떤 큐에 들어갈지를 결정합니다.
카테고리 — 결제·배송·계정·기능 문의 등 1차 분류. 회사마다 10~30개 사이.
우선순위 — 결제 실패·서비스 다운 같은 P0부터 단순 문의 P3까지 4단계가 일반적.
감정 강도 — 욕설·이탈 위협·반복 문의 등 부정 감정이 임계치를 넘으면 자동 우선순위 상승.
담당팀 — 카테고리·계약 등급·언어를 결합해 결제팀·기술팀·VIP 라인 중 하나로 배정.
도구 선택 — 어디서 시작하나
사내에 이미 헬프데스크가 있다면 그 위에 분류 모델만 얹는 길이 가장 짧습니다. 헬프데스크가 없거나 자체 시스템이라면 워크플로우 도구로 직접 조립합니다. 첫 분기 질문은 "지금 헬프데스크가 있느냐"입니다.
옵션 A는 Zendesk·Freshdesk 같은 SaaS의 네이티브 AI 분류기를 켜는 것만으로 당일 PoC가 가능합니다. 옵션 B는 자체 헬프데스크 위에 LLM과 n8n·LangGraph 같은 워크플로우 도구를 결합해 분류·라우팅·알림을 직접 조립합니다. 옵션 C는 데이터 외부 반출이 금지된 환경에서 sLLM을 사내에서 돌리는 구성입니다.
도입 전 점검 — 준비물 5가지
분류 정확도의 절반은 모델이 아니라 사내 라벨 정리에 달려 있습니다. 다음 다섯 가지가 정리돼 있어야 PoC가 흔들리지 않습니다.
카테고리 트리 — 10~30개 1차 분류와 2차 세부 라벨. 모호한 라벨은 통합·삭제.
과거 티켓 라벨 — 최근 6개월치 1만 건 이상이 권장. few-shot 프롬프트와 평가 셋의 재료가 됨.
우선순위 정의 — P0~P3가 어떤 상황에 해당하는지를 한 줄짜리 정의로 문서화.
담당팀 매트릭스 — 카테고리·계약 등급·언어 조합별로 어느 큐로 갈지가 표로 정리.
에스컬레이션 규칙 — 몇 분 안에 응답이 없으면 어디로 넘어가는지가 자동 규칙으로 코드화.
흔한 실패 패턴
가장 흔한 실패는 카테고리 트리가 너무 세분화되는 것입니다. 50개 라벨로 시작하면 사람도 헷갈리고 모델도 헷갈립니다. 1차 10개 이내로 시작하고 2차에서 세분화하는 패턴이 안정적이라고 평가됩니다.
두 번째 함정은 자신감 점수 무시입니다. 모든 티켓을 똑같이 자동 라우팅하면 모호한 케이스가 엉뚱한 팀으로 흘러가 응답 시간이 도리어 늘어납니다. 임계치 미만은 검토 큐로 넘기는 이중화가 필수입니다.
세 번째는 모델이 학습한 라벨과 현재 라벨이 어긋나는 라벨 드리프트입니다. 분기에 한 번 라벨 분포·정확도를 점검하고 어긋난 영역만 재학습하는 운영 리듬이 권장됩니다.
한 줄 정리
인입 티켓 자동 분류 라우팅은 모델 정확도보다 사내 라벨·규칙·검토 임계치 설계의 정확도가 결과를 결정합니다. 첫 PoC는 1차 10개 라벨, 임계치 0.7, 검토 큐 1개로 가볍게 시작하기를 권장합니다.
한 걸음 더 들어가려면
이 가이드는 자동 분류 라우팅 도입 결정에 필요한 핵심을 한 페이지로 정리한 것입니다. 사내에서 직접 시작하려면 카테고리 트리 정리부터 시작해 옵션 A의 헬프데스크 네이티브 기능부터 켜보는 길이 가장 짧습니다.
여러 채널·언어가 섞인 복잡한 인입 환경에서 자체 PoC를 돌려보고 싶다면 권앤컴퍼니의 사내 강의·컨설팅 옵션을 활용할 수 있습니다.
강의·PoC 모두 30분 무료 상담으로 가능성부터 함께 검토할 수 있습니다 → 상담 신청하기
같은 카테고리의 다른 프로젝트
1차 응대 챗봇 + 휴먼 핸드오프
"환불 어떻게 받아요?" 새벽 2시에 들어온 한 줄에 5초 안에 답이 가고, 어려운 1할만 다음 날 아침 상담사 화면에 누적 맥락과 함께 띄워집니다. 1차 응대 챗봇과 휴먼 핸드오프가 사내에 자리 잡으면 무엇이 달라지는지 정리한 가이드.
VOC 클러스터링 인사이트
"이번 달 고객들이 가장 자주 말한 불만이 뭐야?" 한 줄 임원 질문에 엑셀 1만 행을 긁던 작업이 LLM 한 사이클로 끝나고 비슷한 목소리가 자동으로 묶여 한국어 요약으로 나옵니다. VOC 클러스터링 인사이트가 사내에 자리 잡으면 무엇이 달라지는지 정리한 가이드.
CS 상담사 어시스트 사이드패널
"이 고객 환불 가능한가요?" 모니터 두 화면을 오가며 4분 걸리던 검색이 사이드패널의 8초 답변으로 끝나고 인용 출처까지 함께 따라옵니다. CS 상담사 어시스트 사이드패널이 사내에 자리 잡으면 상담사의 한 사이클이 어떻게 달라지는지 정리한 가이드.
유사한 AI 프로젝트를 우리 회사에 도입하고 싶다면
업종·도메인·일정을 알려주시면 가장 가까운 진행 사례와 함께 회신 드립니다. 권앤컴퍼니의 AI 도입 뉴스와 프로젝트 사례는 뉴스레터로도 받아보실 수 있습니다.