BioRender — 4인 AR팀의 수작업 트리아지를 AI로 대체하다

1. 왜 이 사례인가

많은 기업에서 AI 도입은 개발 조직의 대규모 모델 개발이나 비싼 엔터프라이즈 솔루션 도입으로 논의되곤 합니다. 하지만 실무 현장에서 병목이 터져 매출 회수가 지연되는 지점은 재무·운영 부서의 일상적인 티켓 분류와 배정 작업입니다.

생명과학 그래픽 플랫폼 기업인 바이오렌더(BioRender)의 미수금 관리(Accounts Receivable, AR) 팀은 4명으로 구성된 소규모 조직이었습니다. 고객경험(Customer Experience, CX) 부서와 공용 Zendesk 인스턴스를 공유하면서, 매일 아침 45분씩 결제 분쟁, 발주서(PO), 세금 감면, 공급업체 등록 티켓을 수작업으로 읽고 분류해 담당자에게 배정해 왔습니다.

CX 운영 전문가인 Jocelyne Mendez-Guzman은 비개발자임에도 Zapier와 AI 모델(Gemini 2.0 Flash)을 결합한 51단계 자동화 워크플로를 직접 설계했습니다. 티켓 접수 즉시 AI가 유형을 9가지로 분류하고, 인사 관리 시스템(HiBob)과 Zendesk API를 연동해 상담원의 실시간 잔여 티켓 수와 근무 일정을 계산한 뒤 최적의 담당자에게 무인 자동 배정하는 구조입니다.

그 결과 동일한 4인 팀으로 티켓 처리량(Throughput)이 50% 증가했고, 티켓 해결 시간(Resolution time)은 69% 단축되었으며, 첫 응답 시간(First reply time)은 39% 개선되었습니다. 결제 처리 지연이 해소되면서 고객은 평균 3일 더 빠르게 결제 완료 안내를 받게 되었습니다.

현장 운영자가 노코드 도구와 파운데이션 모델을 결합해 비즈니스 핵심 현금 흐름을 가속한 구체적인 실무 AX 사례입니다.

2. Problem

바이오렌더의 AR 팀은 CX 부서와 단일 Zendesk 인스턴스를 함께 사용했습니다. 인입되는 문의 중 AR 관련 티켓은 일반 제품 지원과 성격이 판이했습니다.

결제 분쟁(Payment disputes)
기업 구매 발주서(Purchase Orders)
세무 면제 증빙(Tax exemptions)
공급업체 포털 등록(Vendor registrations / Supplier portals)
대금 수령 및 독촉(Dunning, Remittance)

이 티켓들은 단순 질의응답이 아니라 기업의 현금 흐름(Cash flow)과 직결된 금융 요청이었습니다. 고객이 회신을 기다리는 매시간이 곧 매출 인식의 지연이자 고객 불만으로 이어졌습니다.

그러나 당시 배정 방식은 전적으로 수작업이었습니다. 매일 아침 전담자가 Zendesk 인박스를 직접 열어 티켓을 하나씩 읽고, 적절한 큐를 판단한 뒤 상담원에게 할당했습니다.

매일 아침 45분의 수작업 소모: 4명에 불과한 AR 팀에서 아침마다 45분 동안 티켓 분류에 매달려 정작 본업인 금융 이슈 해결은 늦게 시작되었습니다.
주관적이고 불균등한 업무 배정: 수작업으로 나누다 보니 상담원의 실시간 업무 부하나 전문 분야를 정밀하게 반영하기 어려웠습니다.
티켓 누락과 지연 리스크: 인박스 볼륨이 늘어나면 티켓이 큐 사이에서 누락되거나 처리가 지연되어 고객 대기 시간이 길어졌습니다.

확인된 사실: 4인 AR 팀, CX와 Zendesk 공유, 매일 아침 45분 수작업 트리아지, PO·분쟁·세무·공급자포털 등 금융 직결 티켓, 수작업 배정의 주관성과 지연.

3. Solution

바이오렌더의 해결책은 중앙 개발팀에 리소스를 요청하는 대신, 현업 운영 전문가가 구축한 51단계 Zapier 워크플로와 Gemini 2.0 Flash AI의 결합이었습니다.

3.1 9개 유형 AI 자동 분류

Zendesk AR 트리아지 인박스에 신규 티켓이 도착하면 Zendesk가 Webhook을 발생시켜 Zapier 워크플로를 트리거합니다.

워크플로는 Gemini 2.0 Flash 모델을 호출해 티켓 본문과 맥락을 분석하고, 9개 카테고리 중 하나로 즉시 분류합니다. 분류 유형에는 Purchase Orders, Dunning, Remittance, Supplier Portals 등이 포함됩니다.

3.2 Zendesk API 기반 실시간 업무 부하 조회

단순 순번제(Round Robin) 배정은 상담원별 실제 업무 부하를 고려하지 못합니다. 바이오렌더는 Zapier의 커스텀 Webhook 액션을 사용해 Zendesk REST API를 직접 호출하도록 설계했습니다.

이를 통해 각 상담원의 현재 열려 있는(Open) 티켓 수를 실시간으로 집계합니다. 기본 내장 연동의 타임아웃 문제를 회피하기 위해 커스텀 API Webhook 호출 방식을 적용했습니다.

3.3 HiBob HR 시스템과 가용성 동기화

상담원이 휴가 중이거나 부재중인 경우 티켓이 할당되면 치명적인 지연이 발생합니다. 바이오렌더는 인사 관리 시스템인 HiBob의 직원 가용성 및 근무 일정을 Zapier Tables로 1시간마다 자동 동기화했습니다.

배정 시점에 해당 상담원이 현재 근무 중인지, 휴무인지 테이블에서 즉시 조회하여 부재자를 배정 대상에서 자동 제외합니다.

3.4 JavaScript 기반 동적 공정 배정 및 특수 라우팅

시스템은 수집된 정보(AI 분류 카테고리, 상담원별 현재 오픈 티켓 수, HiBob 근무 가용성)를 Zapier 내 JavaScript 코드 블록으로 전달합니다.

공정 배정(Fair workload balance): 현재 근무 중인 상담원 중 오픈 티켓 수가 가장 적은 사람에게 우선 할당합니다.
특수 규칙(Special case routing): 송금 및 정산(Remittance)과 같이 전문성과 신중한 의사결정이 필요한 특정 고난도 유형은 항상 팀 리드(Team Lead)에게 직접 전달합니다.

이 모든 과정이 사람의 개입 없이 수 초 만에 무인으로 완료됩니다.

확인된 사실: 51단계 Zap, Gemini 2.0 Flash 기반 9개 유형 분류, Zendesk API Webhook 호출을 통한 상담원별 오픈 티켓 조회(타임아웃 회피 목적), HiBob HR 가용성 Zapier Tables 시간 단위 동기화, JavaScript 코드 블록을 통한 가용성·부하 기반 균등 배정, Remittance 건 팀 리드 직행 특수 규칙.

4. Impact

Zapier 공식 사례 발표에 명시된 주요 정량 지표는 다음과 같습니다.

지표	결과	기준 및 비고
자동 처리 티켓 수	3,099건	시스템 론칭 이후 누적
티켓 해결 시간 (Resolution time)	69% 감소	트리아지 및 대기 시간 단축 효과
첫 응답 시간 (First reply time)	39% 개선	즉시 분류 및 당일 배정 반영
티켓 처리량 (Throughput)	50% 증가	기존 4인 팀 인력 변동 없음
결제 해결 소요 일수	3일 단축	고객 체감 결제 완료 속도
트리아지 시간 절감	매일 아침 45분 절약	팀 전체의 수작업 제거

정성적으로는, 아침마다 45분 동안 진행되던 티켓 정리 수작업이 사라지면서 상담원들이 출근 직후부터 티켓 정리가 아닌 실제 고객 금융 문제 해결에 집중할 수 있게 되었습니다. 결제 분쟁과 PO 처리가 3일 빨라져 회사의 매출 회수 주기와 현금 흐름이 직접적으로 개선되었습니다.

빌더인 Jocelyne Mendez-Guzman은 이 프로젝트를 통해 API, Webhook, JavaScript를 Claude의 디버깅 지원을 받아가며 독학으로 습득했으며, 2025 Zappy Awards에서 올해의 운영 자동화 전문가(Operations Automator of the Year)로 선정되었습니다.

확인된 사실: 3,099건 자동 처리, 해결 시간 69% 감소, 첫 응답 39% 개선, 처리량 50% 증가(4인 유지), 고객 결제 해결 3일 단축, 매일 45분 트리아지 절약, Zappy Awards 2025 수상.

5. Insight

운영자가 직접 구축한 현장 최적화입니다. 엔지니어링 백로그에 우선순위로 올라가기 어려운 소규모 운영팀의 병목을, 현업 담당자가 노코드 도구와 LLM API를 결합해 직접 해결했습니다. 중앙 개발팀의 개입을 기다리지 않고도 비즈니스 임팩트를 낸 대표적 사례입니다.

분류만 AI에게 맡기고, 배정 로직은 결정론적 코드로 고정했습니다. AI 모델(Gemini 2.0 Flash)은 비정형 티켓을 9개 표준 유형으로 식별하는 인지 역할만 맡겼습니다. 실제 담당자를 정하는 규칙(HR 일정 확인, 오픈 티켓 최소자 산출, 특수 건 리드 배정)은 JavaScript 코드로 명확히 고정했습니다. 생성형 AI의 환각 리스크를 차단하고 운영 안정성을 확보한 현실적 분업 설계입니다.

외부 맥락(HR 데이터)과의 결합이 주효했습니다. 많은 헬프데스크가 내부 티켓 데이터만으로 라우팅을 시도하다 휴가자의 인박스에 티켓이 쌓이는 실패를 겪습니다. HiBob HR 데이터를 시간 단위로 동기화해 ‘지금 일하고 있는 사람’에게만 배정하도록 한 점이 실무적 완성도를 높였습니다.

복제 조건과 한계. 이 모델이 작동하려면 Zendesk API와 HiBob처럼 명확한 API 및 Webhook을 지원하는 SaaS 스택이 갖춰져 있어야 합니다. 또한 51단계에 달하는 단일 Zap은 단계별 장애(Webhook 누락, API Rate Limit 등) 발생 시 디버깅 복잡도가 올라갈 수 있으므로 정기적인 모니터링 체계가 요구됩니다.

한 줄 요약: AI에게는 텍스트 분류를 맡기고, 배정은 실시간 HR·업무량 데이터 기반의 코드로 엮어 소규모 현장 운영의 병목을 없앴습니다.

6. 원문에 없는 추정 (구현 가설)

6.1 51단계 Zap의 모듈 분할 및 에러 핸들링 가설

근거: 원문은 전체 흐름이 ‘단일 51단계 Zap’으로 구현되었다고 밝히고 있으며, Zendesk 네이티브 연동 대신 커스텀 Webhook 액션을 사용해 타임아웃을 피했다고 명시합니다. 또한 HiBob 데이터는 시간 단위로 Zapier Tables에 동기화됩니다.

실무적으로 단일 워크플로가 51단계에 이르면 중간 단계 실패 시 전체 프로세스가 중단될 위험이 큽니다. 따라서 51단계 내부에는 (1) 인입 티켓 유효성 검증, (2) Gemini API 호출 및 응답 JSON 파싱, (3) JSON 파싱 실패 시 폴백(기본 일반 큐로 전달), (4) Zapier Tables에서 당일 휴무자 리스트 필터링, (5) Zendesk API 커스텀 호출로 활성 상담원 티켓 카운트 정렬, (6) JavaScript 배정 로직 실행, (7) Zendesk 티켓 태그 및 담당자 업데이트, (8) 실패 시 Slack/이메일 알림 등으로 세분화되었을 가능성이 높습니다. 특히 Zendesk 네이티브 통합 대신 Webhook을 쓴 것은 수십 건의 티켓 조회를 일괄 처리할 때 발생하는 페이징 및 타임아웃을 제어하기 위한 선택이었을 것입니다.

6.2 Gemini 2.0 Flash 프롬프트와 9개 카테고리 분류 가설

근거: 원문은 Gemini 2.0 Flash를 사용하여 티켓을 Purchase Orders, Dunning, Remittance, Supplier Portals를 포함한 9개 카테고리로 분류한다고 적고 있습니다.

이 모델이 선택된 이유는 빠른 속도와 비용 효율성, 그리고 구조화된 출력(Structured JSON) 지원 능력 때문이었을 것입니다. 프롬프트는 9개 카테고리의 정의와 판단 기준 예시(예: 고객이 첨부한 주문서 파일이 있거나 PO 번호 언급 시 Purchase Orders, 송금 완료 영수증 제시 시 Remittance 등)를 시스템 지침에 포함하고, 출력 형식을 엄격한 JSON 스키마({ "category": "Remittance", "confidence": 0.95 })로 강제했을 것입니다. 분류 신뢰도가 임계값 미만이거나 9개 범주에 명확히 속하지 않는 복합 문의는 ‘Manual Review’ 태그를 달아 팀 리드 인박스로 넘어가도록 설계되었을 가능성이 큽니다.

7. 출처

Zapier Blog — How BioRender cut ticket resolution time by 69% and boosted throughput 50%
https://zapier.com/blog/biorender-cut-ticket-resolution-time-with-automation/
발행일: 2025 (Zappy Awards 2025 Winner)