BioRender, 4명의 아침 45분을 없애다

요약

• 4명의 미수금 팀을 위해 비개발자가 인공지능과 자동화 도구로 51단계 배정 흐름을 구축했습니다.
• 출시 이후 3,099건을 자동 배정하며 티켓 해결 시간을 69% 줄이고 처리량을 50% 늘렸습니다.
• 인공지능에 본문 분류만 맡기고 배정 규칙은 명확한 코드로 고정해야 운영 사고를 막습니다.

아침마다 45분씩 결제 서류를 손으로 나누던 팀

과학 그림 제작 플랫폼을 운영하는 BioRender에는 고객에게서 받을 돈을 관리하는 미수금 관리(AR) 팀이 있습니다. 이 팀의 인원은 4명이었습니다. 고객경험(CX) 부서와 함께 고객 지원 시스템인 Zendesk 하나를 함께 쓰고 있었습니다.

미수금 관리 팀으로 들어오는 문의는 일반적인 제품 사용 문의와 전혀 달랐습니다. 결제 금액에 대한 분쟁, 기업 고객이 보내온 구매 발주서(PO), 세금 면제 서류, 공급업체 시스템 등록 요청, 독촉과 입금 내역 확인 같은 요청이었습니다. 모두 회사의 매출과 직결된 금융 업무였습니다. 고객이 답변을 기다리는 시간이 늘어날수록 회사가 매출을 확정하는 시점도 함께 늦어졌습니다.

하지만 이 티켓들을 배정하는 방식은 순수하게 사람 손에 의존하고 있었습니다. 매일 아침 팀원 중 한 명이 출근해 45분 동안 수신함을 열어 들어온 티켓을 하나씩 읽었습니다. 어떤 유형인지 직접 판단해 분류하고, 4명의 팀원 중 누구에게 넘길지 일일이 지정했습니다.

팀원이 4명뿐인 작은 조직에서 매일 아침 45분을 티켓 나누기에 쓰는 것은 적지 않은 부담이었습니다. 문제를 직접 해결해야 할 시간이 분류 작업 때문에 밀렸기 때문입니다. 담당자의 현재 업무량이나 전문성을 실시간으로 따지기 어려워 배정이 주관적으로 치우치기도 했습니다. 문의가 밀려들면 수신함 사이에서 티켓이 누락되거나 처리가 지연되어 고객의 대기 시간이 늘어나는 위험도 항상 안고 있었습니다.

개발자를 기다리지 않고 만든 51단계 자동화 흐름

이 병목을 해결하기 위해 나선 사람은 중앙 개발팀 엔지니어가 아니었습니다. 비개발자인 고객경험 운영 전문가 Jocelyne Mendez-Guzman이었습니다. 그는 업무 자동화 도구인 Zapier와 거대언어모델인 Gemini 2.0 Flash를 결합해, 총 51단계로 이루어진 단 하나의 자동화 흐름(Zap)을 직접 구축했습니다. 이 사례는 자동화 도구 업체 Zapier가 자사 블로그에 올린 고객 사례이자 2025 Zappy Awards 수상작으로 소개되었습니다.

자동화 흐름은 티켓이 들어오는 순간부터 배정까지 사람 손을 전혀 거치지 않도록 설계되었습니다.

첫 단계는 인공지능을 이용한 자동 분류입니다. Zendesk 미수금 관리 수신함에 새 티켓이 들어오면, Zendesk가 웹훅을 보내 Zapier 흐름을 즉시 깨웁니다. 웹훅은 특정 사건이 일어났을 때 한 시스템이 다른 시스템으로 신호를 보내는 방식입니다. 신호를 받은 흐름은 Gemini 2.0 Flash를 호출합니다. 인공지능은 티켓 본문과 전후 맥락을 읽고 이를 9가지 유형 중 하나로 분류합니다. 유형에는 구매 발주서, 독촉, 입금 내역 확인(Remittance), 공급업체 포털 등록 등이 포함됩니다.

두 번째 단계는 담당자들의 실시간 업무량 확인입니다. 들어오는 순서대로 일을 단순히 돌아가며 나누는 방식은 팀원들이 지금 실제로 들고 있는 일의 무게를 반영하지 못합니다. BioRender는 맞춤 웹훅으로 Zendesk REST API를 직접 호출해 각 담당자가 현재 열어 두고 있는 티켓 수를 실시간으로 계산하도록 했습니다. 기본 연동 기능을 쓰면 데이터가 많을 때 연결이 끊어지는 시간 초과 문제가 일어날 수 있어, 직접 API를 부르는 맞춤 웹훅 방식을 골랐습니다.

세 번째 단계는 인사 시스템의 근무 일정 대조입니다. 휴가 중이거나 부재중인 담당자에게 티켓을 보내면 처리가 심하게 늦어집니다. BioRender는 인사 관리 시스템인 HiBob에 저장된 직원 근무 일정을 한 시간마다 Zapier Tables로 동기화해 두었습니다. 티켓이 배정되는 순간 시스템은 이 표를 조회해 지금 일하고 있는 직원만 남기고 부재자는 배정 대상에서 뺍니다.

마지막 단계는 공정한 배정과 예외 처리입니다. 인공지능이 분류한 유형, 각 담당자의 현재 열린 티켓 수, 인사 시스템의 근무 일정이 모두 모이면 Zapier 안의 JavaScript 코드 블록으로 넘어갑니다. 코드는 현재 근무 중인 팀원 가운데 열린 티켓 수가 가장 적은 사람에게 일을 넘깁니다.

여기에는 특별한 예외 규칙도 들어 있습니다. 입금 내역 확인처럼 금액 처리가 민감하거나 복잡한 문제는 일반 팀원에게 보내지 않고 팀 리드에게 바로 전달하도록 설계했습니다. 복잡해 보이는 51단계 전체 과정은 사람 손 없이 몇 초 안에 끝납니다.

무인 티켓 자동 배정 흐름

이 51단계 흐름은 실제로는 매우 촘촘한 세부 단계로 나누어져 돌아갔을 가능성이 높습니다. 티켓 유효성 검사, Gemini 호출과 응답 데이터 추출, 추출 실패 시 기본 수신함으로 넘기는 안전장치, 부재자 필터링, 담당자별 잔여 티켓 정렬, JavaScript 배정 연산, Zendesk 티켓 태그 갱신과 담당자 지정, 오류 알림 단계로 나뉘었을 것입니다. 인공지능 프롬프트 역시 낮은 지연 시간과 구조화된 데이터 출력을 염두에 두고 구매 발주서나 영수증 첨부 기준을 예시로 주어 엄격한 데이터 형식으로만 응답하도록 유도했을 것입니다.

처리량은 50% 늘고 해결 시점은 3일 빨라졌다

새 시스템이 가동된 뒤 미수금 관리 팀의 지표는 크게 달라졌습니다.

시스템 출시 이후 3,099건의 티켓이 사람 손을 거치지 않고 끝까지 자동으로 처리되었습니다. 티켓이 접수되어 최종 해결되기까지 걸리는 시간은 69% 줄었습니다. 고객이 문의를 넣고 첫 답변을 받기까지 걸리는 시간은 39% 개선되었습니다. 매일 아침 팀원들이 수신함을 열고 티켓을 읽느라 쓰던 45분은 0분이 되었습니다.

가장 중요한 변화는 처리 능력이었습니다. 인원을 4명 그대로 유지한 상태에서 팀 전체의 티켓 처리량이 50% 늘어났습니다. 손으로 분류하던 병목이 사라지자 고객이 결제 문제의 최종 해결을 안내받는 시점도 평균 3일 앞당겨졌습니다. 결제 지연과 분쟁 해결이 사흘 빨라졌다는 것은 회사가 돈을 제때 회수하고 현금 흐름을 지키는 속도가 그만큼 빨라졌음을 뜻합니다.

이 흐름을 만든 Jocelyne Mendez-Guzman은 이 프로젝트를 진행하며 API, 웹훅, JavaScript를 독학했습니다. 오류가 나면 Claude의 도움을 받아 코드를 수정했습니다. 그는 2025 Zappy Awards에서 “올해의 운영 자동화 담당자(Operations Automator of the Year)“로 선정되었습니다.

인공지능에는 분류만 맡기고 규칙은 코드로 잠근 이유

이 사례에는 업무에 인공지능을 넣으려는 조직이 눈여겨보아야 할 원칙이 들어 있습니다.

첫째, 인공지능과 결정 규칙의 역할을 철저히 나눈 점입니다. 생성형 인공지능인 Gemini 2.0 Flash에는 오직 비정형 텍스트를 읽고 9가지 중 하나로 꼬리표를 붙이는 ‘분류’만 맡겼습니다. 누가 일할 수 있는지 일정을 확인하고, 누구의 티켓이 가장 적은지 비교하며, 민감한 건을 팀 리드에게 보내는 ‘결정’은 모두 JavaScript 코드로 단단하게 고정했습니다. 인공지능에 배정 판단까지 맡기면 잘못된 추론으로 엉뚱한 사람에게 티켓을 넘길 위험이 생기지만, 규칙을 코드로 짜 두면 정해진 논리대로만 안전하게 돌아갑니다.

둘째, 지원 시스템 안의 수치만 보지 않고 외부 인사 데이터를 엮었습니다. 고객 지원 시스템 안의 티켓 수만 보고 일을 나누면 휴가 중인 직원에게 계속 일이 쌓이는 사고가 일어납니다. BioRender는 인사 관리 시스템의 근무 정보를 한 시간마다 불러와 배정 풀에서 부재자를 먼저 걸러냈습니다. 현장의 실제 상황을 반영하는 데이터가 연결되었을 때 비로소 배정 자동화가 멈추지 않고 돕니다.

셋째, 현업 실무자가 직접 만들었기에 가장 아픈 문제를 풀 수 있었습니다. 대규모 전산 시스템 개발이나 엔지니어링 조직의 우선순위 목록에서 4명짜리 미수금 팀의 아침 45분 분류 작업은 뒤로 밀리기 쉽습니다. 하지만 그 45분은 기업의 현금 흐름을 가로막는 실질적인 병목이었습니다. 현업 운영자가 노코드 도구와 인공지능 모델을 쥐었을 때, 중앙 개발팀의 자원을 기다리지 않고도 매출 회수 속도를 사흘 당기는 결과를 만들 수 있었습니다.

이 모델을 우리 조직에 도입하려면 두 가지 전제 조건이 필요합니다. 먼저 Zendesk나 HiBob처럼 필요한 정보를 외부로 보내고 받을 수 있는 API와 웹훅을 충실하게 지원하는 소프트웨어를 쓰고 있어야 합니다. 또한 51단계에 이르는 긴 자동화 흐름은 중간에 웹훅이 누락되거나 API 호출 한도에 걸려 멈출 때 원인을 바로 찾아낼 수 있는 감시 체계가 갖추어져 있어야 안정적으로 운영할 수 있습니다.

---

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/ — 2025 (Zappy Awards 2025 수상작)