Gamma가 멈췄던 AI 상담을 다시 켠 이유

요약

• Gamma는 보류했던 Intercom의 AI 상담 에이전트 Fin을 연휴에 재가동했습니다.
• 사람이 직접 처리하던 문의 비율이 94%에서 24%로 줄고 고객 만족도는 84%에 도달했습니다.
• AI 도구의 성패는 초기 시험 결과보다 운영 조건의 변화와 라우팅 설계에 좌우됩니다.

5천만 명의 사용자와 23명의 팀이 마주한 한계

전 세계 5,000만 명이 넘는 사용자가 낮과 밤을 가리지 않고 여러 언어로 질문을 보내오는 서비스가 있습니다. 인공지능을 활용해 프레젠테이션과 웹사이트를 손쉽게 만들도록 돕는 Gamma 이야기입니다. 대규모 글로벌 서비스라면 으레 수백 명 규모의 대형 고객센터를 떠올리기 쉽습니다. 하지만 Gamma에서 고객 문의를 직접 다루는 사람 인력은 외주 상담원 20명, 사내 기술 지원 엔지니어 2명, 커뮤니티 매니저 1명을 합쳐 23명에 불과합니다. 이 작은 조직이 전 세계에서 밀려드는 문의를 어떻게 막힘없이 소화하고 있을까요.

5,000만 사용자와 23명의 팀

서비스가 세계적으로 큰 관심을 받으면서 문의량은 가파르게 늘었습니다. 고객 상담 창구로 들어오는 대화는 매달 2만~3만 건에 이르렀습니다. 반면 소규모 사내 팀과 외주 상담원 중심의 구조로는 하루 24시간 내내 여러 시간대와 다양한 언어를 빈틈없이 지원하기 어려웠습니다. 무료 사용자든 유료 사용자든 빠르고 정확하며 자신에게 맞춘 답변을 기대하기 마련이지만, Gamma의 고객 지원 팀은 물리적인 속도를 따라잡지 못했습니다.

그 결과 고객 경험 지표는 빠르게 악화되었습니다. 고객이 문의를 남긴 뒤 첫 답변을 받기까지 걸리는 시간의 중앙값을 뜻하는 첫 응답 시간 중앙값은 90분까지 늘어났습니다. 만족했다고 답한 고객의 비율인 CSAT는 약 69%까지 떨어졌습니다. Gamma의 고객 경험 책임자 Hilary Dudek은 당시 상황을 돌아보며 이렇게 말했습니다.

“우리는 쏟아지는 대화에 두들겨 맞고 있었습니다.”

“대기 시간은 길어졌고, 고객들은 좌절했으며, 상담원들은 지쳐가고 있었습니다. 팀 규모를 두세 배로 늘리지 않으면서도 즉각적이고 수준 높은 답변을 제공할 방법이 절실했습니다.”

그렇다고 단순히 사람을 무작정 늘려 문제를 덮어둘 수는 없었습니다. Gamma는 처음부터 군살 없이 조직을 확장한다는 원칙을 지키고 있었기 때문입니다. Hilary Dudek은 “우리는 문제를 해결하려고 무작정 사람만 채용하는 대신 이미 손안에 쥐고 있는 해결책을 활용해 군살 없이 확장하는 방식을 항상 믿어왔습니다”라고 강조했습니다. 일손을 두세 배로 늘리는 손쉬운 선택 대신, 제품의 성장 속도에 걸맞은 체계를 찾는 일이 Gamma의 과제였습니다.

한 번 써보고 접었던 도구를 다시 돌아보다

Gamma는 2024년 초 고객 상담 플랫폼 Intercom의 AI 상담 에이전트 Fin을 처음 시험했습니다. 그러나 첫인상은 기대에 미치지 못했습니다. 원하던 결과가 나오지 않았습니다. 당시에는 문의량 자체가 팀이 어떻게든 감당할 수 있는 수준이었기 때문에 도입을 뒤로 미루는 결정도 어렵지 않았습니다. Hilary Dudek은 “그때는 문의량을 감당할 만해서 도입을 미루기 쉬웠습니다”라고 회고했습니다.

하지만 2024년 말에 이르자 상황이 달라졌습니다. 문의량은 계속 불어났고 대기 시간도 더 길어졌습니다. 지친 상담원들의 업무 부담이 한계에 다다랐습니다. 더구나 연휴 기간이 다가오고 있었습니다. 사내 인력 대부분이 쉬는 동안 고객 창구를 지킬 인력은 극히 부족했습니다. 다급해진 Gamma는 Fin 대신 다른 업체의 도구를 알아보기 시작했습니다. 심지어 다른 업체의 시스템으로 데이터를 옮기는 작업까지 착수했습니다.

그러나 이 시도는 지원 체계와 투명성 문제에 부딪혀 막히고 말았습니다. 그사이 Intercom 쪽에서도 변화가 있었습니다. Gamma가 초기에 지적했던 문제점들을 개선했고, 핵심적인 베타 기능들을 Gamma가 써볼 수 있도록 열어주었습니다. Hilary Dudek은 “Intercom은 진정한 협력사로서 다가왔습니다. 우리가 지적한 사항들을 개선했고, 주요 베타 기능에 참여시켜 주었으며, 이 여정을 함께하고 있다는 느낌을 주었습니다”라고 전했습니다.

연휴가 코앞으로 다가왔을 때 사내에는 응대할 인력이 없었고, 고객 응대 업무를 외부 전문 업체에 맡기는 BPO 인력의 지원도 제한적이었습니다. 쏟아지는 문의를 그대로 방치할 수는 없었습니다. Hilary Dudek은 시험 삼아 멈춰 두었던 Fin을 연휴 동안 다시 켜기로 결단을 내렸습니다.

“Gamma에는 빠르게 실험하는 문화가 있습니다. 우리는 일찍 실패하는 편이 낫다고 굳게 믿습니다. 그래서 이번 연휴 기간에 Fin이 무엇을 해낼 수 있을지 한 번 더 기회를 주기로 했습니다. 잃을 것은 아무것도 없었고, 얻을 것만 있었습니다.”

연휴에 내린 결정이 증명한 것

Gamma는 연휴 동안 들어오는 모든 문의 대화의 100%를 Fin에게 맡겼습니다. 결과는 예상을 뛰어넘었습니다.

“우리는 Fin을 실제 환경에 적용하고 그대로 지켜보았습니다. Fin은 들어오는 모든 대화를 처리했고 믿기 힘들 만큼 훌륭하게 해냈습니다. 시작하자마자 대화의 50%를 스스로 해결했고, CSAT 75%를 유지했습니다. 첫 출시 성적으로는 엄청난 결과였습니다.”

Fin은 한창 문의가 쏟아지는 연휴 한가운데서 고객의 감정을 읽어내고, 문의 성격에 맞춰 길을 나누었으며, 팀이 미처 예상하지 못했던 특이 사례까지 짚어냈습니다. 시스템에 등록된 계정 정보상으로는 무료 사용자였지만 결제 과정에서 어려움을 겪고 있던 고객의 상황을 Fin이 대화 문맥 속에서 스스로 알아채고 사람 상담원에게 넘겨준 사례가 대표적이었습니다.

이 경험을 거치며 Hilary Dudek의 생각도 완전히 바뀌었습니다. 단순한 자동 응답 챗봇 수준을 넘어 빠르게 학습하고 미묘한 어감까지 짚어내며 정확한 답을 내놓는 도구로 신뢰를 얻은 것입니다. 무엇보다 Fin이 어떤 논리로 판단을 내렸는지 과정을 투명하게 되짚어보고 점검할 수 있다는 점이 팀에게 확실한 믿음을 주었습니다. Hilary Dudek은 “그것은 단순한 업무 처리를 넘어섰습니다. 저에게는 분명한 전환점이었습니다. Fin이 결정을 내리는 방식을 투명하게 들여다보고 그 논리와 단계를 되짚어볼 수 있다는 점이 진정한 확신을 주었습니다”라고 밝혔습니다.

Fin 가동 및 중단 타임라인

지금 Gamma의 고객 지원 체계는 어떻게 돌아가나

현재 Gamma의 고객 지원 창구에서 Fin은 전체 대화의 100%에 관여합니다. 그리고 그중 75%를 사람의 개입 없이 끝까지 해결합니다. 매달 1만 8,000건 이상의 문의가 Fin을 통해 하루 24시간 내내 여러 언어로 해결되고 있습니다. 사람이 직접 손으로 처리해야 했던 대화의 비율은 과거 94%에서 24%로 크게 줄었습니다. 그러면서도 고객 만족도인 CSAT는 84%라는 높은 수준을 꾸준히 유지하고 있습니다.

Fin 도입 전후 주요 지표 변화

이 체계가 매끄럽게 돌아가는 바탕에는 정교한 라우팅 규칙이 있습니다. 라우팅이란 고객의 질문을 분석해 가장 알맞은 처리 경로로 안내하는 길 찾기 방식을 뜻합니다. Gamma는 기본적으로 무료 사용자의 문의를 Fin에게 바로 연결합니다. 제한된 인적 자원을 효율적으로 쓰기 위해서입니다. 하지만 단순히 사용자의 요금제만 보고 기계적으로 길을 나누지 않습니다. Gamma는 사용자 등급, 결제 신호, 그리고 대화 속에 드러난 감정까지 종합적으로 따져서 문의를 상위 담당자나 사람 상담원에게 넘기는 맞춤형 에스컬레이션 경로를 설계했습니다.

실제 운영 환경에서는 사용자의 계정 데이터와 실시간 대화 속 신호가 결합되어 작동했을 것입니다. 무료 사용자는 기본적으로 Fin과 대화하지만, 고객이 “카드가 결제되지 않는다”라거나 “구독을 올릴 수 없다”는 식의 결제 문제를 호소하면 시스템상의 계정 정보보다 대화 속에 나타난 구매 의도를 더 우선해서 사람 상담원에게 연결했을 것입니다. 고객의 좌절감이나 불만이 감지될 때도 등급과 무관하게 사람 상담원 창구로 올려 보내는 규칙이 적용되었을 것입니다.

Fin은 Gamma의 공식 고객 안내 센터와 내부 지식 문서를 함께 읽고 답을 찾습니다. 고객이 어떤 언어로 질문하든 실시간으로 자동 번역해 응대하므로 여러 나라 언어를 구사하는 상담원을 언어권마다 따로 둘 필요가 없습니다.

단순한 질문 답변을 넘어 실제 업무를 처리하는 맞춤형 작업 흐름도 구축했습니다. 무작위로 날아오는 영업 제안 이메일을 분류해 자동으로 종결하고, 요금 청구 문제를 감지합니다. 결제 처리 플랫폼 Stripe과의 연동을 통해서는 고객의 환불 요청과 결제 실패 문제를 직접 다룹니다.

이런 금전 관련 처리에서도 안전한 경계선이 있었을 것입니다. Fin이 Stripe의 애플리케이션 프로그래밍 인터페이스인 API를 활용해 구독 상태나 결제 실패 이유를 확인하고 고객에게 카드 정보 갱신을 안내하는 일은 스스로 처리할 수 있습니다. 반면 직접 돈을 돌려주는 환불 작업의 경우, 결제 직후의 명백한 요청이나 중복 청구 같은 정해진 요건 안에서만 처리하고 까다로운 사례는 사람의 최종 승인을 거치도록 선을 그었을 것입니다.

Fin의 활동 무대는 고객센터 창구에 머물지 않습니다. Gamma의 Slack 커뮤니티 안에서 한밤중에 글로벌 사용자가 올리는 까다로운 제품 질문에 직접 답을 달아줍니다. 또한 외부 개발자가 소프트웨어 기능을 연동할 수 있도록 돕는 규격서인 API 문서를 Fin에게 학습시켜, 시험판 기능을 쓰는 개발자들을 지원하고 오류 제보를 엔지니어에게 바로 분류해 전달하는 역할까지 맡겼습니다. Hilary Dudek은 “Fin은 단순히 답변만 하지 않습니다. 행동하고 적응합니다. 우리가 상상조차 하지 못했던 규모로 그 일을 해내고 있습니다”라고 말했습니다.

사람의 역할은 어떻게 달라졌나

고객 지원 체계가 바뀌면서 사람 팀의 일상도 1년 전과 완전히 달라졌습니다. 문의가 쏟아질 때마다 대기열에 쫓기던 상담원들은 비로소 숨을 돌릴 수 있게 되었습니다. Hilary Dudek은 “팀원들이 안도의 한숨을 내쉬었습니다. Fin이 워낙 많은 일을 처리해주니 팀원들은 흥미롭고 도전적인 업무에 집중하고, 우리 제품을 더 깊이 탐구하며, 고객에게 한층 사려 깊은 경험을 제공할 여유를 얻었습니다”라고 전했습니다.

조직 안에는 1년 전에는 없었던 새로운 역할들이 생겨났습니다. 고객 지원의 처리 흐름을 설계하는 작업 흐름 전략, 인공지능이 올바른 답을 내놓도록 가르치는 AI 학습, 그리고 인공지능이 참고할 문서를 다듬는 콘텐츠 최적화 업무가 사람 팀의 핵심 업무로 떠올랐습니다. Fin이 잘못 안내한 대화를 분석해 내부 문서를 고치는 일 같은 것이 여기에 해당했을 것입니다.

Gamma는 앞으로 환불 처리, 오류 기록, 기능 개선 요청 접수 같은 업무를 더 자동화할 계획입니다. 문제가 생기기 전에 먼저 대응하는 선제적 작업 흐름을 발전시키고, 커뮤니티 지원에도 인공지능을 더 깊이 결합하려 합니다. Hilary Dudek은 최근 경험을 나누며 이렇게 정리했습니다.

“최근에 고객 경험을 군살 없이 확장하는 법을 주제로 발표를 했습니다. 바로 이 방식입니다. Fin은 사람을 대체하는 것이 아닙니다. 사람의 일을 더 뜻깊고, 전략적이며, 지속 가능하게 만들어 주는 것입니다.”

고객 지원 실무자가 아니더라도 눈여겨볼 점

Gamma의 사례는 고객 지원 부서뿐 아니라 조직을 효율적으로 운영하고자 하는 모든 기업 리더와 실무자에게 몇 가지 중요한 시사점을 던집니다.

첫째, 한 번의 시험 실패가 그 도구의 영구적인 한계를 뜻하지는 않는다는 점입니다. Gamma는 처음에 Fin을 써보고 기대에 못 미치자 미련 없이 보류했습니다. 그러나 조직이 처한 조건이 달라지고 기술과 기능이 개선되었을 때 과거의 판단에 갇히지 않고 다시 기회를 주었습니다. 빠르게 바뀌는 최신 소프트웨어를 검토할 때는 과거에 안 됐던 이유만 따질 것이 아니라 지금의 여건과 도구의 현재 상태를 다시 점검하는 유연함이 필요합니다.

둘째, 인공지능 상담의 성패는 단순히 말을 얼마나 잘하느냐보다 고객의 맥락을 어떻게 읽어내느냐에 달려 있다는 사실입니다. Gamma는 질문 내용만으로 경로를 나누지 않고 사용자의 상태, 결제 신호, 불만이나 답답함 같은 감정선까지 함께 살폈습니다. 덕분에 시스템에 무료 회원으로 적혀 있더라도 결제 의사를 보이는 고객을 놓치지 않고 사람에게 넘길 수 있었습니다. 정적인 데이터표에만 의존하지 않고 고객의 실제 상황에 맞춰 인공지능과 사람의 역할을 나눈 설계가 전체 시스템의 효율을 끌어올렸습니다.

셋째, 자동화의 안착을 이끄는 힘은 처리 속도만이 아니라 과정의 투명성에서 나옵니다. Gamma가 다른 업체로 옮기려다 막힌 이유 중 하나가 투명성이었고, 연휴 시험 가동 이후 확신을 얻은 까닭은 인공지능이 어떤 판단 과정을 거쳤는지 사람이 들여다볼 수 있었기 때문입니다. 사람이 시스템의 추론 과정을 검증할 수 있을 때 비로소 더 많은 권한과 작업을 안심하고 맡길 수 있습니다.

작은 팀을 유지하면서도 폭발적인 성장을 감당해낸 Gamma의 방식은, 무조건적인 인력 충원 없이도 기술을 현명하게 결합해 조직의 역량을 넓히는 길을 잘 보여줍니다.

---

출처

Intercom Fin — Scaling smarter: How Gamma supports 50M users with 20 agents and Fin — https://fin.ai/customers/gamma — 발행일 미표기, 2026-09-24 확인