전체 사례No. 075
Kogan.com, 개발팀 대신 상담팀이 만든 AI
전체 문의의 약 60%인 배송 조회부터 빈도순으로 기능을 넓히다
- 사례 번호
- 075
- 1차 출처
- Salesforce blog, trade press, and ASX filing
- 원문 게시
- 2026-07-10

요약
- 호주 유통사 Kogan.com이 문의 빈도순으로 에이전트를 도입했습니다.
- 상담 분석가가 구축을 주도하고 누락 시 실제 영향이 따르는 절차만 엄격히 통제했습니다.
- 현장 부서가 주도권을 쥐고 단계별로 기능을 넓힐 때 확장이 가능합니다.
문의가 폭증할 때마다 단기 인력을 뽑던 유통사의 한계
온라인 쇼핑몰 운영진에게 연말 쇼핑 대목은 반가우면서도 두려운 시기입니다. 호주의 대형 순수 온라인 유통업체인 Kogan.com도 마찬가지였습니다. 텔레비전과 가전제품부터 모바일 요금제와 보험까지 방대한 품목을 경쟁력 있는 가격과 대량 판매 모델로 다루다 보니, 평소에도 고객 문의가 수천 건씩 밀려들었습니다. 여기에 블랙 프라이데이와 박싱 데이, 크리스마스 같은 대형 할인 행사가 겹치면 문의량은 걷잡을 수 없이 치솟았습니다.
그동안 Kogan.com의 고객 지원은 웹 양식과 이메일, 그리고 스스로 정보를 찾는 셀프서비스로만 운영되었습니다. 실시간 채팅이나 전화 상담 창구는 아예 없었습니다. 고객은 문제를 겪으면 웹 양식을 작성한 뒤 답변이 올 때까지 하염없이 기다려야 했습니다. 들어오는 질문 자체는 대체로 뻔했습니다. 내 주문이 지금 어디에 있는지 묻는 배송 조회나 제품을 어떻게 반품하는지 묻는 내용이 대부분이었습니다.
하지만 질문이 단순하다고 해서 처리량을 늘리기 쉬운 것은 아닙니다. Kogan.com은 성수기 수요를 감당하기 위해 전통적으로 종종 해외 인력을 포함해 인력을 추가로 채용했습니다. 이들을 현장에 투입하려면 업무 절차를 교육하는 데만 몇 주가 걸렸습니다. 최고기술책임자(CTO)인 고란 스테프코프스키(Goran Stefkovski)는 당시 상황을 두고 “크리스마스 시즌에 에이전트는 30초 만에 늘릴 수 있지만, 콜센터 팀 사람을 늘리려면 수주의 교육과 채용 준비 기간, 절차를 이해시키는 시간이 필요하다”고 설명했습니다. 매출이 급증할 때마다 인력을 더 뽑지 않고 그 물량을 처리하는 방법을 찾아야 했습니다.
이들에게 챗봇 도입이 완전히 처음은 아니었습니다. 기존에 쓰던 기본형 규칙 기반 봇이 있었지만, 배송 조회 정도만 겨우 처리하며 해결률은 6.2% 수준에 그쳤습니다. 스테프코프스키는 낮은 수치를 피하지 않았습니다. 그는 “시작점을 받아들일 수 있어야 한다”며 첫날부터 60%, 90%, 100%의 해결률을 기대하는 것은 현실적이지 않다고 보았습니다. 이 회사는 솔루션 공급업체인 Salesforce의 블로그 글과 정보기술 전문 매체 보도를 통해 공개되었듯, 기초부터 다시 설계하는 실험에 착수했습니다.
상담 분석가가 직접 대화 흐름을 짜고 엔지니어는 뒤를 받치다
Kogan.com은 Salesforce의 현장 배치 엔지니어들과 함께 사내 해커톤을 열었습니다. 하루 동안 진행된 이 행사에서 실제 작동하는 시제품이 나왔고 6주 뒤 서비스에 적용되었으며, 2026년 3월 고객 상담 현장에 정식으로 인공지능 에이전트를 배포했습니다. 이때 쓰인 플랫폼은 Salesforce의 Agentforce였으며, 에이전트 제작 도구인 NextGen Authoring, 규칙 제어 언어인 Agent Script, 시스템 관측 도구인 Observability, 검증 환경인 Testing Center가 함께 쓰였습니다.
이 프로젝트에서 눈에 띄는 점은 개발의 주도권이 중앙 소프트웨어 엔지니어링 팀이 아니라 고객 지원 분석가들에게 있었다는 사실입니다. 기존에 Salesforce 플랫폼 교육을 받아두었던 고객 지원 분석가들이 플랫폼 엔지니어들과 직접 손을 잡고 대화 흐름을 짰습니다. 고객이 어떤 지점에서 답답해하는지, 어떤 질문이 연달아 나오는지 가장 잘 아는 사람들이 직접 도구를 쥐게 한 것입니다.
소프트웨어 엔지니어링 팀은 뒤로 물러나 보안과 고객 인증, 대규모 트래픽 처리를 안정적으로 뒷받침하는 인프라 역할에 집중했습니다. 실제 구현 환경에서는 엔지니어들이 전사적 자원관리(ERP) 시스템인 SAP의 주문 상태 확인을 비롯해 주문 취소, 배송지 변경, 자체 상품 검색, 지원 시스템의 상담 티켓 생성 같은 핵심 기능을 안전한 프로그래밍 인터페이스(API) 형태로 미리 만들어 두었을 것입니다. 상담 분석가들은 이 부품들을 조립하듯 제작 도구에서 꺼내 쓰며 대화 규칙과 지식 문서를 다듬었을 것입니다.
스테프코프스키는 이 역할 분담을 핵심 성과로 꼽았습니다. “가장 중요한 것은 고객 지원 팀이 이 채널을 직접 소유할 수 있다는 점입니다. 고객 지원 팀의 역량을 끌어올려 사용 사례별로 에이전트를 직접 배포하고 역량을 키우며 고객 요구에 맞게 이끌 수 있었습니다.”
문의량 순서대로 기능을 열고 실수가 위험한 곳만 옭아매다
Kogan.com이 기능 개발 순서를 정한 기준은 단순했습니다. 화려한 기능을 먼저 선보이는 대신, 고객 접수 기록에서 가장 많이 들어오는 질문 순서대로 개발 목록을 채웠습니다. 전체 문의의 약 60%를 차지하던 “내 주문 어디 있나요(WISMO: Where is my order?)” 질문이 첫 번째 목표가 되었습니다. 에이전트는 SAP 시스템과 직접 연동되어 주문 상태 조회를 처리했고, 취소와 배송지 주소 변경도 처리했습니다. 로그인을 하지 않고 들어온 고객은 인증만을 전담하는 하위 에이전트에게 보내 먼저 신원을 확인한 뒤, 원래 보던 화면으로 자연스럽게 돌려보냈습니다.
이후 반품이 추가되었고, 멤버십과 상품 추천, 텔레비전 고장 해결 기능도 뒤따라 도입되었습니다. 2026년 10월 기준 에이전트가 처리하는 업무는 주문 확인, 1,600만 개 단품 관리 코드(SKU: 개별 상품 식별 단위)를 넘나드는 맞춤 추천, 멤버십 관리, 모바일 바우처 사용, 출처를 알 수 없는 결제 청구 조사, 기기 문제 해결, 신원 확인, 반품 및 보증 처리를 포함해 10개 영역으로 늘어났습니다.
대화 제어 방식에는 뚜렷한 원칙을 세웠습니다. 초기에 팀은 굳이 필요하지 않은 대화 흐름에까지 조건문 분기 방식을 폭넓게 적용했습니다. 하지만 경직된 규칙 구조는 유지보수가 더 힘들었고, 고객이 정해진 흐름에서 벗어나면 예상치 못한 방식으로 문제가 발생했습니다. 여기서 얻은 교훈은 “순서가 절대적이고 한 단계라도 누락되면 실제 영향이 발생하는 곳에만 스크립트를 쓰고, 나머지는 대규모 언어 모델(LLM)에 맡긴다”는 규칙이었습니다.
대표적인 예가 7단계가 강제된 텔레비전 반품 절차였습니다. 이 절차는 주문 조회, 마켓플레이스 자격 확인, 중복 접수 감지, 기기 이상이 확인되지 않을 때 거치는 문제 해결 단계, 파손 사진 업로드, 반품 자격 판정, 상담 건 생성 순으로 엄격하게 진행됩니다. 시스템은 각 단계를 순서대로 강제하며 전체 세션 동안 상태를 유지합니다. 고객이 중간에 상담 창을 닫고 나가도 나중에 다시 들어오면 멈췄던 지점에서 바로 이어집니다. 반품 도중 엉뚱한 질문을 던지더라도, 임시 상태를 정리하고 일반 상담으로 전환하되 전체 대화 세션은 유지하는 이탈 규약을 두었습니다.
실제로는 각 단계마다 주문 번호나 입점 상품 여부 같은 단일 값을 저장하고, 고객지원 팀이 기존에 관리하던 Salesforce Knowledge 지식 문서를 바탕으로 기기 고장을 먼저 점검했을 것입니다. 한편 전문 매체 보도에 따르면 반품 처리에서 새롭게 떠오르는 활용 사례로, 운송 중 파손을 입증하기 위해 고객이 올린 사진을 확인할 때 미리 학습된 이미지 인식 모델 대신 생성형 모델을 활용해 사진을 읽어냅니다. 이 방식은 웹에서 주운 파손 사진을 여러 고객이 돌려 쓰거나 한 고객이 다른 접수 건에 똑같이 제출하는 부정행위를 잡아내는 데 쓰입니다. 반면 단순 주문 조회나 자주 묻는 질문, 상품 추천처럼 단계를 건너뛰어도 큰 문제가 없는 대화는 대규모 언어 모델의 자율적인 추론에 맡겨 유연하게 응대했습니다.
해결하지 못한 상담은 15분 대기 기준을 두고 사람에게 넘기다
에이전트가 모든 문제를 스스로 끝낼 수는 없습니다. Kogan.com은 에이전트가 문의를 해결할 수 없을 때 상담원에게 상담을 넘기는 장치를 함께 마련했습니다.
에이전트는 실시간 대기열의 상황을 먼저 살핍니다. 상담원 대기 시간이 15분을 넘어설 것으로 예상되면 고객에게 마냥 기다리게 하는 대신, 접수 건을 정식으로 생성하고 나중에 전화를 걸어주는 전화 상담 예약 선택지를 제시합니다.
상담원에게 대화가 넘어갈 때는 에이전트가 지금까지 고객과 나눈 대화를 요약해 상담원의 화면에 먼저 띄웁니다. 고객이 앞서 챗봇에게 설명했던 주문 번호나 고장 증상을 사람 상담원에게 처음부터 다시 설명할 필요가 없도록 만든 것입니다. 현지 팀은 계속해서 복잡한 문의를 처리하며, 이전에 반복 업무를 담당하던 직원들은 에이전트를 개발하고 개선하는 업무에 점점 더 많이 참여하게 되었습니다.
세 배로 뛴 진정한 해결률과 달라진 업무 현장
Kogan.com은 에이전트의 성과를 측정할 때 자체적인 기준을 적용했습니다. 바로 고객의 질문에 추가 문의가 전혀 발생하지 않고 완결되었는지를 따지는 ‘진정한 해결률(true resolution)’ 지표입니다. 대화창 안에서 상담이 끝난 것처럼 보여도 고객이 이후 같은 문제로 다시 문의하면 해결되지 않은 건으로 분류했을 것입니다. Kogan.com은 매월 자체 데이터 추출을 진행해 Salesforce 측 수치와 대조 검증했습니다.
2026년 3월 에이전트 도입 당시 6.2%였던 이 진정한 해결률은 2026년 7월 공급업체 블로그 발표 기준으로 약 20%까지 올랐습니다. 세 배로 뛴 셈입니다. 한편 CTO의 Dreamforce 발표 수치에서는 초기 봇의 해결률로도 동일한 6.2%가 제시되었습니다. 이와 별도로 연례 콘퍼런스인 Dreamforce에서 발표된 내용에 따르면 인공지능 도구로 대화의 67%를 해결했으며, 전문 매체 Marketing-Interactive의 보도에 따르면 대화의 81%는 사람 상담원에게 이관되지 않았습니다. 이 67%라는 수치는 진정한 해결률과는 서로 다른 지표입니다.
현재 에이전트는 Kogan.com 전체 고객 문의량의 약 50%를 직접 소화하고 있습니다. 매달 약 5,000건의 접수 건을 사람 손을 거치지 않고 자동으로 처리하며, 주당 3만 6,850건의 작업 처리를 기록했습니다. 성수기 주간에는 주당 4만 4,000건 이상의 에이전트 작업 처리를 기록하기도 했습니다.
고객들의 반응도 달라졌습니다. 도입 초기 50% 수준이던 에이전트 상담 선호도는 78%까지 올랐습니다. 2026년 7월 기준 고객 만족도 조사(CSAT: Customer Satisfaction Score) 결과 에이전트 상담의 만족도는 사람 상담원과의 점수 차이가 4%포인트 이내였습니다. 이어 2026년 9월 전문 매체 Marketing-Interactive의 보도에 따르면, 스테프코프스키는 봇을 이용한 고객의 고객 만족도 점수가 7%포인트 더 높았다고 밝혔습니다. 두 조사는 비교 집단과 시점이 다르지만, 고객들이 자동화된 채널을 긍정적으로 받아들이고 있음을 보여줍니다.
재무적 성과도 뒤따랐습니다. 2026년 7월 기준으로 지난 1년간 Kogan.com은 전체 판매량이 20% 늘어나는 와중에도 고객 서비스 비용은 오히려 10% 줄였습니다. 다만 이 1년의 기간은 2026년 3월 에이전트 정식 도입 이전의 운영 기간까지 포함하고 있어, 비용 절감 전체가 에이전트 도입만으로 일어났다고 볼 수는 없습니다.
결과적으로 회사는 성수기 단기 채용을 얼마나 진행해야 할지 이미 다시 검토하고 있습니다. 스테프코프스키는 “판매량은 늘어나고 있지만, 인력을 늘릴 필요가 없기 때문에 대응 비용은 오히려 더 낮아지고 있다”고 말했습니다.
현업의 역할을 바꾸며 음성과 계열사로 넓히는 미래
Kogan.com의 시도는 이제 다른 영역으로 빠르게 번져가고 있습니다. 한 번 구축해 둔 대화 흐름과 시스템 연동 구조 덕분에, 다른 브랜드나 시스템, 멤버십 프로그램에 동일한 워크플로를 맞춤 적용해 에이전트를 배포하는 데 걸리는 시간은 2주로 단축되었습니다. 회사는 이 구조를 뉴질랜드 유통 계열사인 Mighty Ape에도 그대로 이식하고 있습니다.
처리 가능한 상품군도 넓히는 중입니다. 자동 반품 절차를 텔레비전을 넘어 로봇 청소기와 이동식 에어컨으로 넓히고 있습니다. 이 두 품목은 남아 있는 전체 접수 문의량의 약 7%를 차지합니다. 아울러 고객이 직접 전화를 걸어 말로 상담할 수 있는 최초의 음성 상담 창구인 Agentforce Voice의 시험 운영도 진행하고 있습니다.
이 모든 확장의 바닥에는 꼼꼼한 출시 검증 절차가 깔려 있습니다. 팀은 새 기능을 내보낼 때마다 트래픽의 일부를 나누어 성과를 비교하는 A/B 테스트를 거쳤습니다. 변경 사항은 Testing Center에 모아둔 실제 대화 기록을 바탕으로 먼저 시험한 뒤 실시간 상담에 내보냈을 것입니다. 투자 역시 대규모 예산을 한 번에 쏟아붓는 방식이 아니었습니다. 플랫폼 교체 제안 요청서(RFP)를 검토할 때 에이전트 기능을 패키지 형태로 포함해 출발했고, 사용량이 늘어남에 따라 토큰 지출과 에이전트 작업 건수, 운영 비용을 지속적으로 확인했습니다.
이 사례가 주는 교훈은 기술의 화려함에 있지 않습니다. Kogan.com은 거창한 상담 시나리오를 한꺼번에 완성하려 하지 않았습니다. 데이터에 찍힌 고객의 질문 목록 맨 윗줄부터 하나씩 차례대로 기능을 열었습니다. 순서가 절대적이고 누락 시 실제 영향이 따르는 단계에만 규칙을 매기고, 나머지는 언어 모델의 융통성에 맡겼습니다. 무엇보다 매일 질문을 마주하던 상담 현장의 직원들에게 에이전트를 직접 설계하고 고치는 역할을 쥐여주었습니다. 고객의 언어를 가장 잘 아는 현업 부서가 직접 시스템을 다듬어갈 때, 자동화 도구는 비로소 현장의 부담을 덜어주는 무기가 됩니다.
출처
- Salesforce (Tomasz Oczapowski) — How Kogan.com Automated 67% of Customer Inquiries and Tripled Resolution — https://www.salesforce.com/blog/kogan-agentforce/ — 2026-07-10
- Marketing-Interactive (Matthew Eaton) — ‘90% of questions don’t need a human’: Kogan’s six-week sprint to agentic AI — https://www.marketing-interactive.com/not-all-questions-need-human-kogan-six-week-sprint-agentic-ai — 2026-09-22
- iTnews (Ry Crozier) — Kogan taps AI agent to handle customer service — https://www.itnews.com.au/news/kogan-taps-ai-agent-to-handle-customer-service-629602 — 2026-10-14
- Kogan.com Ltd, ASX announcement — Kogan Group exceeds $1 billion in Gross Sales as growth accelerates and margins expand — https://announcements.asx.com.au/asxpdf/20260824/pdf/0733sjhpgwc4p8.pdf — 2026-08-24