전체 사례No. 012
Konecta, 10-20-70 원칙과 Kolibri
조직 재설계와 단일 플랫폼으로 처리 시간을 단축한 과정
- 사례 번호
- 012
- 1차 출처
- BCG & BCG X client case
- 원문 게시
- 미표기
팟캐스트로 듣기 · 15분Substack에서 보기 ↗
요약
- 글로벌 고객 경험 외주 기업 Konecta는 플랫폼과 교육을 결합해 하이브리드 운영 체계를 세웠습니다.
- 직원 2만 5천 명 이상이 인공지능을 쓰며 평균 처리 시간을 최대 35% 줄였습니다.
- 대규모 인공지능 배포의 성패는 도구 도입보다 사람과 조직의 업무 방식을 바꾸는 일에 달려 있습니다.
인건비 중심의 외주 모델이 마주한 거대한 변화
수십 년 동안 고객 경험(CX)과 업무 외주(BPO) 산업은 단순한 원리로 움직였습니다. 인건비가 상대적으로 낮은 지역에 대규모 상담 센터를 세우고, 상담원 수를 늘려 늘어나는 고객 문의를 소화하는 방식이었습니다. 투입한 인원수와 시간에 비례해 고객사로부터 비용을 정산받는 구조였기 때문에, 인력 확충이 곧 회사의 성장이었습니다.
하지만 일상적인 문의를 스스로 처리하는 생성형 AI 기술이 빠르게 발전하면서 이 기본 공식이 흔들리기 시작했습니다. 단순 상담 업무를 기계가 사람 없이 처리할 수 있게 되자, 전통적인 외주 서비스 기업들은 기존 방식대로 사람 머릿수만 유지해서는 살아남기 어려운 환경에 부딪혔습니다. 그렇다고 단순히 사람을 줄이는 것만으로는 해결책이 되지 않았습니다. 기술에 밀려 도태되지 않으려면 사람 상담원과 AI 에이전트가 함께 일하는 하이브리드 운영 방식으로 체질을 완전히 바꿔야 했습니다.
Konecta는 전 세계 28개국에서 디지털 서비스와 고객 경험 외주 사업을 펼쳐 온 대표적인 글로벌 기업입니다. 이들은 생존을 위한 체질 개선을 목표로 글로벌 전략 컨설팅 회사인 BCG, 그리고 BCG의 기술 전문 조직인 BCG X와 손을 잡고 대대적인 개편에 착수했습니다. 이들의 경험은 컨설팅 회사 BCG가 2026년 무렵 고객 성공 사례로 정리해 공개했습니다.
28개국으로 흩어진 현장과 고객사별 요구의 벽
Konecta가 풀어야 할 과제는 단순히 콜센터 한두 곳에 챗봇을 붙이는 수준이 아니었습니다. 회사는 통신, 금융, 유통 등 서로 다른 산업 분야의 수많은 글로벌 고객사에 상담 서비스를 제공하고 있었습니다. 각 고객사마다 다루는 데이터의 성격이 달랐고, 요구하는 상담 시나리오와 연동해야 할 전산 체계도 제각각이었습니다.
개별 프로젝트마다 일회성으로 AI 도구를 개발해 적용한다면 현장의 확산 속도는 한없이 늦어질 수밖에 없었습니다. 관리해야 할 시스템이 파편화되면서 데이터 보안이나 통제력 측면에서도 큰 문제가 생길 위험이 컸습니다. 표준화된 틀 없이 지역별 센터마다 각자 도구를 도입하게 내버려 둘 수는 없었습니다.
기술 중심의 접근이 가진 한계도 분명했습니다. 아무리 성능이 뛰어난 대형 언어 모델을 사 오더라도, 매일 고객을 마주하는 현장 상담원과 관리자가 일하는 방식을 바꾸지 않는다면 무용지물이었습니다. 특히 일한 시간과 인원수에 맞춰 돈을 청구하던 방식에 익숙했던 영업팀과 운영팀에게 AI 기반의 새 서비스 가치를 납득시키는 일은 조직 내부의 커다란 장벽이었습니다.
현장 직원들의 심리적 불안도 컸습니다. 현장 상담원들은 AI 도입을 기계가 자신의 일감을 빼앗아 가는 일로 받아들이기 쉬웠습니다. 사람과 AI 에이전트가 업무를 매끄럽게 주고받을 수 있는 현장 규칙과 안전장치가 없다면, 직원들의 반발로 인해 변화 자체가 멈출 위험이 있었습니다.
파편화된 기술과 사람을 한곳에 묶은 단일 플랫폼, Kolibri
Konecta는 현장의 무분별한 실험과 혼란을 막기 위해 ‘Kolibri’라는 사내 통합 플랫폼을 구축했습니다. Kolibri는 기술 인프라, AI 에이전트, 사람 상담원, 그리고 고객 데이터를 하나의 안전하게 관리되는 환경에 한데 모은 체계입니다. 마치 전 세계 각지에 흩어진 지사들이 제각각 발전기를 돌리는 대신, 안전이 검증된 거대한 하나의 전력망에 플러그를 꽂아 쓰는 것과 같은 방식입니다.
이 플랫폼을 바탕으로 Konecta는 BCG X의 Deep Customer Engagement AI 프레임워크를 결합했습니다. 고객 경험에 특화된 이 기술 프레임워크를 활용하자 금융, 통신, 유통 등 각 고객사의 업종별 특성에 맞춘 해결책을 바닥부터 다시 코딩하지 않고도 빠르게 찾아내 맞춤형으로 다듬을 수 있었습니다.
검증된 에이전트 서식과 데이터 파이프라인을 Kolibri 위에서 재사용할 수 있게 되자 배포 속도가 비약적으로 빨라졌습니다. 그 결과 Konecta는 단 12개월 만에 28개국 현장에 걸쳐 80개가 넘는 생성형 AI 배포를 안정적으로 확장하는 데 성공했습니다.
실제 시스템 뒤편에서는 다국어 환경을 지원하기 위해 클라우드 기반의 통합 게이트웨이가 작동했을 가능성이 높습니다. 질문 의도를 분류하는 모듈, 지식 문서를 바탕으로 답을 찾는 검색 증강 생성 모듈, CRM 연동 커넥터처럼 통신, 은행, 유통 등 업종별로 미리 제작된 에이전트 서식이 중앙 서비스 카탈로그에 등록되어 있었을 가능성이 높습니다. 배포 담당자는 사용자 화면이나 YAML/JSON 설정 파일을 통해 고객사의 보안 기준에 맞춘 프롬프트와 데이터 접근 정책을 구성했을 것입니다. 28개국에서 쏟아지는 음성과 채팅 데이터를 실시간 언어 감지 및 번역 계층을 거치게 하고, 고객사의 고객관계관리(CRM) 시스템과 연동할 때는 개인정보를 마스킹 처리하여 안전하게 모델로 전달했을 것입니다. Salesforce, Zendesk, SAP 같은 고객사의 핵심 시스템 역시 표준화된 API 관문을 통해 연동되었을 것입니다.
기술 10%보다 중요한 70%의 변화 관리
거대한 조직을 움직이기 위해 Konecta와 BCG는 ‘10-20-70 원칙’이라는 명확한 기준을 세우고 이를 엄격하게 지켰습니다. 이 원칙은 성공적인 AI 전환에서 모델과 알고리즘 자체의 비중은 10%에 불과하고, 데이터와 기술 기반이 차지하는 비중은 20%이며, 나머지 70%는 사람과 조직의 변화 관리, 그리고 업무 방식의 재설계에 달려 있다는 뜻입니다. 아무리 좋은 두뇌(10%)와 튼튼한 골격(20%)이 갖춰져도, 실제로 움직이는 근육과 습관(70%)을 바꾸지 못하면 몸 전체가 움직이지 않는다는 원리입니다.
Konecta는 이 70%를 채우기 위해 전사 교육 조직인 ‘Konecta Academy’를 세웠습니다. 최고경영진부터 중간 관리자, 28개국 일선 현장의 상담원에 이르기까지 모든 직급의 임직원을 대상으로 새 기술을 다루는 법과 협업하는 방식을 가르쳤습니다. 단순한 기술 사용법 교육에 그치지 않고, 고객을 응대할 때 AI 에이전트를 조력자로 활용하는 실질적인 업무 요령을 익히게 했습니다.
영업팀의 체질도 완전히 뜯어고쳤습니다. 기존에는 몇 명의 상담원을 투입하는지를 기준으로 계약을 맺었지만, 교육을 마친 영업팀은 AI를 통해 개선되는 서비스 품질과 창출되는 가치를 바탕으로 새로운 상품을 고객사에 제안하기 시작했습니다. 회사의 수익 모델 자체가 인력 중심에서 AI 결합형 서비스로 옮겨 가기 시작한 것입니다.
이 과정에 대해 Konecta의 Nourdine Bihmane 최고경영자(CEO)는 이렇게 회고했습니다. “기술 환경이 빠르게 변하고 있었습니다. 고객사에 제공하는 산업별 활용 사례에 어떤 솔루션이 가장 적합한지 찾는 데 도움을 줄 파트너가 필요했습니다. 그런 점에서 BCG X는 큰 도움이 되었습니다. 저희는 항상 최신 기술을 도입하고 진행 상황에 맞춰 조정했으며, 모두가 동시에 배웠습니다.” 완벽한 계획을 세워 두고 한 번에 적용한 것이 아니라, 현장에서 부딪히며 조직 전체가 함께 학습해 나갔음을 보여 줍니다.
현장의 혼선을 없앤 ‘하이브리드 에이전트 매니저’의 등장
사람과 기계가 한 팀으로 일하게 되면 현장에서는 전에 없던 새로운 운영 문제가 생깁니다. 고객의 문의가 들어왔을 때 어디까지를 AI 에이전트가 맡고, 어느 순간에 사람 상담원에게 대화를 넘겨야 하는지가 모호해집니다. 자칫 AI가 엉뚱한 답변을 내놓거나, 사람 상담원이 이전 대화 맥락을 파악하지 못해 고객에게 같은 질문을 되풀이하게 만들면 서비스 품질은 급격히 떨어질 수밖에 없습니다.
Konecta는 이 문제를 해결하기 위해 ‘하이브리드 에이전트 매니저’라는 새로운 전담 직책을 현장에 만들었습니다. 이들은 사람 상담원과 AI 에이전트가 만나는 접점에서 일상 운영을 감독하고, 둘 사이의 업무 넘김이 매끄럽게 일어나는지 관리하는 역할을 맡았습니다. AI의 응답 품질을 상시 점검하고, 기계가 처리하기 힘든 예외 상황이 발생했을 때 신속하게 사람에게 업무를 넘기도록 규칙을 조율하는 관리자였습니다. 아울러 AI가 사실이 아닌 내용을 그럴듯하게 지어내는 환각(hallucination) 위험도 함께 감독했습니다.
실제 현장 운영에서는 상담원이 고객과 통화하는 동안 음성을 실시간 텍스트로 변환하고, 백그라운드 AI가 대화의 문맥과 고객의 감정을 파악해 상담원의 모니터에 적절한 추천 답변이나 상품 정보를 띄워 주는 보조 체계가 함께 돌아갔을 것입니다. 하이브리드 에이전트 매니저는 모니터링 화면을 통해 실시간 대화 흐름을 지켜보다가, 고객 불만이 감지되거나 상담이 꼬일 때 숙련된 상담원이 즉시 개입할 수 있도록 돕는 관제탑 역할을 수행했을 가능성이 큽니다.
2만 5천 명이 증명한 첫해의 운영 성과
1년 동안 28개국에 걸쳐 추진된 변화는 명확한 수치로 나타났습니다. 현재 Konecta 내부에서 매일 AI 솔루션을 업무에 활용하는 직원은 25,000명 이상에 달합니다. 소수 부서의 시범 도입에 머무르지 않고 전 세계 대규모 인력이 실제 일상 업무 도구로 AI를 받아들인 것입니다.
운영 효율성 지표도 크게 개선되었습니다. 고객의 문의 한 건을 처리하는 데 걸리는 평균 시간(AHT)은 최대 35% 감소했습니다. 복잡한 규정을 찾거나 이전 상담 이력을 확인하는 번거로운 과정을 AI가 곁에서 도와준 덕분에 현장 상담원이 핵심 용건에 훨씬 빠르게 집중할 수 있었을 것입니다.
동시에 상담 과정에서 상품 판매나 서비스 연장으로 이어지는 전환율은 최대 40% 증가했습니다. 고객의 상황에 딱 맞는 제안을 AI가 제때 화면에 띄워 준 것이 효과를 냈을 것입니다. 이러한 생산성 향상과 서비스 개선은 첫해에만 수백만 달러 규모의 가치 창출로 이어졌습니다.
거대한 규모의 현장을 바꾸려는 기업이 얻을 교훈
Konecta의 사례는 대규모 인력이 일하는 현장에 AI를 성공적으로 심기 위해 무엇이 필요한지 분명한 교훈을 줍니다. 많은 기업이 어떤 인공지능 모델이 더 똑똑한지, 어떤 알고리즘이 우수한지를 따지는 데 대부분의 자원과 시간을 쏟아붓습니다. 하지만 모델과 기술 기반은 전체 성공 요인의 30%에 불과하며, 실제 승부는 사람의 일하는 방식과 조직 구조를 바꾸는 70%의 변화 관리에서 갈립니다.
2만 5천 명이 넘는 직원이 매일 AI를 쓰게 된 배경에는 기술 자체보다 Konecta Academy를 통한 체계적인 재교육과 영업 모델의 전환이 있었습니다. 기술을 도입하기 전에 현장 구성원들이 도구를 믿고 쓸 수 있는 환경을 만들어 주지 않는다면 어떤 대규모 투자도 현장의 저항을 이겨내기 어렵습니다.
아울러 AI 에이전트를 도입한다고 해서 현장 관리자의 역할이 사라지지 않는다는 점도 눈여겨보아야 합니다. 기계가 사람을 대체하는 것이 아니라, 사람과 기계가 뒤섞여 일하는 복잡한 환경이 펼쳐지기 때문입니다. 사람과 AI 사이의 업무 넘김을 조율하고 품질을 감시하는 ‘하이브리드 에이전트 매니저’처럼, 기술 변화에 맞춰 현장의 관리 체계를 새롭게 정의하는 작업이 함께 따라와야 대규모 운영의 혼란을 막을 수 있습니다.
마지막으로 글로벌 28개국을 아우르는 단일 플랫폼 Kolibri가 보여주듯, 확산 이전에 탄탄한 통제 틀을 먼저 갖춰야 합니다. 지역 사업부가 각자 AI 도구를 도입하도록 두었다면 감당하기 어려운 데이터 유출 위험과 비용 비효율이 발생했을 것입니다. 기술과 데이터, 사람이 하나의 관리되는 환경 안에서 만나도록 중심을 잡아 주는 단일 플랫폼이 있었기에 Konecta는 1년이라는 짧은 시간 안에 80개가 넘는 배포를 흔들림 없이 밀어붙일 수 있었습니다.
출처
BCG / BCG X — How One CX Provider Scaled AI Across 28 Countries — https://www.bcg.com/x/mark-your-moment/scaling-ai-global-cx-operations — 발행일 미표기, 2026-09-22 확인