SoftBank, 웹사이트 문의 70% 해결

요약

SoftBank는 법인 웹사이트 첫 응대에 인공지능 에이전트를 배치했습니다.
지속적인 개선으로 셀프 해결률이 약 50%에서 70%로 올랐습니다.
정형 문의를 자동화하면 영업 인력은 복잡한 상담과 제안에 집중합니다.

고객의 첫 질문이 쏟아지는 웹사이트에서 시작한 분업

기업 고객이 통신사나 IT 기업의 웹사이트를 방문할 때 원하는 것은 분명합니다. 지금 당장 필요한 요금 정보나 서비스 규격, 계약 조건을 빠르게 확인하는 일입니다. 하지만 회사 규모가 크고 제공하는 서비스가 많으면, 고객은 복잡한 웹페이지 안에서 길을 잃기 쉽습니다. 결국 가장 빠른 방법으로 문의 창구를 찾아 질문을 남기게 되고, 그 부담은 고스란히 영업 담당자에게 돌아옵니다.

SoftBank Corp.의 법인사업부문 안에서 마케팅과 영업을 담당하는 Customer Growth Division은 바로 이 문제를 해결하고자 했습니다. 이 조직은 일본 전역에 있는 약 340만 곳의 중소기업(SMB) 고객을 대상으로 사업을 펼치고 있습니다. 중소기업 고객들의 요구는 업종과 규모에 따라 무척 다양합니다. 영업 담당자는 각 고객의 사업 환경을 깊이 이해하고 맞춤형 제안과 복잡한 상담을 진행해야 합니다.

그런데 현장에서는 제품의 기본 사양이나 정가, 단순 계약 절차를 묻는 일상적인 문의가 대량으로 밀려들었습니다. 고객에게는 이 첫 응대의 경험이 매우 중요하므로 답변을 더 일관되고 수준 높게, 그리고 무엇보다 빠르게 제공해야 한다는 요구가 안팎에서 커졌습니다. 정작 중요한 심층 제안에 쏟아야 할 시간이 기초 안내에 묶이는 비효율을 풀어야 했습니다.

이 글은 AI 에이전트 플랫폼 기업 Sierra가 2026년 7월 14일에 공개한 고객 사례를 바탕으로, SoftBank가 어떻게 고객과의 첫 접점을 재설계했는지 살펴봅니다.

더 정교한 체계가 필요했던 세 가지 까닭

SoftBank가 웹사이트 자동화를 전혀 시도하지 않았던 것은 아닙니다. 이전에도 법인 고객용 웹사이트에 AI 챗봇과 AI 검색 기능을 도입해 고객 스스로 정보를 찾도록 지원했습니다. 그러나 기존 도구만으로는 현장의 갈증을 풀기에 부족했습니다.

Customer Growth Division이 대화형 AI 에이전트로 전환을 결심한 데에는 세 가지 분명한 목표가 있었습니다. 첫째는 고객이 정보를 필요로 하는 바로 그 순간에 지체 없이 즉시 답을 주는 환경을 만드는 것이었습니다. 둘째는 고객이 상담사나 영업 인력의 도움 없이 문제를 끝까지 풀었는지를 뜻하는 셀프 해결률을 정확하게 측정하는 체계를 갖추는 것이었습니다. 셋째는 이를 통해 전체적인 고객 경험의 수준을 한 단계 더 높이는 것이었습니다.

더 정교하게 문맥을 이해하고 자연스러운 대화로 문제를 끝까지 매듭짓는 도구가 필요했습니다.

Customer Growth Division은 첫 적용 대상으로 법인 고객용 웹사이트(https://www.softbank.jp/business/)를 찾는 중소기업 고객의 첫 응대를 선택했습니다. 수많은 업무 영역 가운데 이곳을 먼저 고른 이유는 두 가지였습니다. 고객 접점이 가장 자주 일어나는 창구였고, 고객 경험이 개선되었을 때 그 효과를 고객과 조직이 가장 빠르게 체감할 수 있는 길이었기 때문입니다.

웹사이트 지식으로 출발해 현장에서 갈고닦은 지능

새로운 AI 에이전트를 도입하기로 결정했을 때 마주한 현실적인 고민은 학습 시간이었습니다. SoftBank의 법인 사업은 서비스 범위가 넓어 배워야 할 제품 지식이 방대합니다. 신입 사원 한 명이 이 내용을 모두 숙지해 능숙하게 고객을 응대하려면 상당한 시간이 걸립니다.

Customer Growth Division 마케팅본부 마케팅전략부 2과의 Abe 씨는 Sierra 플랫폼을 활용해 이 준비 기간을 줄였습니다. Abe 씨는 당시 과정을 다음과 같이 설명했습니다.

“Sierra는 구현하기도 쉽고 시간이 지나며 개선하기도 쉬운 잘 다듬어진 AI 에이전트 플랫폼이라는 느낌을 줍니다. 저희의 경우 초기 설정 때 웹사이트 정보를 활용하여, 사람이 익히는 데 상당한 시간이 걸릴 제품 지식과 FAQ를 짧은 기간에 AI 에이전트에게 학습시킬 수 있었습니다.”

실제로는 softbank.jp/business 도메인에 이미 공개되어 검증을 마친 제품 소개서, 요금 안내표, 자주 묻는 질문(FAQ) 페이지를 지식 출처로 연결해 초기 지식베이스를 구성했을 가능성이 높습니다. 새로운 매뉴얼을 밑바닥부터 다시 쓰지 않고 이미 공인된 웹사이트 자원을 활용했기에 빠른 도입이 가능했던 셈입니다.

에이전트를 공개한 뒤의 운영 방식도 체계적이었습니다. 시스템을 공개하자마자 완벽하게 작동하기를 기대하기보다는, 실제 고객이 던지는 질문 데이터를 보면서 지속해서 답변을 보강했습니다. Abe 씨는 이 과정에 대해 다음과 같이 덧붙였습니다.

“SoftBank의 법인 사업은 다루는 서비스 범위가 넓습니다. AI 에이전트가 고객의 의도와 해당 서비스를 더 잘 이해하도록 반복해서 개선한 덕분에, 출시 당시 약 50%였던 셀프 해결률이 현재는 70%까지 높아졌습니다.”

출시 시점의 구체적인 날짜는 공개되지 않았으나, 초기 셀프 해결률은 약 50% 수준이었습니다. 절반가량의 문의는 여전히 해결되지 못했다는 뜻입니다. 법인 고객이 단순히 “요금이 얼마인가요?”라고 물었을 때, 어떤 서비스를 말하는지 명확하지 않으면 엉뚱한 답이 나갔을 것입니다.

팀에서는 Sierra에서 답변이 미흡했던 질문을 추려내고 어떤 정보가 부족했는지를 빠르게 파악했습니다. 그리고 에이전트가 고객의 실제 의도와 대상 서비스를 묻고 듣는 과정을 다듬어 나가면서 셀프 해결률은 70%까지 올라섰습니다.

사람과 기계가 업무를 넘겨받는 경계선

AI 에이전트가 모든 질문을 다 처리할 수는 없으며, 억지로 모든 대화를 끝내려 해서도 안 됩니다. SoftBank는 에이전트가 해결할 수 없는 질문을 억지로 붙들지 않도록 명확한 경계선을 그었습니다.

에이전트가 해결하지 못한 질문이 나오면 에이전트는 고객을 문의 폼으로 자연스럽게 안내합니다. 그 기준은 맞춤형 견적이나 개별 계약 조건처럼 공개된 정보만으로는 풀 수 없는 경우였을 것입니다. 고객이 문의 폼을 통해 세부 내용을 접수하면, 그 뒤부터는 영업 담당자가 직접 연락을 취해 상담을 이어받습니다.

이 분업 덕분에 지금 영업 담당자에게 전달되는 문의는 복잡한 맞춤형 상담이나 개별 대응이 반드시 필요한 사안으로 압축되었습니다. 실제로는 에이전트와 나눈 대화 요약과 특정된 서비스 정보가 문의 폼에 함께 전달되어, 영업 담당자가 고객에게 같은 질문을 처음부터 다시 묻는 불편을 줄였을 것입니다.

에이전트는 하루에 약 100건의 문의를 처리하고 있습니다. 이 가운데 70%는 고객이 에이전트와의 대화 속에서 필요한 정보를 찾아 스스로 용무를 마칩니다. 복잡하거나 개별 대응이 필요한 문의만이 문의 폼을 거쳐 사람 영업 담당자에게 연결됩니다.

여기서 핵심 지표인 70%의 셀프 해결률은 사람이 일일이 대화록을 읽고 매긴 점수가 아닙니다. Sierra의 모니터링 기능이 대화 전체 맥락을 분석하여, 해당 대화 안에서 고객의 문제가 해결되었는지를 AI로 자동 판정해 계산한 비율입니다. 실제 운영팀에서는 이 자동 판정의 신뢰도를 담보하기 위해 주기적으로 표본을 추출해 사람이 직접 검토하며 기준을 보정했을 것입니다. 이러한 객관적 측정 체계가 뒷받침되었기에 조직은 성과를 확신하고 개선을 이어갈 수 있었습니다.

영업의 본질을 되찾은 사람과 앞으로의 확장

반복적인 기초 문의가 앞단에서 걸러지면서 영업 조직의 일하는 방식도 달라졌습니다. 하루 약 100건 중 70건의 정형화된 문의가 자동으로 해결되면서, 영업 담당자들은 단순 확인 문의에 답하느라 하루를 쪼개 쓸 필요가 없어졌습니다.

Customer Growth Division 마케팅전략부 부장(Director)인 Tajima 씨는 이 변화가 지닌 가치를 다음과 같이 평가했습니다.

“AI 에이전트의 셀프 해결률이 계속 오르면 고객은 필요한 정보에 더 빨리 닿을 수 있을 것입니다. 영업 담당자 역시 개별 고객의 과제를 해결하고 제안을 진행하는 일에 더 많은 시간을 쓸 수 있습니다. 저희는 이번 시도를 고객 경험 향상과 영업 생산성 향상을 함께 이루는 계기로 보고 있으며, 앞으로도 계속 발전시켜 나갈 계획입니다.”

고객은 영업 담당자의 회신을 기다리지 않고 웹사이트에서 즉시 원하는 요금과 규격을 확인합니다. 반면 더 깊은 컨설팅이 필요한 고객은 기초 질문에 지치지 않은 전문 영업 담당자로부터 훨씬 충실하고 집중도 높은 제안을 받습니다. AI 에이전트를 도입한 목적이 고객 경험의 질을 높이고 사람이 가장 큰 가치를 만드는 심층 제안 업무에 집중하도록 돕는 데 있음을 보여줍니다.

SoftBank는 이번 성공을 발판 삼아 법인 웹사이트를 넘어 다양한 고객 접점으로 AI 에이전트의 배치를 넓혀 나갈 계획입니다. 고객이 어떤 경로로 찾아오든 필요한 순간에 즉시 정확한 정보에 도달할 수 있는 일관된 지원 체계를 완성하는 것이 다음 목표입니다.

다른 기업이 이 사례에서 읽어야 할 세 가지 원칙

SoftBank의 사례는 거대한 콜센터 인프라를 한꺼번에 바꾸지 않고도 실질적인 업무 개선을 만들어 낼 수 있음을 보여줍니다. 고객 응대나 영업 조직의 디지털 전환을 고민하는 기업 리더라면 이 사례에서 세 가지 실무적 원칙을 발견할 수 있습니다.

첫째, 가장 고객 접점이 잦고 개선 효과를 즉시 체감할 수 있는 좁은 입구부터 시작해야 합니다. 많은 조직이 방대한 사내 업무 전체를 자동화하려다 시작조차 못 하곤 합니다. SoftBank는 고객이 가장 먼저 들어오는 웹사이트 문의 창구, 그중에서도 제품과 요금에 관한 정형 문의라는 명확한 대상을 골랐습니다. 대상이 좁고 선명했기에 웹사이트에 이미 정리된 지식을 바탕으로 짧은 기간에 시스템을 구축할 수 있었습니다.

둘째, 완벽한 출시보다 중요한 것은 출시 이후의 개선 순환 체계입니다. SoftBank 역시 처음부터 70%의 해결률을 기록한 것은 아니었습니다. 약 50%라는 절반의 성공에서 출발했지만, 실패한 대화를 지속해서 들여다보고 고객의 의도를 묻고 듣는 대화 방식을 다듬음으로써 지표를 70%까지 끌어올렸습니다. 에이전트가 어떤 질문에 취약한지 쉽게 파악하고 지식을 덧붙일 수 있는 운영 체계를 마련해 두는 것이 성패를 가릅니다.

셋째, 명확한 측정 지표와 영업 시간의 재배분입니다. SoftBank는 대화 안에서 문제가 풀렸는지를 AI가 판정해 측정하는 셀프 해결률을 핵심 지표로 삼았습니다. 그리고 정형 문의에서 풀려난 영업 담당자의 시간을 복잡한 맞춤 제안이라는 고부가가치 업무로 돌리는 것을 목표로 삼았습니다. AI 에이전트의 도입은 기술의 도입이 아니라, 조직이 시간을 쓰는 방식을 다시 설계하는 일입니다.

출처

Sierra — How SoftBank’s Customer Growth Division delivers fast, high-quality customer service with AI — https://sierra.ai/customers/softbank — 2026-07-14 (2026-09-24 확인)

Sierra — 같은 고객 사례 일본어판 — https://sierra.ai/jp/customers/softbank — 2026-07-14 (2026-09-24 확인)