Customer Success와 AI 기술

Customer Success 영역에서도 AI에는 아주 Hot한 주제이죠. 고객들을 만나보면 현재는 CS 업무에 AI를 적용하는 것에 대해 관심과 기대감이 더 높은 것으로 보입니다. 하지만, 지금의 기대보다 실망과 우려가 커지는 시점이 올 것 같다는 조심스러운 예측도 있습니다. 

남들보다 빠르게 AI를 도입한 기업들의 사례를 살펴보면, AI의 도입과 활용을 가로막는 장애물이 AI 자체보다 기업의 조직 특성, 업무 방식 및 시스템 체계 등에 있는 경우가 휠씬 많기 때문이죠. 미국의 어느 CS 전문가가 한 팟 캐스트 프로그램에 나와 이런 이야기를 하더군요.  

“AI를 이용해 고객 이탈 문제를 해결하고 싶어하는 CS 리더들을 만나보면, 그 동안 CS 리더들이 몰라서 혹은 그냥 무시했던 것들 때문에 AI 활용이 어려운 경우가 대부분이다.”, 

“AI는 문제를 덮어주는 화장품이 아니라, 민 낯을 그대로 보여주는 현미경이다."

그리고 AI 도입과 활용을 어렵게 만드는 6가지 장애물을 제시했습니다. 

1. 고객 성공에 대한 명확한 정의가 없다

• AI가 필요한 것: AI는 고객 성공에 대한 명확하고 정량화된 KPI가 필요하죠. 예를 들어, 3개월 내 특정 기능을 00회 이상 사용, NPS 점수 00점 이상, 또는 월간 활성 사용자(MAU) 00%을 고객 성공으로 정의한다 같은 구체적 정의가 필요합니다.
• 그러나 현실은 "고객이 만족하는 것" 같이 모호하거나, 팀원마다 다르게 해석되어, AI는 학습할 수 있는 정확한 목표 변수(target variable) 없습니다. 이로 인해 '성공한' 고객과 '위험한' 고객을 구분하는 패턴을 학습할 수 없습니다.

2. 이상적 고객 프로파일(ICP)이 없거나 계속 바뀌는 문제

• AI가 필요한 것: AI 모델은 '성공할 고객'과 '실패할 고객'**을 구분해 학습해야 합니다. 이 기준이 ICP이죠. AI는 고객 데이터(산업, 규모, 사용 패턴 등)를 ICP와 비교해 각 고객에게 필요한 대응 (맞춤형 온보딩 및 기능 추천 등)를 제안합니다.
• 그러나, ICP가 아예 없거나 일관성이 없다면, AI는 어떤 특징을 가진 고객에게 어떤 CS 전략이 효과적이었는지 학습할 수 없습니다. 예를 들어, 1분기에 '50인 미만 소기업'으로 정의되었던 ICP가 이번 분기에 '1000명 이상 대기업'로 바뀌면, AI 모델이 패턴을 찾아내지 못하겠죠.

3. 매번 바뀌는 고객 인수인계(핸드오프) 프로세스

• AI가 필요한 것: AI 기반 CS 시스템은 영업 단계에서 생성된 고객의 기대치, 합의된 목표, 구매 동기 등 핵심 정보를 정확하게 전달받아야 합니다. 이를 통해 고객 맞춤형 온보딩 여정을 설계할 수 있죠.
• 하지만, 핸드오프 프로세스가 자주 바뀌면 고객 데이터의 종류, 전달 방식과 기록 방식의 일관성이 사라집니다. 결국 고객 데이터 유실과 오류 증가 등으로 AI가 제 기능을 못할 가능성이 커집니다. 

4. 여러 시스템에 분산되어 있는 데이터

• AI가 필요한 것: AI의 장점 중 하나는 모든 관련 데이터를 통합해서 전체 구조를 분석하는 능력이죠. 고객 성공을 위해서는 제품 사용 데이터(Product Analytics), 고객 지원 데이터(Help Desk) 및 영업 데이터(CRM), 마케팅 데이터(Marketing Automation) 등이 모두 필요합니다.
• 그러나, 현실은 위 시스템들이 다 쪼개져 있어, 전체 데이터가 아닌 일부 데이터만 갖고 AI가 학습하는 경우가 많습니다. 당연히 정확한 고객 이탈 예측이나 의사 결정이 어렵죠.

5. 직감에 의한 예측과 의사결정

경험 많은 CS 리더나 경영진이 데이터가 아닌 주관적인 판단에 따라 다음 분기의 갱신율, 이탈률, 업셀(Upsell) 기회 등을 예측하고 일방적으로 결정하는 것을 의미합니다. 이런 상황에서 몇 번의 성공을 경험하면, 이 방법이 깊게 자리하고 데이터 기반의 분석과 예측, 의사결정은 다른 회사의 이야기가 되죠.

6.  CS 인력의 개인기에 의존

체계적인 CS시스템이나 프로세스가 아닌, CS 인력 개개인의 뛰어난 능력이나 과도한 노력(수 많은 야근과 수작업 등)을 통해 고객을 지원하는 상황을 의미합니다.

• AI가 필요한 것: AI는 표준화되고 일관된 프로세스가 구현되어 있을 때 자신의 역할을 해낼 수 있죠. 반복 단순 작업을 자동화하고, 예측 결과를 바탕으로 표준화된 워크플로우를 운영할 수 있어야 효율성이 극대화됩니다.
• 하지만, 표준화된 CS 프로세스가 없어서 CS인력들이 개별적으로 대처해야 하고, 과도한 시간과 노력을 투입해야 하는 상황이 이어지면 AI를 어떤 업무에, 어떻게 도입해야 할지 정의하는 것이 어렵습니다. 

저의 결론은 이렇습니다.

- CS 인력의 개인기에 의존하는 CS 운영 전략은 가능한 빨리 중단해야 한다!

- AI는 '주먹구구식 일 처리 방식'을 쫓아낸다. 시스템이 갖춰진 조직은 AI는 CS인력에게 날개를 달아주지만, 그렇지 못한 조직에서는 AI는 혼란만 키우는 원인이 된다.

- AI보다 업무 프로세스 정리가 먼저다!

여러분 회사의 CS 업무에 AI를 고민하고 계시나요?

그렇다면 위 6가지 사항을 여러분 회사 상황에 대입해 보는 것을 추천합니다.