Customer Success: AI시대의 CS 전략 포스트에서 CS 전략을 고객 요청을 받고 시작하는 ‘수동적’ 방식에서 데이터 기반의 '선제적(Predictive) 관리'로 전환해야 한다는 주장을 했죠. 하지만 고객의 위험 신호를 포착하는 것보다 더 중요한 것은 '얼마나 신호를 잘 이해하고 맞춤형 해결책을 제시하느냐'입니다. 

기업들은 제품 온보딩과 고객 관리는 표준화된 절차와 가이드를 이용한 '1-to-Many' 방식을 많이 사용하고 있습니다. 하지만 최근 등장한 에이전틱 AI기술은 이제 고객 한 명 한 명에게 전담 CSM을 배치하는 것과 같은 효과를 갖는 '고객 맞춤형 Customer Success'의 가능성을 열어 놓았죠. 

문제는 고객마다 성공의 정의가 다르다는 것이죠. 같은 제품을 도입했지만 A고객은 생산성 향상을, B 고객은 비용 절감을, C는 은 업무 자동화를 기대하죠. 그런데 모든 고객에게 똑같은 가이드와 대안을 제시한다면 맞춤형 CS는 남의 이야기가 되겠죠.

에이전트 AI: 고객의 맥락을 이해하는 맞춤형 CS

현재 기업들이 사용하는 맞춤형(개인화) 수준은 이메일을 보낼 때 이메일 제목란에 고객 이름을 자동으로 넣거나, 업종별 템플릿을 구분해 발송하는 기능 등이 대부분이죠. 개인화 보다는 ‘데이터 자동 입력’ 기능이란 표현이 적합하죠. 반면에 에이전틱 AI는 자동 기능이 아닌 '업무 상황과 흐름, 즉 맥락’을 이해하고 이에 따라 움직이는, 사람과 같은 일처리를 가능하게 만들고 있군요.

에이전틱 AI 작동 4단계: '생각하고, 움직이고, 가꾼다'

"OO 업무를 해줘"라는 요청을 받은 에이전틱 AI는 아래 과정을 반복하며 일을 처리하게 됩니다:

1. 목표 설정과 추론(Germination)

사용자의 명령을 받은 AI는 무엇을 먼저 해결해야 하는지 파악하는 작업을 합니다. 단순히 단어를 조합하는 수준이 아닌, "주어진 업무 목표 달성하려면 무엇이 필요한가?"를 추론하고, 전체적인 실행 방법과 흐름을 정리하는 작업을 시작합니다.

2. 계획 수립과 검증 (Deliberating)

방법이 정리되었다고 바로 실행하지는 않습니다. 다음으로 실수나 시행 착오를 줄이면서 일을 완료할 수 있는 방법을 찾아봅니다. "어떤 데이터를 먼저 조회할까?", "이 방식이 효율적일까?" 혹 “어떤 일을 먼저 하는 것이 가장 효율적이지?” 등을 고민해서 업무 설계도를 짜고, 실수를 줄이는 방법을 고민하죠. 이런 행동을 ‘꼬리에 꼬리를 무는 생각(Chain of thought)’라고 부르죠.

3. 실행(Action)

이런 과정을 통해 업무 상황과 주요 이슈(즉, 맥락)를 이해하고, 계획이 정리되면 실행에 들어갑니다. 예를 들어, 데이터베이스 조회, 외부 웹페이지 탐색과 파이썬 코드 실행 등 일처리에 필요한 도구를 연동해서 하나씩 업무를 진행해 갑니다.

4. 결과 검증과 피드백(Cultivating)

처리 결과를 확인하고 목표와 맞는지 검증하는 과정입니다. 만약 오류가 있으면 스스로 수정(Self-Correction)하고, 그 내용을 학습해서 향후에 나은 결과를 낼 수 있도록 자기 조정 작업을 하게 됩니다. 우리 주변에서 일 잘하는 사람들이 가진 특성을 그대로 갖고 있죠. 

에이전트 AI의 이런 업무 스타일은 현재의 CS방식이 가진 문제점 - 사후 대응, 고객 확장의 제약- 을 해결하는데 효과적이죠.

• 사후 대응: 고객이 불만을 터트리거나 계약 해지 의사를 밝힌 다음에 대응하는 경우가 많습니다. 고객의 마음이 돌아선 다음에 움직이기 때문에 고객 이탈을 막기 어려운 경우가 많지요.
• 고객 확장의 제약: 고객이 늘수록 CSM도 업무도 비례해서 늘어나죠. 더 많은 고객을 관리하려면 더 많은 인력을 채용해야 하는 구조적 한계를 갖고 있습니다.

에이전틱 AI가 바꾸는 CS 업무 방식

• 셀프-스타디형 온보딩: 소프트웨어를 도입한 목적, 업무 환경, 기대하는 결과가 고객마다 다른 것은 당연하죠. 에이전틱 AI는 고객의 초기 설정 정보와 사용 행동을 분석하여 모든 똑같은 온보딩이 아닌, 고객별 맞춤형 온보딩 여정을 만들어 지원할 수 있습니다.

마케팅팀에는 캠페인 운영과 데이터 분석에 초점을 둔 온보딩을 지원하고, 개발팀에는 외부 서비스 연계를 위한 API 연동과 자동화 기능의 중심으로 지원하는 방식이죠. 하나의 온보딩 모델을 정해보고 모두 똑 같은 지원을 하는 것과는 다른 결과를 가져올 겁니다.

• "CSM만큼 고객을 잘 아는" CS플레이북: 에이전틱 AI는 고객의 행동 데이터를 24시간 분석해서 위험 신호와 대책을 찾아낼 수 있죠. 문제가 터진 후에 상황을 파악하거나 단순히 "문제가 발생할 수 있습니다"라고 알려주는 것이 아니라, "현재 이런 상황이고 이런 해결책이 있습니다"라는 대안까지 제시할 수 있습니다.

특정 고객의 제품 사용량이 현저히 떨어지는 흐름을 발견하면, AI 에이전트는 원인을 분석하고 대안을 찾아서 제시하게 됩니다. CSM은 AI 권고안을 검토한 후 자기 생각을 반영해서 실행할 수 있죠. 든든한 조력자가 있기 때문에 CSM의 업무 효율과 성과가 분명하게 달라집니다.

[고객의 제품 사용률과 활동을 분석해 위험을 감지하고 대안을 제시하는 SW 화면]

• 맞춤형 교육 콘텐츠 제공: 많은 기업이 표준화된 CS 고객지원 및 매뉴얼은 모든 고객에게 똑 같은 내용을 제공하죠. 반면 에이전틱 AI는 고객이 현재 겪고 있는 문제와 사용 환경을 이해하고, 그 상황에 맞는 맞춤형 가이드를 제공하는 차별점을 갖습니다.

고객이 외부 데이터 연동 때문에 헤매고 있다면, 수백 페이지에 달하는 매뉴얼 검색을 추천하는 대신 고객의 시스템 구성, 설정 정보, 사용 권한을 분석하여 해결책을 정리해서 제공하는 것이죠. 이때 화면 캡처, 동영상 등 다양한 방법을 이용하기도 합니다. 고객이 정보의 바다속에서 익사하지 않고, 자신에게 꼭 맞는 방법을 바로 얻을 수 있죠.

CSM의 역할 변화: 이제는 'AI 오케스트레이터'로

에이전틱 AI가 맞춤형 고객 지원과 반복적 운영 업무를 담당하는 상황은 인간 CSM에게 위기일수도 있지만, 더 전략적인 영역으로 확장하고 자신의 역량을 키울 수 있는 기회이기도 합니다. 앞으로 기업에게 필요한 CSM은 모든 CS업무를 처리하는 실행자가 아닌, AI와 고객 경험을 설계하고 조율하는 'AI 오케스트레이터'가 될 가능성이 아주 높죠.

• AI 코치 및 예외 상황 관리: CSM은 AI 에이전트를 이용해 고객을 지원하고, AI가 처리하기 힘든 예외 상황 및 복잡한 이슈를 해결하는 역할로 전환해야 할 가능성이 높습니다. AI 제안이 적합한지 검토하고, 고객 반응과 결과를 토대로 AI를 리드하는 코치 역할도 주어질 것 같습니다.
• 고부가가치 디스커버리: AI가 데이터 분석과 시간이 많이 드는 반복 업무를 처리해주면, CSM은 제품 도입에 따르는 변화관리, 장기적 신뢰 관계 구축 같이 더 중요한 일에 집중해야 합니다. 고객의 성장 방법을 같이 고민하는 일은 인간 CSM의 공감과 통찰력이 꼭 필요하죠.
• 인간과 AI 피드백 루프 만들기: AI가 제시한 방법이 고객의 성과로 이어졌는지 확인하고, 다시 AI 학습과 운영 정책에 반영하는 일도 CSM역할이 될 것 같네요. AI의 효율적 활용 뿐 아니라 AI를 코칭하는 일도 CSM의 몫이 될 겁니다.

고객 맞춤형 CS를 위한 CS 전략

• 통합 고객 데이터로 '고객의 맥락' 이해: 맞춤형 CS의 시작은 정확한 고객 이해에서 시작되죠. CRM, 제품 사용 데이터 및 고객 지원 내역 등의 고객 데이터를 연동해 하나의 고객 뷰(Single Customer View)를 만드는 일이 필요한 이유이죠. 고객 목표와 행동, 위험 신호를 AI가 종합적으로 이해할 수 있을 때 더 정확한 맞춤형 CS가 가능해집니다.
• 고객 여정별 AI 활용 포인트 찾기: 빅뱅 방식으로 한 번에 자동화하기보다 고객 성공에 가장 큰 영향을 미치는 접점부터 AI를 적용하는 것을 추전합니다. 온보딩, 어답션, 이탈 방지 및 업셀 기회 발굴 등 고객 여정에서 AI 에이전트를 활용해 작은 성공을 만드는 것이 좋습니다.
• ‘고객 전략가'로 역할 전환: AI가 반복 업무와 데이터 분석을 담당하면, CSM은 고객 관계 구축, 비즈니스 목표 정의, 성장 전략 수립과 같은 고부가가치 업무에 집중해야 합니다. 이를 위해 AI 활용 역량과 함께 컨설팅, 비즈니스 디스커버리, 의사소통 능력 등의 강화가 필요하죠. 사실 AI가 아니더라도 CS 조식이 당면한 큰 과제이기도 합니다.
• AI와 인간의 피드백 루프 구축: 맞춤형 CS 품질은 지속적 학습과 개선을 통해 가능하죠. AI가 들어왔다고 바로 맞춤형 CS가 가능하지는 않죠. 따라서 AI가 고객 성공에 어떤 영향을 주었는지 파악하고, 결과를 AI와 운영에 반영하는 구조화가 필요합니다. 맞춤형CS는 AI 도입 여부가 아닌, AI를 체계적으로 학습시키고 개선할 수 있는 구조화에 의해서 결정될 것 같습니다. 

마무리

Customer Success의 미션은 단순히 고객을 지원하는 것이 아니라 고객이 원하는 성과를 얻도록 돕는 것이죠. 문제는 고객마다 목표와 상황, 성공의 기준이 모두 다르다는 겁니다. 에이전틱 AI는 기업이 수백, 수천 명의 고객에게 마치 전담 CSM이 있는 것과 같은 맞춤형 CS를 제공할 수 있는 가능성을 열어 놓았다는 것이죠. 미래의 Customer Success 경쟁력은 더 많은 고객을 관리하는 능력이 아니라, 더 많은 고객에게 각기 다른 성공 경험을 제공하는 능력에서 결정될 것입니다