45
지난 포스트에서 에이전틱 AI가 Customer Success(CS)에 어떤 변화를 가져올 수 있는지 살펴보았습니다. '목표 설정 → 계획 수립 → 실행 → 결과 검증'이라는 4단계 사이클을 통해 AI가 맥락을 이해하고, 일을 처리하는 똑똑한 파트너로 진화 중이라는 이야기였죠.
오늘은 그런 가능성이 실제 CS 업무에서 어떻게 접목될 수 있는지 보겠습니다. 저희 회사가 개발 중인 ChurnShield에 탑재된 AI 어시스턴트가 고객의 위험 이슈를 찾아내고, 고객 미팅 예약, 상담 기록 등록 그리고 이메일까지 발송하는 과정을 실제 화면을 이용해서 정리했습니다. CSM의 실 업무 흐름을 따라 구성해 보았습니다.
가상의 고객: 남주혁 팀장의 위험 시그널
오늘 사례는 Autodesk 파트너사가 관리하는 가상의 고객인 남주혁 팀장입니다. 고객의 건강 점수는 62점(Good)으로 큰 문제가 없어 보이지만, 내부 데이터를 살펴보면 몇 가지 위험 신호가 잡히네요.
고객 현황 요약 1) 경영진 퇴사 (High) – 최근에 의사결정권자로 분류된 경영진 퇴사. 서비스 유지·갱신 결정권 공백 발생 2) 결제 지연 (High) - 3월 20일부터 청구서 결제 15일 이상 지연 중. 서비스 중단 리스크 존재 3) 사용량 급락 (High) - 4월 초 건강 점수 61점 → 35점 급락 후 현재 62점 회복. 높은 변동성이 불안 요소 📦 AutoCAD Flex 플랜 - 전체 45석 중 31석 사용 (68.89%). 갱신일: 2027년 7월 22일 |
건강 점수만 보면 '괜찮은 고객'이지만, 위험 신호가 3개나 켜진 상태에서 제대로 대응하지 못하면 재계약 실패나 고객 이탈로 이어질 가능성이 높겠죠. 이 상황에서 CSM은 무엇부터 해야 할까요? 여기에서 AI 어시스턴트가 등장합니다.
AI 어시스턴트: 6단계 워크플로우
CSM은 단 여섯 번의 지시로 고객의 상황 분석부터 이메일 발송에 이르는 모든 작업을 깔끔하게 처리할 수 있습니다. 실제 화면과 함께 각 단계 작업을 하나씩 살펴보죠!
Step 1. 고객 상황 진단
| Step 1: "남주혁 고객의 주요 이슈를 분석해줘" | |
|---|---|
| AI 행동 | 고객 DB 검색 (267ms) → 남주혁 고객 상세 데이터 로드 (1,340ms) |
| 출력 결과 | 현재 활성화된 위험 신호 4개 탐지/ 구독 현황 및 갱신일 정리/ 최근 활동 이력 요약 제공 |
| Agentic AI 특성 | 단순 데이터 조회가 아닌, 여러 데이터를 통합해 맥락을 가진 진단과 의견 제공 |
[스크린샷 1 — 남주혁 고객 이슈 분석 결과 (위험 신호 3개 + 구독 현황)]
CSM이 고객의 데이터를 다 확인하고, 상황을 파악한다면 짧게 잡아도 20~30분은 걸리겠지만, AI 어시스턴트는 10초 정도면 충분합니다. 더 중요한 것은 '건강 점수는 62점이라 양호하지만, 내부에는 심각한 위험 신호가 떴다'라는 해석까지 제공한다는 점이죠. 숫자를 넘어선 고객의 상황을 읽는 것이죠. 물론 경영진 퇴사 같은 정보는 CSM이 미팅 후 시스템에 메모를 남기거나, 뉴스/공시 모니터링과 연동해서 가져오는 방법을 사용할 수 있습니다.
Step 2. 우선순위 정리와 행동 계획
| Step 2: "가장 우선적으로 처리해야 할 이슈를 정리해줘" | |
|---|---|
| AI 행동 | 파악된 위험 신호를 심각도 기준으로 재정렬/ 이슈별 리스크와 대응 방안 연계 제안 |
| 출력 결과 | [상당히 심각] 경영진 공백 → 신규 담당자 확인 미팅 제안/ [긴급] 결제 지연 → 안내 메일 발송/ [주의] 사용량 변동 → 지속 모니터링 |
| Agentic AI 특성 | 단순 나열이 아닌 '무엇을 먼저 해야 하는가'에 대한 판단 포함 |
[스크린샷 2 — 우선순위별 이슈 정리 및 권장 액션]
AI 어시스턴트는 단순한 경고 메시지 전달에서 머물지 않습니다. '경영진 교체와 결제 지연이 연관되어 있을 수 있다'는 추론까지 제시하고, 각 이슈에 대응하기 위해 CSM이 할 수 있는 구체적 내용을 제시합니다. Customer Success: 에이전틱 AI를 이용한 고객 맞춤형 CS 포스트에서 주장한 'CSM만큼 고객을 잘 아는 CS 플레이북'의 모습이죠.
Step 3. 미팅 일정 만들기
| Step 3: "남주혁 고객과 상황 점검을 위한 미팅 일정을 다음 주 수요일 오후로 잡아줘요" | |
|---|---|
| AI 행동 | 고객 담당자 정보 확인 → 현재 상황에 맞는 미팅 안건 자동 구성 |
| 출력 결과 | 2026-06-24(수) 14:00 KST 안건: 경영진 변화 확인 + 결제 지연 해결 + AutoCAD Flex 사용 점검 |
| Agentic AI 특성 | 지금까지 파악된 상황과 이슈 분석을 반영한 안건 구성 |
[스크린샷 3 — 다음 주 수요일 미팅 일정 및 안건 자동 생성]
CSM이 고객에게 선뜻 연락하기 힘든 이유 중 하나가 ‘무슨 이야기를 해야 하지?'이죠. 이제 그런 고민을 할 필요가 없습니다. 화면을 보면 AI가 파악한 세 가지 위험 신호가 고객 미팅 안건으로 정리되어 있네요. AI어시스턴가 대화 내용과 상황을 기억하고 다음 작업까지 알아서 연결시켜 줍니다.
Step 4. 일정 등록 및 CS 시스템 기록 (Human-in-the-Loop)
| Step 4: "예약을 진행해줘. 그리고 CS 시스템에도 기록해줘" | |
|---|---|
| AI 행동 | 두 가지 액션을 동시에 준비: ① 통화 일정 등록 ② 상담 기록(Consultation) 추가 |
| 출력 결과 | 각 액션을 독립적인 [승인/거부] 카드로 표시 — CSM이 내용 확인 후 최종 실행 |
| Agentic AI 특성 | 외부 시스템 변경을 임의로 실행하지 않고, 사람의 승인을 받아 실행하는 Human-in-the-Loop 설계 |
[스크린샷 4 — 일정 등록 및 상담 기록 추가 승인 카드]
고객 미팅 일정을 만들고, CS 시스템에 기록을 남기는 단계에서 Agentic AI 설계에서 중시하는 원칙을 만날 수 있습니다. AI가 스스로 일정을 잡거나 CS 시스템에 기록을 할 수 없도록 통제하는 것을 의미합니다. AI는 CSM의 지시를 따르고 작업을 준비하지만, 사람이 승인해야만 실행을 할 수 있는 통제 구조를 갖춰야 합니다. 이것이 업무의 정확성과 신뢰도를 보장하는 방법이죠.
Step 5. 미팅 제안 이메일 초안 작성
| Step 5: "남주혁 팀장에게 미팅을 제안하는 메일 초안을 만들어주세요" | |
|---|---|
| AI 행동 | 고객사 이름, 담당자, 이슈 맥락, 제안 일시를 통합해 실무형 이메일 초안 생성 |
| 출력 결과 | 제목: [Autodesk/Marcetto] 고객사 서비스 운영 현황 점검 및 이슈 논의 제안 건 |
| 본문 구성 | 경영진 변경 관련 운영 환경 점검 결제 지연 해결 논의 AutoCAD Flex 사용 최적화 — 3개 안건 포함 |
| Agentic AI 특성 | 일반 이메일 템플릿이 아닌, 이 고객의 현재 상황에 맞춰 제작한 이메일 초안 |
[스크린샷 5 — 남주혁 팀장에게 보낼 미팅 제안 이메일 초안]
보면 알겠지만 단순한 '이메일 생성' 수준이 아닙니다. 이메일 본문에는 고객이 민감하게 받아들일 수 있는 '경영진 변경' 이슈를 '운영 환경 점검'이라는 표현으로 돌려서 표현하고, 결제 지연 문제도 '결제 및 라이선스 확인'이란 안전한 문장을 선택했네요. AI어시스턴트가 메일 수신자의 감정까지 고려한 섬세한 메일을 제안하고 있습니다.
Step 6. 이메일 발송 (최종 승인)
| Step 6: "이 내용으로 남주혁 팀장객에게 이메일 발송해줘" | |
|---|---|
| AI 행동 | 고객 이메일 주소 조회 (451ms) → 발송 전 최종 내용 확인 카드 표시 |
| 출력 결과 | 발송 예정 제목·본문 전체를 미리보기로 제공 후 [승인/거부] 대기 사람이 승인해야만 이메일 발송 |
| Agentic AI 특성 | 이메일 발송 전에 반드시 CSM의 최종 확인을 거치는 업무 흐름 |
[스크린샷 6 — 이메일 발송 최종 승인 카드]
여섯 번의 대화로 이루어진 전체 워크플로우가 완성되었습니다. 고객 이슈 탐지에서 이메일 발송 직전까지, CSM은 판단만 했고 AI가 실행을 준비했습니다.
에이전틱 AI 4단계와 CS 업무 처리
지난 포스트에서 설명한 에이전틱 AI 작동 4단계(Germination → Deliberating → Action → Cultivating)가 CS업무 처리 흐름과 어떻게 연결되는지 정리해 보겠습니다.
| 단계 | 오늘 사례에서의 모습 |
|---|---|
| 목표 설정과 추론 (Germination) | '남주혁 고객의 주요 이슈 분석'이라는 요청을 받고 어떤 데이터가 필요한지, 어떤 순서로 조회할지 스스로 판단하고 결정 |
| 계획 수립과 검증(Deliberating) | 위험 신호를 심각도 기준으로 선정하고, 각 이슈에 적합한 대응 방법을 선택 |
| 실행(Action) | 고객 DB 조회, 일정 카드 생성, 이메일 초안 작성, 발송 준비 등 실제 도구를 연동해 CSM이 지시한 업무 수행 |
| 결과 검증과 피드백(Cultivating) | 각 단계 완료 후 처리 시간·결과를 표시하고, 오류 발생 시 재시도 (Image 2의 '고객 상세 조회 오류 → 재조회 성공' 사례) |
특히 2번째 그림에서 포착된 내용이 흥미롭네요. 첫 번째 '고객 상세 조회' 시도에서 오류가 발생했지만, AI가 스스로 다시 시도해서 성공했네요. 결과 검증과 피드백(Cultivating) 단계의 Self-Correction이 이런 거죠.
Human-in-the-Loop: AI가 결정하지 않는 것들
위 사례에서 볼 수 있는 것처럼 AI는 두 가지 경우에는 반드시 사람의 허락을 받고 움직입니다.
CSM의 승인이 필요한 활동 1) 외부 시스템을 변경하는 모든 행동: 일정 등록, 상담 기록 추가, 이메일 발송 등 2) 되돌리기 어려운 행동: 고객 이메일 발송처럼 한 번 실행하면 취소가 어려운 액션 반면, 분석과 초안 작성은 AI가 자율적으로 수행합니다. |
이유는 분명합니다. AI가 혼자서 잘못된 내용의 이메일을 보냈다면, 누구의 책임일까요? AI가 초안을 만들고 CSM이 검토 및 승인한 후에 발송까지 제어한다면, 실수가 일어날 가능성은 크게 줄어들겠죠. AI의 진단은 참고 자료이며, 미팅 전 CSM이 한 번 더 확인하는 것이 필요하죠. AI의 속도와 사람의 결정을 결합한 이 방식이 에이전틱 AI를 안전하게 사용하면서, ‘잘 준비된 CSM’가 되는 기술입니다.
마무리
에이전틱 AI는 CSM의 역할을 대체하지 않습니다. 대신 CSM이 더 많은 고객을, 더 적합한 방식으로, 더 효과적으로 관리하게 도와주는 좋은 파트너가 됩니다. 오늘 다룬 남주혁 팀장의 사례처럼, 숫자 뒤에 숨어 있던 위험 신호를 누군가 찾아내 보여주고, 갈 길을 제시해 준다면 그것이 진짜 Customer Success 아닐까요?
0
0