ALLIE: Allstate 자체 에이전트 AI가 서비스 전화 수백만 건을 맡기까지
Allstate CEO Tom Wilson은 3분기 실적 발표에서 사내 에이전트 AI 플랫폼 ALLIE가 서비스 전화 수백만 건을 처리하도록 넓어졌고 2027년 초 기능을 더한다고 밝혔습니다. 8월에 공개한 설계는 여덟 개 구성 요소가 에이전트끼리 일을 넘기고 그중 하나가 고객 응대를 모두 맡는 구조입니다. 서비스 전화 한 건을 에이전트로 처리하는 설계와 12주 실행안을 붙였습니다.
Allstate는 직접 만든 에이전트 AI 플랫폼 ALLIE를 서비스 전화 수백만 건을 받는 규모로 키웠고, 2027년 초 기능을 더합니다. 뼈대는 여덟 개 구성 요소가 에이전트끼리 일을 넘기고 그중 하나가 고객 응대를 모두 맡는 구조입니다. 따라 하려면 서비스 전화를 의도별로 나눈 처리 장부와 사람에게 넘기는 기준부터 만들어야 합니다.
요약
미국 손해보험사 Allstate는 2026년 11월 4일 3분기 실적을 발표했습니다. CEO Tom Wilson은 발표문에서 ALLIE가 서비스 전화 수백만 건을 처리하도록 넓어졌고, 2027년 초에 기능을 더할 계획이라고 밝혔습니다. ALLIE는 Large Language Intelligent Ecosystem의 약자로, 회사가 사내 LLM으로 직접 짓는 에이전트형 AI 플랫폼입니다. 24/7 Wall St.는 수백만 건이라는 규모를 시범 단계가 아니라 실제 운영에 들어갔다는 신호로 읽었습니다. 다음 일정까지 함께 밝힌 만큼 지금의 배포가 끝이 아니라는 해석도 붙였습니다. 처리 비중, 통화당 비용, 인력 효과는 발표하지 않았습니다.
석 달 전인 8월 2분기 실적 콜에서 Wilson은 ALLIE의 설계를 먼저 공개했습니다. 여덟 개 구성 요소가 맞물려 agent-to-agent 처리(에이전트끼리 일을 주고받는 처리)를 하고, 그중 한 구성 요소가 고객 응대를 모두 맡습니다. 구성 요소마다 에이전트가 여럿 들어 있고, 이 에이전트는 회사 전체에서 다시 쓰도록 만듭니다. 그가 든 목표는 대리점 사무실의 일을 덜어 판매 비용을 낮추는 것, 그리고 가격과 보상의 정확도를 높이는 것입니다. 절감액이나 성장 전망은 내놓지 않았습니다. 24/7 Wall St.는 효과가 거래당 비용으로 나타나 expense ratio(보험료 대비 사업비 비율)에 잡힐 수 있다고 봤습니다. 2027년이 가까워질수록 이 비율을 지켜보라는 주문도 붙였습니다. 아래에서는 ALLIE를 다섯 메커니즘으로 나눠 보고, 서비스 전화 한 건을 에이전트로 처리하는 설계와 12주 실행안을 덧붙입니다.
핵심 메커니즘
Agentic Ecosystem: 여덟 개 구성 요소가 에이전트끼리 일을 넘기는 구조
ALLIE는 챗봇 하나가 아니라 구성 요소 여덟 개의 묶음입니다. 요청이 들어오면 맡은 구성 요소의 에이전트가 먼저 처리하고, 다른 영역의 일이 필요하면 그 영역 구성 요소의 에이전트에게 넘깁니다. 사람이 시스템 사이를 오가며 옮겨 적던 일을 에이전트끼리 주고받는 셈입니다. Wilson이 이름을 밝힌 구성 요소는 고객 응대 하나이고, 나머지 일곱은 공개하지 않았습니다. 이 구조는 한 요청이 계약, 청구, 보상처럼 여러 시스템에 걸칠 때 맞습니다. 자주 묻는 질문에 답하는 정도라면 챗봇 하나로 충분하고 구성 요소를 나누는 비용이 더 큽니다. 고객이 전화로 차를 바꿨다고 알리는 경우를 생각해 봅니다. 고객 응대 쪽 에이전트가 요청을 알아듣고 본인을 확인합니다. 보험료 재계산은 가격 쪽 에이전트에, 증권 변경은 계약 쪽 에이전트에 넘깁니다(가상 예시, 구성 요소 이름은 비공개).
Customer Interaction Component: 고객 접점을 한 구성 요소가 모두 맡는다
Wilson은 한 구성 요소가 모든 고객 상호작용을 처리한다고 설명했습니다. 고객이 어느 창구로 오든 같은 입구를 지나게 하는 설계입니다. 대화 이력과 본인 확인이 한곳에 쌓이니 고객이 같은 설명을 되풀이하지 않아도 되고, 뒤쪽 업무는 다른 구성 요소에 넘기면 됩니다. 3분기 발표의 “서비스 전화 수백만 건”은 ALLIE 전체를 주어로 한 말이고, 어느 구성 요소가 받는지는 따로 밝히지 않았습니다. 이 방식은 채널이 여럿이고 고객이 채널을 옮겨 다닐 때 효과가 큽니다. 채널마다 규제 고지나 녹취 의무가 다르다면 입구는 하나로 두되 채널별 규칙을 따로 걸어야 합니다. Allstate의 기존 분석 기반은 이미 고객 상호작용 수억 건을 다루고 있다고 Wilson은 덧붙였습니다.
Reusable Agents: 한 번 만든 에이전트를 회사 전체에서 다시 쓴다
구성 요소 안의 에이전트는 한 업무 전용이 아니라 회사 여러 곳에서 다시 쓰도록 설계합니다. 본인 확인이나 서류 요약처럼 업무마다 반복되는 기능을 에이전트 하나로 만들어 두면, 두 번째 업무부터는 조립만 하면 됩니다. 재사용이 통하려면 에이전트마다 입력과 출력 형식, 담당자, 평가 기준이 정해져 있어야 합니다. 업무마다 규칙이 크게 달라 공통부분이 적다면 억지로 묶지 않는 편이 낫습니다. Wilson은 재사용을 설계 원칙으로 밝혔을 뿐 어떤 에이전트를 어디에 다시 쓰는지는 공개하지 않았습니다.
Orchestration over Legacy: 옛 시스템을 걷어내지 않고 위에 얹는다
Allstate는 시스템을 Connected Customer Cloud(C3, 고객 데이터를 잇는 사내 클라우드)로 옮겨 왔습니다. Wilson은 그 위의 오케스트레이션 층(여러 시스템 호출을 순서대로 묶어 주는 층) 덕분에 옛 기술을 버리지 않아도 된다고 했습니다. 지난 몇 년간 시스템을 연결하고 설정을 맞춘 작업이 ALLIE를 짓고 배포하는 속도를 높인다는 설명입니다. 그 기반은 Transformative Growth(Allstate의 다년 전환 계획) 기간에 쌓였습니다. 분석 모델 250개, 데이터 40PB가 있고, 견적 1억 건을 만들며 리드(잠재 고객 정보) 5,000만 건을 사들입니다. 기간계를 새로 갈아 끼우는 대신 호출 순서를 위에서 정하는 방식이라, 기존 시스템의 API가 정리돼 있어야 성립합니다.
Internal LLMs: 사내 모델로 데이터 유출 걱정을 줄인다
Wilson은 Allstate가 사내 LLM만 쓰기 때문에 데이터가 밖으로 새는 문제는 걱정하지 않는다고 했습니다. 동시에 사이버보안에 많은 시간과 노력을 쏟고 있고, 스스로 움직이는 LLM들이 탐지를 피하는 방법을 서로 공유하는 상황은 우려한다고 말했습니다. 보험사는 통화 녹취, 계약, 보상 기록처럼 민감한 데이터를 대량으로 다룹니다. 그래서 모델을 회사 경계 안에서 돌리면 외부 전송에 따른 위험과 심사 부담이 줄어듭니다. 대신 모델 운영, 업데이트, 비용을 회사가 직접 떠안습니다. 어떤 모델을 쓰는지, 어디서 호스팅하는지는 밝히지 않았습니다.
통념과 다른 주장
흔히 이렇게 봅니다에이전트 AI를 제대로 쓰려면 낡은 기간계 시스템부터 바꿔야 합니다.
Wilson은 이렇게 봅니다오케스트레이션 층이 있으면 옛 시스템을 버리지 않아도 되고, 앞서 해 둔 시스템 정비가 오히려 구축을 앞당깁니다.
근거C3로 시스템을 옮기고 설정을 맞춘 작업, 그리고 분석 모델 250개와 데이터 40PB 기반 위에서 ALLIE를 짓고 있다고 밝혔습니다.
흔히 이렇게 봅니다AI는 회사 전략을 뒷받침하는 IT 수단입니다.
Wilson은 이렇게 봅니다Allstate의 전략은 "technology-driven strategy, not a strategy supported by technology"이고, 기술이 전략을 이끕니다.
근거그는 LLM을 오래 이어 온 AI 작업의 다음 단계로 놓았고, 지금은 투자해서 좋은 수익을 내는 데 걸림돌이 없다고 했습니다.
저자가 든 사례
ALLIE 서비스 전화 확대 (2026년 3분기)
| 구분 | 내용 |
|---|---|
| 상황 | 8월 콜에서 아직 다 짓지도, 다 배포하지도 않았다고 밝힌 플랫폼 |
| 한 일 | 처리 범위를 서비스 전화로 넓힘 |
| 결과 | 서비스 전화 수백만 건 처리, 2027년 초 추가 기능 계획. 처리 비중·비용·인력 효과는 원문에서 밝히지 않음 |
| 연결 | Agentic Ecosystem, Customer Interaction Component |
ALLIE 설계 공개 (2026년 2분기 콜)
| 구분 | 내용 |
|---|---|
| 상황 | 대리점 사무실 업무를 덜어 판매 비용을 낮추고 가격·보상 정확도를 높이려는 목표 |
| 한 일 | 여덟 개 구성 요소와 재사용 에이전트로 설계, 사내 LLM 사용, C3 오케스트레이션 위에 구축. 대리점 업무 덜기는 Property-Liability 사업 대표 Jesse Merten이 이끎 |
| 결과 | 목표만 공개, 절감액·성장 전망은 내놓지 않음 |
| 연결 | 다섯 메커니즘 전부 |
AI 직접 판매 시범 (2026년 1분기 콜)
| 구분 | 내용 |
|---|---|
| 상황 | AI가 사람 없이 보험을 팔 수 있는지 확인 |
| 한 일 | 3개 주에서 상품 하나를 AI가 직접 판매 |
| 결과 | Wilson은 학습 단계에 가깝다고 평가. 판매 건수와 주 이름은 원문에서 밝히지 않음 |
| 연결 | Customer Interaction Component(고객 접점을 AI가 맡는 범위 넓히기) |
기술 디테일: 서비스 전화 한 건을 에이전트로 처리하려면
고객 응대 구성 요소를 돌리려면 통화 한 건을 구조화된 레코드 하나로 남겨야 합니다. 통화를 텍스트로 바꾼 뒤 의도를 분류하고, 본인 확인 결과와 다른 구성 요소에 넘긴 일을 같은 레코드에 붙입니다. 의도 분류는 temperature 0으로 같은 입력에 같은 답이 나오게 하고, 분류 신뢰도가 0.7 미만이면 곧바로 상담원에게 넘깁니다. 아래 필드는 이 노트가 새로 설계한 예시입니다.
{
"call_id": "call_20261105_00417",
"intent": "vehicle_change",
"intent_confidence": 0.91,
"policy_ref": "auto_****2210",
"identity_verified": true,
"handled_by": "customer_interaction",
"handoffs": [
{ "to": "pricing", "task": "premium_requote", "status": "done" },
{ "to": "policy_admin", "task": "endorsement_issue", "status": "done" }
],
"resolution": "resolved",
"transfer_reason": null,
"duration_sec": 312
}agent-to-agent 넘김을 돌리려면 구성 요소 사이에 오가는 메시지 형식을 먼저 고정합니다. 보내는 쪽, 받는 쪽, 할 일, 입력값, 마감 시간, 중복 실행을 막는 키(idempotency key)를 꼭 담습니다. 한 통화에서 넘김은 3단계까지만 허용하고, 그보다 길어지면 사람 대기열로 보냅니다. 같은 요청을 두 번 처리해 증권이 두 번 발행되는 사고가 가장 흔한 실패입니다(가상 예시).
| 상황 | 판정 | 대응 |
|---|---|---|
| 의도 신뢰도 0.7 미만 | transfer | 상담원 연결, 통화 요약 함께 전달 |
| 본인 확인 실패 2회 | transfer | 보안 절차 상담원에게 연결 |
| 넘김 3단계 초과 또는 마감 초과 | transfer | 진행 상태와 함께 사람 대기열로 |
| 보상 지급 판단이 필요한 요청 | transfer | 보상 담당자에게 넘기고 접수만 기록 |
| 위 조건 없음 | resolve | 처리 후 문자로 결과 안내 |
재사용 에이전트를 관리하려면 에이전트 카탈로그를 둡니다. 항목은 agent_id, 담당 팀, 입력·출력 스키마, 쓰는 곳(used_by), 평가 데이터 세트, 버전입니다. 쓰는 곳이 둘 이상인 에이전트를 고칠 때는 모든 사용처의 평가를 다시 돌린 뒤 배포합니다. 본인 확인 에이전트를 서비스 전화에 맞춰 고쳤다가 보상 접수 쪽이 깨지는 일을 막기 위해서입니다.
사내 LLM으로 돌릴 때는 통화 텍스트의 신분증 번호, 카드번호, 계좌번호를 모델에 넣기 전에 가립니다. 원문 녹취와 모델 입력 로그는 보존 기간을 따로 정합니다. 모델을 바꿀 때는 지난 분기 통화 500건으로 의도 분류 정확도와 넘김 결과를 이전 모델과 나란히 비교한 뒤 바꿉니다.
품질과 비용을 재려면 주마다 통화 200건을 뽑아 상담 품질 담당자가 5점 척도로 채점합니다. 5점은 정확하고 규정 고지를 모두 했으며 재문의가 없는 경우, 3점은 처리는 맞지만 안내가 빠진 경우, 0점은 잘못 처리했거나 고지를 빠뜨린 경우입니다. 지표는 완결률(사람에게 넘기지 않고 끝난 비율), 7일 안 재문의율, 넘김 사유 분포, 건당 비용입니다. 모델이 같은 통화에 다른 의도를 내놓는지도 봅니다. 고정된 통화 200건을 매주 3회씩 다시 분류해 결과가 엇갈린 비율이 2%를 넘으면 프롬프트와 의도 정의를 다시 봅니다. 의도별 건당 비용에 처리 건수를 곱한 장부를 두면, 24/7 Wall St.가 지켜보라고 한 expense ratio 변화를 업무 단위로 설명할 수 있습니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 하는 일 |
|---|---|
| 고객센터장 (스폰서) | 대상 의도 선정 승인, 확대 여부 결정 |
| 상담 운영 팀장 | 통화 유형 분류, 이관 규칙과 스크립트 제공, 그림자 운영 감독 |
| 계약·보상 업무 담당 | 넘겨받는 업무의 처리 규칙 확인, 보상 판단 경계 지정 |
| AI 플랫폼 팀 | 사내 모델 연결, 레코드·메시지 형식, 에이전트 카탈로그 |
| 준법·개인정보 | 녹취 고지, 마스킹, 보존 기간 승인 |
| 재무 | 의도별 건당 비용 기준선과 장부 관리 |
시작 전 준비물은 네 가지입니다. 최근 3개월 통화의 의도별 건수 분포, 건수 상위 20개 의도의 처리 스크립트, 지금의 상담원 이관 규칙, 의도별 평균 통화 시간과 건당 비용입니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 통화 의도 분류, 건당 비용 기준선 측정 | 의도별 건수·비용 표 |
| 3~5주 | 판단이 적은 의도 3개(주소 변경, 납입 조회, 증명서 발급) 설계, 사내 모델 연결 | 레코드 형식, 넘김 규칙표 |
| 6~8주 | 그림자 운영: AI가 처리안을 만들고 상담원이 확인 | 주간 채점표, 넘김 사유 분포 |
| 9~12주 | 기준을 넘은 의도만 실제 통화의 일부에 적용 | 확대 판정 보고서 |
첫 주에 상담 운영 팀장에게 물을 질문은 다음과 같습니다.
- 건수는 많은데 판단이 거의 필요 없는 통화는 어느 의도인가?
- 상담원이 다른 부서 시스템을 열어 옮겨 적는 통화는 어느 의도인가?
- 고객이 같은 내용으로 일주일 안에 다시 전화하는 의도는 무엇인가?
- 법적으로 반드시 사람이 응대하거나 고지해야 하는 통화는 무엇인가?
- 지금 상담원에게 넘기는 기준은 문서로 있는가, 경험으로만 있는가?
판정 기준은 예시입니다. 의도마다 완결률 60% 이상, 채점 평균 4점 이상, 7일 재문의율이 기준선보다 늘지 않음, 개인정보 사고 0건을 모두 넘으면 그 의도의 적용 비중을 넓힙니다. 하나라도 못 넘으면 그 의도는 그림자 운영으로 되돌립니다.
AX 적용 제언입니다. 보험사, 카드사, 통신사처럼 서비스 전화가 많은 회사라면 Allstate의 순서를 그대로 빌릴 만합니다. 고객 응대 입구를 하나로 모으고, 뒤쪽 업무는 기존 시스템을 오케스트레이션으로 부르며, 효과는 의도별 건당 비용 장부로 잽니다. 첫 대상은 보상 지급처럼 판단이 무거운 업무가 아니라 주소 변경, 납입 조회 같은 반복 통화입니다. 이 단계에서 만든 본인 확인·요약 에이전트를 카탈로그에 올려 두면 다음 업무에서 재사용 효과가 납니다. 스폰서는 IT 부서가 아니라 고객센터장으로 두고, 재무가 처음부터 비용 장부를 함께 쥐어야 경영진 보고에서 숫자로 말할 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 회사 | Allstate (미국 손해보험사) |
| 발언자 | Tom Wilson (회장 겸 CEO) |
| 3분기 발표 | 2026.11.4. ALLIE가 서비스 전화 수백만 건을 처리, 2027년 초 추가 기능 계획 |
| 2분기 콜 | 2026년 8월. 구성 요소 8개, agent-to-agent 처리, 고객 응대 전담 구성 요소, 재사용 에이전트, 사내 LLM, C3 오케스트레이션 |
| 목표 | 대리점 업무를 덜어 판매 비용 절감, 가격·보상 정확도 향상. 절감 전망 수치는 없음 |
| 기존 기반 | 분석 모델 250개, 데이터 40PB, 견적 1억 건, 리드 구매 5,000만 건, 고객 상호작용 수억 건 |
| 1분기 콜 | 3개 주에서 상품 하나를 AI가 직접 판매, 학습 단계로 평가 |
| 3분기 실적 | 조정 순이익 24억 9,300만 달러(주당 9.76달러), 전년 29억 7,600만 달러에서 16.2% 감소. 보유 계약 2억 1,760만 건(3.9% 증가). 재해 손실 16억 5,000만 달러(전년 5억 5,800만 달러) |
| 24/7 Wall St. 해석 | 수백만 건은 실제 운영 단계라는 신호, 효과는 expense ratio로 확인할 대상 |
핵심 개념
- Transformative Growth
- Allstate가 수년간 진행해 온 전환 계획. 가격, 판매, 시스템을 바꿔 시장 점유율을 늘리는 것이 목표이며 ALLIE의 데이터·모델 기반이 여기서 쌓였습니다.
- Connected Customer Cloud (C3)
- Allstate가 시스템을 옮겨 온 클라우드 기반. 그 위의 오케스트레이션 층이 옛 시스템을 버리지 않고 쓰게 해 줍니다.
- Expense ratio
- 보험료 수입 가운데 사업비(판매·운영 비용)가 차지하는 비율. AI로 거래당 비용이 줄면 이 비율에 나타납니다.
- Combined ratio
- 손해율과 사업비율을 더한 값. 100 미만이면 보험 영업에서 이익이 났다는 뜻이며, 3분기 Property-Liability 수치는 86.6이었습니다.
- Protection Services
- 자동차·주택 보험 외에 Allstate가 키우는 보장 서비스 사업. 실적 발표문은 Transformative Growth, ALLIE와 함께 성장 전략의 한 축으로 꼽았습니다.
내 메모
TODO: 내 생각 추가
원문: 24/7 Wall St., 「Allstate’s AI assistant ALLIE is scaling to millions of calls, with more coming in 2027」(2026.11.4). Wilson의 3분기 발언과 실적 수치는 Allstate 3분기 실적 발표문(SEC Form 8-K 첨부, 2026.11.4)으로 확인했습니다. 3분기 실적 콜은 11월 5일 예정이라 녹취는 쓰지 않았습니다. ALLIE의 설계와 목표는 2분기 실적 콜을 다룬 CIO Dive(2026.8.10)와 Insurance Journal(2026.8.7) 보도, 1분기 AI 직접 판매는 CIO Dive 보도로 보강했습니다. 요약·메커니즘·통념과 다른 주장·사례·원문 사례 표는 이 자료의 내용을 AX Review가 다시 정리했고, 직접 인용은 한 번만 실었습니다. 기술·현업 디테일, JSON 예시, 판정표, 일정, 판정 기준, 인포그래픽은 새로 작성했으며 그 안의 필드명·숫자·의도 예시는 가상입니다. 전체 기사는 24/7 Wall St.에서 볼 수 있습니다.