Customer Service Shift: AI 상담으로 수요가 줄자 O2가 콜센터 2곳을 TP에 넘긴 결정

독일 이동통신사 O2 Telefónica는 AI 상담과 셀프서비스로 상담원이 덜 필요해지자 콜센터 두 곳을 통째로 외부 전문 업체 TP에 넘기기로 했습니다. AI가 바꾼 것은 상담원 한 명의 일이 아니라 회사가 콜센터를 직접 가질지 말지라는 판단입니다. 같은 결정을 내리려면 먼저 채널별 문의량과 AI가 끝까지 해결한 비율을 재고, 그 숫자로 사이트별 필요 인력을 계산해야 합니다.

요약

독일 통신사 O2 Telefónica(스페인 Telefónica 그룹 소속)가 콜센터망을 줄입니다. dpa 보도에 따르면 Rostock(약 240명)과 Bremen(약 180명) 두 사이트가 프랑스계 콜센터 운영사 TP로 넘어가며, 해당 인원은 모두 합쳐 430명 가까이 됩니다. TP는 예전 이름이 Teleperformance인 회사입니다. 매각 가격은 공개하지 않았습니다. Hamburg, Potsdam, Nürnberg 사이트는 O2에 남습니다. 계약은 경쟁 당국의 승인을 받아야 하고, 회사는 연말연시에 거래를 마무리할 계획입니다.

콜센터 사이트별 행방 (dpa 보도 기준)

회사가 든 이유는 상담 수요입니다. 챗봇과 음성 비서 같은 AI 응용과 셀프서비스를 쓰는 고객이 늘면서 콜센터 인력이 덜 필요해졌다는 설명입니다. O2는 이를 고객 서비스의 근본적인 변화로 보고, 운영 책임자(COO) Mallik Rao는 조직과 서비스 구성 방식을 이 변화에 맞춰야 한다고 말했습니다. 배경에는 실적 압박도 있습니다. 매출과 영업이익이 줄고 있고, 2024년 대형 고객 1&1이 Vodafone으로 옮겨 간 영향이 컸습니다. 올해 초부터 Santiago Argelich Hesse가 회사를 이끌고 있으며, 올해 약 1,100개 일자리를 줄일 계획입니다. 연초 정규직 환산 6,820명 가운데 약 6분의 1이고, 이번 콜센터 매각이 그 감축에 들어갑니다. 아래에서는 이 결정을 이루는 세 가지 흐름을 풀고, 같은 판단을 내리려는 회사가 무엇을 재고 누가 언제 결정할지를 덧붙였습니다.

0 기준, 막대 길이 비례 (dpa 보도 기준, 430명은 근삿값)

핵심 메커니즘

Self-Service Deflection: 고객이 상담원 앞까지 오지 않게 되는 흐름

Deflection(전환 처리)은 상담원에게 갈 문의를 챗봇, 음성 비서, 앱·웹 셀프서비스가 먼저 받아 끝내는 것을 말합니다. 입력은 고객 문의이고, 처리는 AI 채널이 요금 조회나 간단한 변경처럼 정형화된 요청을 혼자 마치는 단계입니다. 출력은 상담원에게 넘어오는 문의 수의 감소입니다. O2가 매각 이유로 든 것이 바로 이 감소입니다. 보도는 어떤 문의 유형이 얼마나 줄었는지, 챗봇이 몇 퍼센트를 해결했는지는 밝히지 않았습니다. 이 흐름이 인력 결정으로 이어지려면 줄어든 문의가 다른 채널로 다시 돌아오지 않아야 합니다. 챗봇이 끝내지 못해 고객이 다시 전화하면 문의 수는 줄지 않고 고객 불만만 늘어납니다.

Self-Service Deflection (회사 설명 기준, 해결률 수치는 보도에 없음)

Site Divestiture to BPO: 남는 인력을 사이트째 외부 운영사로 옮기기

BPO(business process outsourcing, 업무 외부 위탁) 업체에 사이트를 넘기는 방식은 인력을 줄이는 여러 길 가운데 하나입니다. 회사가 사이트를 닫는 대신 운영사가 건물과 직원을 함께 넘겨받고, 직원은 고용주가 바뀝니다. O2는 다섯 곳 가운데 두 곳을 TP에 넘기고 세 곳은 직접 운영합니다. TP 쪽 Rainer Majcen은 Telefónica와의 협력을 바탕으로 직원과 고객이 무리 없이 넘어가게 하겠다고 밝혔습니다. 넘어간 사이트가 계속 O2 고객을 응대하는지, 계약 기간과 물량 조건이 어떤지는 보도에서 밝히지 않았습니다. 이 방식은 수요가 줄지만 0이 되지는 않을 때 맞습니다. 회사는 고정 인력을 덜어 내고, 남은 상담 물량은 운영사의 다른 고객 물량과 함께 돌릴 수 있습니다.

Site Divestiture to BPO (dpa 보도 기준)

Restructuring Under Revenue Pressure: 실적 압박 속 감축 계획의 한 조각

이번 매각은 회사 전체 감축 계획의 한 부분입니다. 대형 고객 1&1이 2024년 Vodafone으로 옮기면서 매출이 빠졌고, 매출과 영업이익이 함께 줄고 있습니다. 올해 초 Santiago Argelich Hesse가 경영을 맡았고, 회사는 올해 약 1,100개 일자리를 없애기로 했습니다. 콜센터 두 곳의 약 430명은 그 가운데 5분의 2 가까이 됩니다. 회사는 그 가운데 콜센터 매각의 이유로 AI와 셀프서비스로 줄어든 상담 수요를 댔습니다. 같은 문의 감소가 이어진다면 남은 직영 사이트도 같은 질문을 받게 됩니다.

Restructuring Under Revenue Pressure (dpa 보도 기준)

통념과 다른 주장

흔히 이렇게 봅니다AI 상담을 들이면 상담원 한 명이 더 많은 문의를 처리하고, 효과는 같은 조직 안의 생산성으로 나타난다.

O2는 이렇게 봅니다AI와 셀프서비스로 상담 수요 자체가 줄었으니 조직과 서비스 구성 방식을 바꿔야 하고, 그 결과 콜센터 일부를 직접 가지지 않기로 했다.

근거회사는 챗봇·음성 비서와 셀프서비스 이용 증가를 인력 수요 감소의 이유로 들었고, COO Mallik Rao는 조직과 서비스 개념을 거기에 맞춰야 한다고 말했습니다. 실제 행동은 사이트 다섯 곳 가운데 두 곳의 매각이었습니다.

흔한 시각과 O2의 판단 비교

보도에 나온 사례

O2 Telefónica 콜센터 두 곳 매각

항목	내용
상황	챗봇·음성 비서·셀프서비스 이용이 늘어 상담 인력 수요 감소. 매출·영업이익 하락, 2024년 1&1 이탈
한 일	Rostock(약 240명)·Bremen(약 180명) 사이트를 TP에 매각, Hamburg·Potsdam·Nürnberg는 유지
결과	약 430명 고용주 변경 예정. 경쟁 당국 승인 뒤 연말연시 종결 예정, 매각가 비공개
연결	Self-Service Deflection → Site Divestiture to BPO, Restructuring Under Revenue Pressure의 일부

보도에 나온 시점 순서 (발표는 dpa 10월 30일 보도 기준)

기술 디테일: 사이트를 정리하기 전에 재야 할 숫자

아래 지표, 필드, 계산식, 설정값은 같은 판단을 내리려는 회사를 위한 실행 제안입니다. O2가 밝힌 방식이 아닙니다.

Self-Service Deflection을 숫자로 재려면 문의 한 건을 채널을 넘나들어도 하나로 묶는 접촉 기록부터 만듭니다. 고객 ID와 문의 의도(intent)를 기준으로 72시간 안에 다시 들어온 문의는 같은 건으로 봅니다. 그래야 챗봇이 끝냈다고 기록했지만 고객이 다시 전화한 경우를 걸러 낼 수 있습니다. 핵심 지표는 containment rate(봇이 사람 연결 없이 끝내고 72시간 안에 재문의가 없는 비율)입니다. 봇이 대화를 닫은 비율만 보면 숫자가 부풀려집니다. 의도 분류는 LLM에 정해진 목록(요금 조회, 요금제 변경, 단말 고장, 해지, 기타)만 고르게 하는 구조화 출력으로 돌립니다. temperature는 0으로 두고, 매주 300건을 뽑아 사람 라벨과 맞춰 보아 일치율이 90% 아래로 떨어지면 의도 목록과 예시를 고칩니다.

가상 예시: Deflection 측정 파이프라인 (O2가 밝힌 구현 아님)

접촉 한 건은 아래처럼 남기면 의도별, 채널별로 바로 집계할 수 있습니다.

{
  "case_id": "C-2026-11-0042817",
  "customer_id": "K-55190",
  "intent": "billing_inquiry",
  "intent_confidence": 0.93,
  "first_channel": "chatbot",
  "touches": ["chatbot", "voice_agent"],
  "handoff_to_agent": false,
  "recontact_72h": false,
  "resolved_by": "bot",
  "handle_time_sec": 0,
  "site_id": null,
  "classifier_version": "intent-v4"
}

남은 물량을 사이트별 인력으로 바꾸려면 의도별 잔여 물량에 평균 처리 시간(AHT)을 곱해 시간대별 업무량을 구합니다. 여기에 목표 서비스 수준(예: 80%의 전화를 20초 안에 응답)을 넣어 Erlang C 같은 대기행렬 모형으로 필요 좌석 수를 냅니다. 휴가·교육·이탈을 반영하는 shrinkage(실제 응대에 쓰지 못하는 시간 비율)를 30~35%로 두면 좌석 수가 FTE로 바뀝니다. 이 계산을 지금 물량과 12개월 뒤 예상 물량으로 두 번 돌리면 어느 사이트가 남는 인력을 가장 많이 안게 되는지 보입니다. 예측은 월별 의도 물량을 시계열 모형으로 내고 신제품 출시, 요금 인상, 장애 같은 이벤트를 따로 표시합니다. 장애가 난 달의 급증을 평상시 물량으로 섞으면 필요 인력을 크게 잘못 잡습니다.

외부 운영사로 넘긴 뒤에도 품질을 보려면 직영과 위탁 사이트를 같은 지표로 묶습니다. 계약서에 응답 시간, 첫 통화 해결률, 고객 만족도와 함께 봇에서 넘어온 대화의 맥락(앞선 대화 요약, 고객 ID, intent)을 상담원 화면에 그대로 띄우는 조건을 넣습니다. 맥락 없이 넘어오면 고객이 같은 설명을 다시 해야 하고, 그만큼 처리 시간이 늘어납니다.

막히는 경우	증상	대응
봇 종료를 해결로 집계	containment rate가 실제보다 높음	72시간 재문의 창을 함께 적용
장애·요금 인상 달의 급증	필요 인력을 과대·과소 계산	이벤트 달을 따로 표시해 예측에서 분리
의도 분류 흔들림	같은 문의가 매주 다른 의도로 집계	temperature 0, 주 300건 사람 검수, 90% 미만이면 목록 수정
봇에서 상담원으로 맥락 유실	처리 시간 증가, 고객 불만	위탁 계약에 맥락 전달 필드 명시
남은 문의가 어려운 건만 남음	사이트별 AHT 상승	물량 감소와 AHT 상승을 함께 넣어 인력 재계산

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
CEO·COO	사이트 유지·축소·이관 선택지 승인, 최종 결정
고객 서비스 총괄	채널별 물량과 서비스 수준 목표 확정, 위탁 SLA 초안
CHRO·노무	고용 승계 조건, 직원 소통 계획, 노사 협의 일정
재무	사이트별 원가, 위탁 단가와 비교, 감축 계획과 맞추기
데이터·AI 팀	접촉 로그 통합, containment rate와 인력 계산 모형
법무·구매	위탁 계약, 경쟁 당국 신고 필요 여부 확인

준비물. 최근 12개월 채널별 접촉 로그(전화, 챗봇, 앱), 의도별 평균 처리 시간, 사이트별 인원·원가·계약 기간, 현재 서비스 수준 실적, 봇에서 상담원으로 넘어간 대화 기록이 필요합니다.

가상 예시: 콜센터 구조 검토 12주 일정 (3주 단위)

기간	할 일	산출물
1~3주	채널별 접촉 로그 통합, 의도 분류 검수	의도별·채널별 물량표, containment rate 기준선
4~6주	현재 물량과 12개월 뒤 물량으로 인력 계산	사이트별 필요 FTE, 남는 인력 추정
7~9주	사이트별 유지, 축소, 외부 이관 선택지 비교	원가·서비스 수준·고용 영향 비교표
10~12주	경영 승인, 노사 협의와 위탁 협상 착수	결정 문서, 직원 소통 계획, SLA 초안

현업에 물을 것.

챗봇이 끝냈다고 기록한 건 가운데 3일 안에 다시 전화한 비율은 얼마인가요?
지난 1년 사이 가장 많이 줄어든 문의 유형과 줄지 않은 유형은 무엇인가요?
사이트마다 맡는 문의 유형이 다른가요, 아니면 같은 물량을 나눠 받나요?
문의가 줄어든 만큼 남은 문의의 처리 시간은 길어졌나요?
외부 운영사로 넘길 때 고객 데이터 접근 권한과 봇 대화 기록은 어떻게 넘기나요?

진행 판정 기준(예시). 재문의를 뺀 containment rate가 6개월 연속 오르고, 12개월 뒤 필요 FTE가 한 사이트 인원 이상 줄어드는 것으로 나오면 그 사이트의 이관이나 축소를 검토 대상에 올립니다. 위탁 단가로 같은 서비스 수준을 맞출 수 있고, 맥락 전달 조건을 계약에 넣을 수 있을 때만 이관을 택합니다. 둘 중 하나라도 안 되면 직영을 유지하며 채용을 멈추고 자연 감소로 맞춥니다.

AX 적용 제언. 통신, 카드, 보험처럼 대형 고객센터를 가진 회사는 AI 상담 성과를 상담원 생산성으로만 보고하지 말고, 사이트와 고용 구조를 다시 정할 근거로 쓸 수 있는지까지 따져야 합니다. 순서는 측정이 먼저입니다. 재문의를 걸러 낸 containment rate와 의도별 잔여 물량이 없으면 어느 사이트가 남는지 말할 수 없습니다. O2처럼 실적 압박이 겹칠 때일수록 AI 효과를 부풀린 숫자로 사이트를 정리하면, 줄지 않은 문의가 남은 사이트로 몰립니다. 경영 보고에는 AI 해결 건수, 재문의율, 사이트별 필요 FTE, 위탁 시 서비스 수준을 한 표에 두는 편이 결정을 빠르게 합니다.

원문 사례

항목	내용
기사	CIO DE 게재, dpa 기사 (같은 내용의 dpa-AFX 보도 2026.10.30)
회사	O2 Telefónica (스페인 Telefónica 그룹 소속 독일 통신사)
매각	Rostock 약 240명, Bremen 약 180명, 합계 430명 가까이, 인수사 TP(옛 Teleperformance)
유지 사이트	Hamburg, Potsdam, Nürnberg
일정	경쟁 당국 승인 필요, 연말연시 종결 예정, 매각가 비공개
이유	챗봇·음성 비서 같은 AI 응용과 셀프서비스 확대로 상담 인력 수요 감소
배경	매출·영업이익 하락, 2024년 1&1의 Vodafone 이동, 올해 초 Santiago Argelich Hesse 취임
감축	올해 약 1,100개 일자리, 연초 6,820 FTE의 약 6분의 1, 콜센터 매각 포함
발언	COO Mallik Rao(조직·서비스 개념 조정), TP Rainer Majcen(직원·고객의 원활한 이전)

핵심 개념

FTE: full-time equivalent. 시간제 인원까지 정규직 근무 시간으로 환산한 인원 수입니다.
containment rate: 봇이나 셀프서비스가 사람 연결 없이 끝낸 문의 비율. 재문의를 빼고 재야 실제 효과에 가깝습니다.
AHT: average handle time. 상담원이 문의 한 건에 쓰는 평균 시간으로, 통화와 사후 처리를 합칩니다.
Erlang C: 전화가 들어오는 속도, 처리 시간, 목표 응답 시간으로 필요한 상담 좌석 수를 계산하는 대기행렬 모형입니다.
shrinkage: 휴가, 교육, 회의처럼 근무 중이지만 응대에 쓰지 못하는 시간의 비율입니다.
TP: 예전 이름이 Teleperformance인 프랑스계 고객 응대 위탁 운영사입니다.

내 메모

TODO: 내 생각 추가

원문은 CIO DE에 실린 dpa 기사 「O2 stößt zwei Callcenter ab」입니다. CIO DE 페이지는 이번 작업 환경에서 열리지 않아, 같은 dpa 기사를 실은 dpa-AFX 보도(2026.10.30)로 사실을 확인했습니다. 요약, 핵심 메커니즘의 보도 내용, 통념과 다른 주장, 사례, 원문 사례 표는 보도에 실린 회사 측 설명을 AX Review가 다시 정리했습니다. 기술·현업 실행 디테일, JSON 예시, 막히는 경우 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고, 그 안의 필드명과 숫자는 가상 예시입니다. 기사 전문은 원문 페이지에서 볼 수 있습니다.