Agentic Virtual Agents: Auto & General이 상담 플랫폼을 하나로 합친 뒤 AI 상담원을 위험 낮은 업무부터 넣는 순서
Budget Direct를 운영하는 호주 보험사 Auto & General은 벤더 다섯 곳의 상담 시스템을 Genesys 하나로 합치고 녹취록을 데이터 레이크로 보냈습니다. 상담 요약 자동화는 반려동물 보험 부서에서 시작해 서비스 부문에서 월 약 13만 3천 건으로 넓혔고, 이제 저위험·대량 업무 하나에 AI 상담원을 시범 배치합니다.
Auto & General은 고객 앞에 AI 상담원을 세우기 전에 상담 시스템을 하나로 합치고, 상담원을 돕는 요약 자동화를 작은 부서에서 큰 부서로 넓혔습니다. AI 상담원은 그다음 순서로, 위험이 낮고 문의가 많고 절차가 뚜렷한 업무 하나에만 먼저 넣습니다. 따라 하려면 녹취록이 한곳에 모이는 기반, 후속 처리 시간을 재는 기준선, 업무별 위험 등급표가 먼저 있어야 합니다.
요약
호주 IT 매체 iTnews의 Ry Crozier 기자가 2026년 11월 20일에 쓴 기사입니다. Auto & General은 Budget Direct 브랜드로 알려진 보험사이자 인수사이고, Coles·Qantas 같은 유통사가 파는 화이트라벨 보험도 만듭니다. 영업·서비스 통합커뮤니케이션 책임자 Kelly Lyons가 시드니에서 열린 Genesys Xperience APAC 행사에서 그간의 컨택센터 전환을 설명했습니다. 예전 상담 환경은 음성, 디지털 채널, 인력 계획(workforce planning), 품질 평가, 게임화(gamification, 상담원 성과를 점수·순위로 보여 주는 장치)가 각각 다른 플랫폼이었습니다. 벤더 다섯 곳, 계약 다섯 건에 연동도 여러 개였습니다. 회사는 이 구조로는 규모와 성장을 감당하기 어렵다고 보고 Genesys 단일 플랫폼으로 단계적으로 옮겼습니다.
회사가 밝힌 효과는 이렇습니다. 고객 만족도와 NPS(순추천지수) 같은 핵심 지표가 좋아졌고 상담원 경험과 데이터 기반 의사결정도 나아졌습니다(기사는 수치를 밝히지 않았습니다). 모든 상담 녹취록을 데이터 레이크로 흘려보내면서 예전에는 못 하던 분석이 가능해졌고, 컨택센터가 회사 전체의 지식 창고가 됐다고 Lyons는 말했습니다. Genesys의 Cloud Agent Copilot은 상담이 끝나면 대화 요약을 자동으로 써서 후속 처리 시간(ACW, after-call work)을 줄이고 기록을 고르게 만듭니다. 이 기능은 반려동물 보험의 작은 전문 부서에서 시작했고, 후속 처리 시간이 크게 줄자 규모가 큰 서비스 부문으로 넓혔습니다. 서비스 부문에서는 지금 월 약 13만 3천 건의 요약이 자동으로 만들어지고, 이 규모에서는 절감이 실제 FTE(정규직 환산 인력) 절감으로 이어진다고 합니다. 다음 단계는 Genesys의 Agentic Virtual Agent(AVA, 스스로 판단해 고객 문의를 처리하는 AI 상담원)입니다. 아래에서는 이 순서를 이루는 다섯 가지 메커니즘을 풀고, 우리 컨택센터에서 같은 순서를 밟을 때 필요한 기술·현업 디테일을 덧붙입니다.
핵심 메커니즘
Platform Consolidation: 벤더 다섯 곳을 한 플랫폼으로 합친다
무엇인가. 음성, 디지털, 인력 계획, 품질 평가, 게임화를 따로 사던 구조를 한 벤더의 플랫폼으로 바꾼 일입니다.
어떻게 작동하나. 시스템이 다섯 개면 같은 상담 한 건의 기록이 다섯 군데에 흩어지고 연동이 하나 끊길 때마다 데이터가 빕니다. 한 플랫폼에서는 통화, 채팅, 근무 일정, 품질 점수가 같은 상담 ID로 묶입니다. 그래서 요약이나 AI 상담원 같은 새 기능을 얹을 때 연동 공사를 새로 하지 않아도 됩니다.
언제 쓰나. 계약 갱신 시점이 가깝고, 상담 데이터를 AI에 쓰려는데 시스템마다 형식이 다를 때 맞습니다. 기존 시스템 하나가 업무에 깊이 맞춰져 있으면 한꺼번에 바꾸지 않고 기능 단위로 옮깁니다. Auto & General도 상담 업무를 단계적으로 옮겼습니다.
Transcript Data Lake: 상담 녹취록을 회사의 지식 창고로 쓴다
무엇인가. 모든 상담 녹취록을 데이터 레이크(여러 형식의 원천 데이터를 한곳에 쌓는 저장소)로 계속 흘려보내는 구조입니다.
어떻게 작동하나. 입력은 상담 녹취록입니다. 데이터 레이크에서 다른 고객 데이터와 함께 분석해 고객이 어디서 막히는지, 어떤 문의가 반복되는지 찾습니다. 출력은 상품·업무 부서가 쓰는 개선 과제입니다. 상담 내용이 컨택센터 밖으로 나가 회사 전체가 쓰는 지식이 되는 셈입니다.
언제 쓰나. 반복 문의를 줄이려는 상품·디지털 부서가 있을 때 효과가 큽니다. 녹취록에는 개인정보가 많으므로 저장 전에 가리는 규칙이 먼저 있어야 합니다.
Agent Copilot Summarisation: 상담이 끝나면 요약을 AI가 쓴다
무엇인가. Genesys Cloud Agent Copilot이 대화 내용을 바탕으로 상담 요약을 자동 작성하는 기능입니다.
어떻게 작동하나. 상담원은 통화를 마친 뒤 내용을 정리해 시스템에 남기는 데 시간을 씁니다. 이 시간이 후속 처리 시간입니다. Copilot이 초안을 바로 써 주면 상담원은 확인만 하고 다음 고객을 받습니다. 사람마다 다르던 기록 방식도 같은 틀로 맞춰집니다.
언제 쓰나. 상담량이 많고 상담 기록을 다음 처리자나 감사가 다시 읽는 업무에 맞습니다. 보험처럼 기록이 분쟁 근거가 되는 업종에서는 기록이 고르다는 점 자체가 효과입니다.
Staged Rollout: 작은 전문 부서에서 증명하고 큰 부서로 옮긴다
무엇인가. 새 기능을 문의량이 적고 절차가 잘 알려진 작은 부서에서 먼저 켜고, 효과를 확인한 뒤 큰 부서로 넓히는 방식입니다.
어떻게 작동하나. 반려동물 보험 부서는 문의 유형이 한정돼 있어 요약이 맞는지 사람이 하나하나 보기 쉽습니다. 이 부서의 후속 처리 시간이 처음에는 길었고 도입 뒤 크게 줄었습니다. 이 결과가 서비스 부문으로 넓힐 근거가 됐습니다. 서비스 부문에서는 월 약 13만 3천 건 규모라 건당 줄어든 시간이 작아도 합치면 인력 단위가 됩니다.
언제 쓰나. 효과를 숫자로 보여 줘야 예산이 나오는 조직에 맞습니다. 시범 부서가 너무 특수하면 큰 부서에서 결과가 달라질 수 있으니, 확대 직후 몇 주는 같은 지표를 다시 잽니다.
Agentic Virtual Agent: 저위험·대량·절차가 뚜렷한 업무 하나부터
무엇인가. 고객과 직접 대화하며 정해진 업무를 끝까지 처리하는 Genesys의 AI 상담원(AVA)입니다. Auto & General은 이것을 고객 서비스의 한 영역에 시범 배치하기 시작했습니다.
어떻게 작동하나. Lyons는 첫 대상의 조건으로 세 가지를 들었습니다. 잘못 처리해도 피해가 작을 것, 문의가 많을 것, 고객 여정의 절차가 분명하고 잘 알려져 있을 것입니다. 목표는 반복되는 고객 여정에 쓸 “a blueprint for repeated customer journeys”(반복 여정의 청사진)를 만드는 것이라고 했습니다. 첫 업무에서 만든 틀을 다음 업무에 다시 쓰겠다는 뜻입니다. 회사는 배우는 데 초점을 두고, Genesys가 회사 내부 역량을 키우도록 가까이서 돕고 있습니다.
언제 쓰나. 요약처럼 상담원을 돕는 AI는 사람이 마지막에 확인하지만 AI 상담원은 고객에게 바로 답합니다. 그래서 위험 등급이 낮은 업무에서 시작합니다. 보험금 지급 판단이나 민원처럼 결과가 큰 업무는 뒤로 둡니다. 기사는 AVA의 일정이나 지표는 밝히지 않았습니다.
통념과 다른 주장
흔히 이렇게 봅니다AI 상담을 도입하면 먼저 고객 앞에 챗봇이나 음성봇을 세워 상담 건수를 바로 줄이려 합니다.
Auto & General은 이렇게 했습니다시스템 통합과 녹취록 데이터 기반을 먼저 만들고, 상담원을 돕는 요약 자동화로 효과를 확인한 뒤에야 고객을 직접 상대하는 AI 상담원을 업무 하나에 넣습니다.
근거요약 자동화가 작은 부서에서 후속 처리 시간을 크게 줄인 뒤 서비스 부문에서 월 약 13만 3천 건 규모로 FTE 절감까지 냈다는 점을, 회사는 다음 단계로 갈 근거로 삼았습니다.
기술 디테일: 같은 순서를 우리 컨택센터에서 돌린다면
아래는 원문에 없는 내용으로, 같은 구조를 실제로 돌릴 때 필요한 것을 정리했습니다. 수치와 필드는 모두 가상 예시입니다.
녹취록 데이터 레이크(Transcript Data Lake)를 쓰려면 저장 전에 개인정보를 가리고 상담 ID로 묶습니다. 통화가 끝나면 STT(음성 인식) 결과를 화자별 발화로 나눠 저장하고, 주민번호·카드번호·전화번호·주소는 저장 전에 마스킹합니다. 한 상담 행에는 interaction_id, channel, queue, intent, handle_sec, acw_sec, transferred, csat를 둡니다. intent는 처음에 상담원이 남긴 처리 코드를 쓰고, 나중에 LLM 분류로 바꿔 두 값이 어긋나는 비율을 봅니다. 이 표에서 문의량 상위 20개 의도의 건수와 평균 처리 시간을 뽑으면 다음 단계 AI 상담원 후보 목록이 나옵니다.
요약 자동화(Agent Copilot Summarisation)를 직접 만든다면 출력 틀을 고정하고 표본으로 채점합니다. LLM에 녹취록 전체를 넣고 아래 JSON으로만 답하게 합니다. temperature는 0~0.2로 둡니다. 녹취록에 없는 약속(환불, 보상 금액)을 쓰면 가장 위험하므로, commitments의 각 항목이 녹취록 문장과 맞는지 두 번째 호출로 대조합니다. 주 1회 요약 50건을 뽑아 품질 담당이 0·1·2점(틀림·누락·정확)으로 채점하고, 상담원이 요약을 고친 비율도 함께 봅니다. 수정 비율이 높은 의도는 프롬프트를 고치거나 요약 대상에서 뺍니다. STT가 이름·금액·증권번호를 잘못 알아듣는 경우가 흔하므로, 이런 값은 요약 문장에서 가져오지 않고 상담 중 조회한 시스템 값으로 채웁니다. Genesys처럼 벤더 기능을 쓸 때도 표본 채점과 약속 대조는 그대로 돌립니다.
{
"interaction_id": "SV-20261121-08812",
"intent": "자동차 보험 주소 변경",
"customer_issue": "이사 후 주소 변경과 보험료 영향 문의",
"actions_taken": ["주소 변경 완료", "보험료 재산정 안내"],
"commitments": ["변경 확인 문자 발송"],
"follow_up_needed": false,
"agent_edited": false
}
AI 상담원(Agentic Virtual Agent)의 첫 업무는 점수표로 고르고 이관 규칙을 먼저 정합니다. 후보 의도마다 위험(1~5, 낮을수록 좋음), 월 건수, 절차가 몇 단계로 정해져 있는지를 매깁니다. 위험 2 이하, 상위 20개 의도 안, 처리 단계가 고정된 업무만 남깁니다. 예를 들면 증권 재발송이나 주소 변경 같은 업무입니다(가상 예시). AI 상담원이 쓰는 도구는 조회와 정해진 변경 하나로 제한하고, 고객이 화를 내거나 민원·보험금 이야기가 나오거나 같은 질문을 두 번 되묻으면 사람에게 넘깁니다. 넘길 때는 그때까지의 요약을 같은 JSON 틀로 붙여 상담원이 처음부터 묻지 않게 합니다. 지표는 끝까지 처리한 비율, 이관 비율, 이관 뒤 재문의 비율입니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 컨택센터 운영 책임자(오너) | 시범 부서 선정, 확대 판정, 상담원 공지 |
| 시범 부서 팀장 | 요약 확인 습관 정착, 상담원 의견 수집 |
| 품질 평가 담당 | 주간 표본 채점, 오류 유형 분류 |
| WFM(인력 계획) 담당 | 후속 처리 시간 기준선, FTE 환산 |
| 데이터 엔지니어 | 녹취록 적재, 마스킹, 의도 표 |
| 준법·개인정보 담당 | 마스킹 규칙과 AI 상담원 금지 업무 승인 |
| 벤더 담당 | 플랫폼 설정, 내부 역량 이전 계획 |
시작 전 준비물. 의도별 최근 3개월 문의 건수와 평균 처리·후속 처리 시간, 품질 평가표, 개인정보 마스킹 규칙, 그리고 “FTE 절감”을 무엇으로 셀지 재무와 맞춘 정의서(절감 시간 ÷ 상담원 월 가용 시간)입니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 시범 부서 후속 처리 시간 기준선 측정 | 의도별 기준선 표 |
| 3~6주 | 시범 부서에서 요약 켜기, 주간 표본 채점 | 채점 결과, 수정 비율 |
| 7~8주 | 확대 판정, 큰 부서로 이전 | 판정 보고서, FTE 환산 |
| 9~12주 | 데이터 레이크에서 AI 상담원 후보 점수 매기기 | 첫 업무 1개, 이관 규칙 |
확인 질문. 지금 상담 한 건의 후속 처리 시간을 의도별로 알고 있나? 요약이 틀리면 누가 언제 알아채나? 녹취록을 저장하기 전에 개인정보를 가리고 있나? AI 상담원이 절대 답하면 안 되는 업무 목록이 문서로 있나? 벤더가 빠져도 내부에서 프롬프트와 규칙을 고칠 사람이 있나?
진행 판정 기준(가상 예시). 요약 표본 정확(2점) 비율 90% 이상, 녹취록에 없는 약속 0건, 후속 처리 시간이 기준선 대비 30% 이상 줄면 큰 부서로 넓힙니다. AI 상담원은 끝까지 처리한 비율 60% 이상, 이관 뒤 재문의가 사람 상담 수준 이하일 때 두 번째 업무로 넘어갑니다.
AX 적용 제언. 국내 보험사·카드사 컨택센터라면 순서를 그대로 빌릴 만합니다. 첫해 성과는 고객용 봇이 아니라 상담원 보조에서 나옵니다. 요약 자동화는 실패해도 상담원이 고치면 되므로 위험이 낮고, 후속 처리 시간이라는 이미 재고 있는 지표로 효과가 바로 보입니다. 시스템이 여럿으로 나뉜 회사는 AI 과제 앞에 계약 갱신 일정을 펴 놓고 통합 순서를 정하는 일이 먼저입니다. 경영진 보고에서는 FTE 절감과 함께 녹취록 분석으로 찾은 반복 문의 상위 목록을 같이 올려, 컨택센터 데이터가 상품 부서의 과제로 이어지는 것을 보여 줍니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 기사 | iTnews, Ry Crozier, 2026.11.20 |
| 회사 | Auto & General(호주), Budget Direct 운영, Coles·Qantas 화이트라벨 보험 |
| 발표자 | Kelly Lyons, 영업·서비스 통합커뮤니케이션 책임자 |
| 행사 | Genesys Xperience APAC(시드니) |
| 이전 구조 | 음성·디지털·인력 계획·품질 평가·게임화 5개 플랫폼, 벤더 5곳, 계약 5건 |
| 전환 | Genesys 단일 플랫폼으로 단계적 이전 |
| 효과 | 고객 만족도·NPS·상담원 경험·데이터 기반 의사결정 개선(수치 밝히지 않음) |
| 데이터 | 상담 녹취록 전량을 데이터 레이크로 적재 |
| 요약 자동화 | Cloud Agent Copilot, 반려동물 보험 부서 시범 → 서비스 부문 월 약 13만 3천 건, 실제 FTE 절감 |
| AI 상담원 | Genesys AVA 시범, 저위험·대량·절차가 뚜렷한 업무부터. 일정·지표는 밝히지 않음 |
핵심 개념
- ACW (after-call work)
- 통화가 끝난 뒤 상담원이 기록을 남기고 후속 처리를 하는 시간입니다.
- WFM (workforce planning)
- 문의량 예측에 맞춰 상담원 근무 일정을 짜는 업무와 시스템입니다.
- Gamification
- 상담원 성과를 점수·배지·순위로 보여 동기를 주는 장치입니다.
- NPS
- 고객에게 추천 의향을 물어 계산하는 충성도 지표입니다.
- FTE
- 정규직 한 명의 근무 시간을 1로 놓고 인력을 환산한 단위입니다.
- White-label 보험
- 보험사가 만들고 유통사가 자기 브랜드로 파는 보험 상품입니다.
내 메모
TODO: 내 생각 추가
원문은 iTnews에 실린 Ry Crozier의 기사 「Auto & General is starting to deploy agentic virtual agents」(2026.11.20)입니다. 기자는 Genesys 초청으로 시드니 행사에 참석했습니다. 요약과 사례는 원문이 전한 사실을 AX Partners가 다시 정리했고, 핵심 메커니즘의 작동 설명, 기술·현업 디테일, 인포그래픽, 표는 새로 작성했습니다(디테일 절의 필드, 수치, 일정은 가상 예시). 전체 내용은 원문에서 볼 수 있습니다.