작은 현장 서비스 회사를 가정해 보겠습니다. 고객이 전화를 걸어 이름과 주소, 고장 증상, 방문 희망 시간을 말합니다. 직원은 통화를 마친 뒤 메모를 보며 공유 엑셀에 같은 내용을 다시 입력합니다.

통화는 8분 전에 끝났지만 엑셀에는 아직 새 행이 없습니다. 접수번호도, 담당자도, 다음 연락 기한도 없습니다. 고객과의 대화는 끝났는데 회사의 업무는 시작되지 않은 상태입니다.

이 회사가 음성 AI부터 도입하면 전화는 더 자연스럽게 받을 수 있습니다. 그러나 통화 요약이 채팅창에만 남고 직원이 다시 엑셀로 옮겨야 한다면 인수인계는 그대로입니다. 첫 AI 프로젝트의 결과물은 좋은 답변이 아니라, 통화 뒤 생성된 검증 가능한 업무 한 건이어야 합니다.

AI를 쓰는 것과 업무에 통합하는 것은 다릅니다

AI가 전화 내용을 이해하고 다른 도구를 호출하는 일은 이미 제품 기능이 됐습니다. OpenAI가 2025년 정식 출시한 Realtime API는 SIP 전화 연결과 도구 호출을 지원합니다.[1] 이제 기술적으로 가능한지를 확인하는 데서 끝낼 이유는 없습니다. 그 통화가 회사의 어떤 상태를 바꿨는지 물어야 합니다.

OECD가 2025년에 정리한 2024년 자료에서 G7 기업 가운데 생산·서비스 제공 같은 핵심 업무에 AI를 사용하는 비율은 국가별 1.9~6.1%였습니다.[2] 챗봇을 쓰는 직원이 늘었다고 해서 문의·견적·일정·청구가 자동으로 이어지는 것은 아닙니다.

전화와 엑셀보다, 둘 사이의 빈칸을 봅니다

전화는 고객이 상황을 설명하는 채널입니다. 엑셀도 작은 팀이 같은 일감을 공유하는 공식 기록이 될 수 있습니다. 두 도구를 오래 썼다는 이유만으로 전부 교체할 필요는 없습니다.

문제는 통화와 엑셀 사이에 담당자가 없는 시간입니다. 메모가 책상 위에 남거나, 단체 채팅에 요약만 올라오거나, 일부 필드가 빠진 행이 만들어집니다. 누군가 다시 고객에게 묻기 전까지 견적과 일정은 시작되지 않습니다.

저라면 ‘고객 응대 전체’처럼 큰 업무를 첫 범위로 잡지 않습니다. 말로 들어온 요청이 처음으로 공식 기록이 되는 인수인계 하나를 고릅니다. 이 구간은 다음 조건을 갖추기 쉽습니다.

  • 매일 또는 매주 반복돼 현재의 대기와 재입력을 셀 수 있습니다.
  • 실제로 누락이나 재문의가 생깁니다.
  • 통화 뒤 접수 행이 만들어졌는지 결과를 확인할 수 있습니다.
  • 가격 확정·안전 판단·환불처럼 위험한 결정 전에 멈출 수 있습니다.
  • 문제가 생겨도 초안을 고치거나 사람이 다시 확인할 수 있습니다.

대기 시간이 길다는 이유만으로 첫 범위가 되는 것은 아닙니다. 고객 승인처럼 필요한 대기일 수 있습니다. 위 조건을 모두 갖춘 인수인계를 먼저 고릅니다.

접수 완료의 뜻부터 한 줄로 정합니다

AI를 연결하기 전에 접수 완료가 무엇인지 정해야 합니다. 최소한 다음 정보가 한곳에 남아야 합니다.

  • 접수번호
  • 고객과 연락처
  • 방문 장소와 요청 내용
  • 담당자
  • 다음 행동과 기한

업종에 따라 제품 코드, 장비 번호나 긴급도 같은 필드가 더 필요할 수 있습니다. 반대로 지금 팀이 쓰지 않는 정보까지 처음부터 모두 모을 필요는 없습니다.

이 다섯 가지를 합의하지 못했다면 아직 AI를 개발할 때가 아닙니다. 먼저 공유 엑셀 한 장이라도 공식 기록으로 정하고, 한 일감에 한 행을 만들며, 상태와 담당자를 누가 바꾸는지 합의해야 합니다. 완벽한 ERP를 먼저 살 필요는 없습니다.

AI의 역할은 통화 전사나 직원 메모에서 고객·장소·요청·희망 시간을 뽑아 접수 초안을 만드는 데 둡니다. 회사 규칙은 필수값과 서비스 가능 범위를 검사합니다. 직원은 원문과 초안을 나란히 보고 누락을 고치며, 가격·안전·예외를 확인합니다. 그다음 공식 기록이 접수번호와 담당자, 다음 기한을 확정합니다.

통화 전사나 직원 메모에는 고객 정보가 들어갑니다. 어떤 정보를 저장할지, 누가 볼 수 있는지, 언제 지울지도 첫 설계에 포함해야 합니다. 접수를 빨리 만들겠다고 고객 정보를 통제 밖으로 보내면 인수인계 문제가 보안 문제로 바뀝니다.

모델 정확도보다 세 숫자를 먼저 봅니다

첫 실험에서 음성 인식 점수만 보면 실제 업무가 빨라졌는지 알 수 없습니다. 저는 도입 전후에 다음 세 숫자를 비교하겠습니다.

  1. 통화 종료부터 공식 접수 등록까지 걸린 시간
  2. 필수 정보 누락으로 수정하거나 고객에게 다시 물은 비율
  3. 담당자 또는 다음 기한 없이 남은 접수 건수

처음에는 모든 초안을 사람이 확인해 어떤 필드가 자주 틀리는지 기록합니다. 실제 접수에서 반복되는 오류 유형과 업무 위험을 확인한 뒤에만 낮은 위험의 반복 유형을 자동 등록으로 넘깁니다. 가격 약속과 안전 판단은 모델의 자신감이 높다는 이유만으로 자동화하지 않습니다.

세 숫자가 좋아지면 다음 단계로 넓힐 수 있습니다. 접수 상태에 맞춰 담당자에게 알리고, 방문 가능 시간을 제안하고, 견적에 필요한 정보를 준비하는 식입니다. 숫자가 좋아지지 않는다면 더 큰 모델이나 더 복잡한 에이전트를 사기 전에 필수 필드와 인계 규칙을 고쳐야 합니다.

전화와 엑셀은 당분간 그대로 남아도 됩니다. 없어져야 할 것은 두 도구가 아니라, 통화를 끊은 뒤 누가 무엇을 해야 하는지 모르는 빈 시간입니다.

AI를 붙였다는 증거는 더 자연스러운 전화 음성이 아닙니다. 통화가 끝난 뒤 접수번호와 담당자, 다음 기한이 붙은 한 행이 생겼는가입니다. 첫 AI는 바로 그 순간부터 시작하는 편이 좋습니다.

출처

  • 언섹시비즈니스
  • AI자동화
  • 업무자동화
  • 전통산업
  • 운영혁신