글로벌 핀테크 기업 Klarna는 AI 고객상담의 성공 사례와 경계 재설계 사례에 모두 등장합니다. 2024년 2월 Klarna가 발표한 첫 달 성과는 강렬했습니다. AI 상담이 230만 건의 대화를 처리했고, 전체 고객상담 채팅의 3분의 2를 맡았으며, 회사는 이를 정규 상담원 700명에 해당하는 업무량으로 환산했습니다. 평균 해결 시간도 11분에서 2분 미만으로 줄었다고 밝혔습니다.
그로부터 약 1년 뒤에는 다른 이야기가 나왔습니다. Klarna의 최고경영자가 비용을 지나치게 앞세운 결과 서비스 품질이 낮아졌다고 인정했고, 고객이 원하면 사람과 대화할 수 있어야 한다며 사람 상담을 다시 강화했습니다. 이 장면만 보면 “AI를 도입했다가 실패해 원래대로 돌아갔다”고 이해하기 쉽습니다. 하지만 현재 공개 자료를 함께 보면 더 정확한 결론은 AI를 철회한 것이 아니라 AI와 사람이 맡을 경계를 다시 설계했다는 쪽에 가깝습니다.
Klarna의 초기 AI 성과는 무엇이었나
Klarna가 2024년 발표한 자료에 따르면 AI 상담은 첫 달 230만 건의 대화를 처리했습니다. 회사는 고객 만족도가 사람 상담과 비슷했고 반복 문의가 25% 줄었으며, 2024년에 4,000만 달러의 이익 개선을 기대한다고 발표했습니다. 표준화된 결제·환불 조회를 여러 언어로 24시간 처리하는 영역에서 AI의 장점이 드러난 것입니다.
Klarna의 이후 공시도 AI가 단순한 실험으로 끝나지 않았음을 보여줍니다. 2025년 연차보고서는 AI 상담이 2025년 고객 서비스 채팅의 80%를 처리했고, 850명 이상의 정규 상담원에 해당하는 업무량과 5,900만 달러 수준의 비용 절감 효과를 냈다고 설명합니다. 즉 AI의 처리량과 비용 효과 자체가 사라진 것은 아닙니다.
| 확인 항목 | 초기 발표 | 이후 확인된 방향 |
|---|---|---|
| 처리 범위 | 첫 달 상담 채팅의 약 3분의 2 | 2025년 채팅의 80% |
| 업무량 환산 | 상담원 700명 상당 | 850명 이상 상당 |
| 주요 효과 | 해결 시간 단축, 반복 문의 감소 | 대규모 처리와 비용 절감 지속 |
| 사람의 역할 | 초기 발표에서 상대적으로 덜 강조 | 원하는 고객에게 사람 상담 선택권 제공 |
이 수치는 실제 인원 감축 규모와 동일하지 않습니다. 회사가 상담량을 기준으로 환산한 ‘정규직 상당 업무량’입니다. 고객 만족도와 비용 절감 역시 회사가 공개한 자료의 범위에서 해석해야 합니다.
왜 다시 사람 상담을 강화했나
2025년 Klarna는 사람 상담을 다시 강화했습니다. 당시 최고경영자는 비용이 지나치게 지배적인 평가 기준이 되면서 품질이 낮아졌다고 설명했습니다. 이 변화는 AI 상담을 중단한다는 뜻이 아니었습니다. 단순 문의는 AI가 넓게 처리하되, 복잡한 문제와 사람을 원하는 고객에게는 숙련 상담원을 연결하는 이중 구조를 강화한 것입니다.
고객상담은 문의 건수만으로 난이도를 설명하기 어렵습니다. 결제일·환불 상태처럼 정답이 정해진 문의와, 계정 도용·복합 분쟁·정책 밖 보상처럼 책임과 재량이 필요한 문의가 같은 한 건으로 계산됩니다. 처리 시간을 유일한 지표로 쓰면 어려운 문의를 빨리 끝낸 답변이 좋은 답변처럼 보일 수 있습니다. 그러나 고객이 다시 문의하거나 이탈하면 절감한 시간보다 큰 비용이 뒤늦게 생깁니다.
Klarna 사례가 보여주는 것은 ‘AI 상담은 실패한다’가 아닙니다. 반복 업무에서 성과를 낸 AI도 업무 경계를 잘못 잡으면 고객 경험 전체의 품질을 보장하지 못한다는 점입니다.
되돌리는 비용은 왜 도입 계산서에서 빠질까
AI 도입 검토표에는 주로 라이선스, 구축비, API 사용료와 절감 가능한 인건비가 들어갑니다. 품질이 기준 아래로 떨어졌을 때 원래 상태로 돌아가는 비용은 빠지기 쉽습니다. 이 비용은 단일 항목이 아니라 여러 곳에서 발생합니다.
| 비용 구분 | 도입할 때 보이는 비용 | 실패 뒤 발생하는 롤백 비용 |
|---|---|---|
| 인력 | 인건비 절감 예상치 | 숙련 인력 재채용·교육·온보딩 공백 |
| 고객 | 평균 처리 시간 | 재문의, 이탈, 불만 수습과 신뢰 회복 |
| 운영 | 도구와 연동 비용 | 핸드오버와 검증 흐름 재설계 |
| 지식 | FAQ와 응답 데이터 | 사라진 암묵지와 예외 대응 기준 복원 |
| 관리 | 자동화율 | 로그 감사, 오류 분석, 품질 감독 인력 |
특히 숙련 인력이 빠진 뒤에는 기존 절차를 다시 켠다고 곧바로 복구되지 않습니다. 고객의 감정을 읽고 예외를 판단하는 능력은 매뉴얼만으로 대체하기 어렵기 때문입니다. 그래서 롤백 계획은 시스템 백업뿐 아니라 사람과 지식의 유지 계획까지 포함해야 합니다.
AI와 사람의 경계는 어떻게 설계해야 하나
고객상담을 AI와 사람 중 하나로 고르는 대신 문의 유형과 위험에 따라 세 층으로 나누는 편이 안전합니다.
| 업무 계층 | 담당 | 예시 | 필수 통제 장치 |
|---|---|---|---|
| 표준 정형 업무 | AI 실행 | 결제 내역·환불 상태·정책 안내 | 답변 근거, 최신 정책 연결, 로그 기록 |
| 중간 복합 업무 | AI 초안 + 사람 승인 | 여러 주문이 얽힌 문의, 조건부 예외 | 발송 전 승인과 수정 사유 기록 |
| 고위험 예외 업무 | 사람 책임 | 사기 의심, 계정 도용, 분쟁·감정 대응 | 즉시 연결, 권한 있는 상담원 배정 |
핵심은 AI가 모르는 상태를 인식하도록 만드는 것입니다. 답변 신뢰도가 낮거나, 고객이 같은 질문을 반복하거나, 분쟁·사기·해지 같은 위험 단어가 나오면 사람에게 넘겨야 합니다. 연결된 사람에게는 대화 요약과 확인한 자료가 함께 전달되어야 합니다. 고객이 처음부터 설명을 반복한다면 자동화가 대기 시간을 옮겼을 뿐입니다.
고객상담의 경계를 정할 때는 반복성과 판단 필요도를 함께 봐야 합니다. 반복이 많고 판단이 적은 문의부터 자동화하고, 책임과 관계가 필요한 영역은 사람이 쥐어야 합니다.
도입 전에 확인할 네 가지
- 처리 시간 외에 해결 품질, 재문의율, 사람 전환율을 함께 측정하는가
- 고객이 원할 때 사람에게 연결될 수 있는가
- AI가 중단되어도 업무를 유지할 최소 인력과 매뉴얼이 남아 있는가
- AI가 틀린 이유와 사람이 수정한 기준이 다음 응답에 반영되는가
Klarna는 AI를 포기한 회사도, 사람을 완전히 대체한 회사도 아닙니다. 대규모 자동화의 효율을 유지하면서 인간 상담의 품질과 선택권을 다시 넣은 사례에 가깝습니다. 이 사례에서 배울 것은 대체 비율이 아니라 처음부터 실패와 되돌림을 포함해 경계를 설계하는 방법입니다.
