고객 서비스에서 AI를 이용해 본 소비자 5명 중 1명꼴로 그 경험이 아무런 도움이 되지 않았다고 답합니다. Qualtrics 2026 Customer Experience Trends Report의 이 결과는 벤더들이 50%, 60%, 심지어 80%의 자동화율을 발표하던 바로 그해에 나왔습니다.
두 숫자는 동시에 사실일 수 있습니다. 그 차이는 결국 '디플렉션'이라는 단어에서 비롯됩니다.
디플렉션은 AI가 관여한 상호작용을 셉니다. 자율 해결은 AI가 실제로 해결한 문제를 셉니다. AI 고객 서비스 해결률은 이 두 수치 사이의 간극이며, 바로 그 간극에서 고객을 잃고 CX 리더는 잘못된 데이터를 바탕으로 값비싼 결정을 내리게 됩니다.
디플렉션이 실제로 측정하는 것
고객이 질문을 보냈을 때 시스템이 FAQ 문서 링크로 답하면, 대부분의 플랫폼은 이를 성공적인 디플렉션으로 기록합니다. 티켓은 상담원에게 전달되지 않았고, 자동화율은 올라가며, 대시보드는 양호해 보입니다.
하지만 대시보드는 그 고객이 답을 찾았는지 알지 못합니다. 포기했는지, 다음 날 다시 전화했는지, 조용히 이탈했는지도 모릅니다. 디플렉션은 AI가 무엇을 했는지를 측정할 뿐, 고객이 무엇을 경험했는지는 전혀 알려주지 않습니다.
이 문제는 도입 규모가 커질수록 심각해집니다. 2026년 NewtonX 연구는 3개 대륙의 소비자 2,000명과 기업 CX 의사결정자 500명을 조사했는데, 결과는 극명하게 갈렸습니다. 기업은 비용 절감과 티켓 디플렉션을 최적화하는 반면, 소비자는 무엇보다 해결을 중시했습니다. 기업이 우선순위로 꼽은 성과 가운데 해결은 7위에 그쳤습니다.
같은 연구에서 기업의 55%가 AI와 상담원의 성과를 함께 측정하는 것으로 나타났습니다. 이렇게 하면 AI의 실제 성과를 따로 파악하기가 거의 불가능합니다. 신호를 분리할 수 없으면 AI가 문제를 해결하고 있는지, 단지 물량을 흡수하고 있는지 알 수 없습니다.
하나의 수치로 본 격차
이 격차가 얼마나 큰지는 현재 업계 전반에서 인용되는 Gartner 연구가 가장 명확하게 보여줍니다. AI는 고객 문의의 45% 이상을 디플렉션하지만, 완전한 셀프서비스 해결에 이르는 비율은 약 14%에 불과합니다. 대시보드가 보고하는 수치와 고객이 실제로 얻은 결과 사이에 31%p의 격차가 있는 것입니다.
AI가 처리하는 질문 100건 중 고객의 문제가 해결된 채 끝나는 것은 약 14건입니다. 나머지 31건은 해결되지 않았는데도 처리된 것으로 집계되었습니다. 이러한 문의는 재문의, 에스컬레이션, 이탈로 되돌아오며, 건강해 보이는 자동화율 아래에 건강하지 못한 운영이 숨어 있을 수 있는 이유가 바로 여기에 있습니다.
디플렉션을 위험하게 만드는 계산
1개월 동안 이것이 어떻게 나타나는지 살펴보겠습니다.
AI가 10,000건의 티켓을 처리합니다. 벤더 대시보드에는 60% 자동화율이 표시되므로, 6,000건이 상담원 없이 처리된 셈입니다. 서류상으로는 훌륭합니다.
하지만 데이터를 자세히 들여다보십시오. 자동화된 6,000건의 상호작용 중 실제로 해결된 것은 75% 정도일 수 있습니다. 고객은 필요한 것을 얻었고 다시 문의하지 않았습니다. 나머지 25%는 디플렉션된 것입니다. AI는 응답했지만 문제는 그대로 남았습니다. 일부 고객은 다른 채널을 시도했고, 일부는 전화를 했으며, 일부는 떠났습니다.
실제 자율 해결률은 60%가 아니라 45%입니다. 그리고 자동화된 것처럼 보였지만 그렇지 않았던 1,500건의 티켓은 재문의, 에스컬레이션, 이탈로 모습을 바꿔 여전히 시스템에 남아 있습니다.
이를 잡아내는 한 가지 방법은 해결 지속성을 측정하는 것입니다. 문제가 해결됨으로 표시되었는지뿐 아니라, 고객이 72시간 이내에 같은 문제로 다시 문의했는지를 확인하는 것입니다. 높은 디플렉션율과 높은 재문의율이 함께 나타난다면 그것은 자동화가 아니라 비용을 뒤로 미루는 것일 뿐입니다.
실제 운영 환경에서의 해결
자율 해결이란 상담원의 개입, 후속 티켓, 다른 채널을 통한 재시도 없이 AI가 고객의 문제를 완전히 해결한 것을 의미합니다. 이는 대부분의 벤더 대시보드가 측정하도록 설계된 기준보다 높은 기준이며, 티켓당 비용 절감, CSAT 향상, 이탈 감소 등 CX 리더가 중시하는 성과와 직결되는 기준입니다.
AI 상호작용이 진정한 해결로 인정되려면 3가지 조건이 충족되어야 합니다.
첫째, AI가 시스템에 접근할 수 있어야 합니다. 지식 베이스뿐 아니라 주문 관리, 결제, CRM, 티켓팅 도구까지 포함됩니다. 배송지 변경을 요청하는 고객에게 필요한 것은 헬프 센터 링크가 아니라 주소 변경입니다. 기존 헬프데스크를 대체하지 않고 연결하는 오버레이 아키텍처가 있어야 수개월에 걸친 마이그레이션 없이 이러한 접근이 가능합니다. AI가 시스템을 읽을 수만 있고 쓸 수 없다면 질문에는 답할 수 있어도 문제는 해결할 수 없습니다. 그것은 AI 에이전트가 아니라 정교한 FAQ에 불과합니다.
둘째, AI가 직접 조치를 실행해야 합니다. 환불 처리, 항공편 재예약, 계정 업데이트와 같은 상호작용이 해결을 이끌어냅니다. 정보를 보여주는 플랫폼과 트랜잭션을 실행하는 플랫폼의 차이가 곧 디플렉션과 해결의 차이입니다.
셋째, 고객이 문제가 해결되었다고 동의했는지 확인해야 합니다. 대부분의 플랫폼이 건너뛰는 부분입니다. 이들은 고객이 문제 해결을 확인했을 때가 아니라 AI가 응답했을 때 티켓을 종료합니다. 고객이 확인한 해결을 측정하는 벤더는 자동 티켓 종료에 의존하는 플랫폼보다 CSAT 점수가 꾸준히 15~20% 더 높게 나타납니다.
이 3가지 조건이 충족되면 수치가 달라집니다. McKinsey의 2026년 독립 서비스 운영 연구에 따르면, 조치를 실행하는 AI 에이전트는 디플렉션 중심 도구보다 훨씬 높은 비율로 문제를 해결하며, 문의당 비용은 상담원 처리의 일부에 불과합니다. 이 격차는 설정의 문제가 아니라 구조적인 차이입니다.
제대로 작동할 때의 모습
실제 운영 수치가 이를 뒷받침합니다. Mastermind는 도입 6주 만에 93%의 자율 해결률을 달성했습니다. 디플렉션이 아니라 상담원 없이 종료된 문제입니다. Rho는 인력을 늘리지 않고도 월간 문의를 12% 더 처리하면서 95%의 CSAT를 유지했습니다. AI가 문의를 다른 곳으로 넘기는 대신 실제 물량을 흡수했기 때문입니다.
이 결과에는 공통점이 있습니다. AI가 해결한 결과를 기준으로 평가받았고, 실제로 해결이 이루어지는 시스템에 연결되어 있었다는 점입니다. 고객의 경험, 그리고 재무팀이 확인할 수 있는 성과와 맞물리는 숫자는 디플렉션이 아니라 해결률입니다.
벤더 평가 시 반드시 던져야 할 5가지 질문
지금 AI 고객 서비스 플랫폼을 평가하고 있다면, 디플렉션과 해결의 구분을 첫 번째 필터로 삼아야 합니다. 데모나 POC에서 이를 확인하는 방법은 다음과 같습니다.
'해결'을 어떻게 정의합니까? 답변이 고객의 문제가 완전히 해결되었다는 점을 명시하지 않은 채 컨테인먼트, 디플렉션, 자동화율을 언급한다면, 해결이라는 이름을 붙인 디플렉션 지표를 보고 있는 것입니다. AI가 처리한 상호작용과 AI가 해결한 문제를 구분해 달라고 벤더에 요청하십시오.
72시간 이내 재문의율은 얼마입니까? 이 지표가 거짓 해결을 드러냅니다. 해결된 티켓의 25%가 3일 이내에 후속 문의로 이어진다면 실질 해결률은 발표된 수치보다 상당히 낮습니다. 해결 품질에 자신 있는 벤더는 이 수치를 공개할 것입니다. 머뭇거리는 벤더는 아마 측정해 본 적이 없을 것입니다.
AI가 백엔드 시스템에서 조치를 실행할 수 있습니까, 아니면 답변만 제시합니까? 읽기 전용 연동인지 읽기·쓰기 연동인지가 아키텍처상의 분기점입니다. 주문을 조회할 수는 있지만 반품을 처리할 수 없는 AI는 진정한 해결의 상한선이 항상 낮을 수밖에 없습니다. 기존 헬프데스크, CRM, 주문 관리 도구와의 연동 수준을 구체적으로 물어보십시오.
고객의 해결 확인을 어떻게 측정합니까? AI가 응답한 후 티켓을 자동 종료하는 것은 고객의 문제가 처리되었음을 확인하는 것과 다릅니다. 플랫폼이 고객 확인, 후속 설문, 재문의 추적 중 무엇을 활용하는지 물어보십시오. 수치만큼 측정 방법도 중요합니다.
성공적인 해결을 기준으로 가격을 책정할 의향이 있습니까? 성과 기반 가격 책정은 벤더의 인센티브를 고객 성과와 일치시킵니다. 고객의 문제가 실제로 해결될 때만 벤더가 수익을 얻는다면, 그 벤더는 해결을 목표로 제품을 만듭니다. 결과와 관계없이 시트, 티켓, 메시지 단위로 과금한다면 그들의 인센티브는 성과가 아니라 물량입니다.
지표의 전환은 이미 시작되었습니다
더디더라도 업계는 이 방향으로 움직이고 있습니다. Gartner는 2029년까지 AI가 일반적인 고객 서비스 문제의 80%를 사람의 개입 없이 해결할 것으로 예측합니다. 여기서 중요한 단어는 디플렉션이 아니라 해결입니다. 일부 벤더는 이미 과금 구조를 개편해 검증된 해결과 단순 컨테인먼트를 구분하고, 입증할 수 있는 성과에 대해서만 비용을 청구하고 있습니다. 이는 어떤 사례 연구보다 벤더의 실제 인센티브를 빠르게 파악할 수 있는 방법입니다.
이번 분기에 벤더를 평가하는 CX 리더에게 디플렉션과 해결의 구분은 철학적 논쟁이 아니라 구매 필터입니다. 해결을 측정하는 벤더는 해결을 개선하는 제품을 만들고, 디플렉션을 측정하는 벤더는 디플렉션을 개선하는 제품을 만듭니다. 고객은 대시보드보다 훨씬 먼저 그 차이를 알아챌 것입니다.
지금 평가를 진행하고 있다면 위의 5가지 질문부터 시작하고, 각 벤더의 정의를 해결률이 실제로 측정하는 내용과 비교해 보십시오. 데모에서는 좋아 보이던 도입이 실제 운영에서 정체되는 이유는 AI 지원 파일럿과 실제 운영 간의 격차 분석에서 둘을 가르는 지표와 함께 다룹니다.
자율 해결이 실제 티켓 물량에서 어떤 모습인지 직접 확인해 보십시오. 데모 예약 후 가장 까다로운 문의를 가져오십시오.
귀사의 실제 대화로 확인하세요.
맞춤형 무료 데모를 신청하세요.
