대규모 고객 경험(CX)을 책임지는 리더로서 여러분은 AI를 하나의 개념이 아니라, 다양한 채널과 시스템, 그리고 실제 고객 접점에서 안정적으로 작동해야 하는 역량으로 평가하고 계실 것입니다. 저는 Google과 IBM에서 수년간 대규모 지능형 시스템을 구축한 뒤, 반복적으로 목격한 공백을 해결하기 위해 Maven을 공동 창업했습니다. 바로 대화는 할 수 있지만 맥락을 바탕으로(그리고 할루시네이션 없이) 문제를 실제로 해결하지는 못하는 지원 자동화의 한계였습니다.
현대의 고객 지원에는 단순히 응답하는 데 그치지 않고 음성, 채팅, 이메일, SMS 전반에서 추론하고 실행할 수 있는 AI가 필요합니다. 저희는 항상 엔터프라이즈 환경에서 음성, 채팅, 이메일, SMS 전반에 걸쳐 추론하고, 실행하며, 매끄럽게 작동하는 에이전틱 AI를 구축하는 것에 집중해 왔습니다.
CX 분야 에이전틱 AI의 5가지 핵심 개념을 담은 이 ‘입문용’ 용어집은 저희가 이 문제를 실제로 어떻게 바라보는지를 보여 줍니다. 또한 AI 기반 고객 지원이 무엇을 제공할 수 있고 또 제공해야 하는지 평가하실 때 명확하고 실용적인 참고 자료가 되도록 구성했습니다.
"엔터프라이즈 구매자를 위한 AI 에이전트 필수 용어 100선" 전체 목록이 궁금하시다면 여기에서 전체 글을 확인하십시오.
압박 속의 CX 팀을 위한 입문서
엔터프라이즈 CX 팀은 채널 전반에서 늘어나는 문의량을 관리하면서도 비용을 절감하고, 해결 속도를 높이며, 브랜드 신뢰를 지켜야 합니다. 여기에 벤더마다 에이전틱 AI, 자율 에이전트, AI 코파일럿 같은 용어를 제각각 사용하면서 혼란까지 더해지고 있습니다.
이 용어집의 목적은 다음과 같습니다.
- 핵심 AI 에이전트 개념을 엔터프라이즈 실무에 맞는 쉬운 언어로 설명합니다.
- 대화만 가능한 AI와 실행 가능한 에이전틱 시스템을 구분합니다.
- 업계 선도 기관의 제3자 검증을 제공합니다.
- CX 리더가 자신 있게 기술 파트너를 평가할 수 있도록 돕습니다.
AI를 지원 전략에 어떻게 접목할지 검토 중이시라면, 이 가이드를 CX, IT, 운영 이해관계자 간의 공통 참고 자료로 활용하실 수 있습니다.
1) AI 및 에이전트 핵심 개념
에이전틱 AI
에이전틱 AI는 목표 달성을 위해 명시적이고 정책으로 정의된 제약 안에서 작업을 계획하고, 추론하고, 실행할 수 있는 AI 시스템을 말하며, 주로 엔터프라이즈 시스템 전반의 도구, API, 워크플로를 호출하는 방식으로 작동합니다. 기존 챗봇이나 생성형 AI와 달리, 에이전틱 시스템은 단순히 응답을 생성하는 것이 아니라 업무를 완료하도록 설계됩니다.
IBM은 에이전틱 AI를 언어 모델에 도구와 의사결정 로직을 결합해 실제 시스템 안에서 실행하도록 하는 패턴으로 설명합니다. 👉 IBM 개요: Agentic AI — IBM
Gartner는 에이전틱 AI가 2029년까지 일반적인 고객 서비스 문제의 80%를 자율적으로 해결하며 CX 운영을 근본적으로 바꿀 것으로 전망합니다. 👉 Gartner 보도자료: Agentic AI Transforming Customer Service
Maven의 접근: Maven AGI는 에이전틱 실행을 중심으로 구축되어, AI 에이전트가 고객 지원 워크플로 전반에서 추론하고 안전하며 감사 가능한 작업을 수행할 수 있도록 합니다. 자세히 보기: Agent Maven
**Maven 리더십의 관점: 제가 보기에 지금 일어나고 있는 가장 중요한 변화는 생성형 AI가 아니라 ‘실행력(agency)’입니다. 기업이 어려움을 겪는 이유는 답이 없어서가 아니라, 분산된 도구들 사이에서 시스템이 실제 행동을 취하지 못하기 때문입니다. 에이전틱 AI가 중요한 이유는 바로 이 간극을 메우기 때문입니다. AI가 의도를 추론하고, 제약 조건을 이해하며, 실제 워크플로를 안전하게 실행할 수 있을 때, AI는 데모를 넘어 인프라가 됩니다.
AI 에이전트
AI 에이전트는 성과를 달성하기 위해 입력을 인식하고, 맥락을 유지하며, 목표를 추론하고, 행동을 취할 수 있는 시스템입니다. 이 정의는 반응형 봇을 넘어서는 것으로, 오랜 AI 연구의 흐름과도 일치합니다.
일반적 정의: 👉 AI Agent — Wikipedia
CX 환경에서 AI 에이전트는 다음을 수행해야 합니다.
- 채널 전반에서 의도를 이해합니다.
- 엔터프라이즈 지식에 접근합니다.
- 백엔드 작업을 (제안에 그치지 않고) 실제로 실행합니다.
Maven의 접근: Maven의 AI 에이전트는 공유 추론 레이어를 기반으로 음성, 채팅, 이메일, SMS 전반에서 작동하므로, 고객이 채널을 바꿔도 대화를 처음부터 다시 시작할 필요가 없습니다. AI 에이전트는 Maven에 정의된 실행 가능한 Actions를 파라미터 및 Instructions와 함께 호출할 수 있으며, 새로운 Actions를 임의로 만들어 내지 않습니다. 에이전트 채널 살펴보기: Agent Channels
**Maven 리더십의 관점: AI 에이전트는 추론과 실행을 결합할 때 성공합니다. CX 팀에 필요한 것은 단순한 답변이 아니라 성과입니다. 그래서 Maven의 에이전트는 모든 채널과 접점에서 의도에 따라 행동하도록 설계되었습니다.
자율성과 휴먼 인 더 루프(HITL)
자율성은 AI 에이전트가 얼마나 독립적으로 작동할 수 있는지를 의미합니다. 엔터프라이즈 CX에서 완전한 자율성은 이분법적인 문제가 아닌 경우가 대부분입니다. 시스템은 자동화와 사람의 감독 사이에서 균형을 맞춥니다.
Salesforce는 에이전틱 AI가 보조형 AI와 달리 작업을 선제적으로 실행하면서도, 필요할 때 사람의 검토를 허용한다는 점을 강조합니다. 👉 What Is Agentic AI - Salesforce
모범 사례: 대량·저위험 워크플로는 대개 완전히 자동화하고, 민감한 예외 사례는 전체 맥락을 유지한 채 상담원에게 이관합니다.
Maven의 접근: Maven은 구성 가능한 휴먼 인 더 루프 가드레일을 지원하여, CX 팀이 자율성의 범위와 사람의 검토가 시작되는 지점을 직접 정의할 수 있도록 합니다. 자율성은 항상 적격성 규칙, Knowledge 범위, Action 제약 조건의 범위 안에서 작동합니다.
**Maven 리더십의 관점: 자율성은 사람을 완전히 배제한다는 뜻이 아니라, 사람이 가치 높은 예외 상황에 집중할 수 있게 한다는 뜻입니다. HITL 전략은 엔터프라이즈의 안정성과 신뢰의 핵심입니다.
2) 고객 상호작용 채널
음성 AI / 음성 에이전트
음성 AI는 AI 에이전트가 실시간 전화 통화를 처리할 수 있게 합니다. 말 끊김, 억양, 의도를 이해하면서 실시간으로 작업을 수행합니다.
Maven Voice™는 엔터프라이즈급 음성 자동화를 위해 설계되었으며, 기존 전화 및 컨택센터 인프라와 연동됩니다.음성 채널은 다른 모든 채널과 동일한 Actions 및 Knowledge 기반을 사용하여 같은 방식으로 작동합니다.
Maven Voice 또는 기타 에이전트 솔루션에 대해 상담하시려면: 데모 예약
**Maven 리더십의 관점: 고객은 채널 단위로 생각하지 않습니다. 결과를 기준으로 생각합니다. 레거시 지원 기술의 가장 큰 실패 중 하나는 음성, 채팅, 이메일, SMS를 각각 따로 다룬다는 점입니다. 변하지 않아야 할 것은 채널이 아니라 에이전트입니다. 채널은 인터페이스일 뿐이며, 지능은 공유되어야 합니다.
채팅 및 메시징 AI
채팅 에이전트는 웹과 앱 내 환경에서 실시간 디지털 대화를 처리합니다. 맥락을 유지하고, 지식에 접근하며, 필요할 때 매끄럽게 에스컬레이션합니다.
Maven의 접근: 채팅 에이전트는 음성 및 이메일과 동일한 추론 레이어로 구동되어 일관된 답변과 작업을 제공합니다. 모든 채널은 동일한 Knowledge, Actions, 품질 평가 신호를 공유합니다.
채팅 기능 살펴보기: Chat
**Maven 리더십의 관점: 공유 추론 엔진 덕분에 고객이 대화 도중 채널을 바꾸더라도 모든 상호작용이 매끄럽게 이어집니다.
이메일 및 SMS 자동화
이메일과 SMS는 대량 상호작용에 필수적인 채널입니다. AI는 어조와 컴플라이언스를 지키면서 메시지를 대규모로 분류, 요약, 작성, 해결할 수 있습니다.
Maven의 접근: 이메일과 SMS 상호작용도 동일한 에이전틱 엔진이 처리하므로, 채널 간 연속성을 확보하고 해결 속도를 측정 가능한 수준으로 개선할 수 있습니다.
**Maven 리더십의 관점: 일관성과 맥락은 타협할 수 없는 요소입니다. 이메일과 SMS 같은 비동기 채널에서는 더욱 그렇습니다.
3) 지식, 맥락 및 추론
지식 그래프와 그라운딩된 AI
엔터프라이즈 AI는 할루시네이션과 정책 위반을 피하기 위해 신뢰할 수 있고 거버넌스가 적용된 지식에 기반해야 합니다. 신뢰할 수 있는 기반이 없으면 뛰어난 모델이라도 일관성 없는 답변을 내놓거나, 오래된 정보를 제시하거나, 정책을 위반하게 됩니다.
Maven의 접근: Maven의 Graph of Record는 AI를 엔터프라이즈의 사실 정보에 기반하게 하는 독자적인 방식입니다. 데이터를 복사, 마이그레이션 또는 중앙화하지 않고도 조직의 기존 시스템 전반에 걸친 지식을 연결합니다. 기업에 정보를 새 시스템으로 옮기라고 요구하는 대신, Maven은 CRM, 티켓팅 플랫폼, 콘텐츠 저장소, 데이터 웨어하우스 같은 기록 시스템과 실시간으로 지능적인 연결을 구축합니다.
모든 응답이 이러한 시스템에서 직접 도출되므로, Graph of Record는 답변이 최신 데이터를 반영하고, 기존 권한 체계를 따르며, 엔터프라이즈 정책을 준수하도록 보장합니다.
예를 들어 고객이 계정 상태나 청구 적격성을 문의하면, 에이전트는 캐시된 요약이 아닌 실시간 시스템 맥락을 바탕으로 응답합니다. 이를 통해 할루시네이션, 오래된 응답, 컴플라이언스 리스크를 크게 줄일 수 있으며, 규제가 엄격하거나 운영이 복잡한 환경에서 특히 효과적입니다.
**Maven 리더십의 관점: 근거 없는 지능은 리스크입니다. 지식, 맥락, 가드레일은 엔터프라이즈 규모 AI에서 가장 어렵고도 가장 중요한 과제입니다. Maven의 Graph of Record는 Business AGI의 초석입니다. 정확성, 컴플라이언스, 운영 안정성을 유지하면서 지능을 엔터프라이즈 전반으로 확장할 수 있게 해 주기 때문입니다. 시스템을 복제하는 대신 연결함으로써, 기업은 AI를 더 빠르게 도입하고, 숨은 인프라 비용을 줄이며, 실험 단계에서 프로덕션으로 자신 있게 전환할 수 있습니다.
맥락 메모리와 RAG
RAG(Retrieval-Augmented Generation, 검색 증강 생성)는 에이전트가 실행 시점에 관련 엔터프라이즈 데이터를 가져올 수 있게 합니다. 맥락 메모리는 긴 상호작용이나 여러 세션에 걸친 상호작용에서도 연속성을 보장합니다. Maven의 RAG는 접근 규칙과 노출 적격성을 준수하는, 범위가 지정된 Knowledge Base에서 정보를 검색합니다.
IBM과 Gartner는 그라운딩과 맥락을 엔터프라이즈 AI 신뢰성의 핵심으로 강조합니다. 👉 IBM 엔터프라이즈 AI 인사이트: Enterprise AI Agents — IBM
**Maven 리더십의 관점: RAG와 메모리는 AI가 확신을 갖고 행동하게 하여, 고객 신뢰를 해칠 수 있는 실수를 방지합니다.
4) 통합 및 워크플로 실행
CRM 및 백엔드 통합
AI 에이전트가 레코드 업데이트나 환불 처리 같은 실제 업무를 수행하려면 CRM, 청구 시스템, 내부 도구와 통합되어야 합니다.
Maven의 접근: Maven은 Salesforce, Zendesk 같은 시스템과 통합되어, 에이전트가 시스템 데이터를 읽거나 쓰는 실행 가능한 Actions를 호출할 수 있도록 합니다.
Maven의 모든 통합 보기: Integrations
**Maven 리더십의 관점: 실행하지 못하는 AI는 또 하나의 인터페이스 레이어에 불과합니다. 에이전트는 완전한 감사 가능성과 보안을 갖추고 엔터프라이즈 시스템 안에서 일급 운영 주체로 작동해야 합니다.
API와 안전한 실행
API를 통해 에이전트는 엔터프라이즈 시스템과 상호작용하며, 안전하고 감사 가능한 방식으로 워크플로를 트리거하고 작업을 실행합니다. 이를 통해 엔터프라이즈 거버넌스 기준을 준수하면서 운영 효율성과 확장성을 높일 수 있습니다.
Maven의 접근: Maven의 API 우선 접근 방식은 에이전트가 엔터프라이즈 시스템 안에서 복잡한 워크플로를 직접 실행할 수 있게 합니다. Maven은 모든 작업에 엄격한 인증, 추적성, 컴플라이언스 조치를 적용합니다. 덕분에 고객은 통제권을 유지하면서 기존 인프라와 매끄럽게 통합하고, 측정 가능한 효율성 향상을 달성할 수 있습니다.
**Maven 리더십의 관점: 저희는 안전한 실행을 엔터프라이즈 혁신을 가능하게 하는 전략적 요소로 봅니다. 신뢰와 책임성은 성공적인 엔터프라이즈 자동화의 초석입니다. 모든 자동화 작업을 추적 및 감사할 수 있고 거버넌스 정책에 부합하도록 함으로써, 기업이 자신 있게 운영을 안전하게 확장할 수 있도록 지원합니다.
5) CX 리더에게 중요한 지표와 KPI
자율 해결률(ARR)
정의: 사람의 개입 없이 AI 에이전트가 완전히 해결한 고객 문의 또는 티켓의 비율입니다. 자율 해결이란 이관 없이, 그리고 부정적 피드백 없이 해결된 대화를 의미하며, 제품 지표의 ‘Resolved by Maven’과 같은 기준입니다.
중요한 이유: 에이전틱 AI가 작업을 독립적으로 수행하는 효과성과 신뢰성을 측정하며, 비용을 절감하고 상담원이 더 가치 있는 업무에 집중할 수 있도록 돕습니다.
사례: Papaya Pay는 Maven AGI를 활용해 문의의 90%를 자율적으로 응대했습니다.
첫 응대 해결률(FCR)
정의: 채널과 관계없이 첫 번째 상호작용에서 해결된 고객 문제의 비율입니다.
중요한 이유: 높은 FCR은 효율성과 매끄러운 고객 경험을 의미합니다. AI 에이전트는 지식과 시스템에 즉시 접근할 수 있으므로 후속 응대의 필요성을 줄여 FCR을 높일 수 있습니다.
사례: Papaya Pay는 Agent Maven™ 도입 후 70%의 첫 응대 해결률을 달성했습니다.
해결 소요 시간(TTR)
정의: 고객이 문의를 접수한 시점부터 문제가 완전히 해결될 때까지 걸린 평균 시간입니다.
중요한 이유: TTR이 낮을수록 서비스가 빠르고 CX가 우수하다는 의미입니다. AI 에이전트는 정보를 자동으로 조회하고, 시스템을 업데이트하고, 작업을 실행하여 TTR을 크게 줄일 수 있습니다.
사례: Enumerate는 Agent Maven™으로 티켓의 80%를 3분 이내에 해결하며, 프로덕션 환경에서 TTR을 크게 낮췄습니다.
고객 노력 점수(CES)
정의: 고객이 문제를 해결하기까지 얼마나 수월했는지를 나타내는 지표로, 일반적으로 상호작용 후 설문(예: “오늘 문제를 해결하기가 얼마나 쉬웠습니까?”)으로 측정합니다.
중요한 이유: 높은 CES(낮은 노력)는 고객 만족도, 충성도, 이탈 감소와 상관관계가 있습니다. AI 에이전트는 마찰을 줄이고, 불필요한 단계를 없애며, 맥락을 이해한 지원을 제공함으로써 이에 기여합니다.
사례: Mastermind는 채팅 문의의 93%를 해결하고 응답 시간을 75% 단축했으며, 이는 고객 노력 감소를 잘 보여 주는 지표입니다.
간접비 절감
정의: 반복 업무 자동화, 워크플로 간소화, 추가 인력 수요 최소화를 통해 달성한 운영 비용 절감 효과입니다.
중요한 이유: 간접비가 줄어들면 기업은 예산을 전략적 이니셔티브에 배분하고, 확장성을 높이며, 고객 문의가 늘어나도 수익성을 유지할 수 있습니다. AI 에이전트는 대량의 상호작용을 자율적으로 처리하여 일상 업무에 대한 상담원 의존도를 낮춥니다.
CSAT 및 NPS 향상
CSAT 정의: 특정 상호작용이나 전반적인 서비스에 대한 고객 만족도를 나타내는 지표로, 일반적으로 상호작용 후 짧은 설문(예: 1–5점 또는 1–10점 척도로 “받으신 지원에 얼마나 만족하십니까?”)으로 수집합니다. 중요한 이유: CSAT는 고객의 즉각적인 감정과 경험의 질을 반영합니다. AI 에이전트는 정확하고 빠르며 맥락을 이해한 해결을 제공함으로써 CSAT를 높일 수 있습니다.
사례: Rho는 인력을 늘리지 않고도 더 많은 문의를 처리하면서 95%의 고객 만족도(CSAT)를 달성했습니다. Thumbtack이 50곳 이상의 벤더를 평가하는 과정에서 Maven은 자체 CSAT 평가에서 경쟁 제품 대비 15% 이상 높은 성과를 기록했습니다.
NPS 정의: 고객 충성도와 브랜드 추천 의향을 나타내는 지표로, “저희 회사를 친구나 동료에게 추천할 가능성은 얼마나 됩니까?”와 같은 설문 문항으로 수집합니다. 응답자는 0–10점으로 평가하며, 점수는 다음과 같이 분류됩니다.
NPS 계산 =%Promoters−%DetractorsNPS
중요한 이유: NPS는 장기적인 고객 충성도를 반영합니다. 마찰을 줄이고, 해결 속도를 높이며, 채널 전반에서 일관된 경험을 유지하는 AI 에이전트는 추천 고객을 늘리고 비추천 고객을 줄일 수 있습니다.
사례: Enumerate는 +40의 NPS를 기록하며, Maven 기반 지원 경험에 대한 높은 충성도와 만족도를 보여 주었습니다.
Forrester의 수석 애널리스트 Julie Mohr는 2025년 12월 1일 “AI와 자동화가 도입된 상황에서 ‘빠를수록 좋다’는 기존 사고방식은 더욱 설득력을 잃는다”고 밝히며, AI 중심의 새로운 KPI 5가지에 대한 견해를 제시했습니다.
👉 Forrester 인사이트: It’s Time To Rethink Service Desk Success
Maven의 접근: 많은 Maven 고객이 대상 워크플로에서 ARR >90%를 달성하고 있습니다. 고객 성과 살펴보기: 고객 사례
**Maven 리더십의 관점: 문의량 디플렉션만으로는 성공이라 할 수 없습니다. 성공은 해결입니다. 지표는 단순한 티켓 수가 아니라 고객이 얻은 실제 결과를 반영해야 합니다.
맺음말
용어집은 조직 내 에이전틱 AI 도입 여부, 방식, 시기를 검토하는 여러 단계 중 하나에 불과하다는 점을 잘 알고 있습니다.
저희 영업팀, 솔루션 엔지니어, 고객 경험 관리팀은 잠재 고객과 긴밀히 협력하여 요구 사항을 구체화하고, 내부 투자 승인을 지원하며, 테스트 및 베타 로드맵을 수립하고, CX 전략에서 에이전틱 AI가 지닌 잠재력을 명확히 합니다.
다음 단계로 귀사의 목표와 검토 단계에 대해 먼저 이야기를 나눠 보시는 건 어떨까요? 앞으로의 방향을 함께 설계할 기회를 주시기 바랍니다: 팀에 문의하기
저자 소개
Sami Shalabi공동 창업자 겸 최고기술책임자(CTO), Maven AGI
Sami Shalabi는 음성, 채팅, 이메일, SMS 전반에 걸친 엔터프라이즈 AI 에이전트를 위한 Maven의 제품 비전과 플랫폼 아키텍처를 이끌고 있습니다. Google과 IBM에서 시니어 엔지니어링 리더로 일했으며, 추론, 자율성, 엔터프라이즈 통합을 결합해 측정 가능한 CX 성과를 제공하는 에이전틱 AI 시스템에 집중하고 있습니다.
귀사의 실제 대화로 확인하세요.
맞춤형 무료 데모를 신청하세요.
