Gartner는 60일 사이에 두 건의 전망을 발표했습니다. 향후 24개월간의 AI 투자 규모를 가늠하는 CX 리더라면 두 전망을 나란히 놓고 읽어 볼 필요가 있습니다.
1월 26일, Gartner는 고객 서비스에서 생성형 AI의 해결당 비용이 2030년까지 $3를 넘어 상당수 B2C 해외 상담원 비용보다 높아질 것으로 전망했습니다. 3월 31일에는 고객 서비스 조직의 절반 이상이 2028년까지 기술 지출을 2배로 늘리지만, 그에 상응하는 인력 감축은 이뤄지지 않을 것이라고 전망했습니다.
두 전망을 함께 보면 CX 경제의 모습이 드러납니다. 지출 곡선은 오르고, 인력 곡선은 거의 평탄하며, AI 해결당 비용은 원래 낮추려던 해외 상담원 비용 수준으로 다가갑니다. 2023년 이후 대부분의 CX 소프트웨어 예산을 뒷받침해 온 'AI가 고객 서비스 비용을 줄여 준다'는 전제가 더 이상 깔끔하게 성립하지 않는 것입니다.
Gartner는 이 추세의 배경으로 인재와 도구 복잡성이라는 두 가지 변수를 꼽습니다. 둘 다 실재하는 요인이지만, 그 아래에는 대부분의 팀이 추적하지 않는 세 번째 변수가 있습니다. 바로 해결, 구체적으로는 AI가 처리하는 것과 AI가 실제로 해결하는 것 사이의 격차입니다. 이 격차가 CX 기술에 투입되는 1달러가 성과를 만들어 내는지, 아니면 거래 건수만 만들어 내는지를 결정합니다.
달러로 본 해결 격차
대부분의 CX 대시보드는 '자동화율'이나 '디플렉션율'을 핵심 지표로 내세웁니다. 티켓이 들어오고, AI가 응답하고, 상담원 없이 대화가 끝나면 플랫폼은 해당 티켓을 처리 완료로 표시합니다. 대시보드 수치는 올라갑니다.
하지만 대시보드가 항상 보여 주지는 않는 것이 있습니다. 고객의 문제가 실제로 해결되었는지 여부입니다. 이것이 바로 해결 격차, 즉 AI가 다룬 상호작용과 AI가 실제로 해결한 문제 사이의 간극입니다.
격차가 크다고 해서 문의량이 사라지지는 않습니다. 세 가지 경로로 다시 시스템에 유입됩니다.
- 재문의: 문제가 해결되지 않아 고객이 같은 채널로 다시 연락하는 경우
- 채널 간 에스컬레이션: 고객이 채팅을 시도하다 포기하고 전화를 걸어, 처음부터 다시 시작하는 상담원과 연결되는 경우
- 이탈: 고객이 이 회사는 도움이 되지 않는다고 판단하고 더 이상 시도하지 않는 경우
이 결과들은 모두 디플렉션 대시보드에 잡히지 않는 비용을 수반합니다. McKinsey의 AI in Customer Service 2026 표본은 단위 경제성을 선명하게 보여 줍니다. AI가 처리한 해결 건당 비용은 약 $0.62로, 사람이 처리한 건의 $7.40과 대비됩니다(Digital Applied의 2026 벤치마크 자료 인용). 그러나 이 계산은 디플렉션 수치가 아니라 해결 수치에서만 성립합니다. 디플렉션으로 기록되었다가 사람이 처리하는 에스컬레이션으로 되돌아오는 상호작용마다 비용은 두 번 발생합니다. 한 번은 AI 라이선스, 또 한 번은 끊긴 대화를 이어받는 상담원 비용입니다. 격차가 크면 이 비용은 누적되고, Gartner가 2028년까지 전망하는 지출 곡선은 그것이 대규모로 나타난 모습입니다.
그래서 AI의 경제성을 사람 기준선과 비교할 때 중요한 벤치마크는 상호작용당 비용이나 디플렉션율이 아니라 해결당 비용입니다. Gartner의 2030년 해결당 $3 전망은 AI가 메시지를 처리할 때의 비용이 아니라, 실제로 문제를 해결할 때의 비용을 측정한 것입니다.
지출 곡선 내부에서 실제로 벌어지는 일
Gartner가 2025년 10월 고객 서비스 리더 321명을 대상으로 실시한 설문에 따르면, AI 때문에 상담원 인력을 줄인 조직은 20%에 불과했습니다. 나머지 80%는 AI 비용과 상담원 비용을 함께 부담하고 있습니다.
이는 비용 절감으로 가는 과도기적 상태가 아닙니다. 대부분의 CX 조직이 AI를 도입하는 방식에서 비롯된 구조적 결과입니다. CXOVoice의 지적처럼, 고객 서비스 비용이 늘어나는 이유는 AI가 계층을 없애는 대신 추가하고 있기 때문입니다. 이제 기술 스택에는 대화형 AI, 라우팅, 지식 관리, 분석, 오케스트레이션, 감독이 포함되며, 각각 라이선스, 구축, 통합 비용이 따로 듭니다.
이 중 어떤 계층도 기존 계층을 대체하지 않습니다. Gartner가 2028년까지 전망하는 것은 일회성 전환 비용이 아니라, 인건비 중심의 CX 예산에서 소프트웨어 중심의 CX 예산으로 넘어가는 구조적 변화이며, 그 과정에서 전체 비용 기반은 줄지 않고 늘어납니다.
이 변화 안에서 AI 지출이 장부의 어느 쪽에 기록될지는 해결 격차가 결정합니다. AI가 문제를 처음부터 끝까지 해결하면 소프트웨어 계층은 제 역할을 합니다. 원래 사람이 해야 할 일을 대신하므로 단위 경제성이 성립합니다. 반면 AI가 해결 없이 디플렉션만 하면, 소프트웨어 계층은 기존 비용을 하나도 없애지 못한 채 비용만 더합니다. 상담원 예산에서 빠져야 할 1달러가 결국 그 위에 AI 비용을 얹는 데 쓰이게 됩니다.
누적되는 비용 계산
일반적인 환경을 가정해 보겠습니다. 월 10,000건의 인바운드 티켓이 들어오고, 벤더 대시보드는 60% 자동화율을 보고하며, 6,000건의 티켓이 사람 개입 없이 '처리 완료'로 표시됩니다.
디플렉션과 확인된 해결을 구분하는 감사 작업을 해 보면 대개 다른 결과가 나옵니다. RAG 기반 도입 사례에 관한 업계 연구는 일관되게 '디플렉션된' 티켓의 15%~25%에 잘못되었거나 불완전한 답변이 포함되어 있다고 밝힙니다. 디플렉션된 6,000건 중 25%가 72시간 안에 재문의, 에스컬레이션, 채널 간 시도 형태로 시스템에 다시 들어온다면, 자동화된 것처럼 보였던 1,500건은 실제로는 자동화되지 않은 것입니다.
이 문의량에서 실제 자율 해결률은 60%가 아니라 45%입니다. 그리고 이 격차는 대부분의 CX 대시보드가 드러내도록 설계되지 않은 세 가지 항목에서 나타납니다.
- AI 벤더 청구액은 그대로입니다. 라이선스는 상호작용 기준으로 책정되고, AI는 상호작용을 처리했기 때문입니다.
- 상담원 팀의 업무량에는 다시 들어온 1,500건의 티켓이 포함되며, 핸드오프가 끊겨 있어 맥락 없이 넘어오는 경우가 많습니다.
- 고객 경험은 두 번 문의해야 하는 비용을 떠안습니다. 벤더는 6,000건의 상호작용에 대해 청구합니다. 여러분이 얻은 해결은 4,500건입니다.
AI 비용 항목이 사람의 처리를 대체하는지, 아니면 그 위에 더해지는지를 결정하는 것이 바로 해결 격차입니다. 격차가 작으면 AI 지출이 상담원 지출을 상쇄합니다. 격차가 크면 AI 지출은 상담원 지출 위에 쌓이며, 그것이 Gartner가 2028년까지 전망하는 곡선입니다.
아키텍처라는 변수
해결 격차는 모델의 문제가 아니라 아키텍처의 문제입니다.
현재 운영 중인 대부분의 AI 에이전트는 읽을 수는 있지만 실행하지는 못합니다. 지식 베이스에서 정보를 검색하고, 정책을 요약하고, 다음 단계를 제안합니다. 하지만 더 깊은 통합 없이는 환불 처리, 계정 업데이트, 주문 변경, 예약 변경을 대체로 하지 못합니다. 아키텍처의 분기점은 고객의 실제 문제가 존재하는 시스템에 대해 읽기 전용 접근인지, 읽기-쓰기 접근인지입니다.
읽기 전용 AI는 정보 제공만으로 해결할 수 있는 티켓 비중에 구조적으로 묶여 있습니다. 대부분의 엔터프라이즈 CX 프로그램에서 이는 비밀번호 재설정, 주문 상태 조회, 정책 문의 같은 1단계 영역입니다. 실제 문의량은 상당하지만 한계가 분명합니다. 지원 비용을 끌어올리는 불만, 예외 처리, 청구 분쟁, 계정 변경은 읽기-쓰기 경계 너머에 있습니다.
그래서 광범위한 문의 유형에서 70%를 넘는 '자동화율' 수치는 꼼꼼히 따져 볼 필요가 있습니다. 이런 수치는 대개 AI가 보기 전에 까다로운 문의를 걸러 내는 공격적인 분류 계층을 반영하거나, 결과를 확인하지 않고 대화 종료만 해결로 집계하는 정의를 반영합니다. 백엔드 시스템과 읽기-쓰기 통합을 갖춘 실제 도입 사례는 정책 의존적 티켓까지 포함한 광범위한 문의 유형에서 확인된 해결률이 70%~85% 수준인 경우가 많습니다.
CX 기술에 투입되는 1달러가 해결 격차를 좁힐지 넓힐지는 아키텍처 결정에 달려 있습니다. 읽기 전용 대 읽기-쓰기, 오버레이 대 전면 교체, 위에 얹는 계층으로서의 AI 대 헬프데스크 내부의 AI. 이는 단순한 구현 세부 사항이 아니라 지출의 승수입니다. Maven의 평가 프레임워크에서 각 요소를 더 자세히 살펴볼 수 있습니다.
해결 우선 접근은 실제로 어떤 모습인가
해결 격차를 좁히고 있는 기업들에는 공통된 아키텍처 특성이 있습니다. 고객의 문제가 실제로 존재하는 시스템과의 읽기-쓰기 통합입니다. 해결 격차를 좁힌 실제 운영 데이터는 구체적입니다.
- Mastermind는 도입 6주 만에 93% 자율 해결률을 달성했습니다.
- Papaya Pay는 3주 만에 90% 자율 해결률을 달성했습니다.
- Clio는 기존 챗봇에서 80% 자율 해결로 전환해 60% 더 많은 티켓을 해결했고, 실시간 지원 응답 시간을 4배 단축했습니다.
- Rho는 인력 충원 없이 월간 문의를 12% 더 처리하면서도 CSAT 95%를 유지했습니다.
마지막 데이터는 곱씹어 볼 만합니다. Gartner는 3월 31일 발표에서 2028년까지 CX 기술 지출이 2배로 늘어도 인력 감축은 그에 미치지 못할 것이라고 전망하며, AI 비용을 마련하려고 상담원을 줄이는 기업은 운영 차질, 고객 경험 저하, 값비싼 원상 복구의 위험을 안게 된다고 경고했습니다. 이 전망은 AI가 늘어나는 문의량을 감당할 만큼 스스로 충분히 해결하지 못한다는 가정에 기반합니다.
Rho의 수치는 해결 우선 지출 구조가 실제로 어떻게 작동하는지 가장 명확하게 보여 줍니다. CSAT는 95%를 유지했고, 문의량은 12% 늘었으며, 팀 규모는 그대로였습니다. 해결률이 실질적일 때 처리 역량은 이런 모습입니다. 더 많은 고객을, 같은 팀으로, CSAT를 지키면서 처리하는 것입니다.
이것이 AI 비용 항목이 제 몫을 하는 지출 구조입니다. 기술 지출은 늘고, 상담원 지출은 그대로이며, 고객 문의량은 늘고, 해결된 문제당 전체 비용은 낮아집니다. 이는 해결 수치가 충분히 높을 때만 가능합니다. 다시 말해, 디플렉션과 해결 사이의 격차가 충분히 작아 AI가 처리한 문의량이 그대로 AI의 성과로 이어질 때입니다.
예산을 2배로 늘리기 전에 던질 세 가지 질문
Gartner의 2028년 지출 전망이 모든 CX 손익계산서에 그대로 적용될 필요는 없습니다. 그렇게 될지를 결정하는 변수는 새로 추가하는 AI 계층의 아키텍처와 경제성입니다. 다음 세 가지 질문으로 벤더가 앞세우는 헤드라인 수치 너머를 볼 수 있습니다.
- AI가 고객의 문제가 존재하는 시스템에서 직접 작업을 실행할 수 있습니까, 아니면 문서를 기반으로 응답만 합니까? 읽기 전용과 읽기-쓰기의 경계는 AI가 다룰 수 있는 지원 비용의 범위를 제한하는 아키텍처 변수입니다. 주문 상태를 알려 주는 AI도 유용합니다. 하지만 해결 격차를 좁히는 것은 반품을 처리하고, 계정을 업데이트하고, 변경 사항을 확인해 주는 AI입니다.
- 해결된 티켓의 72시간 내 재문의율은 얼마입니까? 이것이 감사 지표입니다. '해결된' 티켓의 25%가 3일 안에 후속 문의로 이어진다면, 실질 해결률은 헤드라인 수치보다 상당히 낮습니다. AI의 해결 품질에 자신 있는 벤더는 이 수치를 공개합니다. 측정하지 않은 벤더에게는 대개 그럴 만한 이유가 있습니다.
- 디플렉션율이 아닌 확인된 해결률은 얼마입니까? 확인된 해결은 고객의 문제가 해결되고 고객이 다시 문의하지 않은 티켓만 집계합니다. 디플렉션은 AI가 다룬 모든 티켓을 집계합니다. 두 가지를 모두 측정한 벤더는 둘 다 공유합니다. 측정하지 않았거나 공유하지 않는 벤더는 대체로 자신에게 유리한 수치에 맞춰 최적화하고 있습니다.
이 세 가지 답을 종합하면 CX 기술에 투입되는 1달러가 해결을 사는지, 아니면 활동량만 사는지 판단할 수 있습니다.
Gartner가 짚지 않은 변수
2026년에 나온 두 전망은 같은 방향을 가리킵니다. 지출은 늘고, AI 해결당 비용은 사람 수준으로 올라가며, 인력은 거의 그대로입니다. 그 결과 2028년까지 기술 지출을 2배로 늘리는 절반의 조직에서는 CX 비용 기반이 구조적으로 증가합니다.
이 전망들이 말하지 않는 것은, 아키텍처가 아닌 기술 지출을 측정하기 때문에, 해결 격차야말로 어떤 조직이 어느 쪽 절반에 속할지를 결정하는 변수라는 점입니다. 해결을 핵심 기준 지표로 삼고, 고객의 문제가 실제로 존재하는 시스템에서 작업을 실행하도록 AI 계층을 설계하는 기업은 성과 없이 지출만 2배로 늘어나는 상황을 겪지 않을 것입니다. 해결을 디플렉션과 같은 의미로 취급하는 기업은 2026년, 2027년, 2028년에 더 많이 지출하면서도 2024년과 비슷한 수준만 해결하게 될 것입니다.
업계의 용어도 이를 반영해 바뀌고 있습니다. 자율 해결이 핵심 기준 지표로 자리 잡고 있습니다. 해결률(Resolution Rate)은 기존 CX 벤치마크를 대체해 지원 업무에서 AI가 제대로 작동하는지 판단하는 주요 척도가 되어 가고 있습니다. 벤더와 애널리스트의 논평도 같은 결론으로 모이고 있습니다. 2026년에는 AI 벤더가 가장 먼저 내세우는 대시보드일수록 가장 꼼꼼히 따져 봐야 합니다.
Gartner가 전망하는 2028년 지출 곡선은 피할 수 없는 미래가 아닙니다. 대부분의 CX 팀이 지금 내리고 있는 아키텍처 결정의 결과입니다.
귀사의 실제 대화로 확인하세요.
맞춤형 무료 데모를 신청하세요.
