플러스벳이 AI 상담(파이(PAI))을 시작하게 된 이유

가장 큰 이유는 저희 팀의 예상한 시기 보다 고객사 수가 빠르게 늘어나고 있어(너무나 감사한 일이죠) 내부적으로 고객 지원 부담이 점차 커지는 중이 었어요. 이에 고객 서비스 품질을 높이기 위해 AI 도입을 검토하게 되었죠.

"플러스벳 팀은 최소한의 인력으로 운영 되고 있어서, 모든 팀에서 고객 문의 처리를 도와주고 계세요. 그렇다 보니 항상 죄송한 마음과 더불어, 팀 전체의 고객문의 처리 부담을 덜어내고 싶었던게 이번 상담 AI 시작의 첫 단계 였던 것 같아요."

- 고객성공팀(CSM : Customer Success Management) TF, Ops 리드 HA

도입 초기에는 우려도 많았어요. 저희는 기업을 대상으로 하는 서비스가 아닌, 실시간으로 진료를 진행하는 수의사 선생님들을 대상으로 하고 있는 전자차트 거든요. 고객 대상과 서비스 대상 범위가 AI상담에 적합할까? 하는 고민들이었죠. 그래서 AI 튜닝을 위한 사전 셋팅을 다른 때 보다 더 신경 쓴 것 같아요. 안정화 되기 까지 셋팅에 거의 세 달이라는 시간을 썼고, 지금도 할애하고 있거든요. 플러스벳을 이용하며 상담 AI 활용이 꺼려졌다면 이번 글을 꼭 읽어 보시는 걸 추천합니다.

플러스벳이 60% 즉시 해결을 달성할 수 있었던 방법

AI 상담으로 무슨 문제를 해결해!? 특히 플러스벳은 EMR 인데!

EMR 즉 전자차트, 병원에서 사용하는 차트 프로그램은 신속한 확인과 장애/에러 즉시 대응이 매우 중요해요. AI 상담을 활용하면 이런 부분의 대처에 느릴 수 밖에 없지 않을까? 하고 생각하실 수 있죠.

플러스벳 팀이 상담 AI를 도입하면서 처음 세운 목표는 '최대한 많이 자동화하자'가 아니었습니다. 대신 'AI가 정확하게 처리할 수 있는 영역이 어디까지인가'를 먼저 정의하는 것부터 시작했어요.

1단계: 고객 문의 데이터 분석 및 분류

먼저 기존에 축적된 고객 문의 데이터를 전수 분석했습니다. 그리고 문의를 크게 네 가지로 나눴습니다. 기능 사용법, 장애 및 오류, 작업요청, 기능 제안입니다.

이렇게 나누고 나니, 빈도가 높은 질문과 반복되는 답변 패턴이 보이기 시작했습니다. 예를 들어 특정 기능의 사용법이나 설정 방법처럼 항상 비슷한 질문이 반복되는 영역이 있었고, 반대로 매번 상황이 달라지는 오류나 장애 문의도 명확히 구분되었습니다.

이 중 반복 가능하고 표준화할 수 있는 영역을 중심으로 템플릿을 만들기 시작했습니다.

2단계: AI 학습 데이터 구축

플러스벳팀이 사용하는 상담 AI인 채널톡 AI는 RAG 기반 모델입니다. 즉, AI의 성능은 모델 자체보다 어떤 문서를 가지고 있느냐에 더 크게 좌우됩니다.

그래서 두 번째 단계에서는 AI를 학습시키기보다, AI가 참고할 문서를 정비하는 데 시간을 썼습니다.

사용 설명서를 최신 기능에 맞추어 업데이트 했고, 100개 이상의 FAQ를 정리했으며, 10,000건이 넘는 실제 상담 사례를 학습 데이터로 정제했습니다.

특히 중요했던 작업은 용어 통일이었습니다. ‘처방 입력’, ‘처방 등록’, ‘약품 입력’, ‘투약 기록’처럼 같은 의미를 여러 표현으로 쓰고 있던 것을 하나의 표준 용어(정규화)로 통일했습니다. 이 작업만으로도 AI의 검색 정확도와 답변 품질이 눈에 띄게 올라갔어요.

3단계: 시나리오 기반 테스트와 보정

문서를 만든 뒤에는 실제 문의를 그대로 재현한 100개 이상의 시나리오를 만들어 테스트했습니다. 이 과정에서 AI가 위험하게 오해할 수 있는 패턴이 드러났습니다. 예를 들어 '차트 저장이 안 돼요'라는 문의에 대해 AI가 사용법상의 안내를 하는 경우가 있었죠. 하지만 이런 문의는 상담 매니저가 확인해야 할 가능성이 있기에 '멈춤', '동작 안함'과 같은 유형의 키워드가 감지되면 자동으로 담당 매니저에게 연결되도록 로직을 수정했습니다.

4단계: 긴급 상황 대응 로직

EMR이라는 서비스 특성상, 일부 키워드는 반드시 사람에게 바로 연결되어야 합니다. 오류, 에러, 장애, 먹통, 접속 안 됨, 로그인 불가 같은 유형의 문의는 즉시 담당자 연결로 분기되도록 했습니다. 반대로 일반 사용법, 심화 사용법과 같은 키워드는 AI가 우선 응대 하도록 했어요.

상담 AI와 사람의 역할 분리

이 과정을 거치면서 저희는 상담 AI와 사람의 역할을 명확히 나누게 되었습니다.

• AI는 기능 사용법 안내, 24시간 1차 응대, 반복 질문 처리를 맡습니다.

• 상담 매니저는 장애·오류 대응, 복잡한 기술 지원, 상황 이해가 필요한 문의를 담당합니다.

이렇게 역할을 나누자, 자동화와 품질 사이의 균형이 잡히기 시작했습니다. AI 도입 이후 평균 첫 응답 시간은 업무시간 기준 3~10분에서 30초 이내로 줄었습니다. 운영 종료시간 및 심야 시간에도 즉시 응대가 가능해졌고, 단순 문의 해결 시간은 5~10분에서 1~2분으로 단축되었습니다. 그리고 그 결과 즉시 해결률 60%에 도달했습니다.

60%라는 수치는 AI가 신뢰할 수 있을 만큼 정확하게 답할 수 있는 영역입니다. 나머지 40%에는 제품 개선 힌트, 장애 가능성, 고객의 복합적인 상황이 담겨 있습니다. 이 영역을 억지로 자동화하는 것은 오히려 답변 품질을 떨어뜨릴 수 있어요.

그래서 자동화 비율을 무작정 올리기보다, AI가 맡은 60%의 정확도를 높이고, 40%는 사람이 깊이 있게 대응하며, 기능이 바뀔 때마다 즉시 문서를 업데이트하는 방식에 집중하고 있습니다. 당장의 운영 목표는 100% 자동화가 아니라, 더 정확한 60%를 만드는 것이라고 봐주시면 좋을 것 같아요.

최대 80%까지 즉시 해결될 것으로 보고 있어요

플러스벳팀이 사용 중인 상담 AI는 채널톡 AI ALF v2이며, 지식검색 기반(RAG, Retrieval-Augmented Generation)으로 동작합니다. 즉, AI가 아무 말이나 알아서 만들어내는 방식이 아니라, 사전에 정리·저장된 문서(FAQ, 가이드, 정책, 매뉴얼 등)에서 관련 내용을 찾아 근거로 삼아 답변을 생성합니다.

AI 모델 유형을 간단히 구분해보면 이해가 쉬워요

1. 멀티 모달 - 범용 생성형 AI(예: GPT, Gemini)

• 인터넷/학습된 광범위한 지식을 바탕으로 다양한 주제에 답변을 생성합니다.

• 장점: 커버리지가 넓고 문장 생성 능력이 뛰어납니다.

• 단점: 우리 서비스의 최신 정책/운영 방식과 다르게 말할 수 있어, 정답을 보장하기 어렵습니다.

  
  

2. 지식검색 기반 AI(RAG, 예: 채널톡 AI ALF v2)

• 정해진 경로의 보유한 문서 데이터(지식베이스)를 검색하고, 그 내용 안에서 답변을 구성합니다.

• 장점: 서비스의 정책/기능/운영 가이드를 기준으로 답변을 표준화할 수 있습니다.

• 전제조건: 문서가 최신이고, 검색이 잘 되게 구조화돼 있어야 정확도가 올라갑니다. 문서에 없는 내용은 AI도 답변 품질이 떨어질 수 있습니다.

즉시 해결률 80%를 기대할 수 있는 이유는 플러스벳이 축적해 둔 문서 지식을 기반으로 일관된 답변을 빠르게 제공하는 튜닝 방식을 선택 하고 있기 때문입니다.

이 AI 튜닝 방식은 AI를 모르는 선생님도, 개발 지식이 없어도 누구든 간편하게 설정할 수 있어서, 동물병원 운영에도 도움이 될 것으로 보고 있기에 추후 병원 내에서 사용하실 수 있는 상담 AI 활용 가이드를 가이드 형태로 제공할 계획이에요.

플러스벳 고객성공팀이 만들어갈 고객경험의 미래

플러스벳의 고객성공팀은 고객이 문제를 발견한 그 즉시 해결할 수 있는 또는 문제를 느끼기 전에 해결안을 먼저 제시하는 고객경험을 만들어 가고 있습니다. 상담 AI가 처리 가능한 영역은 신속하게 자동화하고 응답하며, 전문적인 판단이 필요한 영역은 담당자가 직접 대응하는 하이브리드 시스템을 통해 고객 대기 시간을 최소화 합니다.

차트 이용 중 문의사항 발생 시 전화기를 들고, 언제 연결될지 기다리던 시간. 플러스벳에서는 그런 대기 없이 24시간 고객지원으로 바로 이어집니다.

궁금한 점 또, 인턴 선생님도, 신규 스태프도 즉시 문의 및 확인을 통해 막힘 없이 사용할 수 있는 동물병원 전자차트, 지금 바로 시작할 수 있습니다.