3PL 고객 서비스 AI 코파일럿 도입 플레이북: 조회·변경·예외로 통화량 40% 감축

국제 3PL을 하는 고객사가 있었다. 성수기 두 달 동안 고객 서비스팀은 하루에 600통 전화를 받는다. 우리는 현장에 3일간 내려앉아 통화 하나하나에 태그를 붙였다. 결과가 재미있었다. 통화의 거의 절반이 고객 서비스 직원이 똑같은 말만 반복하고 있었다. "조회해드리겠습니다", "송장번호가 뭐예요", "이미 배송센터에 도착했어요". 사람들이 앉아서 하는 일은 사실 조회 기계 역할이었다.

이게 우리가 물류 고객 서비스 AI 도입을 시작한 지점이다. 'AI가 뭘 할 수 있나'를 먼저 묻지 않고, '우리 통화는 어떻게 생겼나'를 먼저 묻는 거다. 3PL 고객 서비스는 일반 이커머스 고객 서비스와 다르니까. 화주(shipper)·수취인·플랫폼 세 주체가 모두 전화를 건다. 묻는 내용은 매우 구조화되어 있지만, 여러 시스템에 흩어져 있다. WMS, TMS, 운송사 API, 자체 주문 시스템. 통화를 줄일 수 있을지는 이 시스템들을 코파일럿 하나가 읽고 쓸 수 있게 연결할 수 있을지에 달려 있다.

AI는 나중, 먼저 통화를 분해하자

우리의 원칙은, 도입 전에 반드시 2주간의 통화 분석부터 시작하는 것이다. 녹음을 전사하고, 주제와 감정에 태그를 붙이고, '사람이 정말 필요했는가'를 표시한다. 3PL의 통화는 보통 이 몇 가지 범주에 떨어지는데, 자동화 난이도가 천차만별이다.

이 표를 펼쳐놓으면, '40% 감축'이라는 목표가 그냥 구호에서 계산 가능한 숫자로 변한다. 조회만 해도 80% 자동화하면 전체 통화량이 약 30% 줄고, 변경 건 중에 구조화된 절반만 챙겨도 40%에 도달한다. 이건 낙관적 예상이 아니다. 우리가 두 개의 3PL 프로젝트에서 실제로 달성한 규모다.

조회는 쉬운 문제, 하지만 쉬운 문제도 망칠 수 있다

조회가 쉬운 이유는 읽기 전용이기 때문이다. 코파일럿은 조회하고 명확하게 말해주면 되는데, 데이터를 건드리지 않으니 리스크가 낮다. 우리는 코파일럿을 세 개의 소스에 직접 연결한다. 내부 주문 시스템에서 송장번호와 품목을 가져오고, WMS에서 출고 상태를 가져오고, 운송사 API에서 마지막 마일 배송 정보를 가져온다. 사용자가 LINE이든 웹이든 전화든 '내 상품이 어디 있어?'라고 물으면, '어제 18:40에 타오위안 배송센터 도착, 내일 오전 배송 예정, 배송사는 검은고양이'라고 답한다.

하지만 우리가 밟은 지뢰가 있다. 같은 업계가 같은 실수를 하지 않도록 공유한다. 운송사의 배송 정보는 때때로 지연되거나 상태 코드의 의미가 일치하지 않을 수 있다(예를 들어 '배송 중'도 운송사마다 정의가 반나절 차이난다). 초기 버전에서는 AI가 상태 코드를 있는 그대로 말했다. 그 결과 수취인이 '배송완료' 정보로 속았는데, 실제로는 물품이 차에 있었고, 고객 불만이 오히려 늘었다. 나중에 우리는 규칙을 추가했다. 상태 타임스탐프가 어느 한계를 넘거나, 여러 소스 데이터가 충돌할 때는, 코파일럿이 결론을 내리지 않고 '시스템에 따르면…, 기사와 확인 후 답변드리겠습니다'라고 말하고 동시에 티켓을 생성한다. 자신감 있게 틀리는 것보다 보수적으로 가자.

변경과 예외: 자동화의 진정한 분수령

변경은 쓰기 작업을 시작한다. 이게 설계에서 가장 조심해야 할 부분이다. 우리의 원칙은 '출고 시점'을 신호등처럼 쓴다는 것이다. 상품이 아직 픽킹되지 않았으면, 주소 변경, 배송 시간 변경을 코파일럿이 TMS에 직접 입력해 즉시 반영한다. 하지만 픽킹을 시작하거나 배송 차량에 올라가면, 어떤 변경도 사람이 처리한다. 왜냐하면 이 시점에 뭔가 건드리면 배송 경로, 운임, 심지어 반품까지 영향을 받을 수 있기 때문이다. 이 선을 어디에 그을지는 운영팀과 함께 정해야지, 엔지니어링 팀이 혼자 결정할 수 없다.

예외 통보가 가장 어렵지만, 가장 할 만한 일이다. 어려운 이유는 책임을 판단해야 하고 감정을 다뤄야 하기 때문이다. 할 만한 이유는, AI가 끝내지 못하더라도 '케이스 접수'라는 시간 걸리는 작업을 끝낼 수 있기 때문이다. 손상 사진, 송장번호, 상품, 처리 방법을 명확히 묻고 구조화된 티켓으로 담당자에게 넘긴다. 고객 서비스 직원이 받을 때쯤 처음 5분간의 질문과 답변은 이미 끝나 있다. 우리가 측정해본 결과, 이 유형의 통화를 30~40%만 자동화해도 평균 처리 시간(AHT)이 20% 이상 줄어든다.

사람-기계 분담, 사람을 쫓아내는 게 아니다

도입 후 성패를 결정하는 것은 AI 자체의 똑똑함이 아니라 에스컬레이션 설계다. 우리는 매 3PL 프로젝트마다 사람에게 넘기는 세 가지 강제 규칙을 정한다. 첫째, 감정 감지에서 명확한 불만이 드러나면 즉시 넘기고, AI가 억지로 해결하려 하지 않는다. 둘째, 같은 문제로 AI가 두 번 왕복해도 못 풀면 넘긴다. 셋째, 금액, 보상, 계약 관련은 직접 넘긴다. 넘길 때는 완전한 대화 맥락을 함께 건네줘야 하고, 고객 서비스 직원이 '송장번호가 뭐예요?'를 다시 물을 필요가 없어야 한다. 이 인수인계가 좋지 않으면, 고객의 신뢰가 순식간에 깨진다.

런칭 후 1분기, 그 고객의 통화량은 약 43% 줄었다. 고객 서비스팀은 감원하지 않았고, 절약된 인력을 능동적 예외 관리로 돌렸다. 배송이 지연되면, 화주에게 먼저 전화해서 알려주고, 상대의 항의를 기다리지 않는다. 이게 우리가 원하는 모습이다. AI는 반복되는 일을 받고, 사람은 오직 사람만 할 수 있는 일을 한다.

우리가 항상 하는 말로 돌아가자. 멋진 데모는 소용없고, 런칭해서 사람들이 실제로 쓸 때가 중요하다. 그래서 Tenten에서는 물류 고객 서비스 AI 도입을 절대 모델부터 시작하지 않는다. 먼저 현장에 내려앉아 통화를 분석하고, 자동화 가능한 비율을 정확히 계산하고, 한 범주씩 프로덕션 시스템에 연결한다. 그리고 엔지니어들이 실제 사용률이 나올 때까지 현장에 남아 있는다. 시간이 더 걸리지만, 이게 유일하게 남는 방법이다.