AI 고객 지원이 이메일 티켓을 넘어 WhatsApp, Messenger, Instagram DM으로 옮겨가고 있습니다. 채팅으로 고객 지원을 운영하는 기업에게 대화형 AI가 실제로 무엇을 바꾸는지 살펴봅니다.
5년 전만 해도 “고객 지원”이라고 하면 헬프데스크, 티켓 번호, 그리고 이틀쯤 지나야 답장이 올 수도 있는 이메일을 의미했습니다. 지금은 그 상당 부분이 가족에게 메시지를 보낼 때 쓰는 것과 똑같은 채팅창 안에서 이루어집니다. WhatsApp, Messenger, Instagram DM은 의도된 설계가 아니라 자연스러운 흐름 속에서 지원 채널이 되었고, 그 변화가 만들어낸 물량을 기업이 실제로 감당할 수 있게 된 것은 AI 덕분입니다.
Meta에 따르면 WhatsApp와 Messenger에서 사람과 기업 AI 에이전트 사이에 오간 주간 대화 수는 2026년 1분기에 1,000만 건에 달했으며, 이는 연초의 100만 건에서 늘어난 수치입니다. 7월에 더 넓은 범위로 출시가 확대될 무렵에는 이미 100만 곳이 넘는 기업이 Meta Business Agent를 켠 상태였습니다. 이는 Meta 자체 수치이지만, 메시징 지원 시장 전반에서 일어나고 있는 흐름과도 맞아떨어집니다. 메시징 앱 자동화는 더 이상 시범 프로젝트가 아니라, 기업이 대화의 첫 몇 분을 처리하는 기본 방식이 되었습니다.
고객이 WhatsApp와 Messenger로 옮겨간 것은 기업이 요청해서가 아닙니다. 이미 휴대폰에서 늘 열려 있는 앱이기 때문에 옮겨간 것입니다. WhatsApp만 해도 사용자가 30억 명이 넘고 활성 비즈니스 계정이 2억 개가 넘으며, Meta는 WhatsApp, Messenger, Instagram을 통틀어 사람과 기업 사이에 매일 10억 건이 넘는 활성 채팅 스레드가 오간다고 밝혔습니다.
이메일과 전화 지원은 영업시간과 대기열을 전제로 만들어졌습니다. 메시징 앱은 고객이 깨어 있는 시간이라면 언제든 거의 즉각적인 답장을 기대하는 방식으로 돌아갑니다. 실시간 기대치와 영업시간 기반 인력 운영 사이의 이 불일치가 바로 AI를 이 그림 안으로 끌어들인 이유입니다. 사람은 모든 고객을 위해 밤 11시까지 온라인 상태로 있을 수 없지만, 이미 FAQ와 카탈로그로 학습된 모델은 그럴 수 있습니다.
오늘날 고객 서비스에 쓰이는 AI 대부분은 “청구 관련 문의는 1번을 눌러주세요” 같은 정해진 분기 트리가 아닙니다. 실제 메시지를 읽고, 맥락에서 의도를 파악한 뒤, 그에 맞게 답하거나 넘깁니다. 메시징 앱 안에서 이는 대체로 세 가지 뚜렷한 역할로 나타납니다.
반복적인 질문에 답하기. 반품 정책, 매장 영업시간, 배송 기간, “이거 M사이즈 있나요” 같은 질문입니다. 업계 분석가들은 이제 AI가 사람이 메시지를 전혀 보지 않고도 이런 일상적인 상호작용의 상당 부분을 처음부터 끝까지 처리한다고 추정합니다.
실시간 카탈로그에서 정보 가져오기. 특히 WhatsApp에서는 Meta Commerce Catalog와 연동된 에이전트가 “$50 이하 면 셔츠” 같은 요청에 대해, 어디서 찾을 수 있는지 설명하는 문단이 아니라 채팅 안에 실제 상품 카드로 답할 수 있습니다.
사람이 필요한 사안 표시하기. 환불 분쟁, 화가 난 고객, 정보보다 판단이 필요한 모든 사안에 대해, 잘 설정된 에이전트는 이를 알아채고 대화 기록을 첨부한 채로 넘깁니다. 아무 맥락도 모르는 사람에게 고객이 같은 이야기를 반복하게 만들지 않습니다.
이 모든 것 뒤에 있는 비용 차이가 도입이 이렇게 빠르게 확산된 큰 이유입니다. 업계 추정치에 따르면 AI가 해결한 지원 상호작용은 건당 약 $1~$2인 반면, 사람 상담원이 처음부터 끝까지 처리해야 하는 티켓은 건당 $6~$12입니다. 메시징 지원이 처리하는 물량을 감안하면 이는 결코 사소한 절감이 아닙니다.
가장 뚜렷한 이점은 쉬운 질문에 대한 속도입니다. 반품 기한을 묻는 고객이 복잡한 주문 분쟁을 겪고 있는 사람 뒤에서 줄을 서서 기다릴 필요가 없고, 기업 쪽의 AI 채팅 자동화가 바로 그것을 가능하게 합니다. 이를 도입한 지원팀들은 일상적인 티켓 대부분에서 더 빠른 해결을 이루고, 실제로 사람의 판단이 필요한 대화에 더 많은 시간을 쓸 수 있게 되었다고 말합니다.
두 번째 이점은 일관성입니다. 하루에 마흔 번째 채팅을 상대하며 지친 상담원은 다섯 번째 채팅 때와 다르게 반품 정책을 설명할 수도 있습니다. AI 에이전트는 같은 질문에 매번 같은 방식으로 답합니다. 이는 좋을 때도 있고, 때로는 나쁠 때도 있습니다. 오래된 정책이라도 누군가 원본 자료를 업데이트할 때까지는 계속 자신 있게 반복되기 때문입니다.
AI 에이전트는 읽도록 제공된 정보만큼만 우수합니다. 업로드된 FAQ나 카탈로그 밖의 것을 물어보면, 이를테면 별도 시스템에 있는 주문 상태나 지난주 매니저가 승인한 정책 예외 같은 것을 물어보면, 추측하거나 멈춰버립니다. Gartner는 2026년 말까지 기업용 애플리케이션의 40%가 특정 작업에 특화된 AI 에이전트를 포함할 것으로 전망합니다. 2020년대 초반의 5% 미만에서 늘어난 수치입니다. 하지만 “AI 에이전트를 포함한다”는 것과 “사람 없이 지원을 처음부터 끝까지 처리한다”는 것은 대부분의 기업에게 여전히 다른 이야기입니다.
이 차이가 가장 뚜렷하게 드러나는 순간이 인계 시점입니다. AI가 대화를 다시 넘길 때, 누군가는 실제로 그것을 읽고, 이미 무슨 이야기가 오갔는지 파악한 뒤, 고객에게 같은 말을 반복시키지 않으면서 이어받아야 합니다. 하루에 채팅 몇 건만 처리하는 기업에게는 이것이 사소한 작업입니다. 수백 건을 처리하는 기업에게는, AI가 처리한 인계 건들을 읽고 하나하나 상황을 다시 파악하는 일 자체가 새로운 병목이 됩니다. 대화 속에서 예전보다 한 단계 뒤로 밀려났을 뿐입니다.
The Chat Quotient 같은 도구가 채우려는 지점이 바로 여기입니다. AI Summary는 사람 상담원이 답장하기 전에 긴 인계 스레드를 몇 개의 핵심 항목으로 정리해줍니다. 그리고 자체 AI Inbound Agent는 WhatsApp Web 안에서 직접 실행할 수 있어, 별도의 비즈니스 플랫폼을 거치지 않고 자동화된 첫 응답을 원하는 기업에 적합합니다. Meta의 에이전트(또는 기업이 사용하는 플랫폼 자체 AI)가 자동화된 첫 대응을 처리하고, The Chat Quotient 같은 레이어는 사람이 넘겨받아야 하는 시점 이후를 처리합니다.
메시징 앱에서의 고객 서비스 AI는 이제 미래의 트렌드가 아니라, WhatsApp나 Messenger를 통해 의미 있는 물량을 받는 모든 기업에게 현재의 기본값입니다. 이를 통해 가장 큰 효과를 보는 기업은 에이전트를 켜놓고 손을 뗀 곳이 아닙니다. 실제 FAQ와 카탈로그를 바탕으로 제대로 학습시키고, 언제 멈추고 사람을 불러야 하는지 명확한 규칙을 세우고, 그 인계 직후 몇 초 동안 무슨 일이 일어나야 하는지 워크플로를 구축한 기업들입니다. 자동화는 첫 답장을 빠르게 내보냅니다. 그 이후 대화를 어떻게 이어갈지는, 적어도 지금까지는, 여전히 사람의 몫입니다.
Chrome 확장 프로그램을 추가하고 비즈니스를 위한 WhatsApp 대화 관리 방식을 혁신하세요.
