마이크로소프트가 인력 참여 관리(WEM)를 단순한 근무 일정 도구 이상으로 확장하고 있다. Dynamics 365 Contact Center와 Customer Service에 새 WEM 기능을 도입해 컨택센터가 사람 상담원과 AI 에이전트를 하나의 운영 모델 안에서 함께 계획하도록 하겠다는 구상이다.
이 모델에서는 고객 수요 예측, 상담원 스케줄링, 품질 모니터링과 함께 AI 작업자의 용량 및 비용도 추산한다. 마이크로소프트의 고팔 유바라지 제품 매니저는 공식 블로그에서 “AI 크레딧 추정은 예측된 수요를 예상 AI 크레딧 소비량으로 직접적이고 투명하게 전환하는 방법을 제공한다”고 설명했다.
AI 에이전트가 고객 서비스 업무를 더 많이 맡을수록 컨택센터는 자동화로 전환된 상호작용 수만 파악해서는 부족하다. 자동화 비용, 자동화 실패 시의 결과, 사람 상담원에게 남는 업무가 더 어려워지는지까지 이해해야 한다는 문제의식이 제기된다.
수요 예측에 AI 크레딧 소비량 결합
마이크로소프트는 6월 30일 Dynamics 365 Customer Service 및 Dynamics 365 Contact Center용 WEM을 정식 출시했다. 이 릴리스에는 예측, 용량 계획, 스케줄링, 실시간 준수 관리, 품질 관리, 코칭 기능이 포함됐다.
핵심은 기존 WEM 제품군에 AI 기능을 더하는 데 그치지 않았다는 점이다. AI Agent Estimator는 이제 AI Credit Estimation이라는 이름으로 제공되며, 계획 담당자가 서비스 수요와 함께 AI 사용량을 예측할 수 있도록 한다. Quality Evaluation Agent, Case Management Agent, Customer Intent Agent 등의 도구에 대한 크레딧 소비량을 추정할 수 있다.
예측은 시간 단위, 큐, 채널별로 세분화할 수 있다. 총 예상 소비량과 월평균 및 월 최대 사용량도 확인 가능하다. 이에 따라 AI는 배경에서 작동하는 기능이 아니라 별도로 계획해야 하는 자원이 됐다.
인력 계획 담당자는 초과근무를 승인할지, AI 용량을 추가할지, 또는 둘 다 할지를 판단해야 한다. AI가 해결한 사례의 비용이 사람 지원을 거친 해결 비용과 어떻게 다른지, 크레딧 예측이 실제 고객 성과와 연결되는지도 따져야 한다. 플래그스타 은행의 제이슨 포프 수석부사장 겸 최고기술책임자는 사람과 AI 인력 계획, 실시간 운영, 품질 관리를 하나의 시스템에서 통합하는 능력이 명확한 차별점이라고 평가했다.
AI 예산 예측과 고객 해결 성과의 간극
사용량 기반 AI 가격 정책은 고객 서비스 책임자에게 조달·IT·재무 부서가 주로 다루던 논의를 요구하고 있다. 크레딧, 사용 한도, 모델 비용은 상담원 급여, BPO 계약, 기술 라이선스와 함께 관리 대상이 됐다.
AI 소비량을 예측 수요와 연결하면 청구서가 나오기 전에 지출을 모델링하는 방법은 더 명확해진다. 그러나 AI 크레딧 사용량 예측이 곧 고객 서비스 성공 예측을 뜻하지는 않는다. 컨택센터는 AI 사용 목표를 달성하면서도 재접촉, 에스컬레이션, 고객 불만을 늘릴 수 있다. 고객 문제를 해결하지 않은 채 자동화 여정에 더 오래 머물게 해 인입량만 줄일 가능성도 있다.
따라서 자동화 처리 건당 비용만으로는 충분하지 않다. 성공적으로 해결된 건당 비용을 고객 노력, 재접촉률, 에스컬레이션 품질, 프런트오피스와 백오피스 전반의 업무 완료 시간과 함께 측정해야 한다는 지적이다.
품질 관리 확대가 제기하는 거버넌스 과제
이번 WEM 릴리스에는 Quality Evaluation Agent, 화면 녹화, 코칭 기능도 포함됐다. 마이크로소프트는 Quality Evaluation Agent가 관리자가 정의한 기준에 따라 사례와 대화를 대규모로 평가할 수 있다고 밝혔다. Dynamics 365의 사례 맥락과 상호작용 데이터를 결합해, 주기적인 통화 표본 검토를 넘어서는 품질 관리를 지향한다.
품질팀이 상호작용의 일부만 검토한다면 고객 노력, 반복 수요, 규정 준수 실패, 상담원 소진을 유발하는 패턴을 놓칠 수 있다. 가시성을 높이는 일은 도움이 될 수 있지만, 화면 녹화는 또 다른 균형 문제를 낳는다.
대화 기록은 상담원이 무엇을 말했는지 보여준다. 반면 화면 녹화는 어떤 시스템에 접근했는지, 어떤 지식을 활용했는지, 업무 흐름이 어디에서 잘못됐는지를 드러낼 수 있다. 문제가 상담원 행동이 아니라 결함 있는 프로세스에 있을 때 코칭의 유용성을 높일 수 있지만, 훨씬 더 침해적으로 느껴질 수도 있다.
AI로 근로자를 평가·관리하는 방식에는 거버넌스 문제가 따른다. 컨택센터는 데이터 보존, 접근 권한, 직원 고지, 자동화된 품질 평가 결과가 코칭이나 성과 결정에 반영되는 방식에 관한 명확한 정책을 마련해야 한다.
통합 예측의 성패는 가정과 운영에 달려
마이크로소프트만 사람과 AI가 결합된 서비스 업무의 통제 중심지가 되려는 것은 아니다. 세일즈포스는 Agentforce Contact Center WEM을 출시했으며, Talkdesk, NiCE, Genesys, Verint, Calabrio 등도 AI, 품질, 인력 계획, 고객 서비스 운영의 연계를 강화하고 있다.
디지털 작업자에게도 용량 계획, 품질 기준, 에스컬레이션 규칙, 비용 감독이 필요하다. 다만 통합 예측의 유용성은 그 기반이 되는 가정에 좌우된다. 모델이 자동화 실패를 반영할 수 있는지, AI가 복잡한 사례를 전문 큐로 한꺼번에 넘길 시점을 예측할 수 있는지, 상담원이 적절한 맥락을 넘겨받았는지를 측정할 수 있는지가 관건이다.
마이크로소프트는 이런 질문에 답할 수 있는 인력 운영용 제어판을 강화했다. 그러나 올바른 답을 얻을 수 있는지는 대시보드 자체보다 그 뒤에 놓인 지표, 거버넌스, 운영 규율에 달려 있다.
출처: CX Today — 원문 기사 보기 (Is Microsoft’s AI Workforce Forecasting Enough for Contact Centers? - CX Today)
