Gamma가 한 번 멈춘 AI 상담을 다시 켠 까닭

1. 왜 이 사례인가

Gamma는 AI로 프레젠테이션과 웹사이트를 몇 초 만에 만들어 주는 서비스입니다. Intercom Fin 고객 사례에 따르면 Gamma의 사용자는 5,000만 명을 넘어섰고, 전 세계에서 여러 언어로 문의가 들어왔습니다. 이 규모를 소규모 지원팀이 감당해야 했습니다.

고객 사례가 밝힌 현재 모습은 이렇습니다. Fin은 인입 상담의 100%에 관여하고, 그중 75%를 처음부터 끝까지 스스로 해결합니다. 매달 18,000건 이상을 여러 언어로 24시간 내내 해결합니다. 사람이 직접 처리하는 상담 비율은 94%에서 24%로 줄었고, CSAT는 84%를 꾸준히 유지합니다. 사람 지원 인력은 외주 상담원 20명, 내부 기술 지원 엔지니어 2명, 커뮤니티 매니저 1명입니다.

이 사례가 눈에 띄는 이유는 세 가지입니다. 첫째, Gamma는 2024년 초 Fin을 시험 도입했다가 기대한 결과를 얻지 못해 보류했습니다. 하지만 그해 말 연휴, 팀 대부분이 자리를 비운 시기에 Fin을 다시 켰고 이때부터 안착했습니다. 둘째, 라우팅 기준이 문의 주제에 그치지 않습니다. Gamma는 사용자 등급, 결제 신호, 감정에 따라 Fin이 사람에게 대화를 넘길지 결정합니다. 셋째, Fin의 역할이 단순 답변을 넘어 Stripe 연동을 통한 환불·결제 실패 처리, Slack 커뮤니티 응대, 개발자용 API 문서 기반 지원과 버그 전달까지 넓어졌습니다.

2. Problem

Gamma 제품이 전 세계에서 빠르게 성장하면서 지원 수요도 급증했습니다. 문의는 여러 시간대와 여러 언어로 온종일 들어왔지만, 소규모 고객 경험(CX) 팀은 이 속도에 맞춰 규모를 늘리기 어려운 구조였습니다.

고객 사례는 당시 과제를 세 가지로 정리합니다.

* 빠르게 늘어나는 상담량: 월 인입 대화가 정기적으로 2만 건을 넘어 대기열과 팀에 지속적으로 부담을 주었습니다. 같은 고객 사례의 도입부에는 월 인입 대화가 정기적으로 3만 건에 이르렀다고 적혀 있습니다.

* 제한된 사람 인력: 소규모 내부 팀과 외주 상담원만으로는 하루 24시간 대응하거나 모든 지역과 언어에 인력을 배치하기 어려웠습니다.

* 응답 품질 유지: 고객은 무료 사용자든 유료 사용자든 빠르고 정확하며 맞춤화된 지원을 기대했습니다.

그 결과 첫 응답 시간 중앙값은 90분까지 늘었고, CSAT는 약 69%로 떨어졌습니다. CX 책임자(Head of Customer Experience) Hilary Dudek은 당시 상황을 이렇게 설명합니다.

“We were getting hammered with incoming conversations.”

“Wait times were long, customers were getting frustrated, and our support agents were burning out. So we needed a way to provide instant, high-quality responses without doubling or tripling our team.”

Gamma는 인력을 늘려 문제를 덮는 방식을 원하지 않았습니다. Dudek은 회사가 늘 “군살 없이 확장한다”는 원칙을 지켜 왔다고 말합니다.

“We’ve always believed in scaling leanly – not just hiring to throw bodies at problems, but using the solutions we already have at our fingertips.”

고객 사례는 Gamma가 단순한 자동화를 넘어, 제품의 성장 목표와 속도에 걸맞은 지원 체계를 만들고자 했다고 덧붙입니다.

확인된 사실: 사용자 5,000만 명 이상, 여러 언어·시간대의 문의, 월 인입 대화 2만 건 이상(도입부 표현은 3만 건), 소규모 내부 팀과 외주 상담원으로 24시간·다국어 대응 불가, 첫 응답 시간 중앙값 90분, CSAT 약 69%, Dudek 인용문.

3. Solution

3.1 2024년 초의 첫 시험과 보류

Gamma는 AI 상담 도입을 서두르지 않았습니다. 2024년 초 처음 Fin을 시험했을 때는 기대한 결과가 나오지 않았습니다. 당시에는 상담량이 아직 감당할 수 있는 수준이어서 도입을 미루기도 쉬웠습니다.

“Our volume was still manageable at the time, so it was easy to postpone.”

3.2 대체 업체 검토, 그리고 연휴 기간의 재도입

그해 말 상황이 달라졌습니다. 상담량은 계속 늘고 대기 시간은 길어졌으며 팀은 지쳐 갔습니다. 연휴가 다가오는데 지원 인력은 부족했고, Gamma에는 팀 대부분이 자리를 비운 동안에도 안정적으로 운영될 해법이 필요했습니다. Dudek은 Fin의 대안을 찾기 시작했고 다른 업체로 데이터를 옮기는 작업까지 착수했으나, 지원 수준과 투명성 문제에 부딪혔습니다.

그사이 Fin도 개선되었습니다. Dudek은 Intercom이 Gamma에서 지적한 문제를 해결하고 주요 베타 기능에 참여할 수 있게 해 주었다고 설명합니다.

“They really stepped up as a partner. They addressed things we’d flagged, put us into key betas, and made it feel like they were in this with us.”

연휴가 되어 팀 대부분이 자리를 비우자 Dudek은 Fin을 다시 가동하기로 결정했습니다. 내부 인력이 없고 BPO(외주 상담) 인력도 제한적인 상황에서 Fin이 인입 상담의 100%를 맡았습니다.

“Gamma has a culture of experimenting quickly. We’re big believers in failing fast – so we decided to give Fin another shot, see what Fin could do during that holiday period. What did we have to lose? We had everything to gain.”

“We set Fin live and let it run. It was handling every conversation and doing incredibly well! Right upfront, it was resolving 50% of conversations and holding a 75% CSAT. For a first rollout, that was huge.”

고객 사례에 따르면 Fin은 연중 가장 바쁜 시기 중 하나에 고객의 감정을 감지하고, 문의를 적절히 라우팅하며, 팀이 예상하지 못한 예외 사례까지 감지해 냈습니다. 대표적인 예로, 메타데이터상 무료 사용자로 표시된 고객이 결제에 어려움을 겪는 상황을 파악해 사람 상담원에게 넘겼습니다. Dudek은 Fin이 어떤 논리로 판단했는지 확인하고 각 처리 단계를 되짚어 볼 수 있었다는 점이 신뢰를 갖게 된 근거였다고 말합니다.

“It more than did its job. That was definitely a turning point for me. Having full visibility into how Fin made decisions – being able to inspect the logic and retrace its steps – that’s what gave us real confidence.”

3.3 사용자 등급·결제 신호·감정에 따른 라우팅

현재 Fin은 Gamma 지원 조직의 운영 방식 깊숙이 자리 잡았습니다. 무료 사용자는 Fin으로 바로 연결됩니다. 맞춤형 에스컬레이션 워크플로는 사용자 등급, 결제 신호, 감정을 기준으로 대화를 라우팅해, 꼭 필요한 경우에만 사람에게 연결되도록 합니다.

Fin은 Gamma의 공개 헬프센터와 내부 지식을 바탕으로 답변합니다. 또한 대화를 실시간으로 자동 번역하여, 다국어 상담원 없이도 고객이 원하는 언어로 지원을 제공합니다.

3.4 답변에서 처리로: 맞춤 워크플로와 Stripe 연동

Gamma는 맞춤형 워크플로를 통해 Fin이 처리할 수 있는 범위를 넓혔습니다. 고객 사례에서 소개하는 예시는 다음과 같습니다.

* 콜드 아웃리치 이메일 분류 및 자동 종료

* 결제 관련 문제 감지

* Stripe 연동을 통한 환불 요청과 결제 실패 처리

“Fin doesn’t just respond. It acts. It adapts. And it does it at a scale we never could have imagined.”

3.5 헬프데스크 밖으로: Slack 커뮤니티와 개발자 지원

Gamma는 이러한 성과를 바탕으로 Fin의 활용 범위를 넓혔습니다. Fin은 Gamma의 Slack 커뮤니티에서 전 세계 사용자가 남긴 까다로운 제품 질문에 한밤중에도 답변합니다. 또한 Gamma는 API 문서를 Fin에 연동해, 베타 버전을 사용하는 개발자를 지원하고 버그를 엔지니어에게 바로 분류해 전달하도록 구성했습니다.

“Fin now helps in our Slack community, answering advanced product questions from our global users in the middle of the night. We’ve also fed Fin our API documentation so it can start supporting developers using the beta and triage bugs directly to engineers.”

확인된 사실: 2024년 초 첫 시험 후 보류, 연말 대체 업체 검토와 데이터 이전 시도, Intercom의 문제 해결과 베타 참여, 연휴 기간 Fin 재가동과 인입 상담 100% 처리, 첫 가동 시 해결률 50%·CSAT 75%, 무료로 표시된 사용자의 결제 어려움을 감지한 에스컬레이션, 로직 확인과 단계 추적, 무료 사용자의 Fin 직접 연결, 사용자 등급·결제 신호·감정 기준 에스컬레이션, 공개 헬프센터와 내부 지식, 실시간 자동 번역, 콜드 아웃리치 이메일 분류·종료, 결제 문제 감지, Stripe 연동 환불·결제 실패 처리, Slack 커뮤니티 응대, API 문서 기반 개발자 지원과 버그 전달.

4. Impact

Intercom Fin 고객 사례(게시일 미표기)가 제시한 주요 지표입니다.

고객 사례는 Gamma의 지원 모델이 1년 전과 완전히 다른 형태로 바뀌었다고 설명합니다. Fin이 전 세계를 대상으로 24시간 지원을 맡으면서, 소규모 지원팀은 더 가치 있는 업무에 집중할 수 있게 되었습니다.

“The team breathed a sigh of relief. Fin handles so much that they finally have room to focus on interesting, challenging work, explore our product, and deliver a more thoughtful customer experience.”

새로운 역할도 생겨났습니다. 고객 사례에 따르면