→
Q
AI 콜센터 ROI는 어떻게 계산하나요?
인건비 절감과 추가 매출에서 모델, 통합, 검수, 재작업 비용을 뺀 순편익을 총투자액과 비교한다. 자동 처리 건수가 아니라 품질 기준을 통과한 해결 건수를 분모로 써야 한다.
대기시간과 구독료 비교를 넘어, 품질을 유지한 업무 한 건의 총비용으로 AX 성과를 측정하는 법
AI 콜센터는 대기시간을 줄이고 Claude Code는 코딩 시간을 줄인다. 하지만 빠른 응답과 비싼 요금제만 비교하면 AX의 실제 수익성은 확인되지 않는다. 지금 필요한 질문은 하나다. **품질을 유지한 완료 업무 한 건의 총비용이 정말 낮아졌는가.**
클코단 대화에서는 경영진이 절감률과 24시간 대응을 선호한다는 의견이 나왔다. 월간 인건비 감소액도 보고하기 쉬운 숫자다. 절감액만으로 투자 효과를 판단하면 구축비와 운영비가 빠진다. 그게 문제다.
ROI의 분자는 순편익이다. 인건비 절감, 추가 매출, 이탈 방지액을 더한 뒤 모델·통합·평가·보안·교육 비용을 뺀다. 그 값을 총투자액으로 나누면 된다. 상담 한 건이나 배포 한 건처럼 반복되는 단위로 계산해야 규모가 커질 때의 변화도 보인다.
초기 구축비는 기대 사용기간에 걸쳐 나눠야 한다. 운영 중 생기는 프롬프트 수정, 지식베이스 관리, 장애 대응도 빠뜨리면 안 된다. 무료로 보이는 사내 검수시간까지 포함해야 자동화 전후를 같은 조건에서 비교할 수 있다.
절감된 시간이 실제 비용 감소로 이어졌는지도 따져야 한다. 직원이 남은 시간에 더 많은 상담이나 기능 개발을 했다면 생산능력이 늘어난 것이다. 인원과 외주비가 그대로라면 현금 절감이 아니라 확보된 시간에 가깝다.
NBER에 공개되고 2025년 QJE에 실린 Brynjolfsson 연구진의 고객지원 연구는 비교 기준을 준다. 포천 500대 소프트웨어 기업 상담원 5,179명을 분석하니 시간당 해결 건수가 평균 14% 늘었다. 초보·저숙련 상담원의 개선 폭은 34%로 더 컸다.
Klarna는 2024년 AI 상담 도입 한 달 성과를 공개했다. 회사 발표에 따르면 230만 건을 처리했고 평균 해결시간은 11분에서 2분으로 줄었다. 재문의도 25% 감소했다고 밝혔다. 기업의 자체 발표이므로 독립적인 비용 감사와 같게 취급해선 안 된다.
2025년에는 Klarna가 사람 상담을 다시 강화한다는 보도가 나왔는데, 비용 중심 운영이 서비스 품질을 낮출 수 있다는 경영진의 설명이 이어졌다. 자동 처리율만 올리면 복잡한 문의의 재접촉과 이탈 위험을 놓치기 쉽다.
그래서 대기시간·평균처리시간과 함께 첫 문의 해결률, 재접촉률, 사람 전환률, 고객 만족도를 묶어야 한다. 24시간 응답도 해결까지 끝났을 때만 성과다. 답변은 빨랐지만 사람이 다시 처리했다면 비용이 두 번 든다.
고가 AI 요금제가 개발자 채용이나 외주보다 저렴할 수 있다는 의견은 조건부로 맞다. 비교 단위가 월 구독료와 월급이면 판단이 흔들린다. Claude Code를 쓴 기능의 완료시간, 검토시간, 재작업, 장애 비용까지 합쳐야 한다.
Anthropic의 Claude Code 비용 문서는 API 사용자가 `/cost`로 세션 비용을 확인할 수 있다고 안내한다. 조직은 분석 대시보드에서 사용량과 비용을 살핀다. 개인 개발자는 작업별로 세션을 나누고 시작·종료 시각과 비용을 이슈에 기록하면 최소한의 원가표가 나온다.
비용 장부에는 네 항목이 필요하다. 구독료와 API 요금은 직접비다. 프롬프트 작성과 검토는 노동비, 되돌린 변경과 장애는 실패비다. 보안 검토나 외부 모델 사용 제한 때문에 생긴 지연도 프로젝트 비용에 포함한다.
생산성 근거도 한 방향이 아니다. GitHub의 통제 실험에서는 Copilot 사용자가 정해진 코딩 과제를 55.8% 빨리 끝냈다. 반면 METR의 2025년 무작위 연구에서는 익숙한 오픈소스 저장소를 다룬 숙련 개발자 16명이 AI 도구 사용 시 평균 19% 느려졌다. 도구명과 과제는 다르지만 구독만으로 절감률을 가정하면 안 된다는 경고는 같다.
써본 사람들 사이에서는 큰 작업을 한 세션에 몰아넣으면 비용과 맥락 관리가 어려워진다는 반응도 있다. 반대로 반복 수정과 테스트를 맡길 때 요금이 아깝지 않다는 평가도 나온다. 그만큼 업무 유형별로 나눠 측정해야 한다.
첫 주에는 AI 없이 기준선을 잡는다. 콜센터는 문의 유형별 처리시간과 재접촉을 기록한다. 개발팀은 버그 수정, 기능 추가, 테스트 작성별로 소요시간과 리뷰 반려 횟수를 남긴다.
다음 2주에는 비슷한 난도의 업무를 AI 사용군과 미사용군으로 나눈다. Claude Code에는 요구사항, 저장소 규칙, 완료 조건, 테스트 명령을 입력한다. 산출물은 코드만이 아니라 통과한 테스트, 리뷰 시간, 수정 횟수까지 묶는다.
난도가 다른 일을 단순 비교하면 결과가 왜곡된다. 개발 업무에는 변경 파일 수와 선행 지식 수준을 표시하고 상담에는 문의 유형과 고객의 재접촉 여부를 붙인다. 같은 사람이 두 방식을 번갈아 쓰면 개인별 숙련도 차이도 줄일 수 있다.
마지막 주에는 단위당 총비용을 계산한다. 콜센터는 모델 호출료와 사람 검수비를 해결 건수로 나눈다. 개발은 구독·API 비용과 투입시간, 재작업 비용을 승인된 변경 건수로 나눈다. NIST AI RMF가 강조하는 지속 측정처럼 배포 뒤에도 품질과 위험을 추적한다.
작은 팀은 거창한 AX 대시보드가 필요 없다. 스프레드시트에 업무 유형, AI 사용 여부, 시간, 직접비, 재작업, 품질 결과를 한 줄씩 기록하면 된다. 표본이 적을수록 평균 하나보다 중앙값과 실패 사례를 함께 보는 편이 안전하다.
전사 AX의 성과는 몇 퍼센트를 줄였다는 보고에서 멈추지 않는다. 줄어든 대기시간이 고객 유지로 이어졌는지, 확보된 개발 시간이 출시를 앞당겼는지 연결해야 한다. 절감 효과가 작다면 프로젝트를 중단하거나 적용 범위를 좁히는 판단도 성과 관리에 포함된다.
AI 콜센터와 Claude Code는 사람을 몇 명 대체했는지로만 평가하기 어렵다. 초보자의 역량을 끌어올리거나, 숙련자의 익숙한 흐름을 방해할 수 있기 때문이다. 다음 AX 보고서에서 가장 중요한 숫자는 자동화율이 아니다. **같은 품질의 결과 한 건을 만드는 데 실제로 얼마가 들었는가**다.
인건비 절감과 추가 매출에서 모델, 통합, 검수, 재작업 비용을 뺀 순편익을 총투자액과 비교한다. 자동 처리 건수가 아니라 품질 기준을 통과한 해결 건수를 분모로 써야 한다.
구독료만으로는 판단할 수 없다. 완료시간, 리뷰, 재작업, 실패 비용을 포함한 승인된 변경 한 건의 총비용을 기존 개발 방식과 비교해야 한다.
속도와 직접비 외에 첫 해결률, 재접촉, 사람 전환, 재작업, 품질 결과를 함께 기록해야 한다. 확보된 시간이 실제 매출이나 추가 생산으로 이어졌는지도 분리해 본다.