본 블로그 게시글은 AWS Blog의 영어 원문을 한글로 번역 및 일부 수정한 포스팅 입니다. 소개 컨택센터 리더들은 점점 더 복잡한 과제에 직면하고 있습니다: 고객은 모든 채널에서 즉각적이고 개인화된 서비스를 기대하는 반면, 상담원은 문제 해결을 위해 여러 시스템, KMS(Knowledge Management System)와 같은 지식 베이스나 시스템, 워크플로우를 동시에 다뤄야 합니다. 기존 접근 방식—각 시스템에 대한 커스텀 및 […] ||
본 블로그 게시글은 AWS Blog의 영어 원문을 한글로 번역 및 일부 수정한 포스팅 입니다.
소개
컨택센터 리더들은 점점 더 복잡한 과제에 직면하고 있습니다: 고객은 모든 채널에서 즉각적이고 개인화된 서비스를 기대하는 반면, 상담원은 문제 해결을 위해 여러 시스템, KMS(Knowledge Management System)와 같은 지식 베이스나 시스템, 워크플로우를 동시에 다뤄야 합니다. 기존 접근 방식—각 시스템에 대한 커스텀 및 조합형 통합 구축, 수십 개의 애플리케이션에 대한 상담원 교육, 고객 기록 수동 업데이트—은 시간이 많이 걸리고, 비용이 많이 들며, 확장하기 어렵습니다.
AI, 그 중에서도 Agentic AI가 단순히 질문에 답하는 것 이상을 할 수 있다면 어떨까요? 고객 정보 조회, 작업 주문 생성, 환불 처리, 기록 업데이트 등 실제 상담사가 해야 했던 조치를 빠르고 정확하게 취할 수 있다면 어떨까요? 그것도 조직이 요구하는 보안과 거버넌스를 유지하면서 말입니다.
다음과 같은 시나리오를 하나의 예로 들 수 있습니다: 고객이 비용 청구 문제로 전화합니다. 상담원은 고객의 문의를 해결하기 위해서 CRM을 확인하고, 비용 청구 시스템에서 결제 내역을 검토하고, 정책에 대한 지식 베이스를 검색하고, 수동으로 케이스를 생성해야 합니다. 이 모든 것은 고객에게 친절한 대화를 이어가면서 해야 합니다. 이런 여러 가지 업무와 산재된 워크플로우는 개별 상담 건에 대한 처리 시간 증가, 불만족스러운 고객, 그리고 번아웃된 상담원들로 이어집니다.
Amazon Connect를 사용하면 단순한 대화나 사내 FAQ만을 대응하는 RAG 기반의 AI를 넘어 고객과 상담원을 대신해 의미 있는 조치, 비즈니스 로직을 적절하게 취하는 AI 에이전트를 구축할 수 있습니다. Model Context Protocol(MCP)와의 네이티브 통합, 강력한 도구 프레임워크, 기본으로 제공하는 Observability 기능을 통해 Amazon Connect는 프로덕션급 AI 에이전트를 대규모로 구축, 배포, 운영할 수 있도록 지원합니다.
이러한 기능들은 한국어를 현재 지원하고 있어, 국내 고객들도 바로 사용하여 AI Agent 기반 콜봇 및 챗봇을 손쉽게 구현할 수 있습니다. 먼저 AI Agent를 만들어 한국어로 상호작용하는 간단한 데모를 아래 영상으로 참조해보세요. 가상의 AWS 영업팀을 지원하는 AI Agent와 고객간의 자연스러운 상호 작용을 볼 수 있습니다. 편집되지 않았으며, 아래 영상에서 우리는 Amazon Connect 의 AI Agent가 신용 카드 등록 규정과 같은 단순 FAQ 응대부터, 여러 개의 Amazon DynamoDB 테이블을 넘나들며 고객과 영업 담당자를 찾고, 미팅 예약을 해주는 것을 확인할 수 있습니다.
AI Agent와 Assistant 이해하기
Amazon Connect에서는 AI Agent를 사용자가 손쉽게, 전문 지식 없이도 생성하고 구성할 수 있습니다. 우리 비즈니스에 대한 지식을 가진 지식 베이스에 접근하고, 비즈니스 로직을 처리하는 Lambda나 REST API 등으로 된 도구들을 유연하게 호출하며, 호출 결과 등을 분석하여 고객 문제를 해결합니다. Assistant는 사람들이 하나 이상의 AI 에이전트와 상호작용하는 대화형 인터페이스입니다. Connect Assistant는 상담원, 관리자, 고객을 위한 기본 인터페이스이며, 기업은 고객 대면 경험을 커스터마이즈하고 이름을 변경할 수 있습니다.
목표: 시스템 간