VOC를 읽어본 사람만 할 수 있는 판단 — 분기별 VOC 분석으로 자동화 우선순위를 정하는 법
많은 조직이 AI 챗봇 도입을 “어떤 툴을 쓸지”로 시작한다. 하지만 실제로 프로젝트가 흔들리는 지점은 기술이 아니라 그 앞 단계, 즉 “무엇을 자동화하고 무엇을 사람에게 남길지” 정하는 단계다. 이 기준이 없으면 빈도가 높다는 이유만으로 아무 문의나 KB에 태우게 되고, 정작 판단이 필요한 문의까지 자동응답으로 처리하다 재인입과 불만만 늘어난다.
이 기준을 정하는 근거는 VOC(고객의 소리) 분석이다.
㈜디어유 재직 당시 분기별로 VOC 분석 리포트를 운영하며 반복 발생 이슈와 장기 미해결 이슈를 구분해왔다.
이 과정에서 확인한 건, VOC는 빈도만 봐서는 안 되고 “정책이 명확한가, 판단이 필요한가”를 함께 봐야 자동화 여부를 제대로 정할 수 있다는 점이다.
실제로 같은 VOC 분석에서 나온 두 이슈를 다르게 처리한 사례가 있다.
반복 문의 데이터를 근거로 앱 내 FAQ 자동응답 기능을 제안해 개발 착수까지 진행한 케이스와,
결제 오류로 부가 혜택 중단 이슈는 자동응답 대상이 아니라 정책 개선 제안으로 기획팀에 전달한 케이스다.
전자는 정책값이 고정돼 있어 KB로 답할 수 있는 영역이었고, 후자는 회사 정책과 고객 경험 사이의 조율이 필요해 사람의 판단이 우선이었다.
정리하면 우선순위 기준은 두 축이다.
빈도(얼마나 자주 발생하는가)와 정책 명확성(답이 이미 정해져 있는가, 조율이 필요한가). 빈도가 높고 정책이 명확한 문의부터 KB 자동화 1순위로 두고,
빈도는 높지만 판단이 필요한 문의는 정책 정비가 먼저다. 빈도가 낮은 문의는 자동화 우선순위에서 뒤로 미뤄도 무방하다.
이 판단은 KB 설계 품질과 그대로 연결된다.
이전 시뮬레이션에서 KB 항목을 재인입 영향도 기준으로 Critical·Helpful·Minor로 나눠 설계 리소스를 배분했을 때,
자동응답률이 같아도 실질 자동완결률이 최대 25%p까지 차이 났다(가정 시나리오, 실무 경험 기반 산출).
그 차이를 만드는 최초 판단이 바로 VOC 분석에서 나온 우선순위 기준이다.
AI 챗봇 도입의 성패는 결국 도구가 아니라, VOC를 읽고 무엇을 자동화할지 먼저 정하는 사람에게 달려 있다.
