전통적으로 인터넷 장애가 발생했을 때 통신사 고객센터에 전화하면 대략 이런 식이었습니다. 기계음이 당신을 소중한 고객이라며 반기고, 그다음 몇 분 동안 전화 메뉴를 헤매게 만들었죠(“기술 지원은 3번, 인터넷은 2번, 기타 문의는 4번을 누르세요”). 그리고 아무도 신경 쓰지 않는 듯한 기분으로 대기 음악만 듣다가, 마침내 상담원이 전화를 받아 이름과 계좌번호, 문제 상황을 물었습니다. 라우터를 재시작해도 문제가 해결되지 않으면 다시 대기 상태로 넘어갔고, 다른 상담원에게 처음부터 끝까지 같은 이야기를 두 번째로 반복한 뒤에야 기사 방문 예약을 잡을 수 있었습니다.
AI 는 이미 이런 형태의 고객 지원 상호작용을 혁신하고 있습니다. 기계음이나 여러 명의 상담원과 씨름하는 대신, 이제는 AI 에이전트가 즉시 전화를 받을 수 있습니다. AI 는 당신의 계정을 확인하고, 해당 지역의 다른 고객들도 동일한 영향을 받고 있는지 점검하며, 간단한 문제는 직접 해결하거나 기사 방문을 예약합니다. 더 이상 “현재 모든 상담원이 통화 중입니다”라는 안내도, 지루한 대기 음악도 없습니다. 최근까지만 해도 이것이 기술의 한계였습니다.
하지만 이제 새로운 기능 덕분에 에이전트가 대화 흐름을 놓치지 않고 더 긴 기간에 걸쳐 작업을 수행할 수 있게 되었습니다. 우리는 이를 통해 AI 기업들이 개별적인 고객 상호작용을 넘어, 수주에서 수개월에 걸쳐 진행되는 복잡한 고객 여정 전체를 어떻게 다룰지 재정의할 수 있을 것이라 믿습니다. AI 는 보험 고객을 첫 전화부터 보상금 지급까지 안내하고, 주택담보대출 신청자를 사전 승인부터 계약 완료까지 이끌며, B2B 잠재 고객을 첫 데모부터 최종 서명까지 이끌어낼 것입니다. 이는 고객에게 더 나은 결과를 제공할 뿐만 아니라, AI 공급업체가 단순한 비용 절감이 아닌 매출 증대에 기여한 만큼 보상을 받을 수 있게 해줍니다.
가치는 릴레이 경주의 결승점에서만 나타난다
고객에게 가치를 제공하기 위해 수주에서 수개월에 걸쳐 수많은 단계를 거쳐야 하는 비즈니스는 많습니다. 전통적인 원고 측 법률 사건의 준비 과정을 예로 들어보겠습니다. 잠재 사건은 주로 전화를 통한 리드로 접수되며, 접수 담당자가 핵심 사실을 수집해 변호사에게 전달하면 변호사가 해당 의뢰인을 맡을지 평가합니다. 로펌이 사건을 수임하면 조사와 증거 수집이 이어집니다. 법무 보조원은 경찰 보고서를 요청하고, 목격자와 연락을 시도하며, 피고에게 증거 보존 요청서(spoliation letter)를 보내 증거가 훼손되지 않도록 하는 동시에 의뢰인에게 진행 상황을 업데이트합니다. 이후 로펌은 의뢰인의 치료가 마무리되기를 기다린 뒤 의료 기록 연대표를 작성하고, 청구서(demand letter) 작성을 마무리하기 위해 정보를 변호사에게 넘깁니다.
이 과정은 역사적으로 우리가 “릴레이 경주”라고 불렀던 것과 같습니다. 배턴을 넘길 때마다 이탈이나 가치 손실 위험이 존재하는 긴 여정이죠. 잠재 의뢰인은 보통 여러 개인상해 로펌에 전화하며, 가장 빨리 회신하는 로펌과 계약하는 경우가 많습니다. 따라서 의뢰인이 음성사서함만 남기거나 수임 결정이 느리면 사건은 퍼널에서 빠져나갈 수 있습니다. 의뢰인과 계약한 후에도 증거 수집에는 여러 작업이 동시에 병렬로 진행되는데, 네 번의 시도 끝에 답이 없었다면 다섯 번째로 잠재 목격자에게 전화할 끈기를 가진 로펌은 많지 않습니다. 게다가 인력 제약 때문에 로펌이 모든 증거를 상세히 검토하지 못하는 경우도 있으며, 특히 일상적이고 가치가 낮아 보이는 청구 건에서는 더욱 그렇습니다. 의사의 소견서를 꼼꼼히 읽었다면 뇌 손상 징후를 발견해 합의금을 높일 수 있었음에도, 로펌은 첫 번째 제안을 그대로 수용해 버릴 수도 있습니다. 마지막으로, 사건은 수개월간 진행되고 수많은 참여자가 필요하며, 정보는 여러 문서와 이해관계자, 시스템에 흩어져 있습니다. 이 때문에 모든 의뢰인에 대한 전체 그림을 유지하는 것은 사실상 불가능합니다. 결과적으로 중요한 청구서가 청구서에 반영되지 않거나 치료 공백이 설명되지 않은 채 남아 합의금이 낮아질 수 있습니다.
장기 실행 에이전트의 기회
최근까지만 해도 AI 에이전트는 대부분 제한된 작업(“이 후속 이메일 보내기”, “저 통화 요약하기”, “이 문서 만들기”)과 좁은 범위의 상호작용만 처리했습니다. 예를 들어 고객 지원은 훌륭한 초기 AI 활용 사례였는데, 문제 영역이 명확하게 정의되어 있어 높은 신뢰도를 달성할 수 있으면서도 회사별 정책에 맞춘 커스터마이징이 가능했기 때문입니다. 상호작용은 짧고 결과는 검증 가능하며, AI 에이전트가 처리할 수 없는 예외 상황이 발생하더라도 에스컬레이션을 위한 기존 지원팀이 여전히 대기하고 있었습니다.
이제 장기 실행 에이전트(long-running agent)는 수십 개의 단계와 다양한 모달리티, 더 긴 시간 범위에 걸쳐 목표를 추구할 수 있게 되었으며, 릴레이 경주를 처음부터 끝까지 완주할 수 있습니다. 앞서 든 법률 사례에서, 장기 실행 에이전트는 의뢰인의 보상 극대화를 목표로 첫 접수 통화 시점부터 사건에 배정될 수 있습니다. 에이전트는 필요에 따라 사건의 맥락을 저장하고 불러옵니다. 이벤트나 마감일에 맞춰 작동하며, 하위 에이전트를 선제적으로 파견해 목격자에게 연락하고, 의뢰인에게 업데이트를 제공하며, 전화·이메일·문자를 통해 변호사와 소통합니다. 그런 다음 조사 결과를 종합하고 다음 단계를 계획하며, 검토용 문서를 초안 작성하여 사건을 최선의 결과로 이끕니다. 여러 의뢰인을 거치며 지속적으로 학습하는데, 각 사건이 생성하는 데이터 덕분에 에이전트는 이전 사건보다 다음 사건을 더 잘 처리할 수 있습니다.
이 에이전트는 오늘날의 릴레이 경주에서 관찰되는 주요 가치 손실을 해결합니다. 여정의 시작 단계에서, 에이전트는 시간이나 요일에 관계없이 항상 대기하고 있고 사건을 거의 즉각적으로 평가할 수 있기 때문에, 느린 사건 평가로 인해 의뢰인을 잃는 일이 사라집니다. 증거 수집 역시 인간의 역량에 제한받지 않습니다. 사건 담당 에이전트는 언제든 추가 하위 에이전트를 생성해 다섯 번째, 열 번째, 심지어 스무 번째 전화까지 걸 수 있습니다. 에이전트는 사실상 무한히 확장 가능하므로, 일상적으로 보이는 사건조차 완벽하게 처리되고 모든 증거가 상세히 검토되어 자칫 놓칠 뻔한 뇌 손상 가능성을 찾아낼 수 있습니다. 마지막으로, 에이전트는 목격자 통화 녹취록부터 경찰 보고서, 의료 기록까지 사건의 완전한 기록을 유지하여 어떤 정보도 유실되지 않도록 보장합니다.
결과에 대해 보상받기
이러한 가치 손실을 막는 것을 넘어, 고객 여정 전체를 소유하는 것은 에이전트 공급업체의 경제 구조 자체를 바꿀 수 있습니다. 에이전트가 더 빠르고 높은 품질로 결과를 만들어내도록 돕는다면, 고객의 비용 절감뿐만 아니라 매출 상승까지 견인할 수 있습니다. 더 중요한 것은, 그 영향이 눈에 보이고 에이전트에 기인한다고 입증될 수 있으므로, 공급업체는 작업 산출물이나 결과에 기반한 가격 책정을 통해 자신이 창출한 성장분에 참여할 수 있다는 점입니다. 예를 들어 법률 분야에서는 단일 사건이 하나의 독립된 작업 단위이며, 그 결과물의 가치인 합의 금액이 명확하게 파악됩니다. 또한 에이전트가 최종 작업 산출물에서 차지하는 비중이 커지면서, 결과를 에이전트에 연결하기도 훨씬 쉬워집니다. 그러면 공급업체는 매출 증가분을 공유할 수 있고, 비용 절감에만 집중해서는 도달할 수 없었던 계약 규모를 달성할 수 있습니다.
물론 성과 기반 가격 책정으로 전환하는 것이 마찰 없이 이루어지지는 않습니다. 법률 분야의 경우 대부분의 주에서 비변호사가 법률 수수료를 나누어 갖는 것을 금지하고 있으므로, 합의금에서 직접 지분을 가져가는 방식이 아닌, 합의금 규모에 연동되는 방식으로 가격을 설계해야 합니다. 다른 산업군에서는 성과 기반 계약에 대한 선례가 없는 조달 팀의 반대에 부딪힐 수 있습니다. 그리고 에이전트가 결과를 온전히 책임지는 방향으로 나아가고 있더라도, 초기에는 기여도(attribution)를 둘러싼 논쟁이 발생할 가능성이 높습니다. 따라서 장기 실행 에이전트를 성공적으로 도입하는 것은 기술적 과제인 동시에 상업적 과제가 될 것입니다.
그럼에도 불구하고, 고부가가치 고객 여정의 결과에 대해 보상을 받는다는 것은 새로운 아이디어가 아닙니다.
AI 네이티브 Red Ventures 를 향한 논리
Red Ventures(RV)는 훌륭한 역사적 사례입니다. Ric Elias 와 Dan Feldstein 이 설립한 RV 는 장기 소비자 계약을 위한 디지털 엔드투엔드 아웃소싱 영업 운영을 개척했습니다. 예를 들어 보험 상품의 경우, RV 는 고객이 해당 상품을 검색할 때(homeinsurance.com 같은 사이트를 소유함으로써) 세부 정보를 수집하고, 먼저 연락해 보장 옵션을 안내한 뒤 계약을 체결했습니다. 이 여정을 완전히 소유함으로써 RV 는 체결한 각 보험 계약에 대해 보험사로부터 수수료를 받았습니다. 이 모델은 과거에 매우 잘 작동했습니다. S&P Global 에 따르면, RV 는 2022 년 약 14 억 달러의 매출에서 약 3 억 7 천만 달러의 EBITDA 를 창출했습니다.
하지만 이제 이 모델은 구조적으로 위협받고 있는 것으로 보입니다. 퍼널 상단에서 소비자들은 제품을 발견하는 방식을 바꾸고 있습니다. 구글 검색이나 비교 사이트에 의존해 제품을 탐색하고 비교하는 대신, Meta 의 Muse 나 Instinct 같은 개인 에이전트에게 직접 제품 추천을 요청할 수 있게 되면서, 전통적인 탐색 사이트를 소유하는 것의 가치가 떨어졌습니다. 퍼널 하단에서는 수백 명의 사람이 선형적인 퍼널을 운영하는 대신, 장기 실행 에이전트가 훨씬 더 복잡한 여정을 처리할 수 있습니다. 이들은 여러 제품과 커뮤니케이션 채널을 넘나들며, 병렬로, 어떤 언어로든 대규모로, 무한한 끈기를 가지고 작업을 수행할 것입니다. 고객 이탈과 광고 지출 감소로 인한 RV 의 2025 년 EBITDA 가 약 1 억 6 천만 달러로 하락할 것이라는 전망은, 앞으로 AI 가 산업을 더욱 변혁시킬 것이라는 점을 고려할 때 이 모델의 취약성을 보여주는 초기 신호입니다.
세 가지 시장 진출 전략
장기 실행 에이전트를 시장에 출시하는 방법에는 여러 가지가 있습니다.
(1) 플랫폼 판매: 이 접근법에서 공급업체는 장기 실행 에이전트를 소프트웨어로 판매하여 기업의 기존 운영을 지원합니다. 기존 팀 및 워크플로우와 통합되는 법률 사건 에이전트가 좋은 예입니다. 플랫폼을 판매하면 가격을 고정하는 유사한 소프트웨어나 아웃소싱 서비스 계약이 없는 경우가 많아 매출 상승 여지가 큽니다. 그러나 새로운 예산 항목을 편성해야 하므로 영업 주기가 길어지고, 기업 내 여러 부서와 연계되는 에이전트의 성과를 명확히 귀속시키기 어렵다는 단점이 있습니다.
(2) 서비스 판매: 여기서는 RV 가 보험사를 위해 고객 확보 여정 전체를 소유했던 것처럼, 공급업체가 이미 아웃소싱된 서비스를 인수하여 원하는 결과를 더 효과적으로 달성합니다. 구매자 입장에서 ROI 계산이 간단하고 BPO 용 예산 항목이 이미 존재하기 때문에 영업 주기가 단축됩니다. 하지만 AI 도입 이전의 기존 가격 모델은 장기 실행 에이전트가 제공할 수 있는 진정한 가치를 반영하지 못할 수 있으며, 많은 고부가가치 여정이 현재 사내에서 운영되고 있어 이 접근법의 적용 범위가 제한될 수 있습니다.
(3) 풀스택(Full-Stack) 전환: 풀스택 접근법은 수직 계열화하여 AI 네이티브 플레이어가 되는 것을 의미합니다. 예를 들어, 추심 업체에 장기 실행 에이전트를 판매하는 대신 직접 채권 포트폴리오를 매입해 추심을 수행하면, AI 가 창출하는 모든 이익을 온전히 확보하고 기여도 문제를 해결할 수 있습니다. 그러나 이는 라이선스나 컴플라이언스처럼 실제 고객 여정 밖의 서비스 영역까지 책임져야 함을 의미하며, 주의력을 분산시키고 운영 복잡성을 증가시킵니다.
이 중 어떤 접근법이 우위를 점할지 말하기에는 아직 이르지만, 우리는 장기 실행 에이전트가 대규모로 릴레이 경주를 승리하고 AI 가 공략할 수 있는 시장을 인건비 예산의 일부에서 매출의 일부로 확장할 것이라고 확신합니다. 원고 측 사건 준비는 하나의 예일 뿐이며, 우리는 에이전트가 주택담보대출 심사, 보험금 청구 처리, 복잡한 B2B 영업 등 다른 고부가가치 여정에서도 결과를 이끌어내는 모습을 보게 될 것으로 기대합니다. 만약 여러분이 이 기회를 포착하기 위해 노력하고 있다면, 꼭 소식을 들려주세요!
