- AI와 상담원의 완벽한 조화, 'Resolution Platform'으로 CX 패러다임 전환
- 'Learning Loop' 구조 통해 데이터 기반의 지속적인 서비스 최적화 실현
- 2026 AICC & CX Insight에서 '고객 경험의 미래'에 대한 청사진 제시

기업 경쟁력의 중심축이 제품과 가격에서 '고객 경험(Customer Experience, CX)'으로 빠르게 이동하고 있다. 디지털 전환과 생성형 AI 확산이 맞물리면서 고객 접점에서의 경험 품질이 곧 기업의 성장성과 직결되는 시대가 도래한 것이다. 이러한 흐름 속에서 글로벌 CX 솔루션 기업 Zendesk가 'Resolution Revolution(해결 혁신)'을 전면에 내세우며 CX 패러다임 전환을 선언했다.
젠데스크가 제시하는 방향은 단순한 고객 응대 자동화가 아니다. 핵심은 '문의 처리' 중심에서 '문제 해결' 중심으로의 구조적 전환이다. 이를 위해 AI와 인간 상담원이 유기적으로 협력하는 'Resolution Platform'을 통해 고객 경험을 근본적으로 재설계하고 있다.
기존 고객센터는 문의를 접수하고 적절한 부서로 전달하는 '중개 역할'에 머물렀다. 그러나 젠데스크는 이를 '완전 해결' 중심 구조로 바꾸는 데 초점을 맞춘다.
이 플랫폼에서 AI 에이전트는 단순 반복 문의를 처리하는 수준을 넘어 고객 의도를 분석하고 문제 해결까지 수행한다. 복잡한 이슈만 인간 상담원에게 전달함으로써 전체 운영 효율을 극대화한다. 동시에 'Agent Copilot' 기능은 상담원에게 실시간으로 최적의 대응 방안을 제시해 상담 품질을 표준화하고 숙련도 격차를 줄인다.
결과적으로 고객은 더 빠르고 정확한 해결 경험을 얻고, 기업은 운영 비용 절감과 생산성 향상을 동시에 달성하는 구조가 형성된다. 이는 CX가 비용센터가 아닌 '가치 창출 조직'으로 전환되고 있음을 보여주는 대표 사례다.
젠데스크 전략의 또 다른 축은 'Learning Loop(러닝 루프)'다. 이는 모든 고객 상호작용 데이터를 AI가 분석하고, 그 결과를 다시 서비스 개선에 반영하는 선순환 구조다.
특히 AutoQA 기능은 상담 품질을 자동으로 평가하고 데이터화해, 기업이 직관이 아닌 정량적 지표 기반으로 CX 전략을 개선할 수 있도록 지원한다. 이러한 구조는 일회성 개선이 아닌 '지속적 진화'를 가능하게 만든다.
실제 젠데스크는 해당 모델을 통해 평균 301% 투자수익률(ROI)과 6개월 이내 비용 회수라는 성과를 제시하고 있다. 이는 AI 기반 CX 혁신이 단순한 기술 도입이 아닌, 실질적인 비즈니스 성과로 이어지고 있음을 입증하는 지표다.

이 같은 비전은 오프라인 행사에서도 구체화된다. 젠데스크는 오는 3월 24일 서울 엘타워 6층에서 열리는 “AICC & CX Insight 2025 컨퍼런스”에 참여해, AICX 관련 기업들을 대상으로 'AICX 시대, 고객 경험의 미래를 함께 그리다'를 주제로 발표를 진행할 예정이다.
이번 발표에서는 전자상거래, 게임, 제조, 미디어, SaaS 등 다양한 산업군에서 검증된 활용 사례를 기반으로 '자동화 중심 CX'에서 '해결 중심 CX'로의 전환 전략과 실행 로드맵이 공유된다. 특히 대량 고객 문의 대응, 기술 지원, 상담 통합 운영 등 실제 현장에서의 적용 사례는 기업들의 AICX 도입 방향 설정에 중요한 기준이 될 것으로 보인다.
젠데스크 코리아 황정호 지사장은 “이제 CX는 단순 비용이 아니라 기업 성장을 위한 핵심 투자 영역”이라며 “Resolution Platform과 Learning Loop를 통해 고객과 기업이 함께 성장하는 구조를 만들어가야 한다”고 강조했다.
AI는 더 이상 고객센터를 대체하는 기술이 아니라, 인간 상담원의 역량을 확장하는 협력 파트너로 자리 잡고 있다. 젠데스크가 제시한 'Resolution Revolution'은 이러한 변화의 방향성을 집약적으로 보여준다.
결국 AICX 시대의 경쟁력은 얼마나 빠르게 응답하느냐가 아니라, 얼마나 정확하게 '해결'하느냐에 달려 있다. CX의 미래는 이미 '응대'를 넘어 '해결'로 이동하고 있다.
임민지 기자 minzi56@etnews.com



















