Samsung SDS

Executive Summary

• 불 끄기에서 불씨 잡기로: 불이 나기 전에 연기를 먼저 발견하는 팀이 중요해지고 있어요. 고객이 전화를 걸기 전에요.
• 회의 없는 월요일: 킥오프 미팅, 가이드 공유 같은 ‘일을 위한 일’에 하루가 지나가요. 이제 그 하루를 돌려받을 때예요.
• 첫날부터 10년 차: AI는 프로젝트에 투입되는 순간부터 베테랑처럼 일해요. 미팅도, 교육도, OJT도 필요하지 않아요.
• 티 나지 않는 진짜 실력: 고객이 불편을 느끼기 전에 해결된 경험 자체로 훌륭한 서비스예요. 보이지 않는 실력이 고객 경험의 품질을 만들어요.

Intro.

왜 좋은지 설명 못 하겠는데, 또 찾게 되는 곳

최고의 레스토랑을 떠올려 보세요. 손님이 물을 달라고 하기 전에 잔이 채워지고, 후식을 먹을까 고민할 때쯤 메뉴판이 도착해요. 식사를 마치고 나오면서 ‘여기 다음에 또 와야겠다’고 느끼지만, 어떤 점이 제일 좋았냐고 물으면 딱히 꼽기 어려워요. 노력이 보이지 않으니까요.

1호에서 AI 프로님들과의 새로운 협업 방식을, 2호에서는 이 팀이 ‘One Team’이 되는 조건을 이야기했어요. 3호에서는 한 단계 더 나아가요. 고객의 요청에 빠르게 반응하는 것은 기본이에요. 이제는 고객이 문제를 인식하기도 전에 해결책을 준비해요. 우리는 이걸 ‘미리 갖춰진 전문성(Pre-aligned Expertise)’, 줄여서 ‘준비된 전문성’이라고 불러요.

Signals of Change.

‘먼저 준비하는 조직’이 이긴다

지금까지 고객 서비스의 공식은 단순했어요. 고객이 불편을 느낀다 → 연락이 온다 → 처리한다. 출발점은 항상 ‘고객의 행동’이었죠.

이제는 고객의 연락을 기다리지 않고, 시스템이 감지한 신호에서 서비스를 시작해요. 고객이 불편을 크게 느끼기 전에 이상 징후를 찾고, 필요한 대응을 미리 준비하는 방식이에요.

반응에서 선제로

예전에는 고객이 "에어컨이 고장 났어요"라고 전화해야 서비스가 시작됐다면, 이제는 센서가 이상 신호를 보내고 시스템이 가능한 수리 일정과 필요한 부품을 먼저 준비할 수 있어요. 고객의 확인과 동의가 필요한 단계에서는 선택지를 보여주고, 승인 뒤에 실행하는 구조예요.

‘얼마나 빨리 해결하느냐’와 ‘문제가 커지기 전에 준비하느냐’는 다른 경쟁력이에요. 선제 대응은 예측 정확도만의 문제가 아니라, 어떤 신호를 사용할지, 언제 고객에게 알릴지, 잘못 감지했을 때 어떻게 되돌릴지까지 포함한 서비스 설계예요.

‘일하기 위한 준비’를 구조로 줄이다

조직 안에서도 같은 전환이 필요해요. 새 프로젝트가 시작되면 일정 조율, 자료 준비, 배경 설명, 합의 형성에 많은 시간을 써요. 담당자가 바뀌면 비슷한 과정이 반복되고, 이 모든 일이 끝나야 ‘진짜 일’이 시작돼요.

이 문제는 개인의 의지만으로 해결하기 어려워요. 회의를 줄여도 필요한 정보가 흩어져 있으면 다시 설명해야 하고, 협업 도구를 더해도 확인할 채널만 늘어날 수 있거든요. 습관보다 구조의 문제예요.

기존 절차 위에 AI를 하나 더 얹는 것만으로는 준비 시간이 사라지지 않아요. 반복해서 찾는 자료는 미리 갱신하고, 배경 설명은 재사용 가능한 지식으로 축적하고, 인수인계 기준을 통일해야 해요. AI는 그 구조를 빠르게 작동시키는 수단이에요. 그래서 중복 설명과 대기 시간이 줄도록 업무 흐름부터 다시 짜야 해요.

아래 사례는 프로젝트가 생긴 뒤에 준비를 시작하는 대신, 평소에 전문성을 축적해 출발선을 앞당기는 방법을 보여줘요.

CX Case

프로젝트와 문제 발생 전에 준비하는 세 가지 방법

[삼성SDS CX팀] 업종 지식 리포트 : 질문받기 전에 답을 쌓다

프로젝트가 없을 때도 매달 쌓는 업종 리포트. 킥오프에서 고객사와 논의할 쟁점을 빠르게 준비해요.

무엇을 바꿨나

예전 방식에서는 프로젝트가 잡히면 업종 파악, 고객사 자료 검토, 경쟁사 분석, 트렌드와 사용자 리서치를 동시에 진행해야 했어요. 이제는 순서를 뒤집었어요. 프로젝트가 없을 때에도 업종별 인사이트를 매달 쌓아두는 거예요. 그 도구가 AI 프로님이 발행하는 월간 업종 리포트예요.

어떻게 작동하나

리포트는 네 영역을 다뤄요.

• 정책·규제 변화: 규제 기관이 발표한 업종 이슈와 개편 방향. 업종에 따라 규제는 서비스 설계에 직접 영향을 줘요.
• 주목할 만한 서비스: 국내 점유율이 높은 사업자와 신규 플레이어를 선정해, 컨설팅 관점의 시사점을 분석해요.
• 사용자의 목소리: 공개된 앱 리뷰와 커뮤니티·SNS 게시물을 각 플랫폼의 이용약관이 허용하는 범위에서 참고해, 사용자가 무엇에 만족하고 무엇에 불만인지를 정리해요.
• 해외 UX 사례: 업종과 관련된 해외 UX 혁신 사례와 최신 연구를 정리해요.

AI가 초안을 수집·정리하면, 담당자가 소스의 신뢰도와 분석의 정확성을 검증해요.

무슨 결과가 있었나

프로젝트 착수 시점의 그림이 달라졌어요. 예전에는 업종 파악, 고객사 자료 검토, 경쟁사 분석, 사용자 리서치를 한꺼번에 시작해야 했다면, 지금은 해당 업종의 리포트를 펼치는 것으로 출발해요. 고객의 행동 변화, 경쟁사의 새로운 시도, 규제 환경, 사용자 불만이 이미 정리되어 있어서, 킥오프 미팅에서 고객사와 논의할 쟁점을 빠르게 제시할 수 있는 상태가 돼요. 축적의 효과도 있어요. 리포트가 쌓이면 상하반기 추이가, 1년이 되면 계절별 패턴까지 보여요. 한 호만 보면 스냅숏이지만, 열두 호가 쌓이면 업종의 시계열이 되는 거예요.

왜 중요한가

고객이 요청하기 전에 업종을 알고 있고, 프로젝트가 시작되기 전에 준비가 끝나 있는 상태. ‘Already Ready’가 가리키는 상태 그 자체예요. 그리고 이 사례의 중요성은 갱신 주기에 있어요. 프로젝트가 생길 때마다 처음부터 조사하는 대신, 월 단위 갱신 루틴으로 전문성의 유통기한을 관리하는 작은 운영 체계를 만든 거예요.

도입 시 고민 지점

준비된 전문성에는 고유한 리스크가 있어요. 신뢰를 선지급 받는 구조라는 점이에요. 킥오프에서 리포트를 근거로 꺼낸 발언이 맞으면 "프로젝트 전부터 우리를 파악하고 있던 팀"이 되지만, 틀리면 "우리 업계를 잘못 알고 온 팀"이 돼요. 같은 오류라도 조사 단계에서 발견되는 것과 첫인상에서 드러나는 것은 비용이 달라요. 잘못된 준비는 준비 없음보다 위험한 거죠. 담당자가 매달 들이는 검증 시간은 이 리스크에 대한 보험이에요. 축적 구조 자체의 함정도 있어요. 1호에서 지식의 복리 효과를 이야기했는데, 복리는 오류에도 똑같이 적용돼요. 수집 소스의 사각지대나 잘못된 분류 기준이 한 번 자리 잡으면 매달 같은 방식으로 열두 번 쌓이고, 추이와 패턴이라는 축적의 강점은 검증되지 않은 기준 위에서 체계적으로 비뚤어진 시계열이 돼요. 그래서 리포트 내용의 검증과 별개로, 수집 기준 자체를 주기적으로 의심하는 점검이 필요해요.

[글로벌 · 빌딩·설비] KONE: 고장 신고가 오기 전에, 엘리베이터가 먼저 말한다

고객이 장애를 신고하기 전에도, 연결된 설비는 데이터로 이상 징후를 보내요. KONE은 이 신호를 분석해 문제가 커지기 전에 필요한 유지보수를 준비해요.

무엇을 바꿨나

기존의 엘리베이터 유지보수는 정해진 일정에 따라 장비를 점검하거나, 고장이 발생한 뒤 고객의 연락을 받고 기술자가 출동하는 방식이 중심이었어요. KONE은 서비스가 시작되는 지점을 고객의 고장 신고에서 설비가 보내는 데이터로 옮겼어요.

엘리베이터와 에스컬레이터, 자동문을 클라우드 기반 서비스에 연결하고 장비의 작동 상태와 사용 데이터를 지속적으로 수집해요. 기존의 정기 점검을 없앤 것이 아니라, 설비 데이터와 기술자의 경험을 결합해 필요한 조치를 더 일찍 판단할 수 있도록 바꾼 거예요.

어떻게 작동하나

KONE의 ‘24/7 Connected Services’는 연결된 장비의 운영 데이터를 AI 기반으로 분석해 초기 이상 징후와 잠재적인 문제를 찾아요. 이상 신호가 발견되면 즉시 조치해야 할 문제인지, 다음 정기 점검에서 처리해도 되는 문제인지 긴급도를 판단해요.

필요한 작업은 유지보수 계획에 반영되고 기술자에게도 관련 정보가 전달돼요. 별도 기능인 ‘24/7 Alert’는 에스컬레이터와 자동문에서 문제가 감지되면 고객 측 담당자에게 알리고, 안전한 재가동 방법과 문제 원인에 관한 정보를 제공해요.

무슨 결과가 있었나

KONE 공개 자료에 따르면, 장비 결함의 80%가 사전 발견되었고, 엘리베이터 갇힘 사고는 55% 줄었어요. 설비의 이상을 더 일찍 발견하고 조치해 고객이 실제 장애를 겪는 상황을 줄이는 것이 이 서비스가 목표로 하는 변화예요.

왜 중요한가

문제가 발생한 뒤 가장 빠르게 출동하는 회사와, 문제가 커지기 전에 필요한 조치를 준비하는 회사는 서로 다른 수준의 경험을 제공해요. 고객은 뒤에서 어떤 데이터 분석과 유지보수가 이루어졌는지 알지 못할 수 있어요. 엘리베이터가 평소처럼 움직이면 그뿐이죠. 하지만 별도의 신고도, 이동 중단도 필요하지 않은 그 경험이 선제 서비스가 만들려는 결과예요.

도입 시 고민 지점

선제 대응에서는 어떤 신호에 즉시 대응하고, 어떤 신호는 다음 점검까지 지켜볼지 판단하는 기준이 중요해요. 작은 이상 신호마다 기술자를 보내면 불필요한 비용이 늘고, 반대로 중요한 신호를 놓치면 장비의 가동 중단과 고객의 신뢰 저하로 이어질 수 있어요.

예측 정확도뿐 아니라 고객에게 언제 알릴지도 함께 설계해야 해요. 즉시 확인할 문제와 다음 점검에서 처리할 문제를 구분하고, 판단이 변경되거나 조치가 끝났을 때 그 이유와 결과를 확인할 수 있어야 선제 대응이 실제 서비스 경험으로 이어져요.

[삼성SDS CX팀] 찾았다 증거 : 암묵지에 지식으로 날개 달기

논문·업계 리포트·전문 도서·전문가 의견을 미리 쌓아두고, 질문이 생기면 근거와 함께 답해요.

무엇을 바꿨나

UX 업무에는 반복해서 받는 질문이 있어요. "인터뷰 5명이면 충분한가요?", "화면부터 만들면 안 되나요?" 같은 질문이에요. 답을 알고 있어도 논리와 출처를 다시 찾는 데 시간이 들고, 담당자의 경험에 따라 설명의 깊이가 달라지기도 해요. ‘찾았다 증거’는 자주 쓰는 CX 논리와 근거를 지식베이스에 미리 모아두고, 필요할 때 바로 검색할 수 있게 만든 서비스예요. 지식베이스에는 오픈액세스 논문과 사내 구독·이용 권한이 확보된 업계 리포트, 전문 도서의 서지·요지 등 150개 이상의 자료가 정리돼 있어요.

어떻게 작동하나

궁금한 내용을 일상적인 문장으로 입력하면, RAG 기반 검색이 학술 논문·업계 리포트·전문 도서·전문가 의견에서 관련 근거를 찾아요. 결과 화면에는 질문에 대한 핵심 답변, 실무에 적용할 때 참고할 컨설턴트 팁, 근거가 된 자료의 제목과 요약이 함께 나와요.

왜 중요한가

CX 실무자가 반복해서 설명하던 논리를 네 종류의 출처와 함께 찾을 수 있게 했어요. 앞의 업종 리포트가 프로젝트 전에 시장과 고객의 변화를 준비하는 사례라면, ‘찾았다 증거’는 프로젝트에서 자주 쓰는 설명의 근거를 준비하는 사례예요. 질문을 받을 때마다 처음부터 자료를 찾지 않고, 검토해 둔 근거에서 답변을 시작할 수 있어요. 개인의 경험으로 끝나던 설명도 팀이 함께 참고할 수 있는 근거가 되고요.

도입 시 고민 지점

실제 효과를 판단하려면 검색 결과가 업무에 얼마나 활용되는지, 답변을 검증하는 시간이 줄었는지 등을 운영 과정에서 확인해야 해요. 근거가 많다고 자동으로 맞는 답이 되는 것은 아니고요. 오래된 자료가 현재 상황에도 유효한지, 원문의 연구 조건과 질문의 맥락이 맞는지 사람이 확인해야 해요. 검색 결과는 판단을 돕는 출발점으로 쓰고, 고객에게 전달할 때는 원문과 대조하는 절차가 필요해요. 지식베이스의 가치는 자료의 수보다 출처와 내용을 얼마나 꾸준히 갱신하느냐에 달려 있어요.

QUESTION TO ASK

우리 팀은 ‘Already Ready’인가?

Q1. 고객이 연락하기 전에 우리가 먼저 알 수 있는 신호는 무엇인가?

이상 징후, 사용 패턴의 변화, 규제 발표. 우리 서비스에서 ‘연기’에 해당하는 신호를 정의해 본 적이 있나요? 신호를 정의하지 않으면 아무리 좋은 AI도 불이 난 뒤에야 움직여요.

Q2. 새 프로젝트가 시작될 때, ‘진짜 일’까지 며칠이 걸리는가?

킥오프, 배경 설명, 자료 취합에 쓰는 시간을 실제로 재 보세요. 그 시간이 1~2주를 넘는다면, 회의를 필요하게 만드는 구조부터 줄여야 해요.

Q3. 우리 AI가 모르는 영역은 어디까지인지 정해 두었는가?

경계를 그어두지 않은 AI는 모르는 것도 아는 것처럼 답해요. 준비된 전문성이 가장 위험해지는 지점이에요. 수집 자료와 판단 기준을 마지막으로 갱신한 날짜, AI를 적용할 업무 범위, 사람이 반드시 확인할 항목을 미리 정해 두어야 해요.

CX INSIGHT

항상 준비된 팀을 유지하기 위한 세 가지 운영 규칙

"업종 리포트 같은 AI 프로님들이 앞으로 더 늘어날 거예요. 이 프로님들이 6개월 뒤에도, 1년 뒤에도 제 역할을 하려면 무엇을 챙겨야 할까요?"

팀 내부의 운영 규칙이 필요해요. 뛰어난 선수들을 모아놔도 규칙 없이는 경기가 진행되지 않듯, AI 프로님들도 명확한 원칙이 있어야 실력을 발휘하거든요. 규칙이 속도를 늦출 것 같다면 반대로 생각해 보세요. 규칙이 있어야 사람도 AI도 안심하고 능력을 펼쳐요.

기준을 계속 갱신하라

업종 리포트의 수집 소스가 6개월 전과 같아도 되는지, AI 프로님에게 가르친 프로젝트 경험이 최신 상태인지. 월 1회는 담당자가 들여다봐야 하는 질문이에요. 자료원과 판단 기준을 갱신하는 데 드는 시간은 두세 시간이면 충분하고요.

방치하면 어떻게 될까요? AI가 자신 있는 태도로 옛날 데이터를 기준으로 일하게 돼요. 업데이트 안 된 내비게이션을 믿고 가다가 낭패를 보는 것과 같아요. AI는 시키지 않아도 자동으로 일하지만, 방향을 갱신하는 건 사람의 몫이에요.

AI가 모르는 영역을 명확히 정하라

AI가 강력해질수록, 역설적으로 ‘AI가 못하는 것’을 더 분명하게 정의해야 해요. AI는 자기가 모르는 것을 모른다고 말하는 데 서툴거든요. 모르면서도 자신 있게 답하는 것이 AI의 가장 위험한 약점이에요. 예를 들어 국내 개인 고객(B2C) 자료로 채워진 ‘금융 CX 전문 프로님’은 기업 간 거래(B2B)나 해외 시장 질문에 충분한 근거가 없을 수 있어요.

이 프로님이 잘하는 영역과 못하는 영역을 사전에 구분해 두고, 범위 밖의 질문이 들어오면 자동으로 "이건 사람에게 확인이 필요합니다"라고 넘기는 구조를 만들어야 해요. 전문성의 경계를 긋는 건 결국 신뢰를 지키는 일이에요.

결과물을 어디까지 신뢰할지 미리 정하라

AI 프로님이 만든 결과물을 팀이 어떻게 활용할지 내부 기준을 세워야 해요. AI 결과물을 그대로 쓸 수 있는 경우, 반드시 사람이 검증한 뒤에만 활용하는 경우, 내부 참고용으로만 쓰는 경우. 이 기준이 없으면 팀원마다 다르게 활용하면서 품질이 들쭉날쭉해져요.

이 세 가지는 모두 팀 안쪽을 향한 규칙이에요. 그런데 이 준비된 전문성을 고객사에 어떻게 전달하고, 고객은 AI가 참여한 결과물을 어떻게 믿게 되는가는 또 다른 차원의 질문이에요. 그 바깥쪽 이야기, 고객의 신뢰를 설계하는 법은 8호 Trust Anchor에서 본격적으로 다룰 거예요.

보이지 않는 탁월함, 그것이 우리의 방향

결국 ‘Already Ready’가 향하는 곳은 보이지 않는 탁월함이에요. 고객이 연락하기 전에 이미 업종을 파악하고 있는 팀. 킥오프 미팅 없이 시작해도 자연스러운 협업. 담당자가 바뀌어도 끊김 없이 이어지는 전문성.

준비에 드는 시간은 AI가 줄이고, 사람은 AI의 기준을 갱신하고, 경계를 긋고, 활용 기준을 세우는 데 집중해요. 그 과정은 고객의 눈에 보이지 않을 거예요. 하지만 그것이 탁월함의 증거예요. 좋은 서비스는 불편이 커지기 전에 이미 끝나 있으니까요.

AI를 도입한 조직은 많지만, AI와 함께 일하는 방식을 재설계하고, 그 재설계를 지속 가능하게 운영하는 조직은 아직 드물어요. 그 드문 조직이 되는 것이 1~3호가 가리키는 방향이고, 우리가 걸어가야 하는 길이에요.

※   본 리포트는 담당자가 작성한 초안을 바탕으로 생성형 AI를 활용하여 윤문, 팩트체크, 이미지 제작 등 후작업을 수행했습니다.