우리는 작은 창고입니다. 그런 데 돈을 태울 여유는 없습니다. AI 고객 서비스 시스템의 가격표를 봤을 때 첫 반응이 그랬습니다. 사람 담당자 한 명은 한 달에 수천 위안이 듭니다. 연간 청구되는 AI 라이선스도 싸 보이지 않았습니다. 게다가 AI가 고객에게 잘못된 숫자를 알려주면 고객은 떠나고, 아낀 돈으로는 그 손실을 메울 수 없습니다. 그런데 2026년 음력 설 직후 첫 주에 일어난 한 일이 계산을 다시 하게 만들었습니다. 세 고객이 동시에 재고를 물었습니다. 고객 서비스 담당자는 한 명뿐이라 감당할 수 없었습니다. 한 고객은 답을 40분 넘게 기다리다 다음 출하를 다른 곳으로 옮겼습니다. 우리는 물건을 잃은 게 아닙니다. 고객을 잃었습니다.
그 후로 저는 다른 질문을 하기 시작했습니다. 3PL에서 AI 고객 서비스가 정확히 무엇을 해야 하는가. 지금 제 답은 간단합니다. 답을 조회할 수 있을 때는 AI가 먼저 답하고, 답에 판단이 필요할 때는 사람이 먼저 답하는 것. 재고 수준, 도착 상태, 출하 진행 상황 — 시스템에 표준 답이 있으니 AI가 답합니다. 클레임, 주문 변경, 가격 협상 — 사람이 결정해야 하니 AI가 넘깁니다.
담당자 한 명, 고객 열댓 곳
우리의 곤경을 설명해 드리겠습니다. 3,000제곱미터 창고, 열댓 곳 정도의 고객, 고객 서비스 담당자 한 명. 낮에는 전화를 받고, 메시지에 답하고, 재고를 확인하고, 기사를 쫓아다닙니다. 바쁜 날에는 물을 마실 시간도 거의 없습니다. 재고 관련 질문은 외울 정도입니다. '우리 출하분이 얼마나 남았나요?' '지난주 컨테이너 출하가 끝났나요?' '이번 주에 200개 더 보낼 수 있나요?' 이것들이 담당자 하루의 절반 이상을 차지하고, 모든 답은 WMS 안에 있습니다. 담당자는 사실상 인간 조회 기계였습니다.
2026년 3월, 저는 이를 악물고 가벼운 AI 고객 서비스 설정을 도입했고, 정확히 하나의 시나리오부터 시작했습니다. 재고 조회입니다. 검소한 접근법은 이랬습니다. AI는 WMS 실시간 재고 피드만 읽습니다. 고객이 '재고 확인'이라고 메시지를 보내면 AI는 현재 가용 수량, 입고 수량, 마지막 출하 시간을 답합니다. 답하기 전에 두 가지 검사를 거칩니다. 첫째, 고객 신원이 일치해야 합니다. 고객 번호가 없으면 숫자를 돌려주지 않습니다. 둘째, 모든 답은 '오늘 오전 9시 기준 수치이며, 창고 실사 재고가 공식 수치입니다'로 끝납니다. 그 마지막 문장이 제 탈출구입니다.
결과는 기대를 뛰어넘었습니다. 첫 달 내부 수치는 이렇습니다. AI가 재고 조회의 약 70%를 스스로 처리했고, 평균 응답 시간은 20분 초과에서 1분 미만으로 줄었으며, 담당자는 하루 약 2시간을 되찾아 클레임과 주문 변경 — 정말 사람이 필요한 일 — 에 쓸 수 있게 됐습니다. 고객이 폭발하지 않은 건, 답이 시스템의 숫자 그 자체였기 때문입니다. AI는 즉흥적으로 답한 게 아닙니다. 숫자를 소리 내어 읽은 것뿐입니다.
AI 고객 서비스가 답하는 것과 절대 건드리지 않는 것
하지만 AI의 잘못된 답이 무엇을 앗아가는지도 금방 배웠습니다. 2026년 5월, 한 고객이 제품 재고를 물었는데 AI가 '입고분 + 보유분'과 '출하 가능분'을 혼동해 숫자를 300개 부풀렸습니다. 고객은 그 수치를 믿고 하류에서 주문을 받았고, 출하일이 되자 재고가 없었습니다. 긴급 이전 운임을 내고 수습했고, 고객은 떠날 뻔했습니다. 그 후 저는 철칙을 만들었습니다. AI는 하나의 숫자, 즉 가용 재고만 보고합니다. 입고분, 검수 중, 동결 수량은 절대 인용하지 않습니다. 그걸 묻는 사람은 바로 사람에게 연결됩니다.
우리의 트리아지 표는 지금 이렇습니다. 봇이 처리하는 건 세 가지입니다. 현재 가용 재고, 주문 출하 상태, 배송 확인. 사람이 처리하는 건 네 가지입니다. 조사가 필요한 재고 불일치, 클레임과 파손, 주문 변경과 긴급 요청, 가격과 청구. 그리고 회색 지대가 있습니다. 고객이 '500개만 잡아두실 수 있나요?'라고 묻는 경우입니다. AI는 절대 스스로 '예'라고 답해서는 안 됩니다. 재고를 잡아두는 건 재고를 잠그고 다른 고객에게 영향을 미치기 때문입니다. 그 결정은 사람이 내려야 합니다.
여기가 직관에 반하는 부분입니다. AI 고객 서비스의 가장 큰 가치는 아끼는 돈이 아닙니다. 담당자가 마침내 고객 서비스를 할 시간을 얻었다는 것입니다. 내부 추정치로 숫자를 내봤습니다. 담당자 한 명은 한 달에 약 6,000위안, AI는 한 달에 약 1,500위안이라 4,500위안이 절약되는 것처럼 보입니다. 하지만 진짜 계산은 다른 쪽에 있습니다. 담당자가 되찾은 하루 2시간을 선제적 고객 관리와 예외 처리에 쓴다면, 갱신과 추가 물량은 4,500위안보다 훨씬 큰 가치가 있습니다. 반대로 AI가 담당자를 대체하고 고객이 로봇과만 이야기하게 된다면, 그 절약분은 조만간 잃은 고객으로 되돌아올 것입니다. ROI는 단순한 뺄셈이 아닙니다.
AI 고객 서비스의 첫 달, 그리고 우리를 구한 하나의 규칙
여기는 아무도 언급하지 않는 화려하지 않은 부분입니다. 출시 후 첫 한 달 동안 저는 매일 저녁 20분을 들여 그날의 AI 대화를 읽었습니다. 무엇을 틀렸는지, 무엇을 모호하게 답했는지. 그리고 다음 날 아침 가장 먼저 규칙을 고쳤습니다. 한 달 후 오류율은 20% 초과에서 10% 미만으로 떨어졌습니다. '사람이 AI를 감독한다'는 일은 건너뛸 수 없습니다. AI는 고용하고 잊어버리는 직원이 아닙니다. 교육이 필요한 신입입니다.
3개월이 지난 지금, 제가 보는 건 아낀 돈이 아닙니다. 고객이 여전히 우리와 이야기하고 싶어 하는지입니다. 두 숫자가 알려줍니다. 재고를 물은 뒤 주문하는 고객의 비율, 그리고 사람을 요구하는 고객의 비율. 첫 번째 숫자는 안정적이어서 AI가 아무도 쫓아내지 않고 있다는 뜻입니다. 두 번째 숫자는 40% 초과에서 약 20%로 떨어졌고, 남은 20%의 대부분은 복잡한 사례 — 재고가 맞지 않거나 사람 확인이 필요한 경우 — 로, 인계가 어차피 올바른 답인 경우입니다. 오래된 고객 한 분이 요즘은 한밤중에도 답이 정말 빨라졌다고 말했습니다. 그가 모르는 건 한밤중의 '사람'이 사람이 아니라는 것입니다. 그가 느끼는 건 이 창고가 믿을 만하다는 것입니다. 그 칭찬은 받겠습니다.
물론 지금도 가끔 실패합니다. 2026년 6월, 시스템 업그레이드로 재고 피드가 한동안 끊겼고, AI는 숫자를 찾지 못하자 '내일 도착 예정'이라는 답을 지어냈습니다. 고객은 그걸 믿고 트럭을 보내 픽업하러 갔지만 물건은 아직 이동 중이었습니다. 운임을 물었고 고객을 잃을 뻔했습니다. 그 후 저는 엄격한 규칙을 추가했습니다. 피드가 끊기면 AI는 '시스템에서 확인 중이니 잠시만 기다려 주세요. 곧 담당자가 연락드리겠습니다'라고 답합니다. 추측도, 지어내기도, 빈칸 채우기도 없습니다. AI는 느려도 됩니다. 틀려서는 안 됩니다. 그게 바닥입니다.
그래서 AI 고객 서비스를 고민하는 작은 창고를 위한 세 가지 조언입니다. 첫째, 하나의 시나리오 — 재고 조회 — 부터 시작해, 그 하나를 탄탄하게 만든 뒤 봇이 다른 일을 하게 하세요. 둘째, 답은 시스템 숫자에서만 나옵니다. AI는 숫자를 지어내거나, 추정하거나, 추측하지 않습니다. 찾지 못하면 그렇다고 말하고 사람에게 넘깁니다. 셋째, 사람으로 가는 탈출구를 눈에 보이게 두세요. 모든 AI 답에는 '사람 확인은 1번을 눌러주세요'와 같은 문구를 넣어 고객이 언제든 사람에게 닿을 수 있게 하세요.
그렇다면 고객이 재고를 물었을 때 누가 먼저 답해야 할까요? 제 답은 이렇습니다. 숫자를 조회할 수 있을 때는 AI가 먼저 답하고, 상황에 판단이 필요할 때는 사람이 먼저 답합니다. AI는 좋은 조력자지만 고객 서비스 담당자는 아닙니다. 고객이 원한 건 '즉각적인 답'이 아니었습니다. 정확한 답과 닿을 수 있는 사람이었습니다. 작은 창고에는 작은 창고 나름의 생존 방식이 있습니다. 우리의 방식은 이겁니다. AI가 아껴야 할 돈은 아끼게 하고, 중요한 사람의 노력은 1센트도 줄이지 않는 것.
Xiao Ma, 소규모 창고 운영자 지음
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.







