핵심 요약: AI 챗봇 상담 만족도가 낮은 이유는 해결 실패입니다
AI 챗봇 상담을 이용한 고객이 결국 '상담원 연결해 주세요'를 찾는 이유는 AI 자체보다 문제가 끝까지 풀리지 않고 사람에게 가는 길이 막혀 있기 때문입니다. 2026년 9월 픽플리가 AI 챗봇 상담 이용 경험자 1,000명에게 물었더니 사람 연결 없이 챗봇이 끝까지 처리했다는 응답은 23.9%였습니다. 상담의 70%를 AI로 처리한 토스뱅크도 2026년 2월 챗봇 만족도가 36%로 콜센터(72%)의 절반에 머물렀습니다.
목차
- 핵심 요약: AI 챗봇 상담 만족도가 낮은 이유는 해결 실패입니다
- AI 챗봇 상담 만족도와 해결률: 불만족이 만족을 앞선 2년
- 고객은 왜 '상담원 연결해 주세요'라고 할까: 맥락 단절·갇힘·공감 부족
- 토스뱅크와 노스 애틀랜틱 항공: 처리율과 해결률에서 갈린 성과
- 하이브리드 상담 설계: 문의 복잡도와 감정 강도로 AI와 사람의 역할 나누기
- 시사점과 추적할 고객 지표: 자동 처리율 대신 단독 해결률을 봐야 합니다
- 자주 묻는 질문
- 같이 읽으면 좋은 것들
AI 챗봇 상담 만족도와 해결률: 불만족이 만족을 앞선 2년
AI 챗봇 상담에서는 만족보다 불만족이 많고 대화 대부분이 결국 사람에게 넘어갑니다. 픽플리 조사에서 불만족은 37.5%로 만족(29.8%)보다 7.7%p 높았고 결국 사람 상담사로 넘어간 적이 많다는 응답은 93.5%에 이르렀습니다. 추천하겠다(9~10점)는 6.9%, 추천하지 않겠다(0~6점)는 77.7%였고 순추천고객지수(NPS)는 -70.9였습니다.
| 조사(기준 시점) | 대상·표본 | 만족도·선호 | 눈여겨볼 응답 | 출처 |
|---|---|---|---|---|
| 엠브레인 금융권 콜센터 AI 상담(2024년 8월) | 전국 성인 19~69세 500명 | 만족 21.6%, 불만족 39.4% | AI가 요구사항을 이해 못함 73.6% | KB Think |
| 픽플리 AI 챗봇 상담(2026년 9월) | 이용 경험자 1,000명 | 만족 29.8%, 불만족 37.5% | 말을 못 알아듣고 딴소리 27.0% | 네이트 뉴스 |
| Gartner 고객 조사(2023년 12월) | 고객 5,728명 | AI를 쓰지 않길 원함 64% | 경쟁사 이동 고려 53% | Call Centre Helper |
불만족은 엠브레인 조사에서 만족의 1.82배, 픽플리 조사에서 1.26배였습니다. 엠브레인은 전국 성인에게 금융권 AI 상담을 물었고 픽플리는 이용 경험자에게 물었기 때문에 격차가 줄었다고 단정할 수는 없습니다. 분명한 것은 불만족이 만족을 앞서는 흐름이 2년째 이어지고 있다는 점입니다.
원인은 불만의 내용에서 드러납니다. 픽플리 조사의 불편 1~3위는 '말을 못 알아듣고 딴소리를 한다'(27.0%), '결국 문제를 해결하지 못했다'(23.5%), '같은 답변만 반복한다'(20.7%)로 셋을 합하면 71.2%입니다. 세 불편 모두 해결 실패가 모습만 바꿔 나타난 것입니다. 배송·요금 조회 같은 단순 문의는 AI로 충분했지만 보험 보장 범위나 대출 가능 여부처럼 개인 상황에 따라 답이 달라지는 문의에서는 한계가 뚜렷했습니다.
풀리지 않은 불만은 기업 밖으로 번집니다. 2026년 상반기 1372 소비자상담센터에 접수된 AI 관련 상담 2,025건 가운데 27.3%(553건)는 고객센터가 AI 챗봇으로만 연결돼 문제를 풀지 못한 경우였습니다. 이정헌 의원실 자료를 보면 KB국민은행 민원은 2020년 261건에서 2025년 890건으로 3.41배가 됐는데 2025년 콜봇으로 접수된 민원은 13건(1.5%)에 그쳤습니다. 고객이 불만을 AI 창구에 남기지 않고 바깥으로 들고 나간다는 신호입니다.
고객은 왜 '상담원 연결해 주세요'라고 할까: 맥락 단절·갇힘·공감 부족
해결 실패는 고객 쪽에서 성격이 다른 세 가지 불편으로 쌓입니다.
맥락 단절: 같은 설명을 다시 해야 합니다
상당수 챗봇은 예상 질문과 정해진 답변으로 움직이는 FAQ(자주 묻는 질문) 기반 자동응답에 머물러 있어 채널이 바뀌면 앞선 대화가 이어지지 않습니다. 챗봇에서 풀지 못한 고객은 상담원에게 처음부터 다시 설명해야 하니 실패 비용을 두 번 치르는 셈입니다.
갇힘: 사람에게 닿지 못할 것이라는 불안
Gartner 조사에서 고객이 AI 고객 서비스에 대해 가장 걱정한 것은 '사람에게 연결되기 어려워질 것'이었습니다. 엠브레인 조사에서도 'AI에서 사람 상담원으로 넘어가는 과정이 불편하다'는 응답이 56.9%였습니다. 문제가 풀리지 않는데 빠져나갈 길까지 보이지 않을 때 불만은 가장 커집니다.
공감 부족: 감정이 실린 문의를 읽지 못합니다
Dhruv Kikani 외 연구(2025년 3월)에서 응답자의 46%는 챗봇이 감정을 이해하지 못해 불편했다고 답했고 54%는 복잡한 문제 때문에 사람 상담원 연결을 요구했습니다. 환불이 늦어지거나 계약을 해지하려는 고객은 정보보다 자기 상황을 알아듣고 책임지는 상대를 원합니다.
고객이 따지는 것은 'AI냐 사람이냐'가 아니라 '해결되느냐, 빠져나갈 길이 보이느냐'인데요. 이 불편은 그대로 이탈 의향이 됩니다. Gartner 조사에서 고객의 53%는 기업이 AI를 도입하려 한다는 것을 알면 경쟁사로 옮기는 것을 고려하겠다고 답했습니다.
토스뱅크와 노스 애틀랜틱 항공: 처리율과 해결률에서 갈린 성과
AI 상담의 성과는 상담을 얼마나 많이 받았는지보다 얼마나 끝냈는지에서 갈립니다. 토스뱅크는 2024년 9월 AI 챗봇을 도입한 뒤 상담의 70%를 AI로 처리했지만 2026년 2월 챗봇 만족도는 36%로 콜센터(72%)보다 36%p 낮았습니다.
노르웨이의 노스 애틀랜틱 항공은 2025년 8월 센드버드의 '딜라이트 AI'를 도입했습니다. 항공 업무에 맞춰 특화한 LLM(대규모 언어 모델) 기반 AI 상담원입니다. 도입 2주 만에 AI 자체 해결률이 60%에서 80%로 20%p 오르면서 사람에게 넘겨야 하는 문의는 40%에서 20%로 절반이 됐습니다.
처리율만 좇으면 부담은 사람 상담원에게 돌아갑니다. 2024년 6월 국내 콜센터 상담사 185명 조사에서 66%가 AI 도입 뒤 근무 여건이 나빠졌다고 답했고 53%는 AI 오류로 스트레스를 받는다고 했습니다. AI가 풀지 못하고 넘긴 '이미 화가 난 고객'을 사람이 떠안는 구조 탓입니다. 두 사례는 상담을 얼마나 줄였는지와 얼마나 끝냈는지 가운데 무엇을 지표로 삼았는지에서 갈렸습니다.
하이브리드 상담 설계: 문의 복잡도와 감정 강도로 AI와 사람의 역할 나누기
하이브리드 상담은 모든 문의에 같은 자동화 목표를 거는 방식을 버리는 데서 시작합니다. 2026년 상반기 1372 AI 관련 상담의 83.8%가 서비스 불만·환불 분쟁·자동응대 불만이었습니다. 감정과 권리가 걸린 문의에서 AI가 가장 약하다는 뜻이므로 담당은 문의 복잡도와 감정 강도라는 두 축으로 나눠야 합니다.
| 구분 | 예시 문의 | 담당 | 전환 규칙 |
|---|---|---|---|
| ① 단순·저감정 | 배송 조회, 요금 조회 | AI가 끝까지 처리 | 의사소통 오류가 반복되면 상담원 연결 |
| ② 복잡·저감정 | 보험 보장 범위, 대출 가능 여부 | AI는 본인 확인·정보 수집, 판단은 사람 | 수집한 정보와 대화 기록을 붙여 인계 |
| ③ 단순·고감정 | 환불 지연, 배송 사고 | AI 접수 후 빠르게 사람 연결 | 환불·보상 신호가 감지되면 즉시 전환 |
| ④ 복잡·고감정 | 해지, 분쟁, 피해 | 처음부터 사람 | 청약철회·해지 요청은 AI만으로 종결 금지 |
전환 설계의 핵심은 맥락을 함께 넘기는 데 있습니다. 리뷰타임스가 소개한 설계는 의사소통 오류가 정해진 횟수 이상 생기거나 '환불·보상·해지·피해·분쟁' 같은 권리 관련 신호가 감지되면 자동으로 상담원에게 연결하고 앞선 AI 상담 내용과 고객이 입력한 정보를 함께 넘깁니다.
규제도 같은 방향으로 움직입니다. PYMNTS에 따르면 미국 캘리포니아주는 2026년 9월 고객이 요청하면 정해진 시간 안에 사람 상담원을 연결하도록 한 AB 1609에 서명했고 이 법은 2027년 1월 1일 시행됩니다. AI를 첫 응대 창구로 쓰는 것은 막지 않되 요청하면 실제로 사람에게 닿는 경로를 두라는 취지입니다. 뉴욕시 소비자·근로자보호국(DCWP)도 2026년 10월 한 번의 동작으로 사람에게 연결되게 하는 규정안을 내놨습니다. 국내에서는 6개 소비자단체가 챗봇 첫 화면에 상담원 연결 경로를 안내하고 청약철회·해지 요청은 AI만으로 처리하지 못하게 하자고 요구했습니다. 이 흐름이라면 사람 연결 경로와 대기시간은 국내 기업에도 사실상의 CX 기준이 될 것입니다.
시사점과 추적할 고객 지표: 자동 처리율 대신 단독 해결률을 봐야 합니다
AI 상담의 성과는 줄인 인건비보다 지킨 고객 가치로 재야 합니다. Gartner 조사에서 고객 서비스 리더의 60%가 AI 도입 압박을 받고 있었지만 고객의 53%는 경쟁사 이동을 고려하겠다고 답했습니다. 비용 지표만 보면 줄인 비용보다 이탈로 잃는 비용이 더 커질 수 있습니다.
자동 처리율은 고객이 포기하고 나간 대화까지 '처리'로 셉니다. 월 문의 10만 건이 모두 챗봇에서 시작하고 처리율이 토스뱅크 수준인 70%라고 가정해 보겠습니다. 실제 해결 비율이 픽플리 응답 수준인 23.9%라면 해결된 문의는 2만 3,900건이고 처리로 집계됐지만 끝나지 않은 문의는 4만 6,100건입니다. 노스 애틀랜틱 항공처럼 단독 해결률을 20%p 올리면 해결 건수는 4만 3,900건으로 2만 건 늘어납니다.
AI는 사람에게 가는 길을 막는 문지기가 아니라 문제를 먼저 푸는 1차 해결자여야 합니다. 기술 투자는 'AI가 어떤 문의를 끝까지 해결할 수 있는가'를 기준으로 삼고 상담원은 AI가 넘긴 맥락을 받아 일하는 2차 해결 전문가로 재정의해 도구와 교육을 갖춰 줘야 합니다. 상담 채널은 브랜드 접점이므로 상담 개선은 비용 과제가 아니라 리텐션 과제입니다.
추적할 고객 지표는 다섯 가지입니다.
- AI 단독 해결률: 사람 연결 없이 끝났고 7일 안에 다시 문의하지 않은 비율로 처리와 해결을 가르는 기본 지표입니다. 기준선은 이용자 응답 23.9%입니다.
- 상담원 전환율과 전환 전 대화 턴 수: 전환 경험이 많다는 응답이 93.5%인 만큼 전환 여부보다 몇 번 실패한 뒤 넘어갔는지가 경험의 질을 가릅니다.
- 상담원 연결 대기시간: 연결을 요청한 뒤 상담원이 응답하기까지 걸린 시간으로 미국 규제가 겨냥하는 지점입니다. 문의 유형별 내부 목표 시간(SLA, 서비스 수준 약정)으로 관리합니다.
- 외부로 번진 불만 건수: 1372 상담과 금융 민원처럼 기업 밖으로 나간 불만은 가장 늦게 잡히지만 비용이 가장 큰 이탈 신호입니다. 기준선은 2026년 상반기 '챗봇으로만 연결된 고객센터' 관련 1372 상담 553건입니다.
- 채널별 만족도 격차와 이탈 코호트: AI 채널과 사람 채널의 NPS·CSAT(고객 만족도)·CES(고객 노력 지수) 차이와 AI 상담을 경험한 고객의 90일 해지율·재구매율을 함께 봅니다. 기준선은 토스뱅크의 챗봇 36% 대 콜센터 72% 격차입니다.
2027년까지는 국내 사람 상담원 연결권의 법제화, 특화 LLM 상담원의 해결률 상승 속도, 미국 규제의 다른 주·시 확산, 1372 AI 관련 상담 건수의 증감이 판도를 가를 변수입니다.