Emotion-Aware AI로 230만 건 처리 및 700명분 업무 대체 달성

Context

기존 Intent Classification 기반 챗봇의 단순 이진 응답 체계로 인한 사용자 경험 저하 발생. 정서적 맥락을 배제한 정형화된 응답 방식이 고객 불만을 증폭시키는 Bottleneck으로 작용함.

Technical Solution

• Multimodal Input 기반의 Text, Voice, Facial Expression 통합 분석 파이프라인 설계
• 확률적 모델 기반의 Frustration Scoring Engine을 통한 실시간 감정 수치화
• Confidence Threshold(0.8)를 적용하여 High/Medium/Low Risk로 응답 경로를 분기하는 Dynamic Routing 로직 구현
• BERT 기반 Sentiment Classifier를 활용해 감정 레이블을 추출하고 리스크 수준에 따라 Empathetic De-escalation 또는 Human-on-the-Loop Escalation 수행
• 정교한 Threshold 튜닝을 통한 False Positive 리스크 제어 및 Fallback 경로 확보

Impact

• Klarna AI Assistant 도입 후 첫 달 2.3M건의 대화 처리 및 700명의 Full-time Agent 업무량 대체
• IBM Security Investigation Agent 적용 결과 기존 45분 소요 작업을 수 분 이내로 단축

Key Takeaway

고객 접점 시스템에서 감정 인지 레이어는 단순 부가 기능이 아닌 서비스 품질을 결정하는 핵심 Architecture Layer임. 완전 자동화보다 Human-on-the-Loop 구조를 통한 리스크 관리와 데이터 기반의 동적 라우팅 전략이 필수적임.