AI 고객 상담, ‘해결 1건’의 기준부터 확인해야 해요

‘해결 1건당 0.99달러’에서 확인할 것

고객 상담용 Fin AI Agent는 성과를 기준으로 요금을 받아요. 대표적인 과금 항목인 ‘해결’은 한 건에 0.99달러예요. 대화 안에서 여러 질문을 처리하더라도 한 번만 청구해요.

제가 먼저 확인한 것은 가격보다 해결의 정의였어요. 고객이 도움이 됐다고 답한 경우뿐 아니라, Fin의 답변을 받은 뒤 추가 도움을 요청하지 않은 경우도 해결에 포함돼요. 후자는 ‘추정 해결’이라고 불러요.

현재 Fin 도움말은 마지막 답변 뒤 고객이 24시간 동안 대화에 참여하지 않으면 추정 해결로 본다고 설명해요. 다만 인사만 주고받았거나 Fin이 확인 질문을 했는데 고객이 답하지 않은 경우는 과금 대상이 아니에요. 해결로 집계된 뒤에도 고객이 같은 대화에 돌아와 추가 도움을 요청하면, 청구 기간이 바뀌었더라도 해당 해결 건을 차감한다고 해요. Fin의 해결 및 청구 조건.

이런 보정 규칙이 있어도 답변을 받고 떠난 고객이 정말 만족했는지까지 알기는 어려워요. 문제가 풀렸을 수도 있고, 답변에 실망해 다른 방법을 찾았을 수도 있어요. 계약상 청구할 수 있는 성과와 우리 회사가 원하는 업무 결과가 같은지 확인해야 하는 이유예요.

무엇을 맡겼는지에 따라 성과도 달라요

Fin의 가격표에는 여러 과금 항목이 있어요.

과금 항목	의미	건당 가격
해결	마지막 답변 뒤 추가 도움을 요청하지 않음	0.99달러
설정한 절차 완료 후 인계	고객사가 사람에게 넘기도록 설계한 절차를 마침	0.99달러
부적격 리드 판정	고객사가 정한 영업 대상 조건에 맞지 않는다고 판정	0.99달러
적격 리드 판정	영업 대상 조건에 맞는다고 판정하고 연결	9.99달러

단순히 해결하지 못해서 사람에게 넘기는 경우와, 필요한 정보를 모은 뒤 사람에게 넘기도록 설정한 절차를 완료한 경우는 달라요. 후자는 맡긴 업무를 마친 것으로 보고 과금할 수 있어요. 요금제나 연결한 상담 플랫폼에 따라 제공되는 기능도 확인해야 해요. Fin 가격표.

같은 0.99달러여도 회사가 얻는 가치는 다를 수 있어요. 고객 문제가 완전히 끝났는지, 상담사가 일을 시작할 준비가 됐는지, 영업 대상이 아닌 사람을 걸렀는지를 따로 봐야 해요. 성과 과금이라는 이름만으로 모든 실패 비용이 공급자에게 넘어가지는 않아요. 사람의 후속 처리와 고객 이탈에 드는 비용은 여전히 구매자에게 남을 수 있어요.

한 번 성공하는 것과 반복해서 성공하는 것은 달라요

저는 에이전트의 결과를 평가할 때 성공률이 무엇을 뜻하는지도 함께 봐야 한다고 생각해요. 한 번에 끝내야 하는 상담과, 여러 답안을 만든 뒤 하나를 골라도 되는 작업은 요구 조건이 다르니까요.

앤스로픽은 이를 두 지표로 설명해요. pass@k는 k번 시도해 한 번 이상 성공할 확률이고, pass^k는 k번 모두 성공할 확률이에요. 어느 쪽이 더 좋은 지표인지는 업무에 따라 달라요. 여러 시도 중 올바른 결과를 고를 수 있다면 앞의 지표가 유용하고, 매번 고객에게 안정적인 결과를 줘야 한다면 반복 성공 여부가 중요해요. 앤스로픽의 에이전트 평가 설명.

가령 같은 과제에서 매번 성공할 확률이 90%이고 각 시도가 독립적이라고 가정해볼게요. 열 번 중 한 번 이상 성공할 확률은 거의 100%지만, 열 번 모두 성공할 확률은 약 35%예요. 나머지 경우에 열 번 전부 실패한다는 뜻은 아니에요. 열 번 가운데 적어도 한 번 실패할 가능성이 그만큼 있다는 뜻이에요.

실제로 반복 신뢰성을 측정한 연구도 있어요. 2024년 τ-bench의 소매 상담 실험에서 GPT-4o 기반 에이전트는 단일 시도 성공률이 약 61%였지만, 같은 과제를 여덟 번 모두 성공한 비율은 25% 미만이었어요. 당시 모델과 실험 환경의 결과이므로 현재 모든 에이전트의 실패율로 읽어서는 안 돼요. 평균 성공률만으로 반복 업무의 안정성을 설명하기 어렵다는 사례예요. τ-bench 논문.

재시도와 검증을 잘 설계하면 이런 편차를 줄일 수 있어요. 다만 추가 호출, 검토 시간, 처리가 늦어지는 비용까지 함께 계산해야 해요.

모델 사용료와 실제 업무 원가를 나눠 계산해요

아래는 실측 자료가 아니라 계산 방법을 보여주기 위한 가정이에요. 한 팀이 한 달에 500건을 처리했고, 정해둔 기준으로 확인했을 때 실제 해결된 건이 350건이라고 해볼게요.

항목	월 비용
모델·도구 호출	30만 원
모니터링·저장·연동	20만 원
사람 검토 40시간 × 4만 원	160만 원
실패 복구 10시간 × 4만 원	40만 원
합계	250만 원

모델·도구 비용 30만 원을 처리한 500건으로 나누면 건당 600원이에요. 총비용 250만 원을 실제 해결한 350건으로 나누면 약 7,143원이고요.

두 계산은 비용의 범위와 건수를 세는 기준이 모두 달라요. 성공 건수만 바꾸면 30만 원 ÷ 350건으로 약 857원이 돼요. 여기에 나머지 운영비를 포함하면 7,143원이 되는 거예요.

이 예시에서는 사람 검토와 복구 비용이 전체의 80%예요. 그래서 모델·도구 비용을 절반으로 낮춰도 총비용은 250만 원에서 235만 원으로 6%만 줄어요. 모든 AI 업무에서 사람 비용이 80%라는 뜻은 아니에요. 우리 업무의 비용 구성이 이와 비슷하다면 모델 단가 협상만으로 절감할 수 있는 폭이 작다는 뜻이에요.

개선 방법을 고르려면 두 가지를 함께 봐야 해요. 같은 비용으로 더 많은 일을 제대로 끝낼 수 있는지, 그리고 품질을 유지하면서 검토·운영 시간을 줄일 수 있는지예요. 검토를 줄였는데 재문의와 복구가 늘었다면 그 비용도 다시 포함해야 해요.

성과 과금의 전환을 보면서 놓치기 쉬운 부분

저는 지난 147호에서 좌석 기반 요금이 성과 기반 요금으로 이동하는 흐름을 다뤘어요. 그 판단은 지금도 유효하다고 봐요. 다만 구매자 입장에서 더 살펴봐야 할 것이 있어요. 사용한 계정 수보다 성과에 가까운 단위로 돈을 낸다고 해서, 그 단위가 우리 회사의 성공 기준과 자동으로 같아지지는 않아요.

성과 수치는 기업의 성장 설명에도 쓰여요. 세일즈포스는 6월 15일 Fin을 약 36억 달러에 인수하는 계약을 발표하면서, Fin이 상담 업무량의 평균 76%를 처음부터 끝까지 해결한 사례를 소개했어요. 발표 당시 거래 완료 예상 시점은 세일즈포스 2027회계연도 4분기였어요. 세일즈포스의 인수 계약 발표.

이 숫자를 도입 검토에 사용하려면 어떤 고객사와 상담 유형에서 나온 결과인지, 무엇을 해결로 셌는지 확인해야 해요. 발표만으로 우리 회사에서도 76%가 해결된다고 보기는 어려워요. 청구 기준이나 해결률 하나가 인수 가격 전체를 결정했다고 해석할 근거도 충분하지 않고요.

저라면 단가와 함께 성과의 정의, 집계 기준의 변경 절차, 재문의가 생겼을 때의 차감 조건, 기록을 확인할 수 있는 범위를 검토하겠어요. 특히 사람에게 넘기는 것 자체가 성과인 업무라면 인계 이후에 드는 시간도 따로 계산할 거예요.

견적서에 운영과 검토 비용을 넣어요

AI 도입 비용을 비교할 때 저는 다음 항목을 확인하는 편이 좋다고 봐요.

1. 모델과 제품의 라이선스·사용료
2. 외부 도구와 API 호출 비용
3. 저장·검색·네트워크 비용
4. 재시도와 실패한 호출 비용
5. 평가 자료를 만들고 품질을 확인하는 비용
6. 사람이 검토하고 승인하는 시간
7. 장애와 오류를 복구하는 시간
8. 보안·교육·업무 절차 변경에 드는 비용

제품 요금에 이미 포함된 비용을 다시 더할 필요는 없어요. 초기 구축비와 매달 반복되는 운영비도 나눠야 해요. 중요한 것은 항목 수를 채우는 일이 아니라, 비교하는 제품마다 같은 범위의 비용을 계산하는 일이에요.

건수를 세는 기준도 업무에 맞춰 정해야 해요. 상담이라면 정해둔 기간 안에 같은 문제로 재문의하지 않고 끝난 건인지, 영업이라면 담당자가 인수한 적격 리드인지, 개발이라면 필요한 검토와 테스트를 통과해 반영된 변경인지 정할 수 있어요. 모든 일을 사람이 전수 검사해야 하는 것은 아니에요. 자동 검증과 표본 점검을 조합하되, 어떤 오류를 놓칠 수 있는지는 알아야 해요.

토큰당 비용은 기술을 개선할 때 유용해요. 실제로 끝낸 업무당 비용은 도입을 계속할지 판단할 때 유용하고요. 두 지표를 함께 보되 무엇을 계산한 숫자인지 명확히 적어야 해요.

제가 절감액보다 먼저 보는 것

저는 AI 도입 검토 자료를 볼 때, 이 팀이 무엇을 성공으로 세고 그 판정을 누가 하는지 먼저 봐요. 계산이 정확해도 결과를 잘못 해석하면 대응책이 달라지기 때문이에요.

가령 검토 시간이 40시간에서 10시간으로 줄었다고 해볼게요. 자동 검증을 개선해 사람이 볼 일이 줄었을 수도 있고, 확인 절차를 생략했을 수도 있어요. 시간만 기록하면 둘을 구분하기 어려워요. 함께 봐야 할 것은 실제 오류, 재문의, 재작업과 복구에 든 시간이에요.

Fin의 추정 해결도 이런 관점에서 봐야 해요. 공급자가 제공하는 분류와 사후 차감 규칙을 이해한 뒤, 우리 고객의 경험과 얼마나 맞는지 표본을 확인할 수 있어요. 판매자의 집계를 그대로 믿는 것과 모든 대화를 사람이 다시 읽는 것 사이에도 선택지가 있는 셈이에요.

이번 주에는 사용 중인 AI 도구 하나를 골라 지난달 처리 건수, 정해둔 기준으로 해결된 건수, 사람이 추가로 쓴 시간을 함께 확인해보면 좋겠어요. 세 숫자가 있으면 사용료가 싼지뿐 아니라 실제로 일을 덜어줬는지 이야기할 수 있어요.

💬 AI 결과를 다시 확인하는 데 시간이 많이 드는 업무가 있나요? 무엇을 확인하고 왜 필요한지 경험을 들려주세요.

참고자료 & 더 읽기

• Fin 가격표와 성과 과금의 상세 조건
• 앤스로픽의 에이전트 평가 방법, 2026년 1월 9일
• τ-bench 연구, 2024년 6월
• 세일즈포스의 Fin 인수 계약 발표, 2026년 6월 15일

함께 읽으면 좋은 지난 호

• 147호: 좌석 기반 요금에서 성과 기반 요금으로의 전환
• 180호: 실제 작업 시간과 청구 시간을 둘러싼 문제

필자 안광섭 (오스왈드)은 세종대학교 겸임교수, INLEVEL9 전략 컨설턴트입니다. 경력, 연구, 저서와 최신 활동은 저자 소개에서 계속 갱신합니다. 최근 소식 · 2026년 8월: 2026 세종도서 교양부문 우수도서 선정.