음성-음성 AI 모델 덕분에 음성 통화가 빠르고 자연스러워지면서, 오랫동안 쇠퇴하는 채널로 여겨졌던 전화가 이제는 폐기되기보다는 최우선 서비스 라인으로 재구축되고 있습니다.
Human-Grade Voice Agent는 실시간 음성-음성 모델을 기반으로 구축된 AI 시스템입니다. 이는 음성을 텍스트로 변환하고 다시 텍스트를 음성으로 변환하는 지연 없이 오디오를 직접 처리하고 생성하는 아키텍처입니다. 그 결과, 대화는 자연스러운 속도로 진행되며, 끼어들기, 겹치는 발화, 그리고 인간의 반응 시간과 거의 유사한 응답 시간을 제공합니다.
이것이 중요한 이유는 이전 세대의 음성 봇은 음성 인식, 텍스트 모델, 음성 합성이라는 연결된 파이프라인을 기반으로 구축되었기 때문입니다. 이 체인의 모든 연결 지점은 지연을 추가하고 톤을 제거했습니다. 고객들은 이러한 연결 지점을 인지했고, 과도하게 발음하거나, 말을 반복하거나, 결국 포기했습니다.
지연과 자연스러움 문제가 해결되면서, 음성은 기업이 사람들을 다른 채널로 유도하던 채널이 아니라, AI를 통해 대규모로 자원을 투입할 수 있는 채널이 되었습니다. 이를 통해 진정으로 인간의 개입이 필요한 업무에만 인간 상담원을 배정할 수 있게 됩니다.
Why we think it'll come up
The pipeline collapsed into one model
Speech-to-text-to-speech stacks introduced compounding delay and lost prosody at each conversion step. Native speech-to-speech models process audio directly, cutting turnaround to a pace that feels conversational rather than transactional.
Contact centres are re-platforming around voice, not away from it
Where roadmaps assumed voice volume would keep migrating to chat and self-service, providers are now building AI voice agents as a primary resolution layer for phone queues, not a deflection script that stalls before a human takeover.
Tone recognition is becoming table stakes
Because the model hears actual audio rather than a flattened transcript, it can register hesitation, frustration, or urgency in a caller's voice — information a text-based bot structurally cannot access.
What it changes for customer experience
For customers
Calling a business no longer means a menu-driven bot or a long hold — it means being understood on the first attempt, at any hour, without repeating the account number three times.
For business
Voice, previously the most expensive channel per contact, becomes viable to scale with AI, changing the unit economics of support and outbound service alike.
For CX & operations
Escalation design becomes the differentiator: the value now sits in knowing precisely when to hand a call to a human, not in avoiding the phone altogether.
Industries on the front line
모두가 외면하던 채널
거의 10년 동안 전화는 고객 경험 전략이 조용히 은퇴시키려 했던 채널이었습니다. 모든 로드맵은 동일한 방향을 가리켰습니다. 즉, 통화량을 채팅으로 전환하고, 셀프 서비스를 추진하며, 전화 통화를 디지털 전환 실패의 증거로 취급하는 것이었습니다. 음성 봇이 존재했지만, 모두가 그것이 무엇인지 알고 있었습니다. 즉, 사람이 인계받기 전까지 메뉴 기반의 대기 패턴에 불과했습니다. 고객들은 과장되게 발음하고, 계좌 번호를 반복하며, 필연적인 전환을 기다렸습니다.
이러한 궤적은 전화에 대한 선호가 다시 돌아와서가 아니라, 그 기반 기술이 변화했기 때문에 역전되었습니다. 음성-음성 AI 모델은 음성을 텍스트로 변환했다가 다시 변환하는 과정 없이 오디오를 직접 처리하고 생성합니다. 그 결과, 자연스러운 속도로 대화가 이루어집니다. 즉, 끼어들기, 겹치는 발화, 인간과 유사한 응답 시간을 가집니다. 음성은 더 이상 기업이 고객을 다른 채널로 유도하는 채널이 아닙니다. 이제는 AI를 통해 대규모로 자원을 투입할 수 있는 채널이 되고 있습니다.
오래된 파이프라인이 숨을 수 없었던 이유
이전 세대의 음성 봇은 음성 인식, 텍스트 모델, 음성 합성이라는 연결된 파이프라인을 기반으로 구축되었습니다. 이 체인의 모든 연결은 지연을 추가하고 톤을 제거했습니다. 고객들은 이음새를 들었습니다. 즉, 응답 전의 정적, 평탄하고 억양이 없는 전달 방식은 그들이 듣는 것이 아니라 스크립트와 대화하고 있음을 분명히 했습니다.
네이티브 음성-음성 모델은 그 파이프라인을 하나로 통합합니다. 모델이 평탄한 스크립트가 아닌 실제 오디오를 처리하기 때문에, 발신자의 목소리에서 망설임, 좌절감, 긴급성을 감지합니다. 이는 텍스트 기반 봇이 구조적으로 접근할 수 없는 정보입니다. 2024년 10월 OpenAI의 실시간 API 출시는 저지연 음성-음성 대화형 AI가 텍스트 중개자를 거치지 않고 오디오 입력에서 직접 사용 가능하게 된 시점을 나타냅니다. 이 단일 아키텍처 변경이 고객이 참아주는 봇과 고객이 알아채지 못하는 봇을 구분하는 요소입니다.
고객이 실제로 듣는 것은 이음새입니다. 이음새를 제거하면 채널은 자체적인 한계를 알리는 것을 멈춥니다.
음성을 중심으로 한 리플랫폼, 음성에서 벗어나는 것이 아닌
전략적 변화는 컨택 센터가 현재 구축되는 방식에서 분명히 드러납니다. 로드맵이 한때 음성 통화량이 채팅 및 셀프 서비스로 계속 전환될 것이라고 가정했던 것과 달리, 공급업체들은 AI 음성 에이전트를 전화 대기열의 주요 해결 계층으로 리플랫폼하고 있습니다. 이는 사람이 인계받을 때까지 시간을 끄는 용도로 설계된 회피 스크립트가 아닙니다. 이는 의미론적으로 다른 설계 지침입니다. 즉, 봉쇄가 아닌 해결을 위한 구축을 의미합니다.
이는 또한 오래된 경제학을 뒤집습니다. 음성은 역사적으로 접촉당 가장 비싼 채널이었으며, 바로 이 때문에 상향이 아닌 하향 설계되었습니다. 지연 및 자연스러움 문제가 해결되면서 비용 구조가 변화합니다. 음성은 AI를 통해 확장 가능해지며, 인바운드 지원 및 아웃바운드 서비스 모두의 단위 경제를 변화시킵니다.
가치가 실제로 이동하는 곳
이 모든 것이 인간 상담원의 필요성을 없애는 것은 아닙니다. 오히려 그들의 가치가 있는 곳을 재배치합니다. 차별점은 더 이상 기업이 전화를 피할 수 있는지 여부가 아닙니다. 기업이 언제 정확히 통화를 인간에게 넘겨야 하는지를 아는지 여부입니다. 에스컬레이션 설계는 진정으로 유용한 음성 에이전트와 설득력 있게 들리다가 그렇지 않게 되는 에이전트를 구분하는 규율이 됩니다.
- 고객의 경우: 전화 통화는 언제든지 첫 시도에 이해받고, 계좌 번호를 세 번 반복할 필요가 없음을 의미합니다.
- 기업의 경우: 오랫동안 비용 센터로 취급되던 채널이 확장 가능한 서비스 라인에 가까워집니다.
- CX 및 운영의 경우: 경쟁 우위는 채널 회피가 아닌 핸드오프 로직에 있습니다.
시작점
합리적인 진입점은 광범위하지 않고 좁습니다. 청구 문의 또는 약속 변경과 같이 통화량이 많고 잘 스크립트된 한 가지 통화 흐름에서 파일럿을 진행하고, 감정적이거나 모호한 모든 것에 대해서는 인간 상담원에게 명확하고 검증된 핸드오프를 제공합니다. 이는 통신, 은행 및 금융 서비스, 보험, 의료, 여행 및 숙박업에서 특히 중요합니다. 이러한 산업에서는 통화량이 많고 에스컬레이션 오류의 비용이 운영적인 측면뿐만 아니라 평판에도 영향을 미치기 때문입니다.
파이프라인 붕괴에 담긴 교훈은 CX 설계에 대한 더 넓은 교훈입니다. 즉, 자연스러움은 기능 위에 덧붙여진 좋은 것이 아니었습니다. 그것은 누락된 기능이었습니다. 빠르게 해결하지만 기계적으로 들리는 음성 에이전트는 여전히 상대방에게 회피 전술로 읽힙니다. 인간처럼 들리고, 언제 가장할지 정확히 아는 에이전트는 고객이 실제로 전화하고 싶어 하는 것이 됩니다.
이제 청구 문의 또는 예약 변경과 같이 잘 스크립트된 대량 통화 흐름 한 가지에 대해 파일럿을 시작하고, 감정적이거나 모호한 상황에 대해서는 명확하게 테스트된 방식으로 상담원에게 인계합니다.
Trends Radar
Other trends
Build for what's next
Turn this trend into a measurable experience advantage.