지식 기반은 조용히 CX의 가장 중요한 기록 시스템이 되었습니다. 이제 동일한 콘텐츠가 AI 에이전트를 훈련하고, 상담원을 안내하며, 고객에게 직접 답변하므로, 거버넌스 실패는 대규모 환각으로 전파됩니다.
지식 인프라(Knowledge as Infrastructure)는 보잘것없던 지식 기반이 지원 부서의 사후 처리 대상에서 AI 코파일럿, 챗봇, 검색 및 상담원 모두가 동시에 활용하는 공유된 핵심 계층으로 변화하는 것을 의미합니다. 단일 아티클이 더 이상 하나의 채널만을 위한 것이 아니라, 학습 입력, 검색 소스, 고객 대면 답변이 동시에 됩니다.
이러한 통합은 지식 저장소에서 직접 정보를 가져와 AI 응답의 기반을 다지는 검색 증강 생성(RAG)에 의해 가속화되었습니다. 장점은 일관성입니다. 2024년과 2025년을 거치며 점점 더 명확해지는 단점은, 오래되었거나 모호하거나 소유자가 불분명한 아티클이 더 이상 사소한 서비스 격차가 아니라는 것입니다. 이는 AI가 수천 건의 대화에서 아무도 알아차리기 전에 자신 있게 반복할 환각 벡터가 됩니다.
실질적인 결과는 콘텐츠 소유권, 버전 관리 및 최신성(한때는 백오피스 관리 업무였던 것)이 이제 신원 확인 및 결제와 함께 고객 신뢰를 얻기 위한 중요한 경로에 놓이게 되었다는 것입니다.
Why we think it'll come up
RAG made the knowledge base an AI training set overnight
Retrieval-augmented generation architectures, widely adopted by contact centre platforms through 2023-2025, pull live from support articles to ground chatbot and copilot answers. This turned every content update — or lack of one — into an instantaneous change in what AI tells customers, with no human review layer in between.
Gartner forecast widespread abandonment of GenAI pilots over data quality
Gartner's July 2024 forecast warned that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025, pointing to poor data quality, inadequate risk controls, escalating costs and unclear business value as the primary drivers — knowledge governance, not algorithm choice, was flagged as the likely bottleneck.
Enterprise search vendors pivoted their pitch from 'findability' to 'trust'
Through 2024-2025, major knowledge-management and enterprise search vendors reoriented product messaging around content freshness scoring, article ownership and audit trails — a direct response to buyers asking how they prevent AI agents surfacing deprecated policy or pricing information.
What it changes for customer experience
For customers
A wrong answer from an AI agent now feels authoritative and is delivered instantly to many people at once, eroding trust faster than a single human error ever could.
For business
Legal, compliance and pricing content that was tolerably stale in a rarely-read PDF becomes a liability the moment it feeds a customer-facing AI agent verbatim.
For CX & operations
Content ownership shifts from a support-team chore to a cross-functional governance function, with clear authors, review cadences and retirement dates for every article.
Industries on the front line
한 개의 문서, 천 개의 오답
지난 10년 대부분 동안, 오래된 지식 기반 문서는 제한적인 문제였습니다. 상담원이 문서를 읽고 뭔가 잘못되었다고 느끼면 실시간으로 고객에게 조용히 수정해 줄 수 있었습니다. 나쁜 콘텐츠와 고객 사이에는 인간의 판단이 있었습니다. 그 완충 지대가 사라지고 있습니다. 이제 검색 증강 생성(RAG)을 통해 AI 코파일럿과 고객 대면 챗봇이 동일한 저장소에서 직접 정보를 가져오며, 그들은 발견한 내용을 전혀 주저함 없이, 의심 없이 완벽한 확신을 가지고 반복합니다. 한때 한 통의 전화에만 영향을 미쳤던 오류가 이제 AI가 접하는 그날의 모든 대화에 전파될 위험이 있습니다.
이는 많은 컨택 센터가 2024년과 2025년에 AI 파일럿을 실제 운영에 투입하면서 겪게 될 불편한 발견입니다. 모델 자체는 거의 문제가 되지 않습니다. 모델에 공급되는 지식이 문제입니다. 가트너가 널리 인용한 2024년 7월 예측 — 2025년 말까지 생성형 AI 프로젝트의 최소 30%가 개념 증명(PoC) 이후 포기될 것이며, 이는 주로 데이터 품질 불량, 부적절한 위험 통제, 비용 증가 또는 불분명한 비즈니스 가치 때문이라는 예측 —은 사실 인공지능에 대한 진술이 아닙니다. 이는 콘텐츠에 대한 조직의 규율에 대한 경고입니다.
지식 기반은 더 이상 단순한 지원 도구가 아닙니다. 생산 시스템이 되고 있습니다. 돈을 움직이는 시스템과 동일한 엄격함이 필요합니다.
거버넌스가 왜 열망이 아닌 긴급한 사안이 되었는가
지식 관리는 이론적으로 항상 거버넌스 계층을 가지고 있었습니다 — 스타일 가이드, 검토 주기, 승인 워크플로우. 실제로는 대부분의 조직이 이를 느슨하게 다루었습니다. 오래된 문서의 비용이 작고 국지적이었기 때문입니다. 고객은 검색에서 약간 오래된 답변을 받을 수 있었고, 상담원은 고객에게 반복하기 전에 오류를 발견할 수 있었습니다.
AI는 오류의 여지를 없앱니다. 동일한 문서가 코파일럿의 제안 응답을 동시에 훈련하고, 고객 챗봇의 답변의 근거가 되며, 셀프 서비스 검색 결과를 채울 때, 그 정확성은 더 이상 삶의 질 문제가 아닙니다. 이는 세 가지 다른 채널이 같은 날 오후에 고객에게 세 가지 다른 — 또는 세 가지 잘못된 — 정보를 전달하는지 여부를 결정하는 요인이 됩니다. 모호한 소유권, 즉 고전적인 지식 기반 실패 모드는 이제 읽는 사람에게는 완전히 권위적으로 보이는 AI 환각으로 나타납니다.
운영상 요구되는 사항
지식을 인프라로 취급한다는 것은 인프라 규율을 적용하는 것을 의미합니다: 모든 문서에 대한 지정된 소유자, 예정된 검토 날짜, 버전 기록, 그리고 — 결정적으로 — 콘텐츠 생성과 AI 수집 사이의 게이트. 일부 조직은 이제 스테이징 단계를 운영하고 있습니다. 이 단계에서는 새롭거나 편집된 문서가 샌드박스 검색 인덱스에 머물며 라이브 AI 대면 코퍼스로 승격되기 전에 샘플 쿼리에 대해 유효성 검사를 받습니다. 이는 소프트웨어 팀이 배포 전에 코드를 테스트하는 방식과 유사하며, 더 넓은 진실을 반영합니다: 콘텐츠는 이제 코드입니다. 즉, 전달 시점에 인간의 검토 없이 대규모로 실행된다는 의미입니다.
또한 폐기 문제도 있습니다. 대부분의 지식 기반은 문서를 정리하는 것보다 더 빨리 축적합니다. AI 시스템은 2019년 정책 문서가 그 이후 두 번이나 대체되었다는 본질적인 인식이 없습니다. 인덱싱된 모든 것을 검색하고 오늘 아침 업데이트와 동일한 확신으로 제시할 것입니다. 폐기 워크플로우 — 단순히 방치하는 것이 아니라 적극적으로 보관하는 것 —는 생성 워크플로우만큼 중요해집니다. 가트너의 예측은 사실상 조직이 이 단계를 건너뛸 때 어떤 일이 발생하는지에 대한 예측입니다: 통제된 데모에서 유망해 보였던 파일럿이 실제 데이터 품질, 위험 노출 및 비용 현실이 대규모로 드러나면서 무너지는 것입니다.
행동적 계층: 수정 없는 확신
여기에는 사람들이 자신감 있게 전달된 정보를 처리하는 방식에 뿌리를 둔 미묘한 위험이 있습니다. 정서 휴리스틱에 대한 행동 연구는 사람들이 전달의 유창성과 확실성을 정확성의 대용으로 사용한다는 것을 보여줍니다 — 자신감 있게 표현된 오답은 종종 주저하는 정답보다 더 설득력이 있습니다. AI 에이전트는 옳든 그르든 모든 답변을 동일한 유창성으로 전달합니다. 고객은 잘못된 답변을 불신할 단서가 없습니다. 이는 인간 상호작용이 거의 무료로 제공했던 검증 장치를 제거합니다: '의존하기 전에 확인하라'는 신호를 보냈던 주저함, 멈춤, 눈에 보이는 불확실성.
좋은 거버넌스의 모습
가트너의 예측 통계에 포함되지 않는 조직들은 몇 가지 실용적인 습관을 공유하는 경향이 있습니다. 그들은 콘텐츠를 '팀 소유'로 두는 대신 모든 문서에 단일하고 지정된 소유자를 할당합니다. 그들은 위험과 연관된 명시적인 검토 주기를 설정합니다 — 가격 및 규정 준수 콘텐츠는 일반적인 사용 설명서보다 훨씬 더 자주 검토됩니다. 그들은 업데이트된 문서가 라이브 AI 검색 인덱스에 도달하기 전에 유효성 검사 게이트를 구축하여 코드 릴리스와 동일한 주의를 기울여 콘텐츠 변경 사항을 처리합니다. 그리고 그들은 오래된 자료가 인덱스에 무기한 남아있도록 두는 대신 적극적으로 폐기하여, 자체 노후화를 인식하지 못하는 AI 시스템에 의해 표면화되는 것을 방지합니다. 이 중 어느 것도 특별한 것이 아닙니다. 이는 대부분의 조직이 알아차리기 전에 조용히 핵심적인 역할을 하게 된 비즈니스 계층에 적용되는 기본적인 운영 위생입니다.
지식 기반을 문서 라이브러리가 아닌 프로덕션 시스템으로 감사하세요. 문서 소유자를 지정하고, 필수 검토 주기를 설정하고, AI 검색에 제공되는 모든 콘텐츠는 게시 전에 최신성 및 정확성 확인을 거치도록 하세요.
Trends Radar
Other trends
Build for what's next
Turn this trend into a measurable experience advantage.