AI가 초보 상담원을 보완했을 때 — 고객지원 현장의 생산성 차이
무료 접근 자체보다 업무에 AI를 어떻게 결합하고 누가 혜택을 받는지를 살펴보는 실제 도입 사례다.
수정일 2026. 10. 16.
AI 접근 확대는 노동자를 대체하는가, 기존 노동자의 학습을 돕는가?
답변을 제안하되 최종 선택은 상담원에게
MIT Sloan이 소개한 연구는 소프트웨어 기업의 고객지원 현장에 2020년과 2021년 도입된 AI 보조 도구를 분석했다. AI가 답변·자료를 제안하고 상담원이 채택 여부를 선택하는 구조였다. 시작일은 도입이 관찰된 연도만 확인해 연 단위로 기록했으며 특정 월일을 뜻하지 않는다.
근거 [1]
평균 효과와 숙련도별 효과는 달랐다
해당 연구 소개에서는 평균 생산성이 약 14% 높아졌고 효과가 초보·낮은 숙련도 상담원에게 집중됐다고 설명한다. 가장 숙련된 집단의 효율 향상은 거의 없었다. 이는 전국 무료 보급이나 신규 고용 효과를 측정한 결과가 아니다.
근거 [1]
보급량 대신 업무 설계와 수혜 집단을 묻는다
영상의 초급 일자리 소멸 우려를 읽을 때, 사람에게 제안을 제공하는 보완형 설계와 사람을 빼는 대체형 설계를 구분할 필요가 있다. 동일한 AI라도 검토 권한·교육·업무 배치에 따라 작동 방식이 달라질 수 있다. 이 사례는 무조건 대체되거나 무조건 생산성이 오른다는 양쪽 단정을 피하는 비교 기준이다.
근거 [1]
기업 내부 효과를 국가 정책 성과로 확대하지 않는다
특정 기업·직무의 연구 결과를 소개한 자료에 근거한 AI 분석으로 개인 경험이 아니다. 한국의 정책 범위·예산·국내 모델 성능·고용·출산율을 검증하거나 전국 정책의 편익이 비용을 넘는다고 입증하지 않는다. 초보 상담원의 성과 향상도 신규 채용이나 모든 청년 일자리의 보장을 뜻하지 않는다. 전체 도입 종료일은 확인하지 못해 비워둔다.
근거 [1]
근거 자료
- MIT Sloan IWER — Generative AI and Worker Productivity확인일 2026. 10. 16.