AI Customer Support at Scale: The Travel Industry's $Billion Bet
개요
여행 플랫폼들은 AI를 고객 지원에 점점 더 많이 활용하고 있다. 이는 인간 개입이 줄어든 자동화된 답변의 증가를 의미한다. 그러나 자동으로 처리되는 케이스들은 대체로 구조화된 워크플로우로 깔끔하게 매핑되는 조회와 루틴 변경이다.
남은 케이스들은 일반적으로 분쟁이다 — 취소에 대해 호스트와 게스트가 서로 다른 견해를 가진 경우 등. 이런 경우 여행 플랫폼은 양 당사자 사이에 위치하며 자금에 대한 책임을 진다.
핵심 질문: 시스템이 언제 멈추고 케이스를 인간 에이전트에게 라우팅해야 하는가?
파이프라인
자동화된 지원의 가장 단순한 버전은 여행자의 메시지를 FAQ 목록과 매칭하고 가장 가까운 문서를 반환하는 봇이다.
"취소 정책이 무엇인가요?"처럼 단순한 질문에는 효과적이지만, "호스트가 환불에 동의했는데 지금 취소하면 어떻게 되나요?"처럼 의도·이력·재무적 결과를 담은 문장에는 실패한다.
첫 번째 핵심 컴포넌트: 의도 감지(Intent Detection)
Airbnb의 계층화된 접근:
- 최상위 모델: 도메인 분류 (취소, 도움말 문의 등 넓은 카테고리)
- 카테고리 확정 후 두 번째 레이어: 도메인별 모델이 세부사항 처리
- 취소의 경우: "호스트와 게스트 중 누가 시작했나?", "양측이 환불 금액에 합의했나?" 같은 집중된 질문
이와 함께 별도 모델이 예상 환불 비율을 예측한다 (과거 에이전트 결정으로 학습). 이를 통해 경험 많은 직원이 비슷한 케이스를 처리한 것과 일치하는 결정을 자동으로 생성할 수 있다.
그러나 이해한 메시지도 두 가지 추가 능력 없이는 여전히 비활성:
- 상태 추적: 이전 메시지 컨텍스트 유지
- 액션 레이어: 실제 예약·결제 시스템에 연결, 환불 발행·예약 이동·상호 취소 플로우 오픈
의도 읽기는 쉬운 절반이다. 실시간 예약·결제 시스템에 대해 올바르고 되돌릴 수 있는 행동을 취하는 것이 더 많은 고려를 요구한다.
마지막 요소는 **신뢰도 임계값(Confidence Threshold)**이다. 각 예측은 점수와 함께 오고, 임계값이 시스템이 스스로 진행할지 사람에게 라우팅할지를 결정한다.
중재(Adjudication) — 자동화가 저항하는 케이스
자동으로 처리되는 케이스들은 한 가지 특성을 공유한다: 검색으로 답할 수 있다 — 환불 상태 찾기나 날짜 변경 단계 적용 등. 볼륨은 높고 작업은 반복적이다.
자동화에 저항하는 케이스들은 종류가 다르다. 중재(adjudication) — 계정과 이해관계가 다른 당사자들 사이의 판단을 요구한다.
게스트는 아파트가 잘못 표현됐다고 한다. 호스트는 리스팅이 정확했고 게스트가 단순히 마음을 바꿨다고 한다. 피해 클레임이 그들 사이에 있고, 플랫폼이 보증금을 보유한다.
세 당사자, 세 가지 버전, 한 가지 돈에 관한 결정이다. 더 나은 모델이 더 깔끔한 분쟁 요약을 생성하지만, 근본적인 판단은 여전히 경쟁하는 주장을 저울질하는 것에 달려 있다.
시간 압박이 구분을 더욱 명확히 한다. 중동 전역에서 항공편이 취소됐을 때, 자동화가 루틴 재예약과 상태 확인을 빠르게 흡수했고 — 이로 인해 인간 에이전트들이 얽히고 시간에 민감한 케이스에 집중할 수 있었다.
세 가지 접근법 비교
Airbnb — 자율 중재 베팅
Airbnb는 분쟁 자체를 모델링할 수 있다는 입장이다. 예상 환불 비율과 취소 중 에이전트가 묻는 질문에 대한 학습을 통해, 데이터가 지원하는 한 자동화된 부분을 실제 결정에 가깝게 밀어붙인다. 안전, 차별, 고가 클레임을 위해 인간의 주의를 남겨둔다.
베팅: 많은 분쟁이 학습 가능한 패턴을 따르며, 일관된 기준을 적용하는 자율 시스템이 약간씩 정책을 다르게 해석하는 에이전트 대기열보다 여행자에게 더 잘 서비스한다.
비용: 모델과 레이블된 데이터에 대한 무거운 지속적 투자, 돈과 안전이 만나는 곳에서는 높은 주의 기준.
결과: 게스트 문제의 40% 이상을 에이전트 없이 해결
Booking.com — 커뮤니케이션 마찰 해결
Booking.com은 인간 에이전트를 브리핑하고 파트너를 위한 답변 초안을 작성하는 것을 강조한다. 많은 지원 볼륨이 서로 연결하려는 사람들(게스트와 호스트)이라는 믿음이 있다. 빠른 커뮤니케이션 격차 해소가 모든 케이스를 자율 해결하는 것보다 더 중요하다.
복잡한 케이스를 관련 예약·숙소 세부 정보를 미리 받은 상담원에게 라우팅한다. 또한 예약·숙소 데이터에서 파트너 답변 초안을 작성하고 호스트에게 제안하는 도구를 추가했다.
Expedia — 규모 최우선
Expedia의 다국어 요약과 전환(deflection) 강조는 규모가 지배적 변수라는 세 번째 믿음을 반영한다. 연간 2억 회 이상의 상호작용으로, 셀프서비스 비율과 처리 시간의 적은 개선도 절대적으로 큰 수치가 된다.
30개 이상의 언어에 걸쳐 대화 요약을 생성하여, 포르투갈어로 부분 처리된 케이스가 영어를 읽는 지원 에이전트에게 번역된 스레드와 함께 도달할 수 있다. 동일한 요약으로 신규 에이전트 교육 시간도 단축.
결과: 셀프서비스 상호작용의 30%+ AI 지원 (셀프서비스는 전체 연락의 절반 이상)
신뢰도 임계값의 트레이드오프
임계값 높이기 → 시스템이 더 자주 에스컬레이션 → 자율 오류 방지, 인간 에이전트 부하와 비용 증가
임계값 낮추기 → 시스템이 더 많은 케이스를 스스로 해결 → 비용 절감, 돈이 관련된 상황에서 실수 증가
여행에서는 실수가 누군가의 휴가에 잘못된 환불 거부를 의미할 수 있어, 판단이 높은 이해관계가 있는 곳에서는 보수적으로 기운다.
핸드오프 — 경험을 결정하는 순간
케이스가 사람에게 넘어갈 때, 공유되는 세부 사항이 중요해진다.
"에스컬레이션됨, 지원 바람"만 전달하는 핸드오프는 상담원이 대화를 처음부터 다시 시작하게 강요하며, 여행자는 두 번째 응답자에게 전체 이야기를 다시 말해야 한다.
강력한 핸드오프 페이로드의 4가지 요소:
- 지금까지 대화 요약
- 예약 참조·취소 이유 등 이미 수집된 구조화된 사실
- 예약의 실시간 상태
- 번역 (에이전트와 여행자가 다른 언어를 사용하는 경우)
핵심 통찰: 약한 핸드오프는 전체 시스템이 일반 인간 지원보다 나쁜 성능을 낼 수 있게 만든다.
결론
여행 지원에서 AI의 해결률은 두 가지를 나타낸다: 플랫폼이 자동화-에스컬레이션 경계를 어디에 놓는가, 그리고 얼마나 많은 작업이 판단이 아닌 검색으로 답할 수 있는가.
핵심 통찰:
- 파이프라인이 경계를 섬긴다: 의도 감지·상태 추적·액션 레이어·신뢰도 임계값이 모두 자동화-에스컬레이션 결정이라는 단일 결정을 지원
- 핸드오프가 경험을 결정한다: 사람에게 넘어가는 케이스는 함께 전달되는 컨텍스트의 성패로 결정
- 배치가 믿음을 인코딩한다: Airbnb는 자율 중재, Booking은 커뮤니케이션과 브리핑된 핸드오프, Expedia는 올바르게 라우팅된 규모에 베팅 — 각각은 여행 지원의 어디가 가장 어려운가에 대한 다른 견해를 반영
해결률은 능력 수준만큼이나 설계 결정을 반영하며, 경계가 먼저 읽어야 할 시스템 부분이다.
핵심 요약 (20줄)
- 여행 플랫폼의 AI 고객 지원 핵심 과제: 자동화 해결 vs 인간 에스컬레이션 결정
- 파이프라인 4요소: 의도 감지 → 상태 추적 → 액션 레이어 → 신뢰도 임계값
- 자동화에 적합: 검색으로 답할 수 있는 케이스 (조회·루틴 변경 등)
- 자동화 저항: 중재 케이스 (당사자 간 이해충돌, 돈이 걸린 판단)
- Airbnb: 분쟁 자체를 모델로 학습, 게스트 문제 40%+ 에이전트 없이 해결
- Airbnb: 예상 환불 비율 예측 모델 — 수년간 에이전트 결정 데이터로 학습
- Booking.com: 커뮤니케이션 마찰 해결에 집중, 호스트에게 답변 초안 도구 제공
- Expedia: 연간 2억+ 상호작용, 30개 언어 요약, 셀프서비스 AI 30%+
- 신뢰도 임계값이 핵심 튜닝 포인트: 높이면 정확도↑·비용↑, 낮추면 오류↑·비용↓
- 핸드오프 페이로드 4요소: 대화 요약 + 구조화 사실 + 예약 상태 + 번역
- 약한 핸드오프는 AI 도입 전 순수 인간 지원보다 나쁜 결과를 낼 수 있음
- Expedia 다국어 요약: 신규 상담원 교육 시간도 단축하는 이중 효과
- 중동 항공 취소 사태: 자동화가 루틴 흡수 → 인간이 복잡한 케이스에 집중
- 해결률 수치 비교 주의 — 회사마다 기준과 파이프라인이 달라 단순 비교 불가
- 채팅 인터페이스는 여행 분쟁에 구조적으로 부적합 (선형 스레드 vs 3자 대화)
- 규제 대상·고가 클레임·안전 관련은 설계상 인간이 담당 — 이 경계는 서서히 이동
- 3사의 다른 베팅: Airbnb=자율 판단, Booking=커뮤니케이션, Expedia=규모
- 자동화 한계: 더 나은 모델도 경쟁하는 주장을 저울질하는 판단은 대체하기 어려움
- 핵심 설계 패턴: 성공 경로보다 실패 경로(에스컬레이션)에서 고객 경험이 결정됨
- 결론: 해결률은 AI 능력보다 경계 배치라는 설계 결정을 더 많이 반영