목차
고객은 평소처럼 말하고, AI는 먼저 듣고 준비한다.
KARI-NA는 복잡한 ARS 메뉴를 없애고, 고객이 상담사에게 연결되기 전 짧은 대화를 AI가 정리해 상담 준비카드로 전달하는 금융 AI 컨택센터 MVP다. 이름은 Kiwoom Academy Response Innovation — No ARS에서 가져왔다.
- 기간: 2026.07.13 — 07.29
- 팀: 6인 협업
- 내 역할: 제품 기획, 상담사 화면의 정보 구조, 프론트엔드 구현, 규정검색 UI 연동, 소개 사이트 제작, 프로젝트 발표
- 결과물: 고객 접수 화면, 상담사 콘솔, 운영 대시보드, 로컬 AI·개인정보 격리 구조, KARI-NA 소개 사이트
상담사 콘솔의 통화 상태, 준비카드, 본인확인, 과거 상담 이력, 규정검색 화면이 바뀌는 32초 시연이다. 전체 전화망이 연결된 운영 영상은 아니다.
1. 문제는 “기다림” 하나가 아니었다
은행 콜센터에 전화하면 고객은 업무 번호를 찾아 여러 단계의 ARS를 통과한다. 연결 뒤에는 왜 전화했는지 다시 설명하고, 부서가 바뀌면 같은 말을 반복하기도 한다.
팀은 같은 업무 시나리오로 5개 은행에 각각 3회 전화해 ARS 탐색 시간을 확인했다. 소개 사이트에 기록한 범위는 34~60초, 평균 약 44초였다. KARI-NA 앞단 시연은 약 9초 만에 문의 입력을 마쳤다.
이 수치는 실제 상담 운영 성과가 아니다. 제한된 조건에서 버튼 탐색과 자연어 접수의 인터랙션 길이를 비교한 탐색적 측정이다. 그래서 이 프로젝트의 결론을 “대기시간 80% 개선”으로 쓰지 않았다.
현직 콜센터 인터뷰에서는 문제가 세 방향으로 이어졌다.
- 고객: ARS를 헤매고, 연결 뒤 처음부터 다시 설명한다.
- 상담사: 사전 맥락 없이 통화를 시작해 상황 파악과 매뉴얼 검색을 동시에 한다.
- 회사: 후처리 시간, 오연결, 재이관, 상담 품질 편차가 누적된다.
대기시간 자체는 상담사가 통제하기 어렵다. 반면 고객이 기다리는 동안 상담사가 필요한 맥락을 준비하게 만들 수는 있었다.
2. 대기시간을 상담 준비시간으로 바꿨다
제품 판단은 단순했다.
“기다리는 콜센터”를 “준비되는 콜센터”로 바꾼다.
고객은 복잡한 번호를 누르지 않고 평소처럼 문의를 말한다. AI 전처리 구간은 음성을 텍스트로 바꾸고, 내용을 요약하고, 업무 부서를 분류하고, 위험 신호와 관련 규정을 찾는다. 상담사는 전화를 받기 전에 그 결과를 준비카드로 확인한다.
여기서 AI의 역할을 “상담사를 대신하는 답변자”로 잡지 않았다. 최종 판단, 본인확인, 사고 조치는 사람에게 남기고 AI는 판단 전에 필요한 맥락을 모으는 역할로 한정했다.
3. 모델 출력을 ‘판단할 수 있는 카드’로 번역했다
AI가 요약문을 만들었다는 사실만으로 상담이 쉬워지지는 않는다. 상담사에게 필요한 것은 “모델 결과”가 아니라 지금 무엇을 먼저 확인하고, 어떤 절차를 따라야 하는지다.
상담 준비카드는 다음 순서로 정보를 배치했다.
- 한 문장 문의 요약과 예상 부서
- 긴급도·감정 신호·확인해야 할 위험 요소
- 필요 서류와 단계별 상담 스크립트
- 관련 규정 검색 결과와 원문 열기
- 본인확인 상태, 과거 상담 이력, 상담 메모
나는 준비카드의 정보 구조와 로딩·브리핑 상태, 상담 단계 표현을 프론트엔드에 구현했다. 처리 중인 정보가 갑자기 완성 화면으로 바뀌지 않도록 접수 → 준비 → 통화 → 후처리 상태를 나누고, 인계 애니메이션과 종료 예외를 정리했다.
4. 규정검색은 답을 만드는 기능이 아니라 근거를 여는 기능이었다
금융 상담에서는 그럴듯한 문장보다 어떤 규정을 근거로 말하는지가 중요하다. 규정검색 UI는 검색어, 추천 문서, 관련 청크와 원문 열기를 한 화면에서 이어지게 만들고 백엔드 RAG 검색 경로에 연결했다.
시연 코퍼스는 예금·대출·외환·연금·전자금융·카드·사고신고 7개 분야, 1,563개 청크로 구성됐다. 다만 이는 실제 은행 내부 규정집이 아니라 공개 금융 규정과 K7 시연용 가이드다. 화면의 절차를 실제 은행 업무 지침으로 오해하지 않도록 범위를 분리했다.
5. 데모를 제품처럼 설명하는 별도 홈페이지를 만들었다
통합 데모는 이미 맥락을 아는 사람에게는 빠르지만, 처음 보는 사람에게는 왜 이 화면이 필요한지 설명하지 못한다. 그래서 발표 자료와 별도로 실제 솔루션 회사가 제품을 소개한다면 어떤 순서로 말할지를 담은 홈페이지를 만들었다.
첫 화면에서는 다섯 단계 ARS를 직접 눌러 본 뒤 랜딩으로 진입한다. 이어지는 페이지는 문제, 솔루션, 기능, 검증 방식, 보안, 도입 절차, 로드맵 순으로 구성했다. 기능 목록보다 먼저 기존 경험을 체감하게 한 뒤 제품 판단을 설명하는 흐름을 선택했다.
이 사이트는 실제 상용 서비스나 판매 실적의 증거가 아니다. MVP에서 구현한 범위와 다음 제품 비전을 외부에 설명하기 위한 프로젝트 사이트이며, 본문의 구현 경계가 우선한다.
6. 팀 결과와 내 기여를 나눠 기록했다
| 구분 | 팀이 함께 만든 결과 | 내가 직접 맡은 범위 |
|---|---|---|
| 제품 | 자연어 접수 → 전처리 → 준비카드 → 상담 → 후처리 흐름 | 상담사 콘솔 정보 구조, 준비카드와 단계별 상태 설계 |
| 프론트엔드 | 고객 화면·상담사 콘솔·운영 대시보드 통합 | 초기 프론트엔드 골격, 로딩·브리핑 카드, 인계 애니메이션, 종료 예외 처리 |
| AI 연결 | STT·요약·분류·감정 신호·RAG·개인정보 마스킹 파이프라인 | 규정검색 UI와 백엔드 RAG 질의 경로 연결 |
| 커뮤니케이션 | 발표와 통합 시연 | 프로젝트 발표 참여, ARS 체험부터 제품 비전까지 설명하는 별도 소개 사이트 설계·구현 |
프로젝트 발표에서는 문제를 어떻게 다시 정의했고 이를 어떤 화면과 흐름으로 구현했는지 설명했다. ML 모델, 개인정보 격리 서버, 백엔드 파이프라인 전체를 개인 기여로 쓰지 않았다. 반대로 내 핵심 기여는 AI 처리 결과를 상담사가 판단할 수 있는 정보 구조와 인터페이스로 번역한 일이었다.
7. 어디까지 실제로 동작했는지
확인한 범위
- 고객 접수, 준비카드, 상담 상태, 후처리로 이어지는 통합 UI
- 음성 입력의 전사·요약·업무 분류와 규정검색 파이프라인
- 개인정보 실시간 마스킹과 별도 프로세스 격리 구조
- 외부 인터넷 호출 없이 로컬에서 동작하도록 구성한 데모 아키텍처
이번 범위 밖
- 실제 은행 CTI/SIP 전화망과 코어뱅킹 연동
- 실제 지급정지·원장 조회·본인인증 조치
- 실제 고객 데이터와 현업 장기 사용성 검증
- 상용 환경의 상담시간·오연결·후처리 시간 개선 입증
발표 시연은 실시간 통화 흐름을 보여줬지만, 현재 공개 저장소의 표준 재현 경로는 음성 파일 업로드 후 전체 파일을 처리하는 배치 데모다. 감정 모델이 연결되지 않은 환경에서는 수치를 꾸며 내지 않고 모델 미연동 상태를 표시한다.
8. 결과: AI 기능보다 제품 경계를 먼저 보여줬다
KARI-NA는 3주 안에 여러 AI 모델을 붙인 프로젝트였지만, 이 사례에서 더 중요한 결과는 기능 수가 아니었다.
- 대기시간을 상담사의 준비시간으로 바꾸는 제품 관점을 세웠다.
- AI 출력을 요약문이 아니라 준비카드·규정 근거·상태 전환으로 번역했다.
- 개인정보, 사람의 최종 판단, 구현 범위를 화면과 문서에서 분리했다.
- 통합 데모와 별도의 소개 사이트를 만들어 제품 메시지까지 전달했다.
다음 검증은 실제 전화망과 은행 샌드박스가 있는 환경에서 상담사의 정보 탐색 시간, 오연결, 후처리 시간을 측정하는 일이다. 개인적인 선택과 팀 운영에 대한 회고는 사례연구와 섞지 않고 별도 글로 정리할 예정이다.