[사례 연구] 클라르나(Klarna)의 AI 해고 철회: 고객 서비스 직원 700명 교체가 실패한 이유와 성공적인 하이브리드 모델의 모습

클라르나가 단행했던 'AI 우선 인력 구조' 전략

2024년, 클라르나는 AI가 대규모로 인간 노동자를 대체하는 가장 대표적인 사례가 되었습니다. 이 스웨덴의 선구매 후결제(BNPL) 기업은 AI가 약 700명의 고객 서비스 상담원을 사실상 대체했다고 발표했으며, CEO는 AI가 인간과 대등한 품질로 업무를 수행하고 있다고 공개적으로 주장했습니다. 이 이야기는 화이트칼라 업무의 AI 대체가 현실로 다가왔음을 보여주는 증거로 다뤄졌습니다.

하지만 2026년 초, 클라르나는 조용히 방향을 선회하고 있었습니다. 복잡한 서비스 상호작용에서 고객 만족도 데이터가 악화되었기 때문입니다. 원래 발표했던 비용 절감 효과도 완전히 실현되지 않았습니다. 회사는 AI가 제대로 처리하지 못하는 상호작용을 담당하기 위해 고객 서비스 직원을 다시 채용하기 시작했습니다. AI의 승리를 보여줄 줄 알았던 이 이야기는, 왜 완전 대체 전략이 실패하는지, 그리고 왜 인간과 AI의 하이브리드 모델이 지속적으로 더 나은 성과를 내는지 보여주는 가장 명확한 사례가 되었습니다.

완전 대체 전략이 실패한 이유: 숨겨진 비용들

이번 실패는 AI 기술 자체의 실패라기보다는, 고객 서비스 업무의 분포를 제대로 고려하지 못한 실패였습니다. AI가 잘 처리하는 일상적인 문의는 전체 물량에서는 큰 비중을 차지하지만, 리스크가 있는 전체 가치 측면에서는 큰 비중을 차지하지 않습니다. 고객 유지, 브랜드 인식, 분쟁 해결을 결정짓는 상호작용은 대개 복잡하고, 감정적이며, 판단이 필요한 영역인데, AI는 이러한 업무를 지속적으로 서투르게 처리합니다.

다단계 결제 분쟁, 사기 사례, 정책 예외가 필요한 계정 상황 등은 일관되게 낮은 AI 성과를 보였습니다. 중대한 금융 문제에 대한 해결이 필요한 고객들은 적절하게 담당자에게 연결되지 못하고 AI 루프에 갇히게 되었으며, 이는 고객 유지가 가장 절실한 순간에 오히려 신뢰를 떨어뜨리는 결과를 초래했습니다.

클라르나는 결제, 신용, 분쟁을 다루는 금융 상품을 제공하며, 고객들은 종종 높은 스트레스를 느끼는 상태에서 이러한 상호작용을 요청합니다. 불안하거나 화가 난 고객을 진정시키고, 진심 어린 공감을 전달하며, 문제가 실제로 해결될 것이라는 확신을 주는 능력은 AI 상담원이 갖추기 어려운 역량입니다. 이는 예를 들어 소매업의 반품 처리보다 핀테크 분야에서 훨씬 더 중요하게 작용합니다.

AI 인력 대체에 대한 비즈니스 케이스에는 해당 결정을 번복하는 데 드는 비용이 포함되는 경우가 드뭅니다. 인력이 자동화되었다고 공개적으로 발표한 후 다시 고객 서비스 직원을 채용하는 것은, 회사가 스스로 구축한 내러티브와 싸워야 하는 과정이었습니다.

전략의 수정: 클라르나가 현재 추진 중인 방향

클라르나의 전략 수정은 초기 AI 도입 때처럼 공개적인 발표 형식으로 이루어지지는 않았습니다. 회사는 2025년을 거쳐 2026년까지 조용히 인간 고객 서비스 역량을 재구축하기 시작했습니다. 즉, 완전한 AI 대체에서 벗어나 AI는 일상적이고 물량이 많은 문의를 처리하고, 인간 상담원은 에스컬레이션(상급자 연결), 복잡한 사례, 가치가 높은 고객 상호작용을 담당하는 하이브리드 모델로 전환하고 있습니다.

포기한 것들: 모든 유형의 문의에 대한 AI 단독 해결, AI가 인간과 대등한 품질로 업무를 수행한다는 공개적 내러티브, 헤드라인급 AI 성공 지표로서의 인력 감축 목표.

새롭게 도입된 것들: AI가 1차 물량을 처리하고 인간이 에스컬레이션을 담당하는 하이브리드 모델, 인간 상담원에게 답변을 제안하는 에이전트 지원 도구로서의 AI, 문의 복잡도와 고객 등급에 따른 명확한 라우팅 규칙, 비용과 함께 주요 지표로 관리되는 고객 만족도.

고객 서비스에서 AI가 대체할 수 있는 것과 없는 것

AI가 잘 처리할 수 있는 영역

주문 상태 및 추적 문의, 표준 반품 및 환불 프로세스, FAQ 및 제품 정보 문의, 비밀번호 재설정 및 계정 접속, 예약 및 일정 변경, 간단한 결제 문의, 업무 시간 외 1차 분류 및 라우팅.

인간의 판단이 필요한 영역

복잡한 다단계 결제 분쟁, 사기 조사 및 보고, 감정적으로 격앙되거나 고통을 겪는 고객, 판단이 필요한 정책 예외 사례, 실제 문제가 명시된 문제와 다른 경우, 고가치 고객 유지 대화, 규제 준수 영향이 있는 상황.

성공적인 하이브리드 인간-AI 모델

티어 1 (AI 해결)

명확한 해결 경로가 있는 일상적이고 구조화된 문의입니다. AI가 인간의 개입 없이 처음부터 끝까지 처리합니다. 목표 물량: 전체의 60~70%.

티어 2 (AI 지원형 인간)

인간의 판단이 필요하지만 AI가 상당한 도움을 줄 수 있는 더 복잡한 상호작용입니다. AI가 답변 초안을 작성하고, 관련 정책을 찾아주며, 감정 상태를 표시하고 다음 단계를 제안합니다. 인간이 이를 검토하고 전송합니다. 목표 물량: 전체의 20~25%.

티어 3 (인간 주도형)

에스컬레이션, 사기, 고가치 고객 유지 및 완전한 인간의 판단이 필요한 예외 사례입니다. AI는 맥락과 문서화 지원을 제공하지만 답변 초안을 작성하지는 않습니다. 목표 물량: 전체의 5~15%이지만 고객 유지에 미치는 영향은 가장 높습니다.

기업을 위한 다섯 가지 교훈

1. 모델 수정 비용을 고려하십시오. 어떤 AI 대체 비즈니스 케이스든 전략이 기대에 못 미칠 경우를 대비해 재채용, 재교육 및 재구축 비용을 포함해야 합니다. 2. 올바른 지표를 측정하십시오. 전체 해결률은 고가치 상호작용 유형에서의 품질 문제를 가릴 수 있습니다. 문의 복잡도 계층별로 고객 만족도(CSAT)를 추적하십시오. 3. 확장하기 전에 파일럿을 운영하십시오. 평균치뿐만 아니라 분포의 꼬리 부분(예외 사례)까지 확인할 수 있도록 충분한 기간 동안 일부 상호작용에만 AI 대체를 적용해 보십시오. 4. 조직의 지식을 보호하십시오. 인력을 감축할 때, 인원수가 줄더라도 가장 경험 많은 직원은 유지하십시오. 그들의 판단력은 AI가 복제할 수 없는 것입니다. 5. 'AI 우선' 내러티브를 공개적으로 발표하는 것을 피하십시오. AI를 인력 대체 수단으로 공개 발표하면, 나중에 방향을 수정할 때 서사적, 평판적 비용이 매우 커집니다.

더 넓은 맥락에서의 시사점

클라르나는 AI 대체 철회의 가장 눈에 띄는 사례이지만, 이들만이 아닙니다. AI를 통해 고객 접점 역할을 공격적으로 자동화하려 했던 여러 기업이 유사한 품질 저하를 경험했으며, 조용히 인간의 역량을 재구축하고 있습니다. 인간 노동자를 보조하는 AI 증강(AI augmentation)—상담원에게 더 빠르고 효과적으로 일할 수 있는 AI 도구를 제공하는 것—은 완전 대체에 따른 품질 리스크 없이 실질적인 생산성 향상을 만들어내고 있습니다. 기업들은 AI 지원을 통해 상담원당 20~40%의 생산성 향상을 보고하고 있습니다.

2026년의 투자자들은 순수하게 AI로 인력을 대체한다는 인력 감축 서사에 점점 더 회의적인 시각을 갖고 있습니다. 클라르나의 사례는 완전 자동화로 예상되는 비용 절감이 항상 실현되지는 않는다는 구체적인 데이터를 제공했습니다.

클라르나의 사례는 AI의 실패가 아니라 전략적 과잉의 문제입니다. 기술은 설계된 상호작용에 대해서는 광고된 대로 작동했습니다. 실패의 원인은 모든 고객 서비스 상호작용이 동일하다고 가정했기 때문입니다. 지속 가능한 교훈은 명확합니다. AI가 인간보다 뛰어난 상호작용을 식별하여 이를 공격적으로 자동화하고, 거기서 절감된 비용을 판단력이 중요한 상호작용을 위한 더 나은 인간의 역량에 투자하는 것입니다.