전화 AI의 자주 묻는 질문(FAQ) 자동 응답 품질은 모델이 아니라 지식 베이스가 결정합니다. 쓸 만한 전화 지식 베이스의 기준은 시범 운영 30~50문항, 정식 오픈 80~120문항, 성숙기 150문항 이상입니다. 한 항목에는 한 가지 내용만 담고, 답변은 구어체로 쓰고, "답을 못 찾았을 때 어떻게 할지"의 폴백 규칙을 명문화하며, 매달 실제 통화 녹음에서 문항을 보충합니다. 이 다섯 가지만 지켜도 같은 모델로 전혀 다른 결과가 나옵니다.
전화 AI를 검토하는 대표님들은 대개 "사투리나 억양을 알아듣는지", "목소리가 자연스러운지"에 관심을 둡니다. 물론 중요합니다. 하지만 오픈 3개월 뒤 고객 만족을 좌우하는 것은 보통 다른 문제입니다. AI가 올바른 정보를 갖고 답했는가. 모델은 듣기와 말하기를 맡고, 지식 베이스는 답변 그 자체를 맡습니다. 그리고 후자는 여러분이 직접 준비하는 부분입니다. 이 글은 그 준비를 맡은 분을 위해 썼습니다.
결론부터: 쓸 만한 전화 지식 베이스의 모습
도입을 도왔던 경험상, 실제로 잘 작동하는 전화 지식 베이스는 다섯 가지 조건을 충족합니다.
문항은 어디서 오는가: 세 가지 출처와 전화 사유 분류표
세 가지 출처
출처 1: 데스크 또는 고객센터의 구두 인터뷰. 전화를 가장 많이 받는 동료에게 30분만 "이번 주에 받은 질문"을 말해 달라고 하고, 여러분이 받아 적습니다. 설문지는 돌리지 마세요. 말로 하는 게 가장 빠르고, "그거 아직 있어요?" 같은 고객의 실제 표현이 나옵니다. 이 표현은 나중에 지식 베이스의 키워드가 됩니다.
출처 2: 카카오톡·LINE·이메일·웹 폼 기록. 최근 3개월치 텍스트 메시지를 꺼내 질문별로 묶습니다. 텍스트 채널의 질문은 전화와 크게 겹치므로, 데스크가 미처 떠올리지 못한 문항을 빠르게 보충할 수 있습니다.
출처 3: 오픈 후 통화 전사 기록. 앞의 두 출처가 대체할 수 없는 출처입니다. 오픈 후에는 모든 통화에 전사가 남고, "AI가 답하지 못한" 또는 "고객이 다시 물은" 구간이 곧 다음에 보충할 문항입니다.
전화 사유 분류표 만들기
모은 질문에 바로 답을 쓰지 말고, 먼저 분류표를 만듭니다. "어떤 것을 먼저 만들지", "어떤 것은 AI가 스스로 답하면 안 되는지"를 분명히 하기 위해서입니다.
| 전화 사유 | 주간 건수(추정) | AI 직접 답변 가능 | 시스템 조회 필요 | 우선순위 |
|---|---|---|---|---|
| 영업시간·주소·주차 | 40 | 가능 | 불필요 | 높음 |
| 특정 서비스 가격 | 25 | 가능(가격이 고정이면) | 불필요 | 높음 |
| 예약·일정 변경 | 30 | 가능(연동 필요) | 필요(예약 시스템) | 높음 |
| 주문 상태·발송 여부 | 15 | 가능(연동 필요) | 필요(주문 시스템) | 중간 |
| 반품·교환 규정 | 10 | 가능 | 불필요 | 중간 |
| 불만 접수·특정 담당자 연결 | 8 | 불가 | 불필요 | 상담원 연결 |
| 제휴 문의·영업 전화 | 5 | 일부 가능(메모) | 불필요 | 낮음 |
"주간 건수"는 자릿수만 맞으면 됩니다. 목적은 순위 매기기입니다. "AI 직접 답변 가능"과 "시스템 조회 필요" 두 열이 그 문항을 지식 베이스에 쓸지, 시스템 연동으로 처리할지를 결정합니다(역할 분담은 뒤에서 다룹니다).
몇 문항을 준비할까: 세 단계로 나눠서
가장 많이 받는 질문은 "도대체 몇 문항이 있어야 오픈할 수 있느냐"입니다. 단계별로 답합니다.
| 단계 | 문항 수 | 목표 |
|---|---|---|
| 시범 운영(첫 2~4주) | 30~50문항 | 분류표의 "높음" 우선순위를 모두 다루어, 가장 흔한 전화를 AI가 제대로 받게 한다 |
| 정식 오픈 | 80~120문항 | 중간 우선순위 문항과 흔한 표현 변형을 보충해, 주요 전화 사유에 거의 답이 있게 한다 |
| 성숙기(3개월 이후) | 150문항 이상 | 전사 기록에서 뽑은 롱테일 문항을 매달 5~10개씩 꾸준히 추가한다 |
많을수록 좋은 게 아닌 이유
"넉넉히 넣어 두면 안전하다"에는 실무상 두 가지 대가가 따릅니다.
1. 검색 혼동. AI는 답하기 전에 지식 베이스에서 가장 관련 있는 몇 문단을 꺼냅니다. 항목이 많고 서로 비슷할수록(예: "회원 환불"과 "비회원 환불"이 거의 같은 문장) 잘못된 문단을 잡을 확률이 올라갑니다.
2. 지연과 비용. 꺼낸 내용은 매 턴 모델로 보내집니다. 내용이 많을수록 응답마다 지연과 토큰 비용이 늘고, 음성 대화에서는 0.몇 초 차이도 고객이 느낍니다. Retell의 음성 AI 지식 베이스 구성 가이드도 같은 점을 지적합니다. 지식 베이스는 지연과 비용을 늘리므로 불필요한 내용은 넣지 말 것(출처).
올바른 전략은 "고빈도 문항부터 시작하고 전사 기록으로 롱테일을 키우는 것"이지, "첫날 홈페이지 내용을 통째로 붓는 것"이 아닙니다.
어떻게 분류할까: 권장 6개 카테고리
분류의 목적은 두 가지입니다. 검색 정확도를 높이고(같은 카테고리 안에서 용어가 통일되면 오검색이 줄어듭니다), 유지 관리를 쉽게 하는 것(가격이 바뀌면 "서비스와 가격"만 열어 보면 됩니다). 분류는 고객에게 들려주는 메뉴가 아닙니다. 고객은 언제나 자연어로 묻고, AI가 스스로 맞는 카테고리를 찾습니다.
권장 6개 카테고리와 각 3개의 예시 문항입니다.
1. 영업·연락처 정보
2. 서비스와 가격
3. 절차와 신청
4. 규정과 정책
5. 기술·이용 문제
6. 회사와 브랜드
모든 항목에 카테고리를 붙인 뒤, 같은 카테고리 안에 같은 내용의 항목이 둘 있는지 확인하고 있으면 합칩니다.
답변 작성 규칙: 전화 답변은 웹 FAQ와 다르다
웹 FAQ는 "읽는" 것이고 전화 답변은 "듣는" 것입니다. 같은 문장을 그대로 옮기면 고객은 AI가 안내문을 낭독한다고 느낍니다. 여섯 가지 규칙입니다.
1. 구어체로. "당사", "고객님께서는" 대신 "저희", "고객님"을 씁니다.
2. 결론 먼저. 첫 문장이 답이고, 보충은 뒤에 둡니다.
3. 한 번에 정보 세 개까지. 전화에서는 네 번째를 기억하지 못합니다. 길면 나누거나, 어떤 걸 알고 싶은지 먼저 묻습니다.
4. 숫자는 읽을 수 있게. "NT$1,280"은 "천이백팔십 원"으로, 시간은 "아침 9시부터 저녁 6시까지"로 씁니다.
5. "참고하세요"를 쓰지 않는다. 전화에는 클릭할 링크가 없습니다. "홈페이지에서 확인하세요"는 답 자체로 바꾸거나 "문자로 링크를 보내 드릴 수 있어요"로 바꿉니다.
6. 다음 단계를 제시한다. "예약 도와드릴까요?", "더 궁금한 점 있으세요?"로 마무리해 대화에 방향을 줍니다.
수정 전 / 수정 후 비교
| 수정 전(웹 FAQ) | 수정 후(전화 답변) |
|---|---|
| 당사 영업시간은 월~금 09:00~18:00이며 공휴일은 휴무입니다. 자세한 내용은 홈페이지 공지를 참고하세요. | 평일 아침 9시부터 저녁 6시까지 영업하고, 주말과 공휴일은 쉽니다. 어느 날 오실 생각이세요? |
| 취소 정책: 예약일 24시간 이내 취소 시 NT$500의 수수료가 부과됩니다. | 예약 전날 이내에 취소하시면 수수료 500원이 붙고, 그보다 먼저 취소하시면 무료예요. 일정을 바꿔 드릴까요? |
답을 못 찾을 때: 4단계 폴백 전략
지식 베이스가 아무리 충실해도 답하지 못하는 질문은 반드시 나옵니다. 차이는 AI가 어떻게 반응하느냐입니다. Pathors의 도입 방식에서는 폴백을 4단계로 두고, 한 단계에서 받지 못하면 다음 단계로 넘깁니다.
1단계: 다시 물어 의도를 확인한다. 고객의 질문은 자주 부정확합니다. 자연어 질문을 분석한 ELOQ 연구에 따르면 약 25%의 질문에 잘못된 전제가 있고 50% 이상이 모호합니다(출처). 그래서 첫 동작은 억지로 답하는 게 아니라 확인입니다. "환불 조건을 여쭤보시는 건가요, 아니면 환불이 언제 입금되는지를 여쭤보시는 건가요?"
2단계: 정보가 없다고 말하고, 가장 가까운 답을 덧붙인다. 의도를 확인했는데도 해당 항목이 없으면 솔직하게 말합니다. "그 부분은 제게 정확한 정보가 없습니다. 보통 환불은 영업일 기준 7일 안에 처리되는데, 고객님 건은 담당자 확인을 권해 드립니다." 핵심은 추측하지 않는 것입니다. 가격이나 규정을 한 번이라도 잘못 말하면 고객은 나중에 그 말을 근거로 이행을 요구하고, 그 대가는 "잘 모르겠습니다"보다 훨씬 큽니다. 바로 이 지점이 언어 모델 환각이 고객 응대에서 가장 위험해지는 순간입니다. LLM 환각: 고객 응대에서의 위험과 대책을 참고하세요.
3단계: 상담원 연결 또는 회신 요청 접수. 근무 시간이면 연결하고, 그때까지의 대화 요약을 상담원에게 넘겨 고객이 다시 설명하지 않게 합니다. 근무 시간 외라면 이름·전화번호·용건을 받고 회신 시간을 약속합니다. 연결 설계는 AI와 상담원의 인계, 어떻게 설계할까에서 다룹니다.
4단계: 보충 대기 문항으로 기록한다. 2·3단계로 떨어진 질문은 모두 자동으로 "미응답 목록"에 들어갑니다. 이 목록이 다음 달 보충의 출처이고, 지식 베이스가 쓸수록 정확해지는 이유입니다.
네 단계 중 가장 자주 빠뜨리는 것이 1단계입니다. 확인 한마디를 끼워 넣는 것만으로도 적지 않은 "답 못 함"이 "답 가능"으로 바뀝니다.
지식 베이스와 시스템 조회의 역할 분담
지식 베이스에 맞는 것은 잘 바뀌지 않는 규칙입니다. 바뀌는 데이터(오늘 자리가 있는지, 주문이 어디까지 갔는지)는 지식 베이스에 넣어 봐야 낡을 뿐이므로, AI가 실시간으로 시스템을 조회하게 합니다.
| 데이터 유형 | 지식 베이스 | 시스템 조회 | 이유 |
|---|---|---|---|
| 영업시간·주소·주차 | 넣음 | 불필요 | 1년에 몇 번만 바뀜 |
| 서비스 내용·고정 가격 | 넣음 | 불필요 | 정적인 설명 |
| 취소·반품·결제 규정 | 넣음 | 불필요 | 정책이라 변경 시 사람이 검토 |
| 오늘 빈자리·객실 현황 | 안 넣음 | 필요 | 분 단위로 바뀜 |
| 주문 상태·배송 현황 | 안 넣음 | 필요 | 건마다 다르고 본인 확인 필요 |
| 회원 포인트·잔액 | 안 넣음 | 필요 | 개인정보라 본인 확인 후 조회 |
| 프로모션 가격·기간 한정 | 경우에 따라 | 권장 | 자주 바뀌어 수정을 잊기 쉬움 |
실용적인 판단 기준은 이렇습니다. "누가 걸었는지", "언제 걸었는지"에 따라 답이 달라지는 것은 지식 베이스에 넣지 않는다. 이런 질문은 시스템 연동으로 처리합니다. 방법은 AI 음성과 CRM 연동 가이드를 참고하세요. 지식 베이스가 맡는 것은 "누가 걸어도 답이 같은" 부분입니다.
오픈 후 유지 관리 리듬
오픈일은 시작일 뿐입니다. 유지 관리를 하지 않으면 경험상 3개월쯤 지나 정확도가 눈에 띄게 떨어집니다. 가격이 바뀌고, 프로모션이 끝나고, 새 질문이 생기기 때문입니다. 권장 리듬입니다.
누가 맡는가? 엔지니어가 아닙니다. 지식 베이스의 내용은 업무 지식이고, 가장 잘 아는 사람은 데스크 책임자, 고객센터 책임자, 점장입니다. 엔지니어는 시스템 연동과 장애 대응을 맡지만, "답이 맞는지"는 업무 쪽만 판단할 수 있습니다. 좋은 전화 AI 플랫폼은 비기술 인력이 지식 베이스를 직접 수정하고 즉시 반영할 수 있게 합니다. 벤더 선정 때 꼭 물어볼 가치가 있는 항목입니다.
전화 AI의 자주 묻는 질문 자동 응답은 어떻게 만들까요? 답은 모델이 아니라 여러분이 준비하는 지식 베이스에 있습니다. 데스크 인터뷰와 메시지 기록으로 전화 사유 분류표를 만들고, 시범 운영은 고빈도 30~50문항으로 시작해 6개 카테고리로 정리하고, 모든 답변을 전화에서 바로 말할 수 있는 구어체로 고쳐 쓰고, 4단계 폴백을 설정합니다. 그런 다음 매주 미응답을 보고, 매달 보충하고, 분기마다 낡은 내용을 정리합니다. 여기까지 하면 가장 비싼 모델이 아니어도 대부분의 전화를 제대로 받을 수 있습니다.
아직 검토 단계라면 먼저 전화 AI란 무엇인가: 2026 완벽 가이드로 전체 구조를 파악하세요. 지식 베이스를 다 썼다면 전화 AI 오픈 전 테스트 통화 체크리스트로 실제 전화를 걸어 검증하고, "바뀌는 데이터"는 AI 음성과 CRM 연동 가이드를 참고하세요.
자주 묻는 질문
전화 AI 지식 베이스는 몇 문항이 있어야 오픈할 수 있나요?
시범 운영은 30~50문항으로 시작할 수 있습니다. 조건은 전화 사유 분류표에서 우선순위 "높음" 항목을 모두 다루는 것입니다. 정식 오픈은 80~120문항, 성숙기는 150문항 이상을 기준으로 잡으세요. 처음부터 수량을 좇지 마세요. 항목이 너무 많으면 검색 혼동이 생기고 지연과 비용이 늘며 유지 관리도 어려워집니다. 고빈도 문항부터 시작해 오픈 후 전사 기록으로 롱테일을 채우는 것이 가장 안정적입니다.
홈페이지 FAQ를 그대로 지식 베이스에 넣어도 되나요?
소재로는 쓸 수 있지만 그대로 넣는 건 권하지 않습니다. 홈페이지 FAQ는 읽으라고 쓴 글이라 "아래 표를 참고하세요", "홈페이지를 확인하세요"처럼 전화에서 읽을 수 없는 문장이 많고, 숫자와 시간 표기도 구어체에 맞지 않습니다. 한 항목씩 결론 먼저, 한 번에 정보 세 개까지, 읽을 수 있는 숫자, 마지막에 다음 단계 제시라는 전화용 답변으로 고쳐 쓰세요. 그 과정에서 중복 항목도 합치면 좋습니다.
전화 AI가 아무 말이나 하거나 없는 규정을 지어내지 않나요?
그럴 수 있습니다. 언어 모델의 알려진 위험이고, 가격이나 정책 질문에서는 특히 대가가 큽니다. 위험을 낮추는 방법은 세 가지입니다. 지식 베이스 각 항목을 한 가지 내용으로 좁혀 비슷한 내용이 서로 간섭하지 않게 하고, "정보를 못 찾으면 솔직히 없다고 말하고 추측하지 않는다"는 폴백 규칙을 명시하고, 오픈 전 테스트 통화로 범위 밖 질문에 대한 반응을 확인하세요. 솔직하게 "모르겠습니다"라고 하는 편이 절반만 맞는 추측보다 언제나 낫습니다.
고객이 지식 베이스에 없는 걸 물으면 AI는 어떻게 처리하나요?
좋은 설계는 4단계 폴백입니다. 먼저 다시 물어 의도를 확인합니다(많은 질문이 애초에 모호합니다). 확인해도 데이터가 없으면 없다고 말한 뒤 가장 가까운 답을 덧붙입니다. 그다음 상담원에게 연결하거나 회신 요청을 받습니다. 마지막으로 그 질문을 미응답 목록에 기록해 다음 달 보충에 씁니다. 각 단계에서 무슨 말을 할지는 미리 써 두어야 하고, AI의 즉흥 판단에 맡기면 안 됩니다.
지식 베이스는 얼마나 자주 갱신해야 하나요?
세 가지 리듬을 병행하길 권합니다. 매주 15분 미응답 목록 확인, 매달 5~10문항 보충, 분기마다 낡은 내용 정리입니다. 여기에 더해 가격 인상, 영업시간 변경, 신규 서비스 출시 같은 업무 변경은 일정을 기다리지 말고 당일 반영하세요. 관리되지 않는 지식 베이스는 경험상 3개월쯤 지나면 정확도가 눈에 띄게 떨어지고, 고객이 옛 가격과 끝난 프로모션을 듣게 됩니다.
지식 베이스는 누가 유지 관리해야 하나요?
업무를 가장 잘 아는 사람입니다. 보통 데스크 책임자, 고객센터 책임자, 점장이고 엔지니어가 아닙니다. 엔지니어는 시스템 연동과 장애 대응을 맡지만, 답이 맞는지는 업무 쪽만 판단할 수 있습니다. 따라서 전화 AI 플랫폼을 고를 때 비기술 인력이 지식 베이스를 직접 수정하고 즉시 반영할 수 있는지 확인하세요. 그렇지 않으면 한 문장 고치는 데도 엔지니어 일정이 필요해 유지 관리가 금방 멈춥니다.
