핵심 요약

• 리테일 기업들은 연말 매출의 17%가 반품될 것으로 예상하고 있습니다. 예년과 비슷한 수준으로, 연휴가 끝난 뒤 고객 문의가 다시 한번 몰리는 원인이 됩니다.
• 소비자의 71%는 반품 경험이 좋지 않으면 해당 리테일 기업에서 다시 구매할 가능성이 낮아진다고 답했습니다.
• 고객은 도움이 필요할 때 기업이 제공하는 챗봇보다 외부 생성형 AI(GenAI) 도구를 사용할 가능성이 약 3배 높습니다.
• AI 활용 사례 전반에서 긍정적인 재무 성과를 입증한 고객 서비스 리더는 24%에 불과합니다.
• AI로 성과를 내는 기업을 가르는 기준은 기술 자체보다 업무 방식을 얼마나 재설계했는가에 있습니다.

들어가며

연말 쇼핑 시즌에는 고객 문의가 두 번 몰립니다. 11월과 12월에는 "택배가 어디쯤 왔나요?"라는 문의가, 1월에는 "반품은 어떻게 하나요?"라는 문의가 쏟아집니다. 두 번째 물결도 첫 번째만큼 중요합니다. 소비자의 71%가 반품 경험이 좋지 않으면 해당 리테일 기업에서 다시 구매할 가능성이 낮아진다고 답했기 때문입니다.

올해는 이 문제가 더욱 중요해졌습니다. 연말 온라인 소비는 사상 최대치를 기록할 것으로 전망되고, 미국 리테일 사이트로 유입되는 AI 트래픽은 전년 대비 130% 증가할 것으로 예상됩니다. 고객 서비스 리더들도 인건비에 쓰던 예산을 점점 더 기술 쪽으로 돌리고 있습니다. 리테일 분야의 생성형 AI는 빠르게 일상이 되고 있지만, AI에 투자한다고 해서 성과가 보장되는 것은 아닙니다.

이 글에서는 성수기에도 고객의 신뢰를 잃지 않는 이커머스 AI 챗봇을 준비하는 방법을 살펴봅니다.

연말 반품이 고객 서비스의 문제가 되는 이유

Adobe는 미국 소비자들이 2026년 11월 1일부터 12월 31일까지 온라인에서 2,751억 달러를 지출할 것으로 예상합니다. 전년 대비 6.7% 늘어난 규모이며, 이 중 475억 달러는 Cyber Week 기간에만 발생할 전망입니다. Deloitte가 미국 소비자 4,000명을 대상으로 실시한 설문에서도 소비자들은 연말 리테일 예산의 55%를 온라인에서 쓸 계획이라고 답했습니다.

반품 역시 온라인에서 더 자주 발생합니다. NRF는 2025년 온라인 매출의 19.3%가 반품될 것으로 추정했는데, 이는 전체 리테일 매출 기준 15.8%보다 높은 수치입니다.

고객의 기대 수준도 높습니다.

• 나쁜 경험은 공유됩니다. 소비자 5명 중 4명은 불만족스러운 반품 경험을 친구나 가족에게 이야기하겠다고 답했습니다.
• 반품은 빨라야 합니다. 소비자의 76%는 즉시 환불이나 교환이 가능한 반품 방식을 선택할 가능성이 더 높다고 답했습니다.
• 배송도 빨라야 합니다. 연말 쇼핑객 응답자의 26%가 당일 배송을 원했으며, Z세대에서는 이 비율이 37%로 높아집니다.

많은 리테일 기업은 인력과 처리 역량을 늘리는 방식으로 대응하려 합니다. NRF가 조사한 대형 리테일 기업 가운데 49%는 3PL(제3자 물류) 파트너 활용을 확대하고, 43%는 시즌 인력을 채용할 계획이며, 모두 연말 반품과 부정 행위에 대응하기 위한 조치입니다. 도움이 되는 방식이지만, 반복적이고 데이터 조회가 필요한 주문·반품 문의에는 AI 고객 서비스 자동화가 더 적합합니다.

대부분의 고객 서비스 챗봇이 기대에 못 미치는 이유

왜 챗봇은 아직 이 역할을 해내지 못하고 있을까요? B2B 및 B2C 고객 3,566명을 대상으로 한 Gartner의 2026년 설문에서 응답자의 49%는 기업이 챗봇을 제공했다면 사용할 의향이 있었다고 답했지만, 가장 최근 고객 서비스를 이용할 때 실제로 챗봇이나 디지털 어시스턴트를 사용한 비율은 7%에 그쳤습니다. 기업이 제공하는 챗봇의 이용률은 2022년 이후 통계적으로 유의미한 변화가 없는 반면, 고객이 직접 사용하는 범용 AI 어시스턴트, 즉 외부 GenAI 도구를 고객 서비스에 활용하는 비율은 지난 1년 사이에만 두 배 가까이 늘었습니다.

주목할 만한 결과는 세 가지입니다.

• 고객은 챗봇에 기회를 한 번만 줍니다. 부정적인 경험을 한 뒤 다시 챗봇을 이용하겠다는 고객은 27%에 불과합니다.
• 고객은 답변보다 실행을 원합니다. GenAI 사용자의 58%는 이를 활용해 자신을 대신해 작업을 처리한 경험이 있습니다.
• 고객은 출구를 원합니다. 기업이 고객 서비스에 GenAI를 활용할 때 87%는 상담원과 연결될 수 있는 경로가 반드시 필요하다고 답했습니다.

12월 20일에 챗봇으로 문제를 해결하지 못한 고객은 1월에 챗봇을 아예 건너뛸 수 있습니다. Gartner가 적용 범위보다 신뢰성을 우선하라고 조언하는 이유입니다. 한정된 유형의 문제를 꾸준히 해결하는 챗봇이 모든 문제를 다루려다 자주 실패하는 챗봇보다 더 큰 고객 신뢰를 얻습니다. 그렇지 않으면 AI 기반 고객 지원은 업무 부담을 전화 상담으로 떠넘기는 데 그칩니다.

AI로 성과를 내는 기업이 소수에 그치는 이유

1,719명을 대상으로 한 McKinsey의 State of AI in 2026 조사에서 응답자의 80%는 AI 덕분에 개인 업무 생산성이 높아졌다고 답했습니다. 그러나 AI가 회사의 EBIT(대표적인 수익성 지표)에 조금이라도 기여했다고 답한 비율은 37%에 그쳤습니다. EBIT의 5% 이상이 AI에서 나왔으며 그 영향이 상당하다고 답한 '고성과 기업' 응답자는 약 6%에 불과합니다.

같은 격차는 AI 고객 서비스 예산에서도 나타납니다. Gartner에 따르면 고객 서비스 리더들의 AI 지출은 38% 늘었지만 전체 예산은 2% 증가하는 데 그쳤습니다. 고객 서비스 조직이 2025년 예산 가운데 AI에 투입한 비중은 중앙값 기준 12%로, Gartner가 조사한 10개 비즈니스 부문 가운데 가장 높았습니다. 그럼에도 긍정적인 재무 성과를 입증한 비율은 24%에 불과합니다.

고성과 기업에 대한 McKinsey의 분석은 네 가지 차이점을 보여 줍니다.

이커머스 고객 지원에서 얻을 교훈은 챗봇만 덧붙이는 것이 아니라, AI가 반품을 처음부터 끝까지 처리할 수 있도록 업무 흐름 자체를 다시 설계하는 것입니다.

연말 주문·배송·반품에 대비해 AI 챗봇을 준비하는 방법

Cyber Week는 11월 26일 Thanksgiving(추수감사절)부터 11월 30일 Cyber Monday까지 이어집니다. 이커머스 AI 챗봇을 준비하기 위한 다섯 가지 단계는 다음과 같습니다.

1. 챗봇을 실제 주문·배송 데이터와 연결하기

오늘날 챗봇을 움직이는 대규모 언어 모델(LLM)은 고객의 질문을 잘 이해하지만, 그 자체로는 택배가 어디에 있는지 알 수 없습니다. 제대로 된 AI 주문 배송 조회는 챗봇을 실시간 주문, 창고, 배송 데이터와 연결해 추측이 아닌 실제 조회 결과로 답하도록 만듭니다.

2. 설명을 넘어 업무까지 완료하게 하기

Gartner는 GenAI가 고객의 의도를 파악하면 기존 자동화 시스템이 백그라운드에서 실제 처리를 완료할 수 있다고 설명합니다. 즉, AI는 고객의 의도를 파악하고 규칙 기반 시스템이 실제 작업을 수행합니다. 이커머스 반품 자동화라면 챗봇이 한 번의 대화 안에서 반품 가능 여부 확인, 반품 라벨 발급, 교환 제안, 환불 시점 안내까지 모두 처리할 수 있어야 합니다. 고객들이 즉시 환불과 교환을 선호하는 만큼, 반품 정책만 설명하는 챗봇은 많은 가치를 놓치게 됩니다.

3. 출시 전에 상담원 연결 방식 설계하기

Gartner는 GenAI를 모든 문의의 필수 첫 단계로 만드는 것을 피해야 한다고 경고합니다. 효과적인 상담원 연결에는 다음 요소가 포함됩니다.

• 명확한 전환 기준: 챗봇이 확신하지 못할 때는 고객이 답답함을 느끼기 전에 상담원에게 연결합니다.
• 대화 내용 전달: 상담원이 대화 기록을 확인할 수 있어 고객이 주문 정보를 반복해서 설명할 필요가 없습니다.
• 우선 처리 경로: 스마트 티켓 라우팅으로 고가 주문, 파손 상품, 부정 행위 의심 건을 담당 인력에게 곧바로 전달합니다.

4. 연말 정책을 최신 상태로 유지하기

연말 반품 기간, 선물 영수증 규정, 배송 마감일은 매년 바뀝니다. Gartner 조사에 따르면 고객 서비스 리더의 58%는 상담원을 지식 관리 전문가로 육성할 계획이며, 이들은 안내 콘텐츠를 정확하게 유지하는 역할을 맡습니다. 따라서 지식 관리는 연말 시즌의 핵심 과제입니다. 시즌별 정책마다 담당자를 지정해 오래된 정보로 답하는 일이 없도록 해야 합니다.

5. 작게 시작해 효과 입증하기

Gartner는 해결 성공률이 높은 것으로 검증된 문의 유형부터 시작하고, 챗봇의 성능이 안정적으로 확인된 뒤에 범위를 넓히라고 권고합니다. 일반적인 리테일 기업이라면 주문 상태, 배송 변경, 일반 반품부터 시작하고, Cyber Monday 수준의 트래픽으로 부하 테스트를 하는 것이 좋습니다.

파일럿 이후 확장 단계에서 흔히 겪는 문제

파일럿(소규모 시범 운영)은 실제 고객이 대거 몰리면 멈춰 설 수 있습니다. 다음과 같은 기술적·조직적 장애물에 주의해야 합니다.

• 경영진의 압박: 고객 서비스 리더의 91%가 AI 도입에 대한 경영진의 압박을 느낀다고 답했으며, 이는 출시를 서두르게 만들 수 있습니다.
• 부정 반품: 전체 반품의 9%가 부정 반품이므로, 이커머스 반품 자동화에는 부정 반품을 걸러 내는 기능이 기본으로 포함되어야 합니다. NRF 조사에서는 85%가 부정 반품을 탐지하거나 예방하기 위해 AI를 활용하고 있다고 답했습니다.
• 분산된 데이터: 주문, 재고, 배송 정보가 서로 다른 시스템에 흩어져 있을 수 있습니다. 잘 통합된 AI 서포트 스택이 있어야 챗봇이 이를 실시간으로 확인할 수 있습니다.
• 운영 비용: McKinsey 조사 응답자의 약 20%는 토큰(AI 모델이 처리하는 텍스트 단위로, 사용량에 따라 비용이 발생합니다)을 포함한 운영 비용 때문에 AI 활용이 제한되었다고 답했습니다.

이러한 문제들이 주는 교훈은 McKinsey의 연구 결과와도 일치합니다. AI 고객 서비스를 단순한 기술 구매로 여기는 기업은 어려움을 겪는 경향이 있지만, 일하는 방식 자체를 바꾸는 기업은 실질적인 가치를 얻기에 더 유리한 위치에 있습니다.

1월 이후 성과를 측정하는 방법

상담원에게 넘기지 않고 마무리한 대화의 비율, 즉 디플렉션율(Deflection Rate)만으로 챗봇을 평가해서는 안 됩니다. 연말 쇼핑 시즌 반품 관리에는 다음과 같은 지표가 더 적합합니다.

• 해결률: 주문, 배송, 반품 문의가 실제로 해결된 비율입니다.
• 교환 전환율: 환불 요청이 교환으로 전환된 비율로, 매출 유지와 직결됩니다.
• 재문의율: 7일 이내에 다시 문의한 고객의 비율로, 첫 응답이 효과가 없었다는 신호입니다.
• 반품 후 재구매: 반품 이후에도 고객이 계속 구매하는지를 보여 줍니다.

AI는 반품 자체를 줄이는 데도 도움이 될 수 있습니다. 소비자 5,000명을 대상으로 한 Adobe의 2026년 7월 설문에서 AI를 활용해 온라인 쇼핑을 한 소비자의 69%는 구매한 상품을 반품할 가능성이 낮다고 답했습니다. 응답자 스스로 밝힌 결과이긴 하지만, 리테일 분야의 생성형 AI가 반품이 발생하기 전에 이를 줄일 수 있다는 가능성을 보여 줍니다.

결론

연말 반품은 고객 서비스가 실제 고객 행동을 기준으로 설계되었는지를 드러냅니다. AI 지출은 늘고 있고, 고객은 성능이 부족한 챗봇에 인내심이 거의 없습니다. 재무 성과는 업무 흐름을 재설계하고 성과를 측정하는 소수의 기업에 집중되며, 고객은 상담원과 쉽게 연결될 수 있는 경로를 기대합니다.

이커머스 고객 지원을 책임지는 리더에게 실시간 데이터를 활용하고, 업무를 직접 완료하며, 상담원에게 넘겨야 할 시점을 아는 챗봇은 앞으로 이어질 모든 연말 시즌의 지속적인 자산이 됩니다. 지금 이를 구축하는 리테일 기업은 리테일에서 비용이 가장 많이 드는 순간 중 하나를 고객이 다시 찾아오는 이유로 바꿀 수 있습니다.

메이크봇(Makebot)의 AI 전략 백서 Vol.02 「흩어진 AI에서 하나의 코어로: 통합 인텔리전스 코어로 완성하는 CX·EX 혁신」은 이 논의가 연말 시즌을 넘어 왜 중요한지 설명합니다. 백서는 AI 성과 격차의 원인이 모델 자체가 아니라 운영 모델에 있으며, Human-in-the-Loop(HITL)가 AI 실행의 표준 구조가 되어야 한다고 강조합니다. AI는 제안하고, 사람은 명확한 통제 지점에서 승인합니다. 또한 하나의 통합 인텔리전스 코어로 고객 상담과 내부 업무를 서로 다른 시스템에 흩어 두지 않고 단일한 흐름으로 연결하는 방법을 제시합니다. 성수기를 준비하는 고객 서비스 리더라면 백서를 무료로 다운로드해 전체 프레임워크를 확인해 보십시오.

성수기가 되어서야 AI의 한계를 발견하지 마세요

연말 반품 시즌은 고객 서비스가 실제 고객 행동을 기준으로 설계되었는지를 그대로 드러냅니다. AI 활용 전반에서 긍정적인 재무 성과를 입증한 고객 서비스 리더는 24%에 불과하며, 그 격차는 대부분 도구의 차이가 아닌 워크플로 설계에서 비롯됩니다. 챗봇이 반품을 처음부터 끝까지 처리하지 못하고, 실시간 주문 데이터와 연결되지 않으며, 적절한 시점에 상담원에게 연결하지 못한다면 1월은 비용이 많이 드는 한 달이 될 것입니다. MagicSuite는 이커머스 및 고객 서비스 팀이 고객의 신뢰를 잃지 않으면서 성수기 트래픽을 소화할 수 있도록 AI 기반 인프라를 제공합니다. 가장 바쁜 시즌이 고객을 떠나보내는 계기가 아닌, 다시 찾아오는 이유가 될 수 있도록.

‍