OpenAI Presence는 기업이 음성·채팅 AI 상담원을 실제 업무에 배치할 때 필요한 권한, 정책, 평가, 사람 연결 규칙을 한 묶음으로 제공하는 기업용 제품입니다. 단순히 답변을 잘하는 챗봇을 만드는 서비스가 아니라, 고객 정보 조회나 청구 문제 처리처럼 실제 회사 시스템을 사용하는 에이전트를 통제 가능한 상태로 운영하는 것이 목적입니다.
OpenAI Presence는 무엇이 다른가
기존 챗봇 구축은 모델 선택과 문서 연결에 집중했습니다. 그러나 운영 환경에서는 정확한 답변만큼 “어디까지 행동할 수 있는가”가 중요합니다. 상담원이 환불 규정을 설명하는 것과 실제 환불 버튼을 누르는 것은 위험도가 다릅니다. Presence는 업무별로 필요한 지식과 시스템 권한만 주고, 기업이 승인 조건과 사람에게 넘길 기준을 정하도록 설계됐습니다.
예를 들어 요금 청구 문의를 처리하는 에이전트라면 고객 본인 확인, 계정 조회, 사내 정책 확인, 승인된 조치 실행, 예외 상황의 상담원 연결이 하나의 흐름이 됩니다. 모든 요청을 AI가 끝내도록 만드는 것이 아니라, 정해진 범위를 벗어나면 즉시 사람이 이어받는 구조입니다.
정책과 평가가 모델보다 먼저인 이유
기업용 AI는 제품 가격, 약관, 고객 행동이 바뀔 때마다 품질이 흔들릴 수 있습니다. Presence는 표준 운영 절차, 가드레일, 승인된 행동, 시뮬레이션, 평가 도구를 함께 사용합니다. 출시 전에는 흔한 문의뿐 아니라 경계 사례와 위험한 요청을 시험하고, 올바른 결과에 도달했는지와 필요한 시점에 사람에게 넘겼는지를 확인합니다.
출시 후에도 끝나지 않습니다. 실제 상담 기록과 사람에게 넘어간 사례를 분석해 부족한 부분을 찾습니다. OpenAI 설명에 따르면 Codex가 개선안을 제안하고, 팀은 현재 운영 버전과 비교 시험한 뒤 변경사항을 승인할 수 있습니다. 자동으로 계속 바뀌는 시스템이 아니라 검증과 승인 과정을 거쳐 통제된 배포를 하는 방식입니다.
현재 공개된 성과는 어떻게 봐야 하나
OpenAI는 자사 영어 전화 지원 채널에서 Presence가 전체 인바운드 문제의 75%를 사람 도움 없이 해결하고 있으며, 개선 과정에서 열흘 만에 사람에게 넘기는 비율을 15%포인트 줄였다고 밝혔습니다. BBVA는 멕시코의 은행 음성 지원을, 소프트뱅크는 자연스러운 일본어 고객 대화를, IAG는 악천후처럼 문의가 몰리는 보험 상황을 시험하고 있습니다.
다만 이 수치는 모든 회사가 같은 결과를 얻는다는 보장이 아닙니다. 문의 난도, 연결 시스템, 내부 정책, 데이터 품질에 따라 성과가 달라집니다. 도입 검토자는 해결률만 보지 말고 오답률, 잘못 실행한 조치, 사람 전환의 적절성, 고객 재문의율을 함께 측정해야 합니다.
일반 이용자가 바로 쓸 수 있나
아직은 아닙니다. Presence는 적격 기업 고객을 대상으로 제한적 일반 제공 중이며, OpenAI의 현장 배치 엔지니어와 일부 시스템 통합 파트너가 구축을 이끕니다. 클릭 몇 번으로 가입하는 셀프서비스 제품이 아닙니다. 개인이나 소규모 팀이 비슷한 구조를 만들려면 API, 권한 분리, 업무 규칙, 평가 데이터, 사람 승인 단계를 직접 설계해야 합니다.
기업이 도입 전에 확인할 7가지
- 업무 하나부터 고르기: “고객 상담 전체”가 아니라 청구서 재발급처럼 끝이 분명한 업무를 선택합니다.
- 읽기와 실행 분리: 정보 조회 권한과 계정 변경·환불 같은 실행 권한을 나눕니다.
- 승인 금액 정하기: 금액·위험도에 따라 사람 승인 기준을 숫자로 명시합니다.
- 전환 조건 만들기: 본인 확인 실패, 정책 충돌, 반복 불만은 즉시 상담원에게 넘깁니다.
- 시험 질문 모으기: 정상 사례만 아니라 애매한 약관과 악의적 요청을 포함합니다.
- 행동 로그 남기기: 어떤 정보를 읽고 어떤 도구를 실행했는지 추적 가능해야 합니다.
- 변경 승인하기: 프롬프트나 정책 수정은 운영 전 비교 시험과 담당자 승인을 거칩니다.
도입 성과를 측정하는 현실적인 방법
첫 달 목표를 상담 인력 감축으로 잡으면 잘못된 자동화가 늘어날 수 있습니다. 먼저 한 종류의 문의에서 답변 정확도와 처리 시간을 측정하고, 같은 문의를 사람이 처리했을 때와 비교해야 합니다. 에이전트가 해결했다고 표시했지만 고객이 다시 전화했다면 실제 해결이 아닙니다. 최초 해결률, 재문의율, 잘못된 조치 건수, 사람 전환 시간, 고객 불만을 한 표에서 봐야 합니다.
평가용 대화에는 정상적인 질문만 넣지 않습니다. 고객이 말을 바꾸는 경우, 본인 확인 정보가 맞지 않는 경우, 여러 정책이 충돌하는 경우, 환불을 반복 요구하는 경우도 포함합니다. 위험 사례에서 정확히 멈추는 능력이 평범한 질문에 유창하게 답하는 능력보다 중요할 수 있습니다.
운영팀은 정책을 수정할 때 변경 이유와 승인자를 기록해야 합니다. “답변이 별로라서 프롬프트를 고쳤다”가 아니라 어떤 실패 사례를 줄이려는지, 이전 평가 세트에서 성능이 떨어진 항목은 없는지 확인합니다. 이런 변경 관리가 있어야 고객 행동이 바뀌어도 에이전트의 책임 범위를 추적할 수 있습니다.
한 줄 결론
OpenAI Presence의 핵심은 AI 상담원을 더 사람처럼 말하게 만드는 것이 아니라, 실제 업무를 맡겨도 기업이 권한과 책임을 놓치지 않게 만드는 데 있습니다. 도입 효과는 모델 이름보다 좁은 업무 정의, 최소 권한, 예외 처리, 지속적인 평가에서 결정됩니다.