이는 OpenAI 기술을 기반으로 자체 솔루션을 구축하는 방법에 대한 OpenAI의 시리즈 중 일부입니다.
매년 수백만 건의 지원 티켓이 발행됩니다. 각 티켓은 불만, 아이디어, 요청 등 가치 있는 내용을 포함하고 있습니다.
하지만 최근까지 이러한 신호를 이해하는 것은 쉽지 않았습니다. 대시보드에서는 경향을 엿볼 수 있지만 이유는 알 수 없습니다. 심층 분석을 하려면 데이터 과학자가 몇 주 동안 작업해야 합니다. 제품 책임자는 특정 고객 유형이 새로운 기능을 어떻게 받아들이는지 알고 싶을 수 있습니다. 하지만 그 답을 구하려면 데이터 과학자가 상세 분석을 수행해야 합니다.
호기심에는 점점 제한이 적용됩니다.
“과정은 심층적인 기술 전문 지식이 필요하고, 이로 인해 호기심에도 제약이 생겼습니다.” 비즈니스 데이터 책임자 Molly Jackman의 말입니다.
OpenAI는 전사적으로 확대되는 호기심을 포착하기 위해 리서치 어시스턴트를 구축했습니다. 어시스턴트는 패턴을 확인할 수 있는 대시보드와 심층 파악을 위한 대화형 인터페이스, 두 가지 탐색 모드를 결합합니다. 많이 언급되는 이슈를 보여주는 차트를 확인한 다음, 쉬운 말로 후속 질문을 할 수 있습니다.
OpenAI는 이미 작동하는 요소들을 조합하여 어시스턴트를 구축했습니다. 한쪽에는 수백만 건의 티켓을 제품 영역과 테마로 구조화하는 분류기와 차트가 있습니다. 다른 한쪽에는, 원시 티켓을 요약하고 유연한 보고서를 쉬운 언어로 생성할 수 있는 GPT‑5가 있습니다. 이러한 조합은 누구나 쉽게 사용할 수 있는 속도와 깊이를 모두 제공해 주었습니다.
“의료 분야 고객이 새로운 통합에 대해 어떤 말을 했지?”
“이번 분기 주요 지원 티켓은 무슨 내용이지?”
“주요 기능 중에 성공적인 기능은 무엇이지?”
몇 분 만에 시스템은 문제의 규모를 측정하고, 문제의 확산 정도를 보여주고, 마찰 포인트를 강조하는 보고서를 반환합니다. 책임자는 이제 여력을 빌리거나 정적 대시보드를 확인할 필요가 없습니다. 누구나 질문이 이끄는 곳으로 따라갈 수 있습니다. 제품 팀의 경우, 실제 피드백에 대한 빠른 반복을 의미합니다. 어떤 것이 효과가 있고 없는지 파악하고, 명확한 인사이트를 도출하여 제품 출시 및 장기 로드맵에 활용합니다.
“질문을 미리 정의할 필요 없이 호기심만 따라가면 된다는 건 마법과 같은 일입니다.”
정확성이 없다면 속도는 무의미합니다.
초기에는 운영 팀이 수동 분류 작업을 실행했고, 데이터 과학자들이 맞춤형 모델을 작성하여 어시스턴트와 비교했습니다. 그 결과는 일치했습니다.
시간이 지나면서 신뢰도가 상승했습니다. 책임자들은 현장에서 이미 듣고 있던 내용과 결과를 교차 확인하기 시작했고, 확인한 내용이 일치했을 때, 의존하기 시작했습니다.
'질문, 확인, 신뢰'의 순환은 어시스턴트를 팀의 일상 습관으로 만들었습니다. 한때 SQL 쿼리와 분류기로 일주일이 걸리던 일이 이제 몇 번의 클릭으로 이루어집니다.
성과는 곳곳에서 나타납니다.
- GPT‑5가 출시된 후, 제품 팀은 몇 주가 아닌 며칠 만에 피드백 테마를 확보했습니다.
- 커넥터의 기업 도입이 둔화되었을 때, 어시스턴트는 온보딩 흐름에 버그가 있다는 근본 원인을 신속하게 드러냈습니다. 이어서 엔지니어들이 수정 사항에 우선순위를 둘 수 있었습니다.
- 이미지 생성에서는 목업을 위해 어시스턴트를 사용하는 마케팅 팀의 창의성, 그리고 렌더링 지연으로 인한 마찰을 모두 강조했으며, 이 두 가지 요소가 로드맵을 직접적으로 형성했습니다.
질문하는 데 드는 시간이 몇 분으로 줄어들면 더 많은 질문을 할 수 있습니다. 따라서 더 많은 문제가 표면화됩니다. 또한 팀도 더 빠르게 움직일 수 있습니다.
이 어시스턴트는 데이터 과학자를 대신하지 않습니다. 데이터 과학자들이 자유롭게 다른 일을 할 수 있도록 지원합니다. 데이터 과학자들은 일회성 분석을 수행하는 대신 새로운 분류기를 구축하고, 자동화 및 도구화에 투자할 더 많은 시간을 확보할 수 있습니다. 운영 팀은 이제 며칠이 아닌 몇 분 만에 출시 보고서를 생성하여, 고객과 더 많은 시간을 보낼 수 있는 여유를 확보합니다. 제품 팀은 고객으로부터 실시간으로 배우고 더 빠른 피드백 루프를 통해 확보한 정보를 로드맵 수립에 활용할 수 있습니다.
이러한 변화는 우리가 듣는 방식을 변화시켰습니다. 부족한 분석 주기를 제한하는 대신, 모든 팀은 이제 자유롭게 자신의 질문을 추구할 수 있습니다. 호기심이 증폭됩니다. 마찰 지점을 발견한 제품 책임자와 동일한 테마를 기업 티켓에서 확인한 영업 리더가 함께 더 빠른 행동 경로를 구성합니다.
이 이점을 고객이 가장 실감하게 되기를 바랍니다. 문제는 더 빨리 해결될 것입니다. 기능은 고객의 요구에 더 가깝게 발전할 수 있습니다. 한때 백로그에 묻혔던 피드백은 이제 OpenAI가 구축하는 방식의 중심이 됩니다.
"저는 이것이 대규모 고객 UX 연구라고 생각합니다. 우리가 제품, 정책, 관행을 선제적으로 변화시키는 방식으로 고객의 목소리를 표면화하고 있다면, 그것이 바로 성공입니다."
수백만 건의 티켓을 분석하는 도구로 시작된 것이 우리가 듣는 방식을 운영하는 시스템의 일부가 되어가고 있습니다. 잘 듣는 것이 잘 구축하는 방법입니다.
