Amazon Connect AI Agent로 우리 회사만의 Agentic AI 컨택센터 구축하기

본 블로그 게시글은 AWS Blog의 영어 원문을 한글로 번역 및 일부 수정한 포스팅 입니다.

소개

컨택센터 리더들은 점점 더 복잡한 과제에 직면하고 있습니다: 고객은 모든 채널에서 즉각적이고 개인화된 서비스를 기대하는 반면, 상담원은 문제 해결을 위해 여러 시스템, KMS(Knowledge Management System)와 같은 지식 베이스나 시스템, 워크플로우를 동시에 다뤄야 합니다. 기존 접근 방식—각 시스템에 대한 커스텀 및 조합형 통합 구축, 수십 개의 애플리케이션에 대한 상담원 교육, 고객 기록 수동 업데이트—은 시간이 많이 걸리고, 비용이 많이 들며, 확장하기 어렵습니다.

AI, 그 중에서도 Agentic AI가 단순히 질문에 답하는 것 이상을 할 수 있다면 어떨까요? 고객 정보 조회, 작업 주문 생성, 환불 처리, 기록 업데이트 등 실제 상담사가 해야 했던 조치를 빠르고 정확하게 취할 수 있다면 어떨까요? 그것도 조직이 요구하는 보안과 거버넌스를 유지하면서 말입니다.

다음과 같은 시나리오를 하나의 예로 들 수 있습니다: 고객이 비용 청구 문제로 전화합니다. 상담원은 고객의 문의를 해결하기 위해서 CRM을 확인하고, 비용 청구 시스템에서 결제 내역을 검토하고, 정책에 대한 지식 베이스를 검색하고, 수동으로 케이스를 생성해야 합니다. 이 모든 것은 고객에게 친절한 대화를 이어가면서 해야 합니다. 이런 여러 가지 업무와 산재된 워크플로우는 개별 상담 건에 대한 처리 시간 증가, 불만족스러운 고객, 그리고 번아웃된 상담원들로 이어집니다.

Amazon Connect를 사용하면 단순한 대화나 사내 FAQ만을 대응하는 RAG 기반의 AI를 넘어 고객과 상담원을 대신해 의미 있는 조치, 비즈니스 로직을 적절하게 취하는 AI 에이전트를 구축할 수 있습니다. Model Context Protocol(MCP)와의 네이티브 통합, 강력한 도구 프레임워크, 기본으로 제공하는 Observability 기능을 통해 Amazon Connect는 프로덕션급 AI 에이전트를 대규모로 구축, 배포, 운영할 수 있도록 지원합니다.

이러한 기능들은 한국어를 현재 지원하고 있어, 국내 고객들도 바로 사용하여 AI Agent 기반 콜봇 및 챗봇을 손쉽게 구현할 수 있습니다. 먼저 AI Agent를 만들어 한국어로 상호작용하는 간단한 데모를 아래 영상으로 참조해보세요. 가상의 AWS 영업팀을 지원하는 AI Agent와 고객간의 자연스러운 상호 작용을 볼 수 있습니다. 편집되지 않았으며, 아래 영상에서 우리는 Amazon Connect 의 AI Agent가 신용 카드 등록 규정과 같은 단순 FAQ 응대부터, 여러 개의 Amazon DynamoDB 테이블을 넘나들며 고객과 영업 담당자를 찾고, 미팅 예약을 해주는 것을 확인할 수 있습니다.

AI Agent와 Assistant 이해하기

Amazon Connect에서는 AI Agent를 사용자가 손쉽게, 전문 지식 없이도 생성하고 구성할 수 있습니다. 우리 비즈니스에 대한 지식을 가진 지식 베이스에 접근하고, 비즈니스 로직을 처리하는 Lambda나 REST API 등으로 된 도구들을 유연하게 호출하며, 호출 결과 등을 분석하여 고객 문제를 해결합니다. Assistant는 사람들이 하나 이상의 AI 에이전트와 상호작용하는 대화형 인터페이스입니다. Connect Assistant는 상담원, 관리자, 고객을 위한 기본 인터페이스이며, 기업은 고객 대면 경험을 커스터마이즈하고 이름을 변경할 수 있습니다.

목표: 시스템 간의 사일로(Silo)를 해소

오늘날의 컨택센터는 복잡한 시스템 생태계에서 운영됩니다. 단 하나의 고객 상호작용에서 상담원은 다음과 같이 많은 시스템에 유연하게 접근해야 합니다:

고객 히스토리를 보유하고 있는 CRM 시스템
상품 정보나 트러블 슈팅 가이드 등, 사내 FAQ 등이 담겨 있는 지식 베이스
케이스 관리 시스템
결제/청구 시스템
예약 등을 관리하기 위한 스케줄링 시스템
재고를 알기 위한 인벤토리 데이터베이스
외부 서비스 시스템 및 기타 비즈니스 애플리케이션

상담원은 애플리케이션 간 전환, 정보 검색, 그리고 여러 시스템을 넘나들며 업데이트를 수동 기록하는 데에 귀중한 시간을 소비합니다. 이러한 컨텍스트 전환은 해결 시간을 늦출 뿐만 아니라 상담원에게 하나의 상담 당 지속적으로 해야하는 업무량을 증가시켜 실수나 번아웃, 결과적으로는 일관성 없는 고객 경험으로 이어집니다.

한편, 고객은 셀프서비스를 위해 AI 에이전트와 상호작용하든 상담원과 대화하든 원활한 경험을 기대합니다. 고객은 내부 시스템의 복잡도나 프로세스가 얼마나 어려운지 고려하지 않습니다. 그들은 단지 문제가 빠르고 정확하게 해결되기를 원합니다.

실질적인 조치를 취하는 AI 에이전트

Amazon Connect를 사용하면 전체 기술 생태계에서 데이터에 안전하게 접근하고, 워크플로우를 실행하며, 결과를 분석할 수 있는 AI 에이전트를 구축할 수 있습니다. 오케스트레이션(Orchestration) 아키텍처는, 셀프서비스 자동화용 AI 에이전트를 구축하는 방식이나, 상담원 옆에서 사이드카처럼 지원하기 위해 구축하는 방식등 다양한 방식으로 구현하더라도, 대체로 동일합니다—단지 다른 사용 사례에 맞게 구성하면 됩니다. 플랫폼 작동 방식은 다음과 같습니다:

Model Context Protocol (MCP) 통합

MCP는 AI 에이전트가 시스템 전반에서 도구를 검색하고 호출할 수 있는 표준화된 메커니즘을 제공합니다. 각 애플리케이션에 대해 개별적인, 커스텀 통합을 구축하는 대신 하나의 통합 프레임워크를 활용할 수 있습니다:

한 번 연결해서 어디서나 사용: Amazon Bedrock AgentCore Gateway를 통해 MCP 서버를 등록하여 다양한 API, AWS Lambda 함수, 원격 서비스를 모든 AI 에이전트가 사용할 수 있는 표준화된 도구로 변환합니다. MCP 서버를 통해 Salesforce, ServiceNow 또는 커스텀 비즈니스 시스템과 같은 타사 애플리케이션과도 네이티브하게 통합합니다. 그러면 AI 에이전트가 이러한 도구를 호출하여 데이터를 검색하거나, 기록을 생성하거나, 워크플로우를 트리거할 수 있습니다. 각 도구를 언제 어떻게 사용할지 AI 에이전트를 안내하는 도구별 지침과 예제를 구성합니다.

네이티브 기능 활용: Amazon Connect는 자사 Amazon Connect 도구에 대한 추가 구성 없이 Amazon Connect, Customer Profiles, Cases, Assistant API에 즉시 접근할 수 있는 Amazon Connect tools를 제공합니다. RAG 구성 및 실제 상담사에 대한 에스컬레이션도 제공합니다.

커스텀 로직 캡슐화: Amazon Connect Flows에서 플로우 모듈을 생성하여 복잡한 비즈니스 로직과 워크플로우를 캡슐화합니다. 이러한 재사용 가능한 파라미터화된 구성 요소는 AI 에이전트가 도구로 호출할 수 있어 기존 비즈니스 프로세스를 유지하면서 AI 기반 자동화를 가능하게 합니다.

세밀한 제어: 각 도구에 대해 JSON 경로 표현식을 사용하여 입력값을 재정의하고, 관련 데이터만 반환하도록 출력을 필터링하고, 민감한 작업에 대한 사용자 확인 요구사항을 설정하고, Security Profiles를 통해 수행할 수 있는 작업을 제어할 수 있습니다. 이를 통해 AI 에이전트가 도구와 안전하고 효율적으로 상호작용할 수 있습니다.

왜 이것이 중요한가

기존 컨택센터 통합은 각 시스템에 대한 커스텀 개발이 필요하여 유지보수 오버헤드를 만들고 민첩성을 제한합니다. MCP를 사용하여 통합을 한 번 구축하면 향후 개발하는 모든 AI 에이전트가 동일하게 사용할 수 있습니다. 이는 새로운 기능의 출시 시간을 크게 단축하고 비즈니스 요구가 변화함에 따라 컨택센터를 더 쉽게 발전시킬 수 있게 합니다.

시각적 구성으로 빠른 생성

Amazon Connect 관리 콘솔의 AI 에이전트 디자이너를 사용하면 코드 작성 없이 AI 에이전트 기능을 쉽게 구성하고 관리할 수 있습니다:

시각적 도구 구성: 직관적인 인터페이스를 통해 AI 에이전트가 접근할 수 있는 도구를 선택합니다. 도구 매개변수를 구성하고, 민감한 작업에 대한 사용자 확인 요구사항을 설정하고, 도구 호출 방법을 정의합니다. AI 에이전트와 프롬프트는 정적으로 고정된 버전과 동적 업데이트를 위한 LATEST 별칭 지원으로 버전 관리를 지원합니다. 이는 연결된 AI 에이전트를 업데이트하지 않고도 프롬프트나 모델 구성을 업데이트할 수 있음을 의미합니다.

유연한 도구 유형: MCP 도구(자사 1P 및 타사 3P 통합), 플로우 모듈(커스텀 비즈니스 로직을 압축), 제어 반환 메커니즘(상담원 또는 다른 플로우 처리로 핸드오프 즉, 에스컬레이션) 지원. 즉 AI가 초도 응대를 하다, 필요에 따라 상담원에게 상담을 라우팅할 수 있습니다.

스마트 오케스트레이션: 오케스트레이션 AI 에이전트는 대규모 언어 모델(LLM)을 사용하여 다단계의, 복잡한 워크플로우를 지능적으로 계획하고 실행합니다. 엄격한 의사결정 트리나 정해진 흐름을 따르는 대신, 이러한 에이전트는 고객 의도에 따라 도구를 동적으로 선택하고 연결하며, 각 단계에서 결과를 분석하여 다음 최선의 조치를 결정합니다. 에이전트는 사용 가능한 도구, 이전 상호작용에서 축적된 컨텍스트, 현재 고객 요구를 고려하여 적응형 워크플로우를 생성합니다. 이러한 에이전트는 음성, 채팅, 작업, 이메일 채널에서 셀프서비스 상호작용과 상담원 지원 시나리오를 모두 처리할 수 있습니다.

기본 제공 AI 에이전트로 빠른 시작: Amazon Connect는 즉시 사용하거나 특정 요구에 맞게 손쉽게 커스터마이즈할 수 있는 일반적인 사용 사례를 위한 시스템 AI 에이전트를 제공합니다:

보이스나 채팅 채널에서의 고객 서비스 자동화
보이스, 챗, 이메일, 태스크에서의 상담원 지원
지식 베이스에 검색하기 위한 수동 검색 에이전트
선제적인 제안을 하는 답변 추천 에이전트
케이스 문서 요약을 자동화 해주는 에이전트
이메일 추천 및 초안 작성을 돕는 이메일 에이전트

이러한 사전 구축된 에이전트는 가치 실현 시간을 단축하면서 비즈니스 요구사항에 맞게 조정할 수 있는 유연성을 제공합니다.

세분화된 권한을 갖춘 보안 우선 설계

모든 도구 상호작용은 Amazon Connect의 보안 프로필에 의해 관리되어 각 AI 에이전트가 수행할 수 있는 작업에 대한 세밀한 제어를 제공합니다:

도구별 권한 설정: AI 에이전트가 호출할 수 있는 도구들 명시
민감한 작업에 대한 승인 워크플로우: 환불이나 계정 변경 등 민감한 작업에 대해서는 사용자(고객)에게 실행 전 컨펌을 요청
역할 기반 접근 제어
감사 로깅 및 추적: 모든 도구 호출에 대한 감사 로깅 유지

보안 프로필은 Connect 관리 콘솔에서 생성되고 구성 중에 AI 에이전트에 할당됩니다. 이를 통해 에이전트가 특정 사용 사례에 필요한 도구와 데이터에만 접근할 수 있도록 하여 강력한 자동화를 가능하게 하면서 보안과 규정 준수를 유지합니다.

포괄적인 관찰성

Amazon Connect는 AI 에이전트 성능을 측정, 모니터링, 최적화하기 위한 내장 관찰성을 제공합니다. 커스터마이즈 가능한 대시보드를 통해 핸드오프 비율, 대화 턴 수, 작업 완료율, 도구 선택 정확도와 같은 주요 지표를 추적합니다.

세 가지 보완적인 인터페이스를 통해 지표에 접근합니다:

Connect 분석 대시보드: 트렌드와 실시간 인사이트에 대한 커스텀 가능한 뷰
Metrics API: 현재 이미 사용하고 있는 툴과 워크플로우와 통합하기 위해 메트릭에 대한 API 제공
Connect 데이터 레이크: 비즈니스 임팩트를 계산하기 위한 고도화된 분석 기능

Amazon Connect는 또한 AI 에이전트 지표를 연락처 세부 정보 및 평가 양식과 통합하여 자동화된 품질 관리와 지능형 알림을 가능하게 합니다. 프로덕션에 변경 사항을 배포하기 전에 다양한 AI 에이전트 버전 간의 성능을 비교하여 위험을 줄이고 데이터 기반 최적화를 가능하게 합니다.

실제 동작하는 AI 에이전트 예시

다음 예시는 오케스트레이션 AI 에이전트가 다단계 워크플로우를 계획하기 위해 추론을 사용하고, MCP를 통해 네이티브(1p) 및 타사(3p) 시스템과 통합하며, 발견한 내용에 따라 적응하는 방법을 보여줍니다.

첫 번째 예시는 외부 시스템 통합을 통한 셀프서비스 자동화에 초점을 맞추어 3p MCP, 추론, 플로우 모듈을 보여줍니다. 두 번째 예시는 네이티브 Connect 기능을 사용한 상담원 지원을 강조하며 1p MCP 도구와 지식 검색을 강조합니다. 함께 이들은 AI 에이전트 기능의 전체 범위를 보여줍니다.

셀프서비스 시설 관리

고객이 사무실 에어컨 고장에 대해 전화합니다. 오케스트레이션 AI 에이전트가 전체 상호작용을 자율적으로 처리하며, AI 에이전트가 다단계 워크플로우를 통해 추론하고 외부 시스템과 통합하는 방법을 보여줍니다.

요청 이해 및 컨텍스트 수집

AI 에이전트는 자연어를 통해 문제를 식별합니다: 시설 지원이 필요한 에어컨 고장. 네이티브 1p MCP 도구를 사용하여 Customer Profiles에서 고객 프로필과 위치(빌딩 A, 3층, 스위트 301)를 검색합니다.

추론: “작업 주문을 생성하려면 중복을 확인하고 이 문제를 올바르게 분류해야 합니다.”

타사 시스템과 통합 (3p MCP)

AI 에이전트는 등록된 3p MCP 서버를 통해 시설 관리 시스템을 호출하여 이 위치에 중복 티켓이 있는지 확인합니다. 없음을 확인한 후, 시설 시스템의 문제 분류 도구를 쿼리하여 적절한 코드(HVAC-AC-002)를 식별합니다.

조치 전 확인

AI 에이전트가 작업 주문 세부 정보를 제시합니다: “빌딩 A, 3층, 스위트 301의 에어컨 문제에 대해 긴급 우선순위로 분류된 작업 주문을 생성하겠습니다. 진행해도 될까요?” 고객의 확인을 받은 후 3p MCP 통합을 통해 작업 주문을 생성합니다.

Assistant의 추론: “작업 주문이 생성되었습니다. 이제 추적을 위해 로그를 남기고 확인을 보내야 합니다.”

플로우 모듈로 워크플로우 완료

시설 시스템이 기술자 세부 정보와 함께 작업 주문 WO-2024-002001을 반환합니다. AI 에이전트는 커스텀 플로우 모듈을 실행하여 이메일 확인을 보내고 연락처 기록을 업데이트합니다—플로우 모듈이 AI 에이전트가 도구로 호출할 수 있는 복잡한 비즈니스 로직을 캡슐화하는 방법을 보여줍니다.

시연된 주요 기능:

다단계 추론 및 계획
3p MCP를 통한 타사 시스템 통합
민감한 작업에 대한 사용자 확인
커스텀 비즈니스 로직을 위한 플로우 모듈
유연한 대응: 시설 시스템이 사용 불가능하면 에이전트는 유연하게 에러를 핸들링 하거나 상담원 에스컬레이션

복잡한 청구 분쟁을 위한 상담원 지원

상담원이 고객의 청구 분쟁을 돕고 있습니다. 상담원이 사이드카로 언제나 지원하는 AI Agent, Connect 어시스턴트에 도움을 요청합니다. 이는 동일한 오케스트레이션 아키텍처를 가진 AI Agent가 네이티브 1p MCP 도구를 통해 상담원을 어떻게 지원하는지 보여줍니다.

1P MCP 도구로 사전 컨텍스트 수집

AI 에이전트는 네이티브 Amazon Connect 기능을 사용하여 자동으로 컨텍스트를 수집합니다. Customer Profiles에서 고객의 전체 계정 이력, 결제 방법, 이전 상호작용을 검색합니다. SearchCases 도구를 사용하여 관련 청구 케이스를 검색합니다—모두 1p MCP를 통해 추가 구성 없이 가능합니다.

Assistant의 추론: “청구 불일치를 이해하고 정확한 안내를 제공하기 위해 관련 정책을 찾아야 합니다.”

지식 검색 및 분석

AI 에이전트는 QueryAssistant 및 Retrieve 도구(1p MCP)를 사용하여 여러 지식 베이스에서 관련 청구 정책을 검색합니다. 그런 다음 청구 시스템(3p MCP)을 쿼리하여 거래 세부 정보를 검색하고, 벤더 시스템 오류로 인한 중복 청구를 식별합니다.

상담원에게 옵션 제시

Connect 어시스턴트가 지원 정책을 참조하면서 자신이 찾은 사내 규정 기준 세 가지 해결 옵션을 제시합니다:

신속 처리를 통한 전액 환불 (2-3 영업일)
10% 선의 조정이 포함된 계정 크레딧
향후 청구를 위한 결제 계획 조정

1p 도구로 문제를 해결

상담원이 고객 승인을 받아 옵션 1(신속 처리를 통한 전액 환불)을 선택한 후, AI 에이전트는 네이티브 1p MCP 도구를 사용하여 해결을 오케스트레이션합니다:

환불을 트래킹하기 위한 케이스를 생성
환불 워크플로우를 위해 미리 만들어둔 커스텀 플로우 모듈을 호출
대화 내용을 Customer Profiles에 업데이트
청구팀을 위해 follow-up 태스크 생성

시연된 주요 기능:

네이티브 1p MCP 도구 통합: Amazon Connect에 내장 되어 바로 제공되는 도구들
다중 지식 베이스 검색
추론: 발견된 정보를 기준으로 동적으로 계획을 세우고 실행
상담원 지원: 인간 상담사를 대체하는 것이 아닌 효과적으로 지원
하이브리드 통합: Amazon Connect의 1P 도구와 3P 도구 (청구)를 조합하여 호출

상담원은 전체 과정에서 제어를 유지하며, AI 에이전트가 조사, 분석, 실행을 처리하는 동안 상담원은 고객 관계에 집중합니다.

AI 에이전트 작동 방식

미리 정해진 의사결정 트리를 따르는 전통적인 규칙 기반 시스템과 달리, 오케스트레이션 AI 에이전트는 대규모 언어 모델(LLM)을 사용하여 고객 상호작용을 동적으로 계획하고 추론합니다.

동적 계획: 고객 상호작용이 시작되면 AI 에이전트는 요청을 분석하고 사용 가능한 도구와 구성된 지침을 기반으로 계획을 생성합니다. 이것은 정적 워크플로우가 아닙니다—에이전트는 각 단계에서 발견한 내용에 따라 적응합니다. 시설 예시에서 에이전트는 작업 주문을 생성하기 전에 중복 확인을 통해 추론하며 적응형 계획을 보여줍니다.

결과에 대한 추론: 도구를 호출한 후 에이전트는 결과를 분석하여 다음 조치를 결정하며, 대화 전체에서 컨텍스트를 유지합니다. 청구 예시에서 에이전트는 거래 데이터와 지식 베이스 정책을 분석하여 해결 옵션을 생성했습니다.

인간 개입 및 최종 확인: 민감한 작업의 경우 사용자 확인을 요구하도록 도구를 구성할 수 있습니다. AI 에이전트는 계획된 조치를 제시하고, 수행할 작업을 설명하고, 진행하기 전에 승인을 기다립니다. 중요한 결정에서 인간이 제어를 유지하도록 보장합니다.

MCP 통합: 에이전트는 네이티브 1p MCP 도구(Customer Profiles, Cases, Knowledge bases)와 타사 3p MCP 도구(시설 시스템, 청구 시스템, 고객사 내부 시스템 등)를 원활하게 호출하여 기술 생태계 전반에 걸쳐 통합된 워크플로우를 생성할 수 있습니다.

Amazon Connect에서 AI 에이전트 시작하기

위의 예시는 오케스트레이션 AI 에이전트의 강력함을 보여주지만, 이것은 시작에 불과합니다. 여러분들은 네이티브 Connect 기능, 타사 시스템과의 통합, 커스텀 워크플로우를 결합하여 특정 비즈니스 요구에 맞는 AI 에이전트를 직접 만들 수 있습니다.

AI 에이전트 시작은 간단합니다. 다음은 이 접근을 조금 하이레벨에서 본 방식입니다:

AI 에이전트 구성: Amazon Connect 관리 워크스페이스의 AI 에이전트 디자이너에서 사전 구성된 AI 에이전트에 접근하거나 개인화된 사용 사례를 위한 커스텀 AI 에이전트를 생성합니다.
도구 구성: 타사 통합을 위한 MCP 서버를 등록하거나, 커스텀 로직을 위한 플로우 모듈을 생성하거나, 기본 제공되는 네이티브 Connect 기능을 활용합니다.
생성 및 커스터마이즈: 시스템 AI 프롬프트로 시작한 다음 특정 요구에 맞게 프롬프트와 도구 구성을 커스터마이즈합니다. 도구 접근을 제어하기 위한 보안 프로필을 설정합니다.
배포 및 모니터링: 샌드박스 환경에서 테스트하고, 프로덕션 채널에 배포하고, 관찰성 대시보드를 통해 성능을 모니터링합니다.

자세한 단계별 지침은 Amazon Connect Administrator Guide를 참조하세요.

성공 여부 측정

AI 에이전트가 배포되면 Amazon Connect의 관찰성 기능이 성능을 측정하고 비즈니스 가치를 입증하는 데 도움이 됩니다. 추적해야 할 항목은 다음과 같습니다:

채택 및 참여 지표

채널 및 사용 사례별 AI 관련 연락 비율과 상담원 지원을 위한 사전 의도 감지율을 추적합니다. 이러한 지표는 어떤 채널이 가장 많은 문의가 발생하는지, 추가 홍보나 예산이 필요한 곳이 어디인지 식별하는 데 도움이 됩니다.

효율성 및 성능 지표

핸드오프 비율, 대화 턴 수, 평균 처리 시간, 작업 완료율, AI 에이전트 턴 지연 시간을 모니터링하여 개선 기회를 식별합니다. 다양한 AI 에이전트 버전 간에 이러한 지표를 비교하여 사용 사례에 가장 적합한 것이 무엇인지 이해합니다. 핸드오프되지 않고 AI Agent가 앞단에서 문의를 해결하는 성공 비율을 추적하는 것도 중요합니다.

품질 및 정확도 지표

LLM-as-a-judge 평가를 사용하여 응답 충실도, 완전성, 유용성을 평가합니다. 도구 선택 정확도, 매개변수 해결 정확도, 도구 호출 성공률을 추적하여 프롬프트를 개선하고 AI 에이전트 성능을 향상시킵니다.

자동화된 품질 관리

문제를 조기에 포착하기 위한 지능형 모니터링을 설정합니다. 이들은 Connect에서 제공하는 지표로 구성할 수 있습니다:

낮은 감정 스코어나 여러번의 에스컬레이션 등, 규칙을 설정하여 재검토가 필요한 상호작용 등을 자동으로 추적할 수 있게 합니다.
AI Agent의 퍼포먼스 조건에 따라 알람을 구성합니다 (예: 상담원에게 핸드오프 임계치 등)
트러블슈팅, 요청/응답 페이로드, 툴 호출, 레이턴시 프로필 등의 지표를 확인
AI Agent 속성을 기준으로 더 빠르게 검색하고 상호작용 패턴을 분석하도록 합니다.

비즈니스 영향:

AI 에이전트 지표를 비즈니스 결과에 연결합니다: 초도 연락 해결률(한 번만에 해결되는 비율), 고객 만족도 점수(CSAT), 연락당 운영 비용, 상담원 생산성 지표. AI 에이전트 성능을 비즈니스 KPI와 연관시키면 명확한 ROI를 입증하고 지속적인 투자를 정당화합니다.

결론

Amazon Connect의 Assistant 기능은 컨택센터 운영 방식의 근본적인 변화를 나타냅니다. AI 에이전트가 보안과 거버넌스를 유지하면서 의미 있는 조치를 취할 수 있게 함으로써, 조직은 대규모로 탁월한 고객 경험을 제공할 수 있습니다.

Model Context Protocol 통합, 시각적 구성 도구, 세분화된 보안 제어, 관찰성의 조합은 지능적이고 행동 지향적인 고객 경험을 구축하기 위한 강력한 플랫폼을 만듭니다. 셀프서비스 상호작용을 자동화하든 AI 지원으로 상담원을 강화하든, Amazon Connect는 이를 만들기 위해 필요한 모든 기반을 제공합니다.

조치를 취하는 AI 에이전트로 컨택센터를 혁신할 준비가 되셨나요? Amazon Connect 문서를 방문하거나 AWS 계정 팀에 연락하여 특정 사용 사례를 논의하여 오늘 시작하세요.

리소스

Amazon Connect에서 AI 에이전트를 구축하는 방법을 배우고 싶으신가요? Amazon Connect 관리자 가이드는 오케스트레이션 AI 에이전트 생성, 도구 구성, 보안 프로필 설정에 대한 포괄적인 문서를 제공합니다. Amazon Connect에서 AI 에이전트 생성에서 자세히 알아보세요.

AI 에이전트를 직접 체험해 보고 싶으신가요? Amazon Connect에서 Agentic AI로 지능형 고객 서비스 구축 워크샵을 따라 MCP 서버 등록, 도구 구성, 첫 번째 오케스트레이션 에이전트 배포 방법을 배우세요! 한국어 버전도 제공하고 있습니다.

AI 에이전트와 타사 시스템을 통합하고 싶으신가요? Model Context Protocol 통합과 기존 비즈니스 시스템을 연결하는 방법에 대해 알아보세요. MCP 도구로 AI 에이전트가 정보를 검색하고 작업을 완료하도록 설정을 참조하세요.

AI 에이전트 성능을 모니터링하고 싶으신가요? 관찰성 대시보드를 탐색하고 주요 지표를 추적하고, 알림을 설정하고, 구성을 최적화하는 방법을 알아보세요. AI 에이전트 성능 대시보드에서 자세히 알아보세요.

AWS 기술 블로그