월 100만 분 상담 처리와 이탈 리드 12% 회복

중고차 거래는 구매자와 판매자가 수차례 전화를 주고받고, 서류를 대조하며, 일정을 조율하는 팔로업 과정이 며칠 혹은 몇 주간 이어지는 번거로운 경험이 일반적이다. Cars24는 사람이 직접 대응하던 이 파편화된 여정을 OpenAI 기반 에이전트로 자동화했다. 그 결과 월 100만 분 이상의 상담 시간을 AI 에이전트가 처리하며 대규모 상담 체계를 구축했다.

Cars24는 인도와 UAE, 호주에서 중고차 매매 생태계를 운영하는 기업이다. 이들이 활동하는 시장은 대부분의 거래가 수동으로 이루어지고 규제가 복잡해 일관된 고객 경험을 제공하기 위해 막대한 운영 인력이 필요했다. 회사는 OpenAI API를 활용해 음성 및 채팅 에이전트를 구축하고, 차량 탐색부터 금융 상담, 재판매, 사후 관리까지 이어지는 차량 소유 주기 전반에 AI를 배치해 운영 규모를 확장했다.

특히 판매 리드(Lead, 잠재 고객)의 이탈을 막는 과정에서 성과를 냈다. AI 에이전트가 자동으로 재참여를 유도하는 프로세스를 도입해, 이탈했던 판매 리드의 12%를 회복했다. AI가 이탈 고객에게 다시 접촉해 판매 의사를 확인하고, 회사의 가격 조건과 고객의 요구 사항을 맞추어 다시 판매 깔때기(Funnel)로 유입시킨 결과다.

AI를 단순한 질의응답 챗봇이 아니라 리드 회복이나 상담 예약 같은 특정 비즈니스 워크플로우(Workflow)에 직접 결합했다. 고볼륨의 고객 접점에서 발생하는 반복적인 소통을 자동화함으로써 운영 팀의 규모를 늘리지 않고도 서비스의 일관성을 유지했다.

구매·판매 여정별 맞춤형 에이전트 설계 방식

Cars24는 OpenAI API 기반의 음성 및 채팅 에이전트로 구매와 판매의 모든 과정을 자동화했다. 구매자가 전화를 걸면 AI 에이전트가 예산, 가족 규모, 통근 거리, 선호 차량 유형을 확인한다. 수집된 데이터를 바탕으로 카탈로그에서 적합한 차량을 추천하고 시승 예약을 잡으며 금융 상담까지 연결한다. 시승 전에는 방문 일정을 확인하고 고객의 취향 변화에 맞춰 다른 차량을 제안하거나 금융 심사에 필요한 추가 정보를 수집한다. 시승 후에는 구매 진행 여부나 추가 방문 예약을 AI가 확인하며, 구매 완료 후에도 보증 문의나 반품, 사후 관리 서비스를 지원한다.

차량을 판매하는 과정에서도 AI 에이전트가 운영 레이어 역할을 수행한다. 에이전트가 차량의 상세 정보를 수집하고 점검 일정을 예약하며 리마인드 메시지를 발송한다. 고객이 약속을 지키지 못했을 때는 일정을 재조정하고, 다른 곳에 차량을 판매한 고객에게는 경쟁사 인사이트를 제공해 이탈 원인을 분석한다. 특히 접촉 후 10일이 지나 이탈한 판매 리드를 대상으로 AI가 다시 접촉해 구매 의사를 확인하고, 가격 조건이 맞을 때 고객을 다시 판매 깔때기로 유입시킨다. 이를 통해 예산 확인부터 시승 예약, 사후 관리까지 이어지는 단계별 워크플로우를 AI가 직접 수행한다.

600명 직원의 운영 레이어가 된 Codex와 ChatGPT Enterprise

Cars24는 내부 툴 개발의 병목 현상을 해결하기 위해 중앙 조직 직원 약 600명에게 ChatGPT Enterprise와 Codex를 도입했다. Codex는 코드를 생성하고 이해하는 AI 모델로, 여기서는 전사 운영 체제로 활용된다. 도입 결과 일일 활성 사용자(DAU) 비율이 85%에서 90%에 달하는 활용도를 기록했다.

엔지니어링 팀은 Codex를 소프트웨어 개발 생명주기 전반에 배치했다. 프로젝트 관리 워크플로우를 Linear라는 티켓 관리 도구 중심으로 재편해 Codex가 일상 업무를 지원하게 했다. 제품 관리자는 티켓 내용을 정교화하고, 개발 팀은 버그 리포트에 Codex를 태그해 작업을 처리한다. 또한 GitHub에서 수행된 작업 내용을 요약해 팀에 공유함으로써 매일 진행하는 스탠드업 미팅 횟수를 줄였다.

AI 활용 범위는 재무와 투자자 관계(IR) 팀으로 확장되었다. 재무 팀은 Codex를 이용해 기록 시스템에서 수치를 직접 추출하고 분석하며, 투자자 보고서 작성 과정을 자동화했다. 특히 일정 금액 이상의 구매 요청서(PO) 검토 워크플로우에서는 설정된 임계값을 기준으로 이상 징후를 탐지해 경고를 보내거나, 문제가 없는 요청은 자동으로 승인하는 체계를 구축했다.

현업 팀들이 중앙 엔지니어링 팀의 지원 없이 직접 도구를 만드는 문화가 정착되면서 맞춤형 에이전트 구축 사례도 늘었다. 일부 팀은 Slack, Gmail, WhatsApp 등 서로 다른 통신 채널을 연결한 비서(Chief of Staff) 에이전트를 자체 구현해 커뮤니케이션 관리, 일정 조율, 채용 워크플로우, 팔로업 작업을 수행하고 있다.

'파일럿'을 넘어 '프로덕션'으로 가는 워크플로우 결합 전략

내부 운영 효율화를 달성한 Cars24는 AI 도입 시 고객 접점의 고볼륨 상담 영역에서 시작해 내부 운영으로 확장하는 단계적 접근 방식을 취했다. 먼저 고객 접점 레이어에서 대규모 상담을 처리하며 리드 회복과 같은 실질적인 전환 지표를 확인했다. 이후 외부 접점에서 검증된 AI의 효용성을 사내 운영 체계로 가져와 내부 운영 레이어로 배치를 확대해 도입 리스크를 줄였다.

AI를 단순한 실험인 파일럿을 넘어 실제 서비스인 프로덕션 단계로 올리는 핵심은 범용 도구의 제공이 아니라 구체적인 비즈니스 워크플로우와 결합하는 것이다. Cars24는 단순한 질의응답 챗봇을 배치하는 대신 특정 비즈니스 프로세스 자체에 AI를 내재화했다. 업무의 세부 단계마다 AI를 배치해 병목을 제거함으로써 AI를 운영 체제로 작동시켰다.

AI 도입 성과는 모델의 파라미터 수나 벤치마크 성능보다 AI를 어떤 업무 흐름에 결합하느냐는 설계 단계에서 결정된다. 현업 담당자가 직접 워크플로우를 설계하고 AI를 배치하는 구조는 중앙 집중식 개발 구조에서 발생하는 소통 비용을 낮춘다. 결국 실질적인 성과는 비즈니스 프로세스를 세밀하게 분해하고 AI가 개입할 최적의 지점을 찾아내 프로세스를 재설계했을 때 나타난다.

Cars24는 챗봇 도입을 넘어 리드 회복이나 승인 절차 같은 실질적인 프로세스를 재설계해 전환율을 높였다. AI를 단순한 도구가 아닌 특정 비즈니스 단계의 전환율을 높이는 워크플로우 결합 전략으로 활용한 결과다.

결국 AI 도입의 성패는 기존의 운영 레이어를 얼마나 정교하게 대체하고 연결하느냐에 달려 있다. 단순한 질의응답을 넘어 특정 비즈니스 단계의 전환율을 높이는 워크플로우 결합 전략을 기준으로 현재의 AI 활용 수준을 점검해야 한다.