"s table stakes today,"

브라이언 도노휴(Brian Donohue) Fin 제품 부사장이 고객 지원 운영팀의 데이터 분석과 지식 관리 수준을 언급하며 한 말이다. 이제 단순한 관리를 넘어 AI 에이전트 자체를 최적화하는 운영 단계로 진입했다.

Fin Operator의 기능과 출시 일정

Fin(고객 응대 AI 에이전트)은 현재 전 세계 8,000개 고객사에서 매주 200만 건 이상의 이슈를 해결하고 있다. 이 시스템을 관리하기 위해 출시된 Fin Operator(AI 에이전트 관리 전용 AI)는 오늘부터 Pro 티어 사용자에게 조기 액세스를 제공하며, 2026년 여름 정식 출시될 예정이다.

Fin은 최근 연간 반복 매출(ARR, 매년 고정적으로 발생하는 매출) 1억 달러를 돌파했으며 성장률은 3.5배에 달한다. 전체 회사 매출 4억 달러 중 약 25%가 Fin에서 발생하고 있으며, 이는 AI 에이전트가 단순한 기능을 넘어 사업의 핵심이 되었음을 보여준다.

Fin Operator는 세 가지 전문 역할을 수행한다. 데이터 분석가로서 "지난주 팀 성과가 어떠했는가"와 같은 고수준 질문에 답하며, 플랫폼 내 저장된 데이터를 기반으로 즉석 차트와 추세 보고서를 생성한다. 지식 관리자 역할에서는 3페이지 분량의 신기능 설명 PDF를 입력받아 전체 콘텐츠 라이브러리를 검색하고, 수정이 필요한 부분을 찾아 초안을 작성한다. 에이전트 빌더 역할로는 Fin의 내부 추론 단계를 추적해 오류의 근본 원인을 진단하고, 이를 해결할 가이드라인 수정안을 제안한 뒤 기존 대화 데이터로 백테스트(Back-test, 과거 데이터를 통해 수정안의 유효성을 검증하는 과정)까지 수행하는 디버거 스킬(Debugger skill, AI의 오류를 찾아 수정하는 기능)을 갖췄다.

수동 튜닝에서 제안 기반 자동화로의 전환

예전에는 AI 고객 응대 에이전트를 설정하는 과정이 SaaS(Software as a Service, 클라우드 기반 소프트웨어 서비스) 도구를 설정하는 것과 비슷했다. 그러나 실제 운영 단계에서는 신입 사원을 교육하는 것과 같은 지속적인 튜닝 과정이 필요했다. 매 대화가 잠재적 실패 지점이 되며, 이를 진단하고 수정하는 과정은 매우 지루하고 기술적인 반복 작업이었다. Fin Operator는 이러한 루프를 대화형 인터페이스로 통합해 작업 시간을 수 시간에서 10분 내외로 단축했다.

반면 완전 자율형 AI 시스템을 지향하는 시장 흐름과는 다른 경로를 택했다. Fin Operator가 제안하는 모든 수정 사항은 소프트웨어 공학의 풀 리퀘스트(Pull Request, 코드 변경 사항을 검토 요청하는 방식)와 유사한 제안 시스템(Proposal system)을 통해 전달된다.

주목할 점은 인간의 승인 없이는 어떤 변경 사항도 실제 시스템에 반영되지 않는다는 점이다. 사용자가 diff 뷰(Diff view, 변경 전후의 차이를 보여주는 화면)를 통해 내용을 검토하고 적용 버튼을 눌러야만 최종 반영된다. 이는 AI의 자율성보다 운영의 안정성을 우선시한 설계다.

AI 에이전트의 보급보다 더 시급한 과제는 그 에이전트를 유지보수할 전문 인력의 부족을 해결하는 것이다.