고객의 불만이 기회가 되기까지
문제해결능력 BVS.03 | EP.1
문제해결능력은 해결의 능력이 아니라, ‘정의의 힘’이다.
Basic Vocational Skills 3. 문제해결능력(1/2회차)
6화. 고객의 불만이 기회가 되기까지
그날, 나는 또 한 명의 진상 고객을 만났다고 생각했다
오전 10시 10분, 매장 오픈한 지 10분도 채 되지 않았는데
벌써 목소리가 커지는 소리가 들렸다.
“어제 산 이 제품, 지금 보니까 스크래치 있어요. 어떻게 된 거예요?”
매장 끝쪽, A존 계산대 앞에서 중년의 남성 고객이 흥분한 얼굴로 포장된 제품을 흔들고 있었다.
직원이 조심스럽게 포장을 확인하며 말끝을 흐렸다.
“아… 저희가 출고할 땐 확인했는데요…”
“확인했으면 이런 일이 있었겠어요? 시간도 없는데, 빨리 처리해요.”
그 순간, 나는 ‘아 또 시작이군’ 싶었다.
지난달에도 한 차례 교환을 요청했던 단골 고객.
이번엔 아예 아침 일찍 찾아와 컴플레인을 터뜨렸다.
솔직히, 진상이었다.
고객 응대는 감정노동이다
나는 신입 시절부터 고객센터와 매장 관리, 클레임 응대 업무를 두루 맡아왔다.
고객 불만 응대 매뉴얼은 달달 외우다시피 했고,
‘먼저 사과드리고, 문제를 파악한 뒤, 가능한 빠르게 해결방안을 제시할 것’이라는
상사의 말도 귀에 못이 박히도록 들었다.
하지만 정작 현장에선 매뉴얼보다 감정이 먼저 작동했다.
이해할 수 없는 언성, 반복되는 교환 요청,
그리고 본인의 실수도 전부 직원 탓으로 돌리는 고객들.
‘이건 해결할 수 있는 문제가 아니라, 그냥 받아줘야 하는 불만이야.’
그날도 나는 그렇게 생각했다.
그러나 그 불만은 이상했다
해당 제품은 전날 입고된 신제품으로,
입고 당시 품질검수도 철저하게 진행된 상태였다.
게다가 클레임을 제기한 고객 말고도 동일 제품을 구입한 고객이 여럿 있었는데
지금껏 비슷한 불만이 없었다.
단순히 ‘운 나쁜’ 하나의 사례인가?
하지만 고객이 말한 스크래치 위치와 모양은 묘하게 일관적이었다.
이전에 발생했던 다른 컴플레인 사례와도 유사한 점이 있었다.
그래서 나는 포장 박스를 다시 살펴보았다.
그리고 미묘한 사실 하나를 발견했다.
“아, 이 라벨이… 다른 박스보다 살짝 안쪽에 붙어 있는데요.
접히는 쪽이라 운반 중에 이 부분이 눌릴 수 있겠네요.”
단순한 하자 문제가 아니었다.
제품 불량이 아니라, 포장 방식에서 오는 반복 오류일 가능성이 떠올랐다.
클레임은 단발의 분노가 아니라,
숨겨진 원인의 시그널이었다.
작은 이질감은 문제의 실마리였다
내가 품질 담당자에게 해당 제품 포장 상태를 공유하자
그는 “지난번에도 비슷한 얘기가 있었어요”라고 말했다.
그러나 고객 한두 명의 반응으로 전체 생산라인에 문제를 제기하긴 어렵다는 입장이었다.
그래도 나는 포기하지 않고
지난 두 달간 접수된 동일 제품 클레임 내역을 다시 확인해보았다.
그리고 ‘스크래치 위치’, ‘배송업체’, ‘포장 시간대’를 기준으로 정리했다.
패턴은 명확했다.
스크래치 발생 비율이 특정 물류센터와 시간대에 집중돼 있었다.
이때부터 이야기는 달라졌다.
해당 물류센터의 자동 포장기에 문제가 있었고,
설정된 라벨 부착 위치가 박스 접힘선을 침범하고 있었던 것이다.
이 라벨이 박스를 밀어내며 내부에서 마찰을 일으켰고,
이로 인해 특정 제품에만 일관된 손상이 반복적으로 발생한 것이었다.
불만은 ‘문제’이자 ‘데이터’였다
그 고객이 나에게 항의하지 않았다면,
나는 아무것도 알아차리지 못했을 것이다.
늘상 있는 클레임 중 하나라고 넘겼을 것이다.
그러나 그 불만은 단지 한 사람의 기분 문제가 아니었다.
시스템의 작은 오류를 발견하게 해준 시그널이자,
회사가 개선할 수 있는 구체적 증거였다.
그 날 이후,
나는 고객 클레임을 다시 보기 시작했다.
무시하고 싶은 말들 사이에,
묻혀 있던 진짜 문제가 숨어 있다는 걸 알게 되었기 때문이다.
이 이야기는
단순한 불만을 '문제'로 인식하고,
그 문제가 '기회'로 바뀌는 과정의 첫 실마리를 담고 있다.
왜 문제해결능력은 불만에서 시작되는가?
“문제해결능력은 ‘해결’보다 ‘발견’에서 시작된다.”
이 말을 처음 들었을 땐 추상적으로 들렸다.
우리는 늘 ‘어떻게 해결할 것인가’를 고민하지,
‘어디에 문제가 있는가’를 그리 오래 붙잡지는 않는다.
특히 현장에서 반복되는 클레임이나 사소한 오류는
‘그냥 일어나는 일’로 처리되기 쉽다.
그러나 실제로는 그 ‘사소한 불편’이
가장 구조적인 문제를 드러내는 입구일 수 있다.
불만은 늘 시스템의 모서리에서 터진다.
“불만은 시스템이 낸 신호다”
고객은 종종 애매하게 화를 낸다.
“예전보다 뭔가 좀 불편해졌어요.”
“상품은 괜찮은데 느낌이 별로예요.”
“전에는 이러지 않았잖아요?”
구체적인 수치도 없고, 명확한 항의도 아닌 말들.
하지만 이 말들 속에는 변화의 징후가 숨어 있다.
고객의 ‘느낌’은 제품 품질 이상일 수 있다.
반복되는 ‘불편’은 매뉴얼 설계 오류일 수 있다.
작고 무시한 ‘오차’는 공정 전체의 헛점일 수 있다.
즉, 문제해결능력은 문제 자체보다, ‘문제를 어떻게 인식하는가’에서 시작된다.
조직은 문제를 외면하는 방식으로 훈련되어 있다
많은 회사는 클레임을 관리 항목으로 다룬다.
접수 건수 감소
응대 시간 단축
처리 속도 향상
이런 수치 지표에 집중하다 보면
정작 클레임 안에 있는 문제의 본질을 놓치게 된다.
가령 “교환 요청이 많다”는 현상은
단지 품질의 문제가 아니라,
‘제품 기대와 실제 간의 간극’일 수 있다.
‘설명서의 난해함’일 수도 있고,
‘고객 서비스 경험의 불일치’일 수도 있다.
하지만 우리는 보통 표면만 본다.
‘교환 처리 완료’, ‘고객 응대 완료’라는 행정적 마침표를 찍고 나면
문제는 사라졌다고 믿는다.
불만을 문제로 인식하지 못하면, 해결은 없다
가장 위험한 건 불만이 일상이 되는 순간이다.
“고객은 원래 민감해.”
“그 사람만 까다로운 거야.”
“항상 있는 일이야.”
이런 말들에 익숙해질수록
문제를 해결할 기회는 점점 멀어진다.
진짜 문제는 ‘해결하지 못한 문제’가 아니라,
‘문제라고 인식되지 않은 문제’이기 때문이다.
문제해결능력의 첫 단계는 '의심'이다
늘 하던 방식은 과연 지금도 최선인가?
반복되는 실수는 정말 개인의 역량 탓인가?
불편하다는 의견은 단순한 불만인가, 구조의 경고인가?
이런 질문을 할 수 있을 때,
비로소 ‘해결’이라는 단어에 다가설 수 있다.
즉, 문제해결능력의 핵심은 ‘기술’보다 ‘시선’이다.
문제를 바라보는 시선,
그리고 문제를 숨기지 않고 드러내려는 용기.
고객의 불만은 외부인의 시선이다
조직 안에선 익숙해진 풍경도,
외부인에게는 낯설다.
설명서는 왜 이렇게 복잡한가요?
이 서비스, 제가 굳이 따로 알아봐야 하나요?
한두 번쯤은 이해했지만, 계속 이러면 좀 그렇네요.
고객은 우리가 놓친 것을 이야기한다.
때로는 너무 직설적으로, 때로는 막연하게.
하지만 그 속에는
우리가 내부에서 보지 못한 문제의 실루엣이 있다.
결국 문제해결능력이란,
불만을 견디는 능력이 아니라,
불만에서 기회를 읽어내는 능력이다.
문제해결능력은 어떻게 작동하는가
NCS가 정의하는 문제해결능력은 단순한 ‘문제 해결 스킬’이 아니다.
이는 모든 직무에서 반복적으로 마주치는 문제 상황에 대응하고, 이를 효과적으로 해결할 수 있는 기초역량이다.
즉, 특정 직종에 국한되지 않고, 어느 업무에서든 통용되는 직업 공통역량이다.
이 능력은 크게 네 가지 단계로 구성되어 있다.
1. 문제 인식
2. 원인 분석
3. 대안 탐색
4. 실행 및 평가
이 네 단계를 통해 문제는 단순한 불만이나 오류를 넘어서
의미 있는 개선과 기회로 전환된다.
1단계. 문제 인식 – 현상의 이면을 들여다보는 힘
문제는 종종 ‘문제처럼 보이지 않는다.’
반복되는 고객 항의
낮은 업무 효율
누락되는 체크리스트
이 모든 것이 문제의 징후일 수 있지만,
너무 익숙하면 그것이 문제라는 사실조차 인식하지 못한다.
문제해결능력의 시작은 바로
“이건 원래 그런 거야”라는 말에 의문을 던지는 것이다.
예를 들어, 매주 금요일마다 야근이 잦은 부서가 있다면
그건 단순히 ‘업무량이 많아서’가 아니라
업무 흐름에 숨겨진 병목, 혹은 일정관리의 문제가 있을 수 있다.
2단계. 원인 분석 – 사실을 추적하는 사고력
문제를 인식했다면,
그다음은 왜 그런 일이 반복되는지 원인을 파악하는 일이다.
여기에서 중요한 건 ‘탓’을 찾는 게 아니라 ‘흐름’을 추적하는 것이다.
업무 흐름상 어디서 지연이 발생하는가?
어떤 조건이 겹칠 때 문제가 나타나는가?
사람이 문제인가, 시스템이 문제인가?
예를 들어, 고객 불만이 특정 시간대에 집중된다면
이는 단순히 고객의 ‘기분’ 문제가 아니라
인력 배치, 대기시간, 시스템 처리속도 등
다양한 요소의 상호작용일 수 있다.
즉, 원인 분석은 단편적인 사실을 넘어 구조를 이해하려는 시도다.
3단계. 대안 탐색 – 상상력과 현실 감각의 조율
문제의 구조를 파악했다면,
그다음은 ‘어떻게 바꿀 수 있을까?’를 설계하는 과정이다.
대안은 창의성만으로 만들어지지 않는다.
실행 가능해야 하고,
조직의 자원과도 맞아야 하며,
현장의 맥락을 고려해야 한다.
예를 들어, 고객 응대 오류가 반복될 경우
‘교육 강화’라는 정답 대신
FAQ 자동화 도입
반복 문의 유형에 따른 대응 시나리오 개발
응대자별 상담 이력 자동분석 시스템 도입 등
보다 실질적이고 실행 가능한 대안이 필요하다.
좋은 대안은 ‘되면 좋겠다’가 아니라 ‘지금 당장 해볼 수 있는 것’이어야 한다.
4단계. 실행 및 평가 – 실행하지 않으면 아무 일도 일어나지 않는다
실행은 말처럼 쉽지 않다.
실패가 따르기도 하고, 현장의 반발도 만만치 않다.
문제해결능력은 단지 ‘아이디어를 낸 사람’의 역량이 아니라,
그 아이디어를 설득하고, 실행하고, 피드백받고, 수정하는 전체 과정의 능력이다.
실행 이후 효과는 있었는가?
부작용은 없었는가?
다른 부서나 업무에도 적용할 수 있는가?
이런 피드백 루프까지 포함해야
문제해결능력은 ‘프로젝트 능력’이 아니라
‘직무 기초역량’으로 자리 잡는다.
왜 문제해결능력은 모든 직업인의 필수 역량인가?
어떤 직무든
반복적인 과업 수행 외에
예상치 못한 상황, 복잡한 현장 변수, 사람 간 갈등 등
예외적 문제 상황에 직면하게 된다.
이때 필요한 것이
정답을 찾는 능력이 아니라
현장을 관찰하고, 질문하고, 유연하게 접근하며, 결과를 점검하는 사고력이다.
문제해결능력이란
지식보다 넓고,
스킬보다 깊으며,
태도보다 실천적인 능력이다.
AI는 문제해결의 어디까지를 도와줄 수 있을까?
문제해결은 원래 인간의 고유 영역이었다.
현장을 직접 보고, 사람의 감정을 읽고, 복잡한 맥락을 고려해
어떤 선택이 최선일지를 가늠하는 것.
이 과정은 정답이 없기에 늘 ‘경험’과 ‘직관’이 중요했다.
그러나 지금, 이 영역에도 AI가 들어오고 있다.
문제는 바뀌지 않았지만, 문제를 다루는 방식은 완전히 달라지고 있다.
이제 AI는 ‘문제’를 감지하는 역할을 시작했다
기업에서는 고객센터 콜 데이터를 분석해
불만 유형을 자동 분류하고,
감정 분석으로 클레임의 심각도를 판단하는 시스템을 도입하고 있다.
예를 들어,
AI는 수천 통의 전화 기록에서
‘배송’, ‘불량’, ‘응대 태도’와 같은 키워드의 빈도와 조합을 추적해
반복되는 문제 유형을 도출해낸다.
사람이라면 일일이 들여야 할 시간을,
AI는 몇 분 만에 요약해준다.
또한 ‘감정 점수’를 분석해
화가 심하게 난 고객은 우선 응대 대상으로 분류하거나
해당 문제를 즉시 관리자에게 알리는 시스템도 활용 중이다.
문제를 먼저 인식하는 감지 센서로서의 AI.
이것이 첫 번째 역할이다.
두 번째 역할: 원인을 빠르게 분석한다
과거에는 클레임이 생기면
담당자는 메일, 회의록, 거래 기록, 상담 이력 등
수많은 데이터를 뒤져야 했다.
지금은 AI가
시간대별 클레임 발생량
담당자별 응대 이력
제품별 오류 유형
등을 자동으로 정리해준다.
Power BI, Google Looker Studio, ChatGPT Code Interpreter 같은 도구들은
방대한 데이터에서 문제의 핵심 지점을 시각화한다.
‘무엇이, 언제, 어떻게’ 문제가 되었는지를
단번에 드러내는 것이다.
이것은
문제 인식 → 원인 분석까지의 시간을 단축시키는 강력한 도구가 된다.
세 번째 역할: 대안 탐색을 넓혀준다
AI는 수많은 유사사례를 학습한 기반 위에서
‘이런 문제에는 이런 해결책이 있었다’는 레퍼런스를 제공한다.
예를 들어,
매장 운영 시 특정 시간대에 고객 대기가 많다는 데이터가 있다면
AI는 과거 데이터 기반으로
인력 재배치 시뮬레이션
대기 시간 최소화 방식
Kiosk나 앱 활용 방안
을 제시할 수 있다.
또한 문서 기반의 AI인 ChatGPT나 Claude, Gemini 등은
“고객 응대 매뉴얼을 개선해줘”
“이런 클레임 유형에 대응하는 시나리오 만들어줘”라고 요청하면
즉시 실행 가능한 문서와 말의 흐름까지 제시한다.
AI는 해결책을 ‘찾는’ 것이 아니라, ‘설계 도우미’로 변하고 있다.
네 번째 역할: 실행 후 피드백 분석까지
문제해결은 해결책을 내는 것에서 끝나지 않는다.
실행 이후 정말 효과가 있었는지, 부작용은 없었는지를 평가하는 일이 중요하다.
이 역시 AI가 활약할 수 있다.
고객 반응 리뷰 분석
설문 응답 정량·정성 요약
실행 전후 비교 그래프 자동 생성
사내 피드백 로그 분석
예전에는 자료를 모으는 데만도 시간이 걸렸다면,
지금은 ‘결과 요약과 비교’까지 자동으로 가능하다.
즉, AI는 문제해결의 전 과정 – 인식, 분석, 대안 설계, 실행 평가 –를 모두 보조할 수 있는 조력자다.
하지만 ‘문제의 핵심’은 여전히 사람에게 달려 있다
AI는 데이터를 분석하고, 사례를 제시하고, 흐름을 정리해줄 수 있다.
하지만 무엇이 진짜 문제인지, 어떤 방향이 조직에 적합한지,
어떤 결정이 사람을 살리는지는 AI가 판단하지 못한다.
AI가 분석한 불만이
단순한 ‘오류’인지,
아니면 ‘고객의 감정이 상한 경험’인지를 구별하는 일은
사람만이 할 수 있다.
또한 조직의 특수성, 시장의 맥락,
사람 간의 미묘한 소통 구조까지 고려할 수 있는 존재는
여전히 인간이다.
결국 AI는 “도구”이고,
문제해결능력은 “태도”다.
이 둘이 만나야
진짜 일하는 방식이 바뀐다.
정리 및 제언
– 문제를 해결하는 사람이 아니라, 문제를 정의할 수 있는 사람이 되자
우리는 종종 문제해결력을 ‘문제를 잘 푸는 능력’이라고 생각한다.
그러나 실제 업무 현장에서 마주치는 문제는
정답이 있는 수학 문제가 아니다.
수식처럼 깔끔하게 풀리는 것도 아니고,
단 한 번의 아이디어로 모든 것을 해결할 수도 없다.
현장의 문제는 흐릿하다.
상황은 복잡하고, 감정이 섞여 있고, 원인은 여러 갈래로 퍼져 있다.
그래서 ‘어떻게 해결할까’보다 더 중요한 것은
‘무엇이 진짜 문제인가’를 정의하는 힘이다.
“문제”는 질문의 형태로 존재한다
왜 이 일은 반복될까?
고객은 정말 화가 난 걸까, 실망한 걸까?
내가 불편했던 건 시스템 때문인가, 소통 방식 때문인가?
우리 팀은 왜 항상 비슷한 상황에서 멈춰설까?
이처럼 문제해결은 질문에서 시작된다.
질문이 깊어질수록, 해결책도 달라진다.
예를 들어,
“왜 고객이 화를 내는가?”라는 질문보다
“고객이 이 과정에서 잃어버린 감정은 무엇인가?”라는 질문을 던지면
우리는 더 근본적인 ‘신뢰 회복’이라는 해법에 도달할 수 있다.
문제를 정의하지 않으면, 아무리 잘 해결해도 소용없다
잘못된 문제를 풀면,
그 해답은 아무 쓸모가 없다.
현장에서 “우리, 이거 고쳐야 해요”라는 말은 자주 나온다.
하지만 그것이 진짜 고쳐야 할 것인지,
아니면 단순한 불편함인지, 혹은 오히려 강점인지는 별도로 따져봐야 한다.
문제의 정의는
상황, 사람, 흐름, 감정, 시스템, 자원
모든 것을 복합적으로 고려한 후에
조심스럽게 내리는 ‘현장의 언어’이다.
AI 시대, ‘문제정의자’의 가치는 더욱 높아진다
AI는 데이터를 잘 다룬다.
패턴도 잘 찾는다.
하지만 무엇이 문제인지, 무엇이 ‘더 나은 방향’인지는
여전히 사람만이 판단할 수 있다.
우리는 이제 ‘정보의 부족’보다
‘정보의 과잉’ 속에서 길을 잃는다.
그래서 중요한 건,
수많은 데이터 중에서 의미 있는 신호를 식별해내는 힘,
그리고 그것을 ‘문제’라는 이름으로 정의하고,
조직의 언어로 다시 설계할 수 있는 통합적 사고력이다.
‘해결’은 언제나 정의 이후에 온다
우리는 이제 이렇게 말해야 한다.
문제를 발견하는 사람이 되자
문제를 ‘다르게’ 바라보는 사람이 되자
문제를 ‘구조화’하고 ‘해석’하는 사람이 되자
그리고 그 문제에 적절한 사람과 AI를 연결할 수 있는 설계자가 되자
이것이야말로
AI 시대에 요구되는
문제해결능력의 확장된 의미이자
직업기초능력의 핵심이다.
요약하자면,
문제해결능력은 해결의 능력이 아니라, ‘정의의 힘’이다.
어떤 문제든,
그 문제를 올바르게 정의할 수 있다면
해결은 이미 반쯤 성공한 것이다.
문제를 올바르게 정의하는 구체적인 방법과 AI를 활용해 원인 분석·대안 탐색을 실습하는 절차, 그리고 다양한 생활·조직 사례는 『AI로 푸는 전략적 문제해결』 책자에서 자세히 확인하실 수 있습니다. 본 회차에서 소개한 문제 정의 프레임워크를 실제 상황에 적용하는 방법을 단계별로 안내합니다.
