'브랜드 보이스를 내는 AI'가 말처럼 쉽지 않은 이유 — 그리고 잘하는 시스템은 실제로 어떻게 하는가

AI 지원 벤더는 하나같이 당신의 브랜드처럼 말하겠다고 약속합니다. 데모에서는 친근한 톤의 응답에 회사 이름이 들어가 있습니다. 고객은 고개를 끄덕이고, 계약이 성사되고, AI는 프로덕션에 투입됩니다.

6개월 뒤, 누군가 "고객님의 불편에 깊이 공감하며, 함께 해결해 나가는 동안 기다려 주셔서 감사합니다"라는 AI 응답을 캡처해 트위터에 올립니다. 수년간 '건조한 유능함'이라는 목소리를 가꿔 온 회사가 순식간에 콜센터처럼 보이게 되는 것입니다.

브랜드 보이스를 '브랜드 이름 끼워 넣기'로 착각한 AI 시스템의 결말이 이렇습니다.

진짜 브랜드 보이스는 미묘합니다. 무엇을 말하는지만큼이나 무엇을 말하지 않는지에서 드러납니다. 테크 지향 브랜드라면 마찰을 만든다는 이유로 격식 어구를 걷어낼 수 있습니다. 호스피탈리티 중심 브랜드는 정반대로 하겠지요. 개발자 도구 회사는 고객이 쓰는 언어이기에 기술 용어를 쓰고, 컨슈머 브랜드는 그것을 철저히 피할 수 있습니다.

이걸 AI 응답에서 제대로 해내기는 정말 어렵습니다. 대부분의 벤더는 해내지 못합니다. 그리고 대부분의 고객은 프로덕션 깊숙이 들어가 불만이 쌓이기 시작할 때까지 그 사실을 모릅니다.

브랜드 보이스는 실제로 무엇으로 이루어지는가

AI 응답이 당신의 브랜드처럼 들리는지 여부는 여섯 가지 차원이 결정합니다.

격식 수준. 언어가 얼마나 격식 있거나 캐주얼한가? "안녕하세요!"인가 "안녕하십니까"인가? 이모지를 쓰는가, 쓰지 않는가? 브랜드마다 이 축 위의 위치는 크게 다릅니다.

따뜻함의 신호. 글이 감정을 얼마나 인정하는가? 모든 메시지를 "충분히 이해합니다"로 시작하는 지원은 대본처럼 읽히고, 감정을 전혀 언급하지 않는 지원은 차갑게 읽힙니다. 적정 수준은 브랜드마다 다릅니다.

직설성. 당신의 브랜드는 바로 본론으로 들어가나요, 아니면 서두를 쌓나요? "구독은 3월 5일에 갱신됩니다"와 "다가오는 구독 갱신 건으로 연락드렸습니다 — 갱신일은 3월 5일입니다"는 같은 정보지만 목소리가 다릅니다.

권위의 수준. 브랜드가 스스로를 '사용자를 이끄는 전문가'로 내세우나요, '동료를 돕는 동료'인가요, '겸손한 조력자'인가요? 이는 "가장 좋은 방법은 …입니다" 대 "…을 시도해 보셔도 좋습니다" 대 "함께 방법을 찾아보겠습니다" 같은 표현 차이로 드러납니다.

유머와 위트. 가볍고 때로는 재치 있는 것이 어울리는 브랜드가 있고, 그렇게 하면 어색해지는 브랜드가 있습니다. AI의 기본값은 대개 밋밋한 중립 — 어느 방향의 유머도 없음 — 이라 양극단의 브랜드 모두에게 살짝 어긋난 소리를 냅니다.

나쁜 소식을 전하는 방식. 당신의 브랜드는 "안 됩니다", "지원하지 않습니다"를 어떻게 전하나요? 템플릿식 AI 응답은 공감으로 감싸는 방식입니다: "기대하신 답변이 아니라 정말 죄송하지만, 아쉽게도…". 정확히 이렇게 하는 브랜드도 있습니다. 반면 "해당 기능은 지원하지 않습니다"라고만 말하고 넘어가는 브랜드도 있습니다.

여섯 가지를 모두 일관되게 지켜내는 것 — 그것이 AI 응답을 당신의 팀이 쓴 것처럼 들리게 만듭니다. 하나라도 어긋나면 고객은 이유를 설명하지 못해도 어색함을 느낍니다.

프롬프트 엔지니어링으로는 부족한 이유

AI 지원에서 브랜드 보이스를 구현하는 기본 접근은 프롬프트 엔지니어링입니다. 브랜드 보이스에 대한 설명을 써서 모델 컨텍스트 앞에 붙입니다: "친근하고 전문적인 톤으로 응답하세요. 지나친 격식은 피하고, 답변은 간결하게 유지하세요."

데모에서는 통합니다. 프로덕션에서는 세 가지 이유로 무너집니다.

일관성 드리프트. LLM은 확률적입니다. 같은 프롬프트라도 고객 질문이 조금 달라지면 톤이 조금 다른 응답이 나옵니다. 어떤 때는 원하는 것보다 따뜻하고, 어떤 때는 차갑고, 어떤 때는 브랜드 목소리에 거슬리는 표현이 튀어나옵니다. 이 편차는 평가 단계에서는 보이지 않고 프로덕션에서는 상시 발생합니다.

프롬프트의 취약성. 고객의 말투가 조금만 달라져도 응답 패턴이 달라집니다. 캐주얼하게 쓰는 고객은 캐주얼한 응답을, 격식 있게 쓰는 고객은 격식 있는 응답을 받습니다. 이런 미러링은 AI에게는 자연스럽지만 브랜드 보이스를 깨뜨립니다 — 고객이 어떻게 썼느냐에 따라 브랜드가 말투를 바꿔서는 안 되기 때문입니다.

커버리지 공백. 프롬프트 지침은 당신이 미리 생각해 둔 상황만 다룹니다. 실제 고객 질문은 무한한 공간을 채웁니다. 예상하지 못한 상황에서 AI는 목소리를 즉흥으로 만들어내고, 그 즉흥은 LLM의 중립으로 회귀합니다.

뚜렷한 목소리를 가진 브랜드에게 프롬프트만으로는 '비슷하지만 어딘가 다른' 응답이 나옵니다. 고객은 무엇이 어긋났는지 말로 못 해도 알아차립니다.

실제로 통하는 것: 자체 데이터로 하는 파인튜닝

브랜드 보이스를 실제로 구현하는 시스템은 실제 지원 이력으로 파인튜닝합니다. 과정은 이렇게 진행됩니다.

기존 지원 티켓에는 팀의 목소리를 담은 사례가 수백, 수천 건 들어 있습니다. 상담원이 작성한 모든 응답이 학습 예제입니다 — 고객 질문이 입력, 브랜드 목소리가 실린 응답이 출력입니다.

파인튜닝은 이런 패턴을 내재화하도록 기반 모델을 업데이트합니다. 모델이 배우는 것은 단어 선택만이 아니라 팀이 내리는 판단 그 자체입니다: 언제 사과하고 언제 그냥 고치는지, 언제 맥락을 덧붙이고 언제 간결하게 끝내는지.

파인튜닝 후 모델은 LLM의 기본값이 아니라 당신의 패턴을 반영한 응답을 만들어냅니다. 목소리는 주제와 질문 유형을 가로질러 일관됩니다. 새로운 질문에도 팀이 쓴 것처럼 들리는 응답이 나옵니다 — 모델이 팀의 글에서 배웠기 때문입니다.

비용은 실재합니다. 파인튜닝에는 깨끗한 학습 데이터, 평가 인프라, 그리고 목소리가 진화함에 따라 주기적인 재학습이 필요합니다. 대부분의 벤더가 여기에 투자하지 않는 이유는 비용이 크고 데모에서 보여주기 어렵기 때문입니다. 하지만 프로덕션에서의 차이는 상당합니다.

블라인드 테스트

가장 간단한 평가는 블라인드 리딩입니다.

평가 중인 도구에서 최근 AI 응답 20건을 뽑고, 팀의 최근 사람 응답 20건을 뽑습니다. 서명도 메타데이터도 없이 양쪽을 익명화한 뒤, 브랜드 보이스를 잘 아는 사람에게 보여줍니다.

각 응답을 'AI'와 '사람' 더미로 분류해 달라고 요청하세요.

높은 정확도 — 이를테면 80% 이상 — 로 분류해낸다면, 그 AI는 당신의 브랜드 보이스를 내고 있지 않은 것입니다. 브랜드 이름만 끼워 넣은 범용 AI 지원 목소리일 뿐입니다.

확실하게 구분하지 못한다면, AI가 정말로 당신의 목소리를 배운 것입니다.

대부분의 벤더는 이 테스트에서 떨어집니다. 통과하는 벤더가 진지하게 대화할 가치가 있는 상대입니다.

벤더에게 물어야 할 것

AI 지원 도구를 평가 중이고 브랜드 보이스가 중요하다면, 세 가지 질문이 마케팅의 안개를 걷어냅니다.

"프롬프트 말고, 시스템이 우리 고유의 목소리를 어떻게 학습하나요?" 답이 "보이스 설명을 작성하시면 됩니다"라면 프롬프트 전용입니다. 답에 파인튜닝이나 이력 기반 학습이 포함된다면 더 깊이 파고드세요.

"기존 티켓으로 블라인드 테스트를 해볼 수 있나요?" 좋은 벤더는 이를 위한 인프라를 갖추고 있습니다. 티켓 샘플을 처리해 직접 평가하게 해줄 것입니다. "다른 고객사의 응답 예시를 공유해 드릴 수 있습니다"라고 말하는 벤더는 회피하는 것입니다.

"주제가 달라져도 목소리 일관성을 어떻게 유지하나요?" 흔한 실패 모드는 간단한 질문에서는 목소리가 맞다가 복잡한 질문에서 흐트러지는 것입니다. 전체 질문 범위에서 일관성을 어떻게 유지하는지에 대한 구체적인 답을 갖고 있어야 합니다.

이 답변들이 진지한 벤더와 마케팅을 갈라놓습니다.

자사 티켓으로 블라인드 테스트를 직접 해보고 싶으신가요? 14일 무료 체험을 시작하세요 — Business 전체 기능, 신용카드 불필요 — 또는 20분 데모를 예약하세요. 어느 쪽이든 일주일 안에 맞는 도구인지 알게 됩니다.