저당 디저트 시장 1위 라라스윗이 F&B 배송 CS를 AI로 자동화한 방법

1. 고객사 소개

• 기업명: 라라스윗 (Lalasweet)

• 업종: F&B (저당 디저트)

• 설립 연도: 2018년

• 설명: 라라스윗은 2018년 설립된 국내 저당 디저트 시장을 개척한 브랜드입니다. ‘건강하면서도 맛있는 아이스크림’을 목표로, 설탕 함량과 칼로리를 크게 낮추면서도 본연의 달콤함을 살린 저당 제품으로 빠르게 성장했죠. 다이어트를 하거나 혈당 관리가 필요한 분, 임신성 당뇨 등으로 당 섭취를 조심해야 하는 고객을 중심으로 입소문 나면서 국민 브랜드로 자리 잡았습니다.

  최근에는 아이스크림뿐 아니라 디저트, 스낵 등 다양한 제품군으로 라인업을 확장 중입니다. 판매 채널 또한 자사몰부터 카카오쇼핑·토스·네이버 스마트스토어 등 온라인과 CU·GS25·이마트·롯데마트 등 오프라인 유통까지 폭넓게 운영 중입니다.

2. 도입 배경

F&B 브랜드의 고민, AI 없이는 풀기 어려웠습니다

도입 전 라라스윗 CS팀이 마주한 과제는 명확했습니다.

• F&B 고객 상담 특성상 배송 일정 확인 문의가 많아 AI로 자동화하고 싶었습니다.

• 녹아서 배송되는 제품 이슈, 이물질 문의와 같은 고위험 문의를 체계적으로 관리하고자 했습니다.

• 자사몰, 쿠팡, 편의점 등 여러 채널에서 들어오는 문의를 카카오톡 하나로 소화하는 데 구조적 한계가 있었습니다.

• 실무 담당자 2명이 각각 하루 평균 200건씩 직접 처리해야 했고, 성수기에는 부담이 더 커졌습니다.

• 자체 챗봇 제작을 시도했지만, 개발팀이 없어 난관이 이어졌습니다.

그러던 중 채널톡 ALF가 출시됐고 황승헌 CS팀장님은 망설임 없이 도입을 결정했습니다. 그 이유는 크게 두 가지였어요.

① ALF가 참조할 지식을 직접 세팅하고 수정하며 계속 발전시킬 수 있다는 점

② 식품 브랜드에 꼭 필요한 응대 톤앤매너를 세밀하게 제어할 수 있다는 점이었습니다.

"ALF를 도입하기 전에는 모든 고객 문의를 온전히 사람이 다 해결해야 하는 상황이었어요. AI를 최대한 활용하려고 고민하던 찰나에 ALF가 딱 출시됐고, 채널톡이 저를 살렸습니다."

— 황승헌 라라스윗 CS팀장

3. 활용 기능

라라스윗이 ALF에서 집중적으로 활용한 기능은 세 가지입니다.

• 규칙: 고위험 이슈 감지 및 담당자 즉시 알림 분기, 톤앤매너 제어

• 지식: 지속 업데이트로 응답 정확도 유지

• 워크플로우: 교환·반품 접수부터 이미지 판별·승인까지 자동화 파이프라인 구축

1) 규칙: 고위험 문의는 사람이 직접 응대

라라스윗은 이물질, 변질 등 고위험 키워드가 감지되면 즉시 팀 메신저로 알림이 오도록 규칙을 설정했습니다. ALF가 응대하지 않고 사람이 직접 확인해 대응하는 구조예요. 또한, 상담사로 연결하는 과정에서 ALF가 조심스럽고 공감하는 어투로 응대하도록 톤앤매너를 세밀하게 제어했습니다.

2) 지식: 직접 관리하고 발전시킵니다

라라스윗은 지식을 직접 세팅하고 지속적으로 업데이트하며 상담 품질을 관리합니다. 또한 ALF의 답변이 잘못된 케이스를 모아, 정확한 답변을 할 수 있도록 지식을 수정하는데요. 반복적인 피드백 과정을 통해 ALF의 답변 정확도를 높이고 있습니다.

“신제품이 출시되거나 제품 정보가 바뀌었을 때, ALF의 지식을 업데이트하고 관리할 수 있다는 점이 채널톡 ALF의 가장 큰 장점이었어요.”

— 황승헌 라라스윗 CS팀장

3) 워크플로우: 접수부터 처리까지, 사람 손을 최소화

라라스윗이 가장 공을 들인 부분은 교환·반품 워크플로우입니다. ‘고객이 답변을 기다리지 않고 접수만으로 해결되는 구조’를 만들기 위해서였는데요.

① ALF로 교환·반품 문의가 들어오면

② 구글 스프레드시트에 자동으로 데이터가 쌓이고

③ 외부 AI툴을 API로 연결해 제품 사진을 판별해

④ 아이스크림이 녹았는지를 판단한 뒤 팀 메신저로 알림 발송

⑤ CS팀은 알림을 확인하고 승인만 누르면

⑥ 고객에게 문자로 안내하고 상담을 마무리하도록 프로세스를 만들었습니다.

4. 성과

• ALF 관여율 97.2%, 해결률 85.8% (2026년 6월 기준)

• 고객 CSAT 3.5점 → 4.2점으로 개선 (5점 만점)

• 담당자 1인당 상담 투입 시간 50% 단축

• 채팅 상담 안에서 원스톱 해결 가능해져 외부 링크·별도 접수 불필요

ALF 도입 후 가장 먼저 달라진 건 숫자였습니다. 태스크 기능을 붙이지 않은 상태에서도 2026년 6월 기준 ALF 관여율 97.2%, 해결률 85.8%를 꾸준히 유지하고 있어요. 성수기에 문의가 몰려도 ALF가 대부분을 처리해 주기 때문에 팀이 체감하는 부담은 크게 줄었습니다.

고객 만족도도 눈에 띄게 올랐습니다. 도입 초기에는 AI 응대에 거부감을 표하는 고객도 있었지만, ALF 기능이 개선되면서 분위기가 바뀌었어요. 이전에는 배송 문의를 하면 '마이 페이지'에서 확인하라고 답변했다면, 이제는 상담 안에서 바로 배송 상태를 안내받을 수 있게 됐습니다. 고객이 따로 페이지를 찾지 않아도 되는 이 변화가 CSAT를 3.5점에서 4.2점으로 끌어올렸습니다.

팀의 일하는 방식도 달라졌습니다. 담당자 1인당 상담에 투입되는 시간이 8시간에서 4시간으로 50% 줄어들었습니다. 나머지 시간은 기획·자동화 업무에 쓸 수 있게 됐어요. 그 시간을 가장 잘 활용하는 사례 중 하나가 녹음 배송 이슈 트래킹입니다. 상담 이력을 제품군별로 자동 분류해 어떤 제품에서 녹음 배송이 많이 발생하는지 데이터를 쌓고, 이를 바탕으로 드라이아이스 양 조절이나 제품 배합 개선을 개발팀에 제안하는 것까지 CS팀이 주도하고 있습니다. 단순 응대 조직을 넘어 운영 효율화를 이끄는 팀으로 변모한 겁니다.

"채널톡 도입하고 CS팀이 할 수 있는 일의 영역이 넓어졌습니다. 많은 분이 AI를 활용하면 사람은 필요 없어진다는 두려움이 있을 텐데, 라라스윗은 오히려 채용을 확대하는 방향을 논의하고 있습니다."

— 황승헌 라라스윗 CS팀장

5. 라라스윗과 ALF의 다음 과제

• 태스크 기능 적용으로 주문 조회부터 해결까지 완전 자동화

• 채널톡과 채널웍스 활용해 VoC 수집 체계화 모색

라라스윗 CS팀의 다음 목표는 태스크 기능 적용입니다. 지금도 ALF 해결률을 평균 85% 이상 유지하고 있지만, 태스크를 붙이면 해결률과 고객 만족을 동시에 더 높일 수 있으리라 기대하는데요. 예를 들어, 배송 문의가 들어오면 ALF가 고객의 주문 정보를 직접 찾아 확인받고, 처리 결과 안내까지 한 번에 마무리해 해결률을 높일 수 있고요. 하나의 채팅 화면에서 빠르게 고객의 문제를 해결해, 고객 만족도 역시 지금보다 한 단계 더 올릴 수 있게 됩니다.

장기적인 계획으로는 VoC 수집도 ALF로 체계화하고자 합니다. 단종된 맛 재출시 요청이나 제품 개선 의견을 고객이 자유롭게 채팅창에 입력할 수 있도록 ‘빠른 배포’ 기능을 적용하는 방법이 있는데요. 다만, 다양한 고객들의 의견을 어떻게 데이터로 정제할지 고민 중입니다.

“최근 출시된 채널웍스의 ‘AI CoS’ 기능을 활용하면 VoC 데이터를 체계적으로 분석하고 인사이트를 얻을 수 있을 것 같아 기대하고 있습니다.”

— 황승헌 라라스윗 CS팀장

ALF를 도입한 지 1년도 채 되지 않아 라라스윗 CS팀은 상담을 넘어 운영 전반을 바꾸고 있습니다. 앞으로 라라스윗이 만들어갈 변화가 더욱 기대되는 이유입니다.

"먹는 제품에 문제가 생겼다면 건강에 대한 우려가 크기 때문에, F&B 고객 상담에서는 빠른 답변만큼 정확한 답변도 중요합니다. 24시간 자동으로 응대하고 안심시킬 수 있는 체계가 꼭 필요한 이유죠. ALF는 규칙만 잘 세팅하면 고위험 문의에 대한 톤앤매너도 다르게 적용할 수 있고, 지식 세팅을 통해 정확한 답변만 나가도록 통제할 수 있어서 두 가지 페인 포인트를 동시에 해결 가능합니다."

— 황승헌 라라스윗 CS팀장