물류·배송 업체의 AI 전화: 배송 조회부터 재배달 요청까지

"제 택배 어디 있어요?"

배송 업체 콜센터에서 가장 많이 듣는 말입니다. 하루에 수천 번, 수만 번.

한국은 이커머스 강국입니다. 쿠팡 로켓배송, 배민 배달, 네이버 쇼핑, SSG... 하루에 움직이는 택배 물량이 1,000만 건을 넘긴 지 오래입니다. 물량이 이 정도면 "내 택배 어디 있어요" 전화도 그만큼 옵니다.

그리고 이 전화의 대부분은 트래킹 시스템을 조회하면 바로 답할 수 있는 것들입니다. 사람이 전화 받고, 시스템 열고, 운송장 번호 찾고, 현황 읽어주는 — 이 반복 작업을 왜 아직도 사람이 하고 있을까요?

배송 업체에 걸려오는 전화, 유형별로 보면

물류·배송 회사의 인바운드 전화를 분류하면 대략 이렇습니다:

유형	비율 (대략)	AI 처리 가능 여부
배송 현황 조회	40~50%	완전 자동화 가능
재배달 요청	15~20%	자동화 가능
배송지 변경	10~15%	조건부 자동화
파손·분실 신고	5~10%	접수 자동화, 처리는 사람
기타 불만·클레임	10~15%	에스컬레이션

전체의 60~70%가 AI로 완전 자동화 가능합니다. 나머지도 초기 접수까지는 AI가 하고, 실제 처리만 사람이 하면 됩니다.

인바운드: 배송 조회

가장 많은 유형이니까 이것부터 보겠습니다.

AI: "안녕하세요, OO택배입니다. 무엇을 도와드릴까요?"
고객: "택배가 언제 오는지 알고 싶어요."
AI: "배송 현황 확인해드릴게요. 운송장 번호를 알고 계시면
     말씀해주시고, 모르시면 휴대폰 번호로도 조회 가능합니다."
고객: "운송장 번호 1234-5678-9012요."
AI: "확인됐습니다. 해당 택배는 현재 서울 강남 허브에서
     배송 차량에 상차 완료되었고, 오늘 오후 2시에서 4시 사이에
     도착 예정입니다. 배송 기사님 연락처를 문자로 보내드릴까요?"
고객: "네, 보내주세요."
AI: "문자 발송했습니다. 다른 문의 사항 있으신가요?"

이 과정에서 AI가 하는 일:

1. 고객 의도 파악: "택배 언제 오냐" = 배송 현황 조회
2. 식별 정보 수집: 운송장 번호 또는 전화번호
3. 물류 시스템 API 조회: TMS(Transportation Management System)에서 실시간 현황 가져오기
4. 자연어 응답 생성: 시스템 데이터를 고객이 이해하기 쉬운 말로 변환
5. 추가 액션: SMS 발송, 알림 설정 등

사람 상담원이 하면 시스템 열고 검색하고 읽어주는 데 3~5분입니다. AI는 15초면 됩니다.

인바운드: 재배달 요청

"아까 배달 왔었는데 못 받았어요. 다시 보내주세요."

이것도 AI가 처리할 수 있습니다.

AI: "재배달 요청 접수해드릴게요. 운송장 번호를 말씀해주시겠어요?"
고객: "9876-5432-1098이요."
AI: "확인됐습니다. 오늘 오전에 배달 시도한 건이네요.
     재배달 희망 일시를 말씀해주세요."
고객: "내일 오후에 집에 있을 것 같아요."
AI: "내일, 3월 12일 오후 2시에서 6시 사이에 재배달
     예약하겠습니다. 맞으시죠?"
고객: "네."
AI: "접수 완료됐습니다. 배달 전에 기사님이 연락드릴 거예요."

재배달 API를 호출해서 스케줄을 잡고, 배송 기사에게 자동 알림까지. 이 전체가 전화 한 통으로, 사람 개입 없이 됩니다.

인바운드: 배송지 변경

이건 조건부입니다. 택배가 아직 허브에 있는 경우에는 변경 가능하고, 이미 배송 차량에 실렸으면 기사에게 직접 연락해야 합니다.

AI: "배송지 변경 요청이시군요. 운송장 번호 확인해볼게요.
     ...현재 해당 택배는 아직 강남 허브에 있어서
     배송지 변경이 가능합니다. 새로운 배송 주소를 말씀해주세요."
고객: "서울시 마포구 합정동 123-45로요."
AI: "서울시 마포구 합정동 123-45번지로 변경하겠습니다.
     배송 예정일은 내일 3월 12일입니다. 이대로 진행할까요?"

이미 차량에 실린 경우:

AI: "확인해보니 해당 택배는 이미 배송 차량에 실린 상태라
     시스템에서 변경이 어렵습니다. 담당 배송 기사님 연락처를
     문자로 보내드릴게요. 기사님께 직접 요청하시면 됩니다."

판단 로직이 들어갑니다. 택배 상태에 따라 가능한 액션이 달라지고, AI가 이걸 시스템 데이터 기반으로 판단합니다.

인바운드: 파손·분실

여기서부터는 완전 자동화보다는 접수 자동화가 현실적입니다.

AI: "택배가 파손되어 도착했군요, 불편을 드려 죄송합니다.
     파손 접수를 도와드릴게요. 운송장 번호와 파손 상태를
     간단히 말씀해주시겠어요?"
고객: "상자가 찌그러져 있고 안에 그릇이 깨져 있어요."
AI: "접수됐습니다. 파손 상태 확인을 위해 사진을 찍어서
     카카오톡 또는 문자로 보내주시면 처리가 빨라집니다.
     담당자가 24시간 내에 연락드리겠습니다.
     사진 접수 링크를 문자로 보내드릴까요?"

접수까지는 AI가 하고, 실제 보상 처리는 담당자에게 넘깁니다. 이것만으로도 상당한 효율화가 됩니다.

아웃바운드: 여기가 진짜 게임 체인저

인바운드만 해도 효과가 크지만, 물류 업계에서 AI 전화의 진짜 가치는 아웃바운드에 있습니다.

배달 확인 전화

AI: "안녕하세요, OO택배입니다. 김철수 고객님,
     오늘 오후 3시경에 택배 배달 예정인데,
     수령 가능하신가요?"
고객: "3시는 안 되는데, 경비실에 맡겨주세요."
AI: "네, 경비실 보관으로 접수하겠습니다. 감사합니다."

배달 전에 확인 전화를 하면 부재로 인한 재배달률이 확 줄어듭니다. 재배달 한 건에 드는 비용이 건당 1,500~3,000원이라고 하니, 이것만 줄여도 비용 절감 효과가 큽니다.

배송 완료 확인 + 만족도 조사

AI: "안녕하세요, OO택배입니다. 오늘 배달된 택배
     잘 받으셨나요?"
고객: "네, 받았어요."
AI: "배송 서비스에 대해 1점에서 5점으로 평가해주신다면?"
고객: "4점이요."
AI: "감사합니다. 혹시 불편하셨던 점이 있으셨나요?"
고객: "상자가 좀 젖어 있었어요."
AI: "말씀 감사합니다. 내용 기록해두겠습니다.
     좋은 하루 보내세요."

이 데이터가 쌓이면 배송 품질 관리에 엄청난 인사이트가 됩니다. 어떤 허브에서 파손이 많은지, 어떤 기사의 만족도가 낮은지, 비 오는 날 상자 방수 처리가 안 되는지 등.

배송 지연 사전 알림

AI: "안녕하세요, OO택배입니다. 김철수 고객님께 알려드립니다.
     기상 악화로 인해 오늘 배달 예정이던 택배가
     내일로 연기되었습니다. 죄송합니다.
     내일 오전 중으로 배달할 예정이에요."

고객이 "내 택배 왜 안 와?"하고 전화하기 전에 먼저 알려주면 불만 전화가 크게 줄어듭니다. 선제적 커뮤니케이션입니다.

한국 물류 시장의 현실

한국의 택배 시장을 보면:

• 연간 택배 물량: 40억 건 이상 (2025년 기준)
• 하루 평균: 1,100만 건 이상
• 주요 업체: CJ대한통운, 한진, 롯데, 로젠, 우체국 등
• 라스트마일: 쿠팡 로켓배송, 배민, 컬리 등 자체 배송도 급증

이 규모에서 고객 문의 전화가 얼마나 올지 상상이 되시나요? 대형 택배사 기준으로 하루 수만 통입니다.

문제는 택배비가 계속 떨어지고 있다는 것입니다. 건당 2,000~3,000원짜리 택배로 수익을 내려면 모든 오퍼레이션 비용을 최소화해야 합니다. 콜센터 인건비도 예외가 아닙니다.

그리고 새벽배송, 당일배송이 기본이 된 시대에서 고객 기대치는 올라가는데, 콜센터 인력을 무한정 늘릴 수는 없습니다.

AI 전화가 필요한 이유가 여기 있습니다.

기술 구현: 물류 API와 연동

핵심은 AI 전화 시스템과 물류 시스템(TMS, WMS)의 API 연동입니다.

# 배송 조회 웹훅 핸들러
@app.post("/webhook/delivery-call")
async def handle_delivery_call(request: CallRequest):
    text = request.transcript
    intent = classify_intent(text)

    if intent == "tracking":
        # 운송장 번호 추출
        tracking_number = extract_tracking_number(text)
        if not tracking_number:
            return {"response": "운송장 번호를 말씀해주시겠어요?"}

        # TMS API 조회
        status = await tms_api.get_tracking(tracking_number)
        return {"response": format_tracking_response(status)}

    elif intent == "reschedule":
        tracking_number = extract_tracking_number(text)
        available_slots = await tms_api.get_redelivery_slots(tracking_number)
        return {"response": format_slot_options(available_slots)}

    elif intent == "address_change":
        tracking_number = extract_tracking_number(text)
        package_status = await tms_api.get_status(tracking_number)

        if package_status.stage in ["hub", "sorting"]:
            return {"response": "배송지 변경 가능합니다. 새 주소를 말씀해주세요."}
        else:
            return {"response": f"현재 {package_status.stage_desc} 단계라 "
                               f"시스템 변경이 어렵습니다. 기사님 연락처를 보내드릴게요.",
                    "action": "send_sms",
                    "content": f"배송기사: {package_status.driver_phone}"}

    elif intent == "damage_report":
        return {"response": "파손 접수를 도와드리겠습니다. "
                           "운송장 번호와 파손 상태를 말씀해주세요.",
                "action": "start_flow", "flow": "damage_intake"}

    else:
        return {"action": "transfer", "target": "agent"}

ClawOps의 웹훅 기반 구조를 쓰면 이런 연동이 깔끔합니다. 전화가 오면 웹훅으로 이벤트를 받고, 물류 API를 조회해서 응답을 돌려줍니다. 전화 인프라(070 번호, SIP, 통화 연결)는 ClawOps가 처리하니까, 개발팀은 음성 처리(STT/TTS/LLM) 선택과 물류 비즈니스 로직에만 집중할 수 있습니다.

아웃바운드 자동화 구현

배달 전 확인 전화를 자동으로 거는 시스템:

# 매일 오전에 당일 배달 예정 목록으로 확인 전화 발신
async def daily_delivery_confirmation():
    deliveries = await tms_api.get_today_deliveries()

    for delivery in deliveries:
        # ClawOps API로 아웃바운드 전화
        await clawops.make_call(
            to=delivery.customer_phone,
            webhook_url="/webhook/delivery-confirm",
            context={
                "customer_name": delivery.customer_name,
                "package_desc": delivery.description,
                "estimated_time": delivery.eta,
                "tracking_number": delivery.tracking_number
            }
        )

하루 수천 건의 확인 전화를 사람이 일일이 할 수는 없습니다. AI가 자동으로 걸고, 고객 응답에 따라 경비실 보관, 시간 변경 등을 처리합니다.

도입 시 고려사항

피크 타임 대응

택배 물량이 몰리는 시즌(명절, 블프, 쇼핑 시즌)에 전화도 폭증합니다. AI 전화의 장점이 여기서 드러납니다. 사람은 갑자기 2배로 늘릴 수 없지만, AI는 동시 처리 수를 서버 스케일링으로 대응할 수 있습니다.

사투리와 고령자

택배 전화는 다양한 연령대에서 옵니다. 할머니가 전화해서 "아 그 뭐시기 택배 왔나 모르겠는데"라고 하면 AI가 잘 알아들어야 합니다. 한국어 STT의 방언 처리 능력이 중요합니다. 이 부분은 아직 완벽하지 않으니까, 인식이 안 되면 바로 상담원 연결하는 폴백이 필수입니다.

감정적 고객 대응

"택배 어디 간 거야! 3일이나 지났는데!" — 화난 고객을 AI가 상대하면 오히려 역효과가 날 수 있습니다. 감정 분석을 해서 화가 난 고객은 즉시 상담원에게 넘기는 게 현실적입니다.

if sentiment_score < -0.7:  # 강한 부정 감정 감지
    return {"action": "transfer",
            "target": "senior_agent",
            "context": "화난 고객, 배송 지연 불만"}

마무리

물류·배송 업계는 AI 전화 자동화의 효과가 가장 직접적으로 나타나는 분야 중 하나입니다.

• 인바운드: 배송 조회, 재배달, 배송지 변경의 60~70%를 자동화
• 아웃바운드: 배달 확인, 지연 알림, 만족도 조사를 자동 발신
• 비용: 재배달 감소 + 콜센터 부하 감소로 건당 비용 절감

하루 1,000만 건이 움직이는 한국 물류 시장에서 전화 한 건의 효율화가 전체 비용에 미치는 영향은 어마어마합니다.

가장 많은 전화 유형인 "배송 조회"부터 시작해보세요. TMS API 연동만 되면 일주일 안에 프로토타입을 만들 수 있습니다.