AI 전화 상담원, 왜 '어색하고 답답하게' 느껴질까?
침묵의 어색함을 잘 견디지 못하시는 분들 있나요? 사실 대부분의 사람이 그렇습니다. 사람은 대화 중 상대가 말을 마친 뒤 0.6초에서 0.8초, 즉 1초 남짓한 정적이 흐르면 본능적으로 ‘어, 뭔가 이상한데?’ 하는 어색함을 느끼게 됩니다. 이른바 ‘침묵 유예 한계’입니다.
상대의 표정도, 눈빛도 볼 수 없는 전화 통화에서는 이 어색함이 훨씬 크게 다가옵니다. 비언어적 신호가 없다 보니 단 0.5초의 짧은 침묵도 실제보다 길게 느껴질 수 있죠.
게다가 전화기 너머의 상대가 사람이 아닌 ‘AI(인공지능)’이라면 문제는 한층 더 심각해집니다. 내 말이 끝났는데도 응답이 늦어지면 ‘내 말을 못 알아들은 건가?’하는 불안과 답답함이 동시에 밀려오고, 이는 곧 AI 상담 서비스 전체에 대한 불신으로 이어집니다. 찰나의 침묵이 AI 에이전트 도입의 가치를 갉아먹는 셈입니다.
기존의 음성 콜봇들이 이 응답 지연 문제를 좀처럼 해결하지 못했던 이유는, 통신을 중개하는 과정에서 연산이 겹겹이 쌓이며 지연이 누적됐기 때문입니다.
BVC(Blumn Voice Connector, 블룸 보이스 커넥터)는 상용 통신 플랫폼을 거치지 않고 자체 인프라로 AI 음성 통화의 대화 지연을 최소화하는 블룸에이아이의 독자 중개 계층 기술입니다. AI 전화 상담의 응답 지연 문제를 아키텍처 차원에서 근본적으로 풀어내기 위해 BVC를 직접 개발했고, 이를 통해 진짜 사람과 통화하는 듯한 매끄러운 경험을 만들어낼 수 있었습니다.
중간 과정을 없앤 '직결 구조'로 대화 지연을 제로(0)에 가깝게
보통 음성 AI 서비스를 구축할 때는 ‘Twilio(트윌리오)’와 같은 상용 통신 플랫폼(CPaaS)을 중개 허브로 두고, 그 위에 AI를 연동하는 방식을 씁니다. 문제는 이렇게 거쳐야 할 정거장이 많아질수록 대화의 흐름도 자연스럽게 밀릴 수밖에 없다는 점입니다.
블룸에이아이의 BVC(블룸 보이스 커넥터)는 이 중간 상용 계층을 과감히 걷어내면서 확실한 차별점을 만들었습니다. 고객사의 PBX(자체 전화망)와 실시간 음성 추론 엔진(Realtime API)을 자사 인프라 안에서 직접 연결하는 고속 통로를 구축한 것입니다.
음성을 캡쳐하고, 문자로 변환(STT)하고, 언어모델이 해석한 뒤, 다시 텍스트를 음성으로 합성(TTS)하는 기존의 다단계 처리 방식에서 벗어나, 음성과 음성이 곧바로 이어지는 S2S(Speech-to-Speech) 멀티모달 추론 체계를 갖춰 실시간으로 응답 오디오를 만들어냅니다.
BVC는 특정 AI 모델에만 종속되지 않는다는 것도 강점입니다. 다양한 글로벌 음성 및 언어 모델은 물론 고객사의 커스텀 모델까지 유연하게 연동할 수 있는 오픈 아키텍처로 설계됐기 때문입니다. 덕분에 불필요한 중개 수수료나 트래픽 종량 과금, 외부 플랫폼의 정책 변화 같은 리스크에서 자유로워졌을 뿐 아니라, 오디오 경로 전 구간을 스스로 통제해 저지연 성능과 데이터 주권을 동시에 확보했습니다.
끊김도, 잡음도 없는 통화 품질을 만들다
"여보세요?" 한마디에 AI가 리샘플링(데이터 변환)을 하느라 버벅거린다면, 그건 결코 좋은 상담사라 할 수 없습니다. 블룸에이아이는 지연과 음성 누락, 인위적인 잡음까지 원천 차단하기 위해 정교한 통신 제어 기술을 집약했습니다.
먼저전화망 표준 음성 규격과 고음질 음성 규격을 양쪽 모두 수용하는 이중 파이프라인을 채택했습니다. BVC는 전화망 표준인 G.711 μ-law(텔레포니 표준 규격)를 그대로 수신해 불필요한 변환 연산을 없애 지연을 최소화하는 한편, 더 선명한 음질이 필요한 구간에서는 24kHz PCM(고음질 음성 규격)을 선택적으로 적용합니다. 두 규격은 통화 특성에 따라 자동으로 전환되며, 이 과정의 리샘플링 역시 실시간으로 처리돼 음질 저하나 지연으로 이어지지 않습니다.
여기에 상용 통화 품질을 좌우하는 숨은 변수인 ‘무결절 프레이밍(Frame Splicing)’ 기법도 내장했습니다. AI가 생성한 음성은 길이가 제각각인 조각으로 스트리밍되는데, 이를 전화망이 요구하는 고정 프레임 규격에 맞춰 그대로 잘라 보내면 조각 경계에서 듣기 거북한 ‘틱·팝’ 잡음이 발생합니다.
BVC는 경계에 걸친 잔여 음성을 다음 조각으로 자연스럽게 이어 붙여, 사람이 감지할 수 있는 인위적인 잡음을 원천적으로 없앴습니다.
정교한 대화 제어, 밀리초(ms) 간격의 등속 송출
턴테이킹(대화 순서 교대)과 Barge-in(끼어들기) 제어는 고객이 말을 시작하는 즉시 AI의 발화를 멈추고 대화 주도권을 자연스럽게 넘기는 BVC의 대화 제어 기술입니다. 사람과 사람이 대화하듯 자연스러운 흐름을 만들기 위해 이 기술을 정교하게 구현했고, 대기 중이던 음성 출력도 곧바로 비워내 말이 겹치는 일이 없습니다.
특히 음성 감지(VAD) 방식은 통화 상황에 맞춰 서버 감지, 의미 기반 감지, 자체 감지 세 가지 전략 중 선택할 수 있습니다. 키패드 입력을 기다리는 구간처럼 특정 상황에서는 음성 감지를 일시적으로 억제해 오탐지를 방지하는 유연함도 갖췄습니다.
이에 더해 BVC는 AI의 음성을 전화망으로 흘려보낼 때 밀리초(ms) 단위의 정밀한 등속으로 송출하는 기술을 적용했습니다. 네트워크나 연산 지연으로 미세하게 쌓일 수 있는 시간 오차를 지속적으로 보정해 통화 내내 끊기거나 밀리지 않는 균일한 재생 주기를 유지하는 것이죠.
돌발 상황에도 매끄럽게, 침묵 감지와 맥락 복원까지
대화 도중 예상치 못한 침묵이 흐르거나 다양한 입력 방식이 섞이는 상황에 대한 대응력도 한 단계 끌어올렸습니다.
고객이 응답 없이 침묵하면 일정 시간이 지난 뒤 AI가 직전 안내를 자동으로 다시 들려주는 ‘무응답 리커버리’ 기능이 대표적입니다. 물론 무한 반복으로 인한 불편을 막기 위해, 재안내 횟수는 기업 환경에 맞춰 자유롭게 설정할 수 있습니다. 또한 전화번호나 주민등록번호 입력처럼 음성 대화와 전화 키패드(DTMF) 입력을 오가야 하는 경우에도, BVC는 이를 하나의 매끄러운 단일 흐름으로 결합해 끊김 없는 안내를 이어갑니다.
"아, 아까 말씀하신 내용이군요!" — 맥락을 기억하는 옴니채널 경험
블룸에이아이의 BVC는 단순히 음성을 전달하는 데 그치지 않고, 통화 품질 전반을 투명하게 들여다볼 수 있는 관측 가능성(Observability)도 제공합니다. 고객의 발화와 AI의 응답을 실시간으로 기록·적재해 무음 구간이나 전송 지연 같은 품질 요소를 세밀하게 관측하고, 지연이 과도하게 누적되거나 비정상적으로 반복되는 실패 통화를 빠르게 식별해 콜센터 운영 안정성을 높입니다.
그중에서도 가장 눈에 띄는 부분은 직전 상담 맥락을 복원하는 기능입니다. 기존의 음성봇들은 매 통화를 완전히 별개의 사건으로 취급했기 때문에, 통화가 끊기면 고객은 처음부터 상황을 다시 설명해야 하는 번거로움을 겪어야 했습니다.
반면 BVC는 음성 데이터를 Vector DB(벡터 데이터베이스) 형태로 안전하게 적재해 두고, 고객이 같은 발신 번호(CLI)를 기준으로 다시 전화를 걸어오면 직전 상담 맥락을 새 통화 세션에 즉시 불러옵니다. 고객 입장에서는 이전에 나누던 대화를 끊김 없이 이어가는 진정한 의미의 옴니채널 연속성을 경험하게 됩니다.
사람과 대화하듯, 더 자연스럽게
현재 BVC는 정식 상용화 이전 단계로, 완성도와 안정성을 높이기 위해 내부에서 먼저 운영하며 테스트를 이어가고 있습니다. 응답 지연이라는 물리적 한계를 넘어서기 위해 시작된 이 기술은, 무결절 음성 품질과 정밀한 송출 제어, 그리고 옴니채널 맥락 복원까지 하나씩 구현해왔습니다.
블룸에이아이는 전화 통화와 AI를 가장 자연스럽게 연결하는 기술을 바탕으로, 다양한 AI 에이전트 프로바이더들과의 적극적인 제휴를 기대하고 있습니다. 사람과 대화하듯 매끄러운 AI 음성 상담의 미래를 만들어갈 그 여정에 많은 관심과 참여를 부탁드립니다.