Singapore Airlines elevates travel & work with OpenAI technology

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Singapore Airlines는 OpenAI API와 모델을 고객 지원·여행 탐색·소프트웨어 개발·직원 업무에 적용해 Kris 고객 만족도 2배 등 성과를 보고하고, 대화형 서비스와 사내 AI 활용을 확대하고 있다.

📌 핵심 요약

• Singapore Airlines는 Kris를 기존 대화 흐름 기반 챗봇에서 OpenAI API 기반 LLM 대화형 서비스로 전환한 뒤 고객 만족도 점수(CSAT)가 2배로 높아졌다고 밝혔다. 통화 요약 등 AI 보조 도구를 사용하는 고객 서비스 담당자의 평균 처리 시간은 약 10% 감소했다.
• Kris는 자연어 의도 파악, 지식 기반 답변, 여러 주제의 대화, 맥락을 포함한 상담원 연결을 지원한다. 현재 일반 문의·특별 요청·실시간 항공편 운항 차질 정보·일부 거래 업무를 처리하며, 예약 변경·수하물 거래·더 복잡한 에이전트형 상호작용으로 기능을 확대하고 있다.
• OpenAI API 기반 Flight Recommender는 자연어로 여행 조건을 받아 운임·좌석 가용성 데이터와 연결된 도구를 활용해 맞춤 추천을 제공한다. 월간 이용자는 지난 1년간 약 3배로 늘었으며, 여러 차례 대화하며 여행 구상을 구체화하는 방식으로 확장을 준비하고 있다.
• Singapore Airlines는 요구사항 구체화·테스트·아키텍처 검토 등 소프트웨어 개발 생애주기의 일부 활동에 OpenAI 모델을 적용해 최대 20%의 생산성 향상을 달성했다고 밝혔다. 직원의 역할은 AI 산출물을 지시·검토·검증하고 사람의 판단이 필요한 업무에 집중하는 방향으로 바뀌고 있다.
• OpenAI 모델 기반 내부 AI 플랫폼 Jarvis는 통제된 환경에서 문서 요약, 다양한 파일 활용, 맞춤 업무 흐름과 간단한 지식 기반 생성을 지원하며, 직원의 60% 이상이 매월 사용한다. Singapore Airlines는 AI 적용 전반에 오케스트레이션·내부 데이터 통제·검증·사람의 검토를 결합하고 직원의 일상 업무 활용을 확대하고 있다.

🧩 주요 포인트

1. Kris의 사전 정의 흐름 의존도 완화 → 자연어로 더 다양한 요청을 처리하고 필요한 경우 상담 맥락을 전달해 셀프서비스와 상담원 대응을 연결한다.
2. Flight Recommender의 운임·가용성 데이터 연계와 대화 확장 → 여행 조건을 반복 입력하는 부담을 줄이고, 고객 의도를 실제 선택 가능한 여행 옵션으로 연결하는 방향이다.
3. 개발 활동의 최대 20% 생산성 향상과 Jarvis의 월간 직원 이용률 60% 초과 → AI 활용이 개발·사무 업무로 확산되는 가운데, 데이터 통제와 사람의 검증이 운영 방식의 핵심으로 제시된다.

🧠 상세 정리

1. 고객 경험과 직원 업무를 아우르는 AI 적용

Singapore Airlines는 고객 서비스, 직원 업무, 기술 개발 전반에 AI를 적용하고 있으며, 고객 대상 경험에는 OpenAI API를, 내부 플랫폼 Jarvis에는 OpenAI 모델을 활용한다. 소프트웨어 개발 과정에도 모델을 도입해 개인화된 서비스와 생산성 향상, 효율적인 개발을 함께 추진하고 있다. 정보기술 담당 수석부사장 George Wang은 AI가 고객 경험 개인화와 전사 생산성 개선의 핵심이며, 고객의 여행과 직원의 업무를 더 원활하게 만드는 역량을 구축하고 있다고 설명한다. 회사는 각 적용 사례에서 모델에 오케스트레이션, 내부 데이터 통제, 검증, 사람의 검토를 결합한다. 이는 AI를 실제 운영 업무에 책임 있게 도입하기 위한 공통 방식으로 제시된다.

2. Kris 전환과 고객 지원 성과

기존 Kris는 모든 주제와 대화 흐름을 미리 수작업으로 정의해야 했기 때문에 지원 범위를 넓히기 어려웠고, 빠진 의도가 있으면 셀프서비스로 해결할 수 있는 요청도 상담원에게 넘어갈 가능성이 컸다. Singapore Airlines는 이를 OpenAI API 기반의 전면적인 LLM 대화형 서비스로 전환한 뒤 고객 만족도 점수가 2배로 높아졌다고 밝혔다. 전환된 Kris는 자연어로 의도를 파악하고 지식 기반에 근거해 답하며, 여러 주제의 대화를 처리하다가 필요하면 관련 맥락과 함께 상담원에게 연결한다. 현재 일반 문의, 특별 요청, 실시간 항공편 운항 차질 정보와 일부 거래 업무를 지원한다. 별도로 상담원에게 통화 요약 등 AI 보조 도구를 제공해 통화 후 업무를 줄였으며, 평균 처리 시간은 약 10% 감소했다. 회사는 Kris의 범위를 예약 변경, 수하물 거래, 더 복잡한 에이전트형 상호작용으로 확대하고 있다.

3. Flight Recommender의 자연어 여행 탐색

Flight Recommender는 고객이 필터, 날짜, 목적지를 반복 조정하는 대신 원하는 여행을 자연어로 설명하도록 돕는 서비스이며, 월간 이용자는 지난 1년간 약 3배로 늘었다. OpenAI API를 기반으로 운임과 좌석 가용성 데이터에 연결된 오케스트레이션 계층을 사용하고, 고객 의도를 해석해 필요한 도구를 호출한 뒤 맞춤형 여행 추천을 자연어로 제공한다. 개발팀은 입력·출력 검증, 악의적이거나 부적절한 질문 대응, 환각 감소, 개인 식별 정보 처리에 관한 보호 장치를 구현했다. 또한 인증된 접근을 통해 각 질문에 필요한 맥락에만 접근하도록 통제한다. Singapore Airlines는 고객이 검색을 처음부터 다시 시작하는 대신 여러 차례 대화하며 여행 구상을 구체화할 수 있도록, 서비스를 더 대화적인 챗봇 경험으로 확장할 준비를 하고 있다.

4. 요구사항부터 구현까지 확장된 개발 지원

Singapore Airlines는 소프트웨어 개발 생애주기의 일부 활동에 OpenAI 모델을 적용해 최대 20%의 생산성 향상을 달성했다고 보고한다. 활용 범위는 코드 작성에 그치지 않고 요구사항 구체화, 이해관계자 논의 분석, 제품 명세, 예외 상황 식별, 테스트 케이스 생성, 아키텍처 검토까지 이어진다. 복잡한 작업을 더 작고 테스트하기 쉬운 단위로 나누는 데에도 생성형 AI를 사용한다. 한 상업용 기능 개발에서는 개발 착수 전에 OpenAI API로 기존 가정을 검토하고 모호한 요구사항과 예외 상황을 드러냈다. 이후 요구사항이 명확해지자 AI가 설계 대안, 구현 계획, 테스트 케이스, 코드 생성으로 연결하는 작업을 도왔다. 제시된 최대 20%라는 수치는 선택된 개발 활동의 성과이며, 개발 업무 전체의 일률적인 개선율로 제시되지는 않는다.

5. 운영 해석과 사람의 검증으로 이동하는 역할

AI 활용은 배포 이후에도 이어져 운영 중인 시스템의 동작을 해석하고, 놓칠 수 있는 문제를 드러내는 데 도움을 준다. 개발팀은 테스트를 위한 예외 상황 생성, 아키텍처 계획 검토, 다음 단계로 넘어가기 전 사람의 검증을 지원하는 업무 흐름에도 모델을 활용한다. 회사는 이러한 적용이 요구사항의 품질, 테스트 범위, 내부 표준 준수 개선에 기여한다고 설명한다. 이에 따라 구성원의 역할은 모든 산출물을 직접 만드는 데서 AI가 만든 결과를 지시하고 검토하며 검증하는 방향으로 바뀌고 있다. 구성원은 우선순위 결정, 아키텍처, 거버넌스, 이해관계자가 원하는 결과처럼 사람의 판단이 필요한 업무에 집중할 수 있게 된다는 설명이다. 원문은 이러한 역할 변화와 검증 절차를 함께 제시하며 개발 전 과정에서 사람의 판단을 계속 포함한다.

6. Jarvis의 직원 확산과 향후 서비스 방향

Singapore Airlines는 엔지니어링 조직을 넘어 전사 직원이 AI를 사용할 수 있도록 OpenAI 모델 기반 내부 플랫폼 Jarvis를 제공한다. 직원은 안전한 환경에서 PDF, Word 문서, Excel 파일, PowerPoint 자료 등 여러 형식을 다루며 문서를 요약하고 맞춤 업무 흐름과 간단한 지식 기반을 만들 수 있다. 현재 직원의 60% 이상이 Jarvis를 매월 사용하며, 도입은 계속 증가하고 있다. 회사는 더 많은 직원이 각자의 일상 업무에서 AI를 활용하도록 지원하는 데 초점을 맞추고 있다. 고객 서비스에서는 Kris의 거래 기능과 직접 해결 가능한 요청 범위를 넓히고, Flight Recommender에서는 여러 차례 대화하며 여행 아이디어를 다듬는 경험을 추진한다. 이러한 확장을 통해 더 원활한 여행, 직원 생산성 향상, 변화하는 요구에 대한 대응력 강화를 지향한다.

🧾 핵심 주장 / 시사점

• Kris의 고객 만족도 2배 증가와 상담원 평균 처리 시간 약 10% 감소는 고객의 셀프서비스 경험과 상담원 업무 효율이라는 서로 다른 측면의 성과로 제시된다.
• Flight Recommender는 자연어 의도 해석을 운임·좌석 가용성 데이터와 연결한다는 점에서, 대화 기능이 실제 여행 선택을 지원하는 구조를 보여준다.
• 개발팀의 역할 변화와 Jarvis의 확산은 AI 도입이 개별 작업 자동화를 넘어 업무 수행 방식으로 확대되고 있음을 보여주며, 원문은 이 과정에서 데이터 통제와 사람의 검증을 함께 강조한다.

✅ 액션 아이템

• Kris의 예약 변경·수하물 거래 기능 확대를 통한 셀프서비스 강화 추진.
• Flight Recommender에서 여러 차례 대화하며 여행 구상을 구체화하는 경험으로의 확장 추진.
• 월간 직원 이용률이 60%를 넘은 Jarvis의 일상 업무 활용 확대와 데이터 통제·검증 유지.

❓ 열린 질문

• Kris의 예약 변경·수하물 거래 기능 확대는 고객 만족도 점수(CSAT)와 상담원 평균 처리 시간에 어떤 추가 영향을 줄 것인가?
• Flight Recommender가 여러 차례 대화하며 여행 구상을 구체화하는 방식으로 확장되면 고객의 여행 탐색 경험은 어떻게 달라질 것인가?
• 최대 20%의 생산성 향상이 보고된 소프트웨어 개발 활동은 구체적으로 무엇이며, 활동별 효과는 어떻게 다른가?