AI 기술을 누구나 쉽게 활용할 수 있도록 실전 가이드를 작성합니다. ChatGPT, Claude, AI 자동화, SEO 분야를 전문으로 다룹니다.
Intercom Fin AI 에이전트가 $0.99/해결 outcome 가격 모델로 ARR $100M 돌파하면서 AI 상담봇 도입이 본격적인 단계에 진입했어요. 한국 소상공인·1인 SaaS·전자상거래 운영자가 도입 결정에 마주하는 핵심 분기는 outcome 가격 vs 월 정액. 일 문의량 50건 카페·150건 1인 SaaS·500건 쇼핑몰 3가지 시나리오에 해결 단가형·월 정액형·무료 플랜·국내 챗봇을 놓고 본전 분기점을 계산 구조로 정리. 결제 통화·세금계산서·VAT 처리·한국 챗봇 비교까지 한국 운영자 변수 점검.
핵심 변화 3가지. (1) outcome 가격 모델 확산 — Intercom Fin·Zendesk·Salesforce Agentforce가 해결 단가 모델 채택. (2) 무료~중급 월 정액 상품 — Tidio·HubSpot 같은 글로벌 챗봇과 채널톡·해피톡 등 국내 챗봇이 무료 플랜과 등급별 월 정액을 제공. (3) 하이브리드 가격 — 저가 시트 요금 + 해결 단가를 결합하는 조합. 한국 소상공인 본전 분기 핵심.
이번 글은 한국 소상공인이 자주 마주하는 3가지 시나리오(카페·맛집 일 50건·1인 SaaS 일 150건·쇼핑몰 일 500건)에 네 가지 요금 유형을 대입하는 계산 구조 + 한국 환경 변수(달러 결제·세금계산서·한국어 응답 품질)까지 본전 분기점을 정리해요. 요금제는 수시로 바뀌니 실제 금액은 각 서비스 공식 가격 페이지에서 확인하고, 이 글은 어떤 유형이 본인 문의량에 맞는지 고르는 기준으로 쓰세요.
한국 소상공인 가장 흔한 시나리오. 일 문의량 약 50건(영업 시간·메뉴·예약·배달 가능 지역 등). 월 총 약 1,500건.
해결 단가 모델 시뮬 — 1,500건 × 본인 해결률 × $0.99. 해결률을 어떻게 잡든 월 수백 달러 구간으로 올라가요. 카페·맛집 매출 규모에서는 상담 비용 비율이 지나치게 커집니다. 결론: 본전 약함.
유료 월 정액 챗봇 시뮬 — 문의량이 늘어도 정액 그대로. 한국어 지원과 기본 통합이 붙는 등급이면 소상공인 상담량은 대체로 감당됩니다. 결론: 본전 큼.
무료 플랜 시뮬 — 기본 응답과 연락처 관리 정도로 제한되지만 셋업이 두 시간이면 끝나요. 문의 유형이 몇 가지로 반복되는 가게라면 이것만으로도 상당 부분 처리됩니다. 결론: 시작 단계 본전 큼.
국내 챗봇 시뮬 — 원화 결제 + 부가세 별도 + 세금계산서 발행. 한국어 톤이 안정적이고 비용 처리가 깔끔합니다. 결론: 한국 사업자 본전 큼.
본인 추천 분기 — (1) 매출 1억 미만: 무료 플랜 또는 국내 챗봇 최저 등급, (2) 매출 1억~3억: 유료 월 정액 또는 국내 챗봇 + 추가 기능, (3) 매출 3억+: 국내 챗봇 + 사람 상담사 1명. 해결 단가 모델은 일 50건 시나리오에서 본전 약함.
한국 1인 SaaS·1인 디지털 상품 운영자 시나리오. 일 문의량 약 150건(가입·결제·환불·API 사용 문의 등). 월 총 약 4,500건.
해결 단가 모델 시뮬 — 4,500건 × 본인 해결률 × $0.99. 해결률을 보수적으로 잡아도 월 수천 달러 구간이라 MRR $5,000 사업에서는 매출의 절반 이상이 상담 비용으로 나갑니다. 결론: 본전 약함.
시트 요금 + 해결 단가 결합형 시뮬 — 헬프데스크 시트 요금에 AI 추가 요금과 해결 단가가 겹쳐 붙는 구조라 총액이 비슷한 구간으로 올라와요. 결론: 본전 약함.
유료 월 정액 챗봇 + 본인 직접 처리 분기 시뮬 — 구독료는 정액으로 고정되고, 남는 비용은 본인이 직접 답하는 시간의 기회비용이에요. 챗봇이 반복 문의를 걸러 주는 만큼 이 시간이 줄어듭니다. 결론: 이 규모 SaaS에 본전 큼.
저가 시트 + 해결 단가 조합 시뮬 — 시트 하나만 쓰는 최소 구성이라 고정비는 낮지만 해결 단가가 문의량에 비례해 붙어요. 결론: MRR이 몇 배 커진 뒤 본전.
본인 추천 분기 — (1) MRR이 작은 초기: 월 정액 챗봇 + 직접 처리 분기, (2) MRR 중간 구간: 저가 시트 + 해결 단가 점진 도입, (3) MRR 상위 구간: 해결 단가 전면 도입 또는 상위 헬프데스크. 상담 비용이 매출에서 차지하는 비율이 한 자릿수로 떨어지는 시점이 티어를 올릴 신호예요.
한국 전자상거래 운영자 시나리오. 일 문의량 약 500건(주문 상태·배송·환불·반품·상품 문의 등). 월 총 약 15,000건. 매출 월 ₩100,000,000~₩500,000,000 영역.
해결 단가 모델 시뮬 — 15,000건 × 해결률 × $0.99. 절대 금액은 앞선 두 시나리오보다 훨씬 크지만, 매출 규모가 억 단위로 올라오면 매출 대비 비율은 오히려 한 자릿수로 떨어져요. 결론: 본전 큼.
시트 요금 + 해결 단가 결합형 시뮬 — 상담사 시트가 여러 개 필요한 데다 AI 추가 요금과 해결 단가가 겹쳐 붙어서 총액이 더 커지는 구조. 결론: 본전 보통.
사람 상담사 단독 운영 시뮬 — 한국 시급에 문의 1건당 평균 처리 시간을 곱해 보면 이 문의량을 감당하는 데 필요한 상담사 인원이 나옵니다. 여기에 사회보험·복지 부담까지 얹히고, 근무 시간 밖 문의는 다음 날로 밀려요. 결론: 비용은 비슷해도 야간·주말 운영 불가.
해결 단가형 AI + 사람 상담사 소수 분기 시뮬 — AI가 반복 문의를 받고 사람은 예외만 처리. 총비용은 사람 단독 운영과 비슷한 구간이면서 응대 가능 시간이 크게 늘어납니다. 결론: 본전 가장 큼 + 상시 응대 가능.
본인 추천 분기 — (1) 매출 1억 미만: 월 정액 챗봇 + 사람 상담사 1명, (2) 매출 1억~3억: 국내 챗봇 + 사람 상담사 2~3명, (3) 매출 3억+: 해결 단가형 AI + 사람 상담사 소수 + 상시 응대. 매출이 억 단위로 올라오는 구간이 해결 단가 모델의 본전 분기점이에요.
도입 결정을 가르는 변수 4가지. 본인 환경에 적용할 때 같이 점검하세요.
(1) 결제 통화·세금계산서 — 해외 SaaS(Fin·Tidio·Zendesk·HubSpot)는 달러 결제 + 세금계산서 발행 안 됨. 사업자 등록 + B2B 비용 처리 어려움. 한국 챗봇(채널톡·해피톡·Bizppurio)은 원화 결제 + 부가세 별도 + 세금계산서 발행 + 본전 큼. VAT 환급·법인 비용 처리가 핵심인 사업자는 한국 챗봇 본전 분기.
(2) 한국어 응답 품질 — 글로벌 서비스는 영어 답변이 가장 다듬어져 있고 한국어는 표현이 어색해지는 구간이 남아 있어요. 국내 챗봇은 존댓말 톤이 안정적입니다. 지표로 비교하기 어려운 영역이니 도입 전 본인 FAQ를 그대로 물어보고 답변을 직접 읽어 비교하세요. 한국어 단일 운영자는 한국 챗봇 본전, 영문 CS·해외 진출 운영자는 글로벌 서비스 본전.
(3) 매출 규모 — 매출 1억 미만: 무료 플랜 또는 국내 챗봇 최저 등급, 매출 1억~3억: 국내 챗봇 + 사람 상담사 분기, 매출 3억+: 해결 단가형 AI + 상시 응대. 매출 규모가 본전 분기점의 가장 큰 변수예요.
(4) CS 외주·해외 진출 — 영문 CS·해외 진출 운영자는 Fin 본전. 본인 운영 시나리오 한국 단일 vs 글로벌 분기로 결정. 글로벌 진출 계획 있는 한국 SaaS는 Fin 도입 + 한국어 fine-tuning 분기 패턴이 안전한 흐름.
이번 글에서 정리한 3가지 시나리오 중 한국 소상공인·1인 SaaS·쇼핑몰 본전 큰 액션 4개.
(1) 무료 챗봇 우선 도입 — HubSpot 무료 또는 Tidio 무료 시작. 본인 일 문의량 + 한국어 비율 측정 1주일. 본전 정량화 후 유료 전환 결정.
(2) 매출 규모별 분기 결정 — 매출 1억 미만 국내 챗봇, 1억~3억 국내 챗봇 + 사람, 3억+ 해결 단가형 AI + 사람 분기. 매출 규모 변화 시 분기 갱신.
(3) CS 시간·해결률·escalation 비율 4가지 지표 측정 — 도입 전·후 시간 측정 비교. 시간 절감 × 시급 = 본전 정량화. 측정 없이 도입 결정 회피.
(4) 한국 환경 변수 점검 — 세금계산서·VAT·한국어 응답 품질·해외 진출 4가지. 본인 사업 변수에 맞춰 한국 챗봇 vs 글로벌 SaaS 분기.
본인 시뮬 결과 — 매출 1억 미만 카페·맛집은 무료 플랜 또는 국내 챗봇 최저 등급. 매출 1~3억 1인 SaaS는 월 정액 챗봇 + 직접 처리 분기. 매출 3억+ 쇼핑몰은 해결 단가형 AI + 사람 상담사 소수. AI 상담봇 시장이 빠르게 outcome 가격으로 이동 중이라 6개월 단위 분기 갱신이 안전한 흐름이에요.
시장 흐름을 놓고 본 1년 후 전망. 정답은 아니지만 본인이 어떻게 판단하는지 공유.
(1) outcome 가격 확산 — Intercom Fin·Zendesk·Salesforce 외 신규 진입자도 해결 단가 모델을 채택하는 흐름이에요. 경쟁이 붙으면 해결 단가는 지금보다 내려갈 가능성이 큽니다. (2) 한국 챗봇의 outcome 도입 — 국내 챗봇도 해결 단가 모델을 검토하는 분위기. 안정적인 한국어 응답과 해결 단가가 결합되면 한국 운영자에게 본전 큰 분기가 열려요. (3) 무료 진입 장벽 하락 — 무료 플랜 범위가 넓어지고 AI 답변 일관성도 개선되는 중. 매출 1억 미만 운영자에게는 무료 구간의 가치가 더 커집니다. (4) 음성 상담봇 진입 — 전화 응대를 대신하는 음성 AI 상담봇이 빠르게 올라오고 있어요. 다만 한국어 통화 품질은 서비스마다 편차가 크니 실제 통화 테스트 없이 도입하지 마세요. 1년 후에는 텍스트와 음성을 함께 쓰는 구성이 표준이 될 가능성이 높습니다.
본인 1년 후 운영 패턴 예측 — (1) 매출 1억 미만: 무료 플랜 + 본인 직접 처리, (2) 매출 1억~5억: 국내 챗봇 + 월 정액 챗봇 분기 사용, (3) 매출 5억+: 해결 단가형 AI + 사람 상담사 + 음성 상담봇 결합. 단일 상품으로 다 처리하는 시대는 끝나고 매출 규모·시간대별 도구 매핑이 표준이 됩니다. 본인 사업 매출 변화 분기마다 도구 매핑 갱신 흐름이 본전 패턴이에요.
본인 5월 한 달 + 외주 클라이언트 운영 측정 ROI 지표 4가지. 도입 본전 정량화 핵심 패턴.
(1) CS 시간 절감 측정 — 도입 전 2주, 도입 후 2주의 하루 평균 상담 처리 시간을 각각 재세요. 줄어든 시간에 본인 시급을 곱하면 월 절감액이 나오고, 이 값이 구독료를 넘으면 본전입니다. 도입 첫 달에 측정해 두지 않으면 나중에 비교 기준이 사라져요.
(2) 첫 응답 시간 측정 — 문의가 들어오고 첫 답이 나가기까지 걸린 시간. 사람이 직접 답할 때는 몇 시간씩 밀리다가 챗봇 도입 후 즉시 응답으로 바뀌는 게 가장 큰 변화예요. 응답이 빨라지면 고객 만족도 지표가 따라 올라가는데, 만족도와 매출의 연결은 사업마다 달라서 본인 데이터로 확인해야 합니다.
(3) 해결률 측정 — 사람이 개입하지 않고 챗봇 단독으로 끝난 문의 비율. 해결 단가형 요금제에서는 이 값이 곧 청구액이라 반드시 측정해야 해요. 해결률이 낮게 나오면 챗봇 답변 품질이 부족하다는 뜻이니 프롬프트와 FAQ부터 보강하세요. 해결률이 안정적으로 올라온 뒤에 해결 단가 모델을 검토하는 게 순서입니다.
(4) escalation 비율 측정 — 사람 상담사에게 넘어간 비율. escalation 30% 미만이면 챗봇 단독 운영 가능, 30~50%면 챗봇 + 사람 분기 운영, 50%+면 챗봇 답변 품질 약함 → 보강 필요. 4가지 지표 분기 측정 → 도입 본전 정량화. 측정 없이 도입 시 본전 판단 어려운 영역이에요.
본인 5월 한 달 운영 직접 경험한 사전 점검 6가지. 도입 결정 전 검토 권장.
(1) FAQ 30개+ 정리 — 챗봇 답변 품질의 80%는 FAQ 품질에 좌우. 도입 전 본인 자주 받는 문의 30개+ + 정답 정리. FAQ 부실 시 챗봇 도입 효과 약함. 해결률이 낮게 나올 때 원인은 대부분 모델이 아니라 FAQ예요. 문항 수를 늘리는 것보다 실제로 자주 들어오는 문의를 빠짐없이 덮는 게 중요하고, 답변에 금액·기간·예외 조건까지 적어 둬야 사람이 다시 개입하지 않습니다. FAQ를 보강할 때마다 해결률을 다시 재면 개선 폭이 눈에 보여요. (2) 사업자 등록·세금계산서 처리 — 해외 SaaS 결제는 세금계산서 없음. 사업자 등록 + B2B 비용 처리 필요한 경우 한국 챗봇 본전. (3) 결제 통화·환율 변동 — 달러 결제 환율 변동 큰 폭. 월 $1,000 결제 시 환율 ₩1,200 → ₩1,420 변동 = 월 ₩220,000 차이. 환율 헷지 가능한 사업자만 달러 결제 본전. (4) 개인정보 처리방침 갱신 — Notion AI 커넥터·Intercom Fin 등 사용 시 개인정보 처리방침에 "해외 SaaS 사용·국외 이전" 명시 필수. (5) 24시간 운영 필요성 — 새벽·주말 문의 비율 측정. 비율 20%+면 챗봇 본전 큼. 비율 5% 미만이면 사람 상담사 단독 본전. (6) 본인 사업 1년 성장 계획 — 매출 성장 계획 1억 → 3억 → 5억 분기별 챗봇 단계별 도입 흐름 미리 설계. 도입 후 갈아엎지 않는 게 본전 패턴이에요. 본인 측정 — 도입 → 매출 성장 → 도구 교체 흐름에서 교체 시간 약 20시간 소요 + 데이터 이관 사고 위험. 1년 성장 단계별 미리 설계 + 단일 흐름이 안전.
앞의 시나리오를 실제 운영 형태로 옮기면 대체로 세 가지 전형으로 갈립니다. 본인이 어디에 가까운지 먼저 찾고, 그 구간에서 자주 나오는 실수를 피하는 순서가 안전해요.
(1) 동네 가게형 — 무료 플랜 + 본인 직접 처리 — 문의가 영업시간·메뉴·예약처럼 몇 가지로 반복되는 구간이에요. 무료 챗봇으로 반복 문의를 받고 판단이 필요한 문의만 직접 답하면 충분합니다. 이 구간의 흔한 실수는 기능이 많은 유료 플랜부터 결제하는 것. 문의 유형이 단순한데 상위 플랜을 쓰면 기능 대부분을 놀리게 됩니다. 무료로 한 달 돌려 보고 정말 막히는 지점이 생겼을 때 올리세요.
(2) 1인 SaaS·디지털 상품형 — 월 정액 챗봇 + 직접 처리 분기 — 문의에 제품 로직이 얽혀 있어 챗봇이 끝까지 처리하기 어려운 구간이에요. 가입·결제·환불 같은 반복 문의는 챗봇에 넘기고, 버그나 기능 문의는 본인이 답하는 분업이 현실적입니다. 흔한 실수는 해결률이 낮은 상태에서 해결 단가형 요금제로 갈아타는 것. 해결되지 않은 문의는 과금되지 않더라도 결국 본인이 다시 답해야 해서 시간과 비용을 동시에 씁니다.
(3) 쇼핑몰·전자상거래형 — 해결 단가형 AI + 사람 상담사 소수 — 주문·배송·반품처럼 유형이 정해진 문의가 대량으로 들어오는 구간이라 자동화 효과가 가장 큽니다. 사람은 예외 처리와 클레임에 집중하고요. 흔한 실수는 FAQ와 주문 데이터 연동을 준비하지 않고 도입하는 것. 챗봇이 주문 상태를 조회하지 못하면 "확인 후 안내드릴게요"만 반복하다 결국 사람에게 넘어가고, 그만큼 비용만 늘어납니다.
세 전형 모두 공통 순서는 같아요. 무료·저가 구간에서 해결률을 먼저 재고, 그 값이 안정된 다음에 요금 유형을 바꾸는 것. 도구를 먼저 고르고 데이터를 나중에 보는 순서가 가장 비싼 실수입니다.
고객이 AI 답변으로 문제 해결됐다고 확인하거나 마지막 AI 답변 후 추가 문의 없으면 1건의 '해결(resolution)'로 카운트 → $0.99 청구. 해결 안 된 문의(고객이 'No, not resolved' 클릭 또는 사람 상담사 escalation)는 무과금. 즉 청구액은 '월 문의량 × 해결률 × 해결 단가'로 결정돼요. 여기서 변수는 해결률 하나인데, 업종·FAQ 품질·문의 난이도에 따라 편차가 커서 남의 평균치를 그대로 대입하면 계산이 크게 어긋납니다. 도입 전 무료·저가 플랜으로 본인 문의 데이터에서 해결률을 먼저 측정한 다음 대입하세요. 시트 비용·통합 비용은 별도로 붙지 않지만 헬프데스크를 함께 쓰면 헬프데스크 라이선스는 따로 계산해야 해요. 성능 보증 프로그램의 유무와 조건은 영업 문의로 직접 확인하는 게 정확합니다.
본인 시뮬 — 일 50건 × 30일 = 월 1,500건 문의. 해결 단가 모델은 '1,500건 × 본인 해결률 × $0.99'로 월 비용이 나와요. 해결률을 60%로 잡든 80%로 잡든 월 수백 달러 구간이라 카페·맛집 매출 대비 부담이 큽니다. 반면 월 정액형 챗봇과 무료 플랜은 문의량이 이 정도면 정액 그대로라 비용이 훨씬 낮게 유지돼요. 본전 결론 — 일 50건 카페·맛집은 무료 플랜 또는 저가 월 정액 챗봇이 압도적 본전. 해결 단가 모델은 문의량이 크고 매출 규모가 받쳐 주는 사업에 맞는 구조예요. 순서는 (1) 무료 챗봇으로 시작, (2) 매출 늘면 유료 월 정액, (3) 문의량이 크게 늘면 해결 단가 모델 검토가 안전합니다. 플랜별 실제 금액은 각 서비스 공식 가격 페이지에서 확인하세요.
본인 시뮬 — 일 150건 × 30일 = 월 4,500건 문의. 해결 단가 모델은 '4,500건 × 본인 해결률 × $0.99'라 해결률을 보수적으로 잡아도 월 수천 달러 구간이에요. MRR $5,000 사업이라면 매출의 절반 이상이 상담 비용으로 나가는 셈이라 부담이 큽니다. 해결 단가형 헬프데스크를 시트 요금과 묶어 쓰는 조합도 비슷한 구간이고요. 본전 결론 — 이 규모의 1인 SaaS는 저가 월 정액 챗봇 + 본인 직접 처리 분기가 현실적이에요. 챗봇이 단순 문의를 걸러 주고 제품 로직이 얽힌 문의만 직접 답하는 구조. 매출이 몇 배 커져서 상담 비용 비율이 한 자릿수로 떨어지는 시점이 해결 단가 모델 검토 분기점입니다.
본인 시뮬 — 일 500건 × 30일 = 월 15,000건 문의. 이 규모부터는 계산 방향이 달라져요. 해결 단가 모델의 절대 금액은 커지지만, 같은 문의를 사람으로 감당하려면 상담사를 여러 명 채용해야 합니다. 한국 시급에 문의 1건당 평균 처리 시간을 곱해 필요 인원을 뽑아 보면, 문의 1만 건대에서는 인건비가 AI 비용과 비슷하거나 더 큰 구간으로 올라가요. 본전 결론 — 일 500건 쇼핑몰은 해결 단가형 AI + 사람 상담사 소수 escalation 조합이 유리합니다. AI가 반복 문의를 받고 사람은 예외만 처리하는 구조. 여기에 야간·주말까지 응대가 이어지는 가치를 더하면 인건비 단독 운영 대비 우위가 분명해져요. 단 해결률이 낮으면 AI 비용과 인건비를 동시에 부담하는 최악 구간이 되니 도입 전 해결률 측정이 필수입니다.
5월 시점 본인 결정 변수 4가지. (1) 결제 통화 — Fin·Tidio·Zendesk·HubSpot 모두 달러 결제. 한국 카드 결제 시 환율 + 해외 결제 수수료 1.5~2.5% 추가. 월 $1,000 결제 시 한국 원화 약 ₩1,420,000(환율 + 수수료 포함). 한국 챗봇(채널톡·해피톡·Bizppurio) 원화 결제 + 부가세 별도 + 세금계산서 발행. (2) 세금계산서·VAT — 해외 결제는 세금계산서 발행 안 됨. 사업자 등록 + B2B 비용 처리 어려움. 한국 챗봇은 세금계산서 + 부가세 별도 + 본전. (3) 한국어 응답 품질 — 글로벌 서비스는 영어 기준으로 다듬어져 있어 한국어 답변이 어색해지는 구간이 있고, 국내 챗봇은 존댓말 톤과 표현이 안정적인 편이에요. 수치로 비교하기 어려운 영역이라 본인 FAQ 10개를 실제로 물어보고 답변을 직접 비교하는 게 가장 정확합니다. 한국어 단일 운영자는 한국 챗봇 본전. (4) CS 외주·해외 진출 — 영문 CS·해외 진출 운영자는 Fin 본전. 본인 운영 시나리오에 따라 분기 결정 권장.
채널톡·해피톡·Bizppurio 같은 국내 챗봇은 대체로 월 정액 구조예요. 기능 등급별로 여러 플랜을 두고 상담원 수나 대화량에 따라 상위 플랜으로 올라가는 방식이라, 문의량이 늘어도 비용이 건당으로 튀지 않는 게 특징입니다. 정확한 플랜별 금액은 각 사 공식 가격 페이지에서 확인하세요. 해결 단가 모델과 비교하면 문의량이 많은 사업일수록 월 정액 쪽 총비용이 낮게 나오는 구조예요. 대신 국내 챗봇은 (1) 시나리오형 응답이 많아 사람 상담사로 넘어가는 빈도가 크고, (2) 자유 문의에 대한 AI 답변 일관성이 약한 편입니다. 본인 운영 매출·한국어 비율·AI 답변 일관성 요구 수준 세 가지로 분기 결정을 권해요.
한국 1인 SaaS·소상공인이 도입 효과를 정량화할 때 볼 지표 4가지. (1) CS 시간 절감 — 도입 전후로 하루 상담 처리 시간을 재고, 줄어든 시간에 본인 시급을 곱해 월 절감액을 환산. 이 값이 챗봇 구독료를 넘으면 본전입니다. (2) 첫 응답 시간 — 문의가 들어오고 첫 답이 나가기까지 걸린 시간. 챗봇은 이 지표가 가장 크게 개선되는 영역이에요. (3) 해결률 — 사람이 개입하지 않고 챗봇 단독으로 끝난 문의 비율. 해결 단가형 요금제를 검토한다면 이 값이 비용을 그대로 결정하니 필수 측정 항목. (4) escalation 비율 — 사람에게 넘어간 비율. 이 값이 높으면 FAQ와 프롬프트를 먼저 손봐야 합니다. 네 지표를 분기마다 측정하면 도입 효과가 숫자로 잡혀요. 측정 없이 감으로 판단하면 본전 여부를 알 수 없는 영역입니다.
n8n 공식 템플릿 라이브러리를 47페이지 전수로 받아 11,665편을 셌어요. 값이 붙은 것은 1,255편(결제 링크 기준으로는 1,265편), 중앙값은 20달러, 가장 흔한 가격표는 25달러예요. 창작자 2,441명 중 값을 붙인 사람은 264명이고, 그중 114명은 유료가 딱 한 편이에요. 2026년 8월 24일 오전 관측이에요.
AI로 만든 전자책과 템플릿을 팔 때 통신판매업 신고를 해야 하는지 조문으로 확인했어요. 전자상거래법 제12조 제1항 단서와 공정거래위원회 고시 제2조를 법제처 공개 API로 직접 받아, 직전년도 거래 50회 미만과 간이과세자라는 두 갈래가 어떻게 나뉘는지, 면제여도 남는 표시 의무와 신고 창구·서식까지 조문 번호와 함께 정리했어요.
공공누리 누리집과 문화체육관광부 공고 제2026-0040호 원문을 직접 열어 확인했어요. AI유형은 기존 제1~4유형 위에 겹쳐 붙는 표시라 학습이 아닌 이용에는 함께 붙은 유형의 조건이 그대로 남고, 제0유형과는 함께 붙지 않아요.
모델 목록에 적힌 컨텍스트 길이와 공급자 한도가 같은지 OpenRouter 공개 API로 422개를 전수로 세어 봤어요. 42개가 어긋났고 그중 22개는 공급자 한도가 표시값의 절반 이하, 가장 벌어진 모델은 31.25배였어요. 2026년 8월 24일 오전 11시 21분에서 11시 34분 사이(한국 시각) 관측이에요.
제미나이 릴리스 노트가 샘플링 파라미터 세 개를 폐지로 선언했는데, API 레퍼런스는 아직 Optional이고 텍스트 생성 가이드는 예제에 그대로 넣어요. 지금 보내면 어떻게 되는지 모델 다섯 개에 직접 쳐 봤어요. 2026년 8월 22일 오후 관측이에요.