훈련받은 두 명의 사람 주석자가 콜센터 발화 20,000건의 감성에 레이블을 붙였을 때 코헨의 카파는 0.605에 그쳤다. 이 척도에서 1.0은 완벽한 일치이고 0은 우연 수준이다 (ConnexAI 연구진, IntechOpen 2026). 이 상한선이 중요한 이유는 음성 분석 대시보드의 모든 감성 점수가 이런 레이블을 기준으로 학습되고 평가되기 때문이다. 한편 상용 음성 인식 시스템은 실제 콜센터 대화 50건에서 단어의 16.5%에서 19.2%를 틀렸고, 표준 전화 벤치마크에서는 10.2%에서 11.62%였다 (Szymanski 외, Findings of EMNLP 2020). 그런데도 1,104개 기업의 49.8%는 이미 이런 전사본에 인터랙션 분석을 적용하고 있다 (Metrigy, AI for Business Success 2025-26). 저희는 Metrigy, NICE와 Verint의 SEC 제출 서류, EMNLP와 LREC, OpenAI, arXiv에 공개된 음성 벤치마크, NBER, EU 인공지능법, 일리노이주 의회, 그 밖의 여러 1차 자료의 데이터를 종합했다. 같은 업계의 자동화 측면(분석이 아니라 보이스봇과 AI 에이전트)은 저희 음성 AI 컨택센터 자동화 통계를 참고하세요.
요약
- 49.8%의 기업이 이미 인터랙션 분석을 사용하고 있고, 29.9%가 추가로 도입할 계획이다 (Metrigy, AI for Business Success 2025-26).
- 컨택센터의 55%는 여전히 품질 보증(QA)을 스프레드시트로 운영하며, 1년 전의 65%에서 줄었다 (Scorebuddy와 Call Centre Helper, 2025년 12월).
- 실제 콜센터 대화 50건에서 상용 ASR의 단어 오류율(WER): 16.5%에서 19.2% (Szymanski 외, Findings of EMNLP 2020).
- Whisper large-v2는 CallHome 전화 통화에서 단어의 17.6%를 틀리지만, 낭독된 오디오북 음성에서는 2.7%만 틀린다 (OpenAI, Whisper 논문 2022).
- 아프리카 억양의 실제 콜센터 음성에서 Whisper-large-v3의 WER은 24.69%, 최고 모델은 13.45%였다 (AfriSpeech-MultiBench, arXiv 2025).
- 사람 주석자가 콜센터 발화의 감성에 합의하는 정도는 코헨의 카파 0.605다 (ConnexAI 연구진, IntechOpen 2026).
- 실제 고객 통화를 평가한 두 주석자의 일치도는 정서가에서 급내 상관계수(ICC) 0.62, 각성도에서 0.52에 그쳤다 (CusEmo 연구, arXiv 2023).
- 음향만 쓴 감성 모델의 가중 정확도는 전화 통화에서 54.23%로, 사람의 85.76%에 한참 못 미쳤다 (Chen 외, LREC 2020).
- AI 어시스턴트가 지원 상담원 생산성을 14%, 고객 감성을 -1에서 1 척도로 0.18점 높였다 (NBER Working Paper 31161).
- 음성으로 직장 내 직원의 감정을 추론하는 것은 2025년 2월 2일부터 EU에서 금지되었다 (EU 인공지능법, 규정 (EU) 2024/1689).
- 일리노이주는 성문 같은 생체 식별자와 관련된 위반 1건당 $1,000에서 $5,000의 손해배상액을 정하고 있다 (740 ILCS 14).
1. 도입 현황: 인터랙션 분석과 자동화된 품질 보증
도입 문제는 절반쯤 결론이 났다. 1,104개 기업의 49.8%가 이미 인터랙션 분석을 사용하고 있으며 (통화, 채팅, 이메일을 전사하고 주제, 컴플라이언스 문구, 감성을 추출하는 소프트웨어), 29.9%는 그해 안에 도입할 계획이었다 (Metrigy, AI for Business Success 2025-26). 달라진 것은 역할이다. 도입 기업 중 가장 큰 집단인 46.2%는 이제 가장 큰 가치가 AI 에이전트와 사람 상담원의 성과를 비교하는 것이라고 답한다 (Metrigy 분석, 2025년 5월 14일). 음성 분석은 코칭 도구에 그치지 않고 자동화의 성적표가 되어 가고 있다.
분석이 대체하기로 되어 있는 품질 보증(QA) 과정은 여전히 놀랍도록 수작업이다. 벤더가 후원한 한 조사에서는 QA의 스프레드시트 의존도가 전년 65%에서 55%로 줄었고, 컨택센터의 44%는 자동 또는 실시간 채점에 강한 관심을 보였다 (Scorebuddy와 Call Centre Helper, What Contact Centers Are Doing Right Now, 2025년 12월). 벤더 구조는 집중되어 있고 규모도 크다. NICE는 2025년 총매출 2,945.4백만 달러(전년 2,735.3백만 달러)를 보고했고 클라우드 매출은 12.8% 증가했으며, 대화형 AI 기업 Cognigy를 인수하면서 총 887.3백만 달러의 최종 대가를 지급했다 (NICE의 2025 회계연도 Form 20-F).
| 지표 | 값 | 출처 |
|---|---|---|
| 이미 인터랙션 분석을 사용하는 기업 | 1,104개 기업의 49.8% | Metrigy, AI for Business Success 2025-26 |
| 2025년 중 인터랙션 분석 도입을 계획하는 기업 | 29.9% | Metrigy, AI for Business Success 2025-26 |
| AI 에이전트와 사람 상담원의 효과 비교를 가장 큰 가치로 꼽은 분석 도입 기업 | 46.2% (가장 큰 집단) | Metrigy 분석, 2025년 5월 |
| 품질 보증에 스프레드시트를 쓰는 컨택센터, 올해 대 작년 | 55% 대 65% | Scorebuddy와 Call Centre Helper 조사, 2025년 12월 (벤더 후원) |
| 자동 또는 실시간 품질 채점에 강한 관심이 있는 컨택센터 | 44% | Scorebuddy와 Call Centre Helper 조사, 2025년 12월 (벤더 후원) |
| NICE 고객 조직과 Fortune 100 고객 | 150개국 이상에서 25,000개 이상의 조직, 그중 Fortune 100 기업 85곳 | NICE Form 20-F, 2025 회계연도 |
| Verint의 Fortune 100 고객과 서비스 국가 | Fortune 100 기업 80곳 이상, 175개국 이상 | Verint Form 10-K, 2025년 1월 31일 종료 회계연도 |
| Verint의 구독 사업 매출 | 약 80% | Verint Form 10-K, 2025년 1월 31일 종료 회계연도 |
참고: 수작업 QA 팀이 통화의 “1%에서 3%” 또는 “5% 미만”만 검토한다는 수치가 널리 돌고 있지만, 저희가 찾은 모든 버전은 벤더 블로그나 확인할 수 없는 인용으로 거슬러 올라갔기 때문에 제외했다. 사람이 검토하는 통화와 기계가 채점하는 통화의 비율을 보고한 독립적인 공개 조사는 2025년에도 2026년에도 없다. Verint Form 10-K는 매출의 약 72%가 미주 지역에서 나왔다고도 보고한다.
2. 실제 통화 음성에서의 전사 정확도
텍스트 기반 감성 점수는 모두 전사본에서 시작하는데, 협대역(8 kHz)의 자연 발화 통화 음성은 인식기가 일상적으로 마주하는 음성 중에서도 가장 어려운 축에 속한다. 단어 오류율(WER)은 사람이 작성한 전사본과 비교해 시스템이 대체, 누락, 삽입한 단어의 비율이다. 상용 시스템 3종은 실제 콜센터 대화 50건에서 WER 16.5%에서 19.2%를 기록했고, Switchboard 전화 벤치마크에서는 10.2%에서 11.62%였다 (Szymanski 외, WER we are and WER we think we are, Findings of EMNLP 2020). 저자들은 Switchboard에서 공개된 최고 결과가 약 5%라고 지적하는데, 따라서 실제 통화의 오류율은 헤드라인 벤치마크가 시사하는 수준의 대략 3배에서 4배였다 (16.5 / 5 = 3.3, 19.2 / 5 = 3.84). 비공개 콜센터 음성에 대한 상용 시스템의 입수 가능한 최신 데이터: Szymanski 외, 2020년. 현행 상용 엔진으로 실제 통화 녹음에서 이 테스트를 재현한 공개 자료는 찾지 못했다.
더 최근의 오픈 모델도 같은 격차를 보인다. Whisper large-v2는 LibriSpeech test-clean(낭독된 오디오북)에서 WER 2.7%였지만 CallHome에서는 17.6%, Switchboard에서는 13.8%였으며, 뒤의 둘은 모두 전화 대화 데이터셋이다 (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). 억양이 더해지면 격차는 더 벌어진다. 아프리카 억양의 실제 상담원과 고객 통화를 모은 소규모 비공개 데이터셋에서 결과는 최고 모델의 13.45%에서 최악 모델의 88.71%까지 걸쳐 있었다 (AfriSpeech-MultiBench, arXiv 2025년 11월). 이 측면은 저희 억양 편향과 단어 오류율 통계에서 자세히 다룬다.
| 지표 | 값 | 출처 |
|---|---|---|
| 실제 콜센터 대화 50건(음성 8.5시간, 발화 2.2시간)에서 상용 ASR 시스템 3종의 WER | 16.5%에서 19.2% | Szymanski 외, Findings of EMNLP 2020 |
| 같은 3개 시스템의 HUB’05 Switchboard 전화 벤치마크 WER | 10.2%에서 11.62% | Szymanski 외, Findings of EMNLP 2020 |
| 최고 시스템의 업종별 콜센터 WER | 13.73% (보험)에서 20.95% (여행 예약) | Szymanski 외, Findings of EMNLP 2020 |
| 3개 시스템 중 가장 약한 시스템의 고객 발화 대 상담원 발화 WER | 20.99% 대 17.83% | Szymanski 외, Findings of EMNLP 2020 |
| Whisper large-v2의 WER: 낭독 오디오북 음성(LibriSpeech test-clean) 대 CallHome 전화 통화 대 Switchboard 전화 통화 | 2.7% 대 17.6% 대 13.8% | OpenAI, Whisper 논문 2022 |
| CallHome 전화 통화에서 NVIDIA Conformer-CTC large 대 wav2vec2-large-960h의 WER | 11.3% 대 34.8% | OpenAI, Whisper 논문 2022 (비교표) |
| 아프리카 억양의 실제 콜센터 음성 WER: 최고 모델 대 Whisper-large-v3 대 GPT-4o Transcribe | 13.45% 대 24.69% 대 23.20% | AfriSpeech-MultiBench, arXiv 2025년 11월 |
| ASR로 전사한 콜센터 평가 세트(발화 618건) 중 전사 오류가 포함된 비율 | 42.6% (263개 샘플) | ConnexAI 연구진, IntechOpen 2026 |
이상치 참고: 상담원과 고객 사이의 격차가 보편적인 것은 아니다. 상용 시스템 3종 중 가장 좋은 시스템에서는 고객과 상담원의 WER이 거의 같았다 (16.48% 대 16.49%). 즉 고객 쪽이 더 어려운 것은 일부 엔진이지 전부가 아니다. 또한 오류의 성격도 벤치마크 오류와 다르다. 저희 음성 인식 환각 통계는 WER 점수만으로는 구분되지 않는 지어낸 단어를 다룬다.
3. 통화 전사본의 텍스트 감성: 사람의 일치도와 기계의 정확도
감성 분석에서 불편한 숫자는 사람 쪽 기준선이다. 콜센터 발화 20,000건(브로드밴드, 보험, 기타 업종)에 레이블을 붙인 두 주석자의 일치도는 코헨의 카파 0.605였다 (ConnexAI 연구진, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). 카파는 단순 일치율을 우연에 의한 일치로 보정한 값이며, 1.0은 완벽한 일치, 0은 우연만으로 나오는 수준이다. 벤더가 제시하는 “감성 정확도”는 모두 사람들 스스로도 자주 이견을 보이는 레이블을 기준으로 채점된다.
이 상한선 안에서 모델은 깔끔한 텍스트에서는 잘하지만 가장 중요한 클래스에서 흔들린다. 전체 주석 지침을 준 경우, 320억 파라미터의 오픈 대규모 언어 모델(LLM)은 3개 클래스에서 사람의 골드 스탠더드(사람이 매긴 기준 레이블)와 91% 일치했지만, 매크로 F1(클래스별 F1 점수의 평균으로, 드문 클래스를 무시하면 불리해진다)은 0.79였다. 진짜 스트레스 테스트는 ASR 출력이다. 기계로 전사한 실제 운영 통화에서 같은 방식은 단일 발화로는 매크로 F1 0.74, 여섯 턴 창을 보여 주면 0.86에 도달했다. 문맥이 크기보다 더 큰 영향을 미쳤다. 같은 테스트에서 40억 파라미터 Qwen3 모델의 매크로 F1은 0.78이었고, 320억 파라미터 형제 모델은 0.56이었다. Switchboard 전화 코퍼스에서는 레이블 구성을 보면 “중립”이 대시보드를 지배하는 이유를 알 수 있다. 세그먼트의 52.6%가 중립이었다 (Chen 외, A Large Scale Speech Sentiment Corpus, LREC 2020).
| 지표 | 값 | 출처 |
|---|---|---|
| 콜센터 발화 20,000건의 감성에 대한 사람 주석자 두 명 사이의 일치도 (코헨의 카파) | 0.605 | ConnexAI 연구진, IntechOpen 2026 |
| 전체 지침을 준 오픈 LLM(Qwen2.5-32B-Instruct) 대 사람의 골드 스탠더드, 감성 3개 클래스, 샘플 8,750건 | 정확도 0.91, 매크로 F1 0.79 | ConnexAI 연구진, IntechOpen 2026 |
| 사람이 전사한 통화에서 미세 조정한 DistilBERT 대 SVM 분류기의 매크로 F1 | 0.90 대 0.82 | ConnexAI 연구진, IntechOpen 2026 |
| 운영 통화의 기계(ASR) 전사본에서 LLM의 매크로 F1: 단일 발화 대 여섯 턴 문맥 창 | 0.74 대 0.86 | ConnexAI 연구진, IntechOpen 2026 |
| Switchboard 전화 통화(세그먼트 49,500건, 140시간)에서 개별 사람 주석자가 다수 레이블과 일치한 평균 정확도 | 약 85% | Chen 외 (Google), LREC 2020 |
참고: 같은 장에서 부정 클래스는 최고의 분류기에서도 약점이었다 (미세 조정한 DistilBERT의 F1은 긍정에서 0.94, 부정에서 0.78). 또한 SVM은 기계 전사본에서 무너져 상담원 발화에서 매크로 F1 0.25, 고객 발화에서 0.46에 그쳤다. 기계로 전사한 운영 통화는 분포도 치우쳐 있었다. 중립이 61%, 긍정이 30%, 부정이 9%였다. 모든 것을 중립으로 레이블링하는 모델은 이런 데이터에서는 정확해 보이지만, 화가 난 9%를 놓친다.
4. 음향 감정 탐지: 목소리가 더하는 것
목소리 톤은 “감정 AI”의 셀링 포인트이지만, Switchboard 전화 통화 감성 벤치마크에서는 단일 신호로서 가장 약했다. 음향만 쓴 모델은 3개 클래스 감성에서 가중 정확도 54.23%에 그쳤고, 사람은 85.76%였다. 여기에 텍스트를 더하면 65.65%로 올라갔다 (Chen 외, LREC 2020, Lu 외 2019 기준선 보고). 가중 정확도는 모든 세그먼트를 동등하게 센다. 비가중 정확도는 세 클래스를 평균하므로, 음향 모델의 비가중 점수 39.63%는 무작위 추측으로 얻을 33.3%를 겨우 약 6포인트 웃돌 뿐이다 (39.63 - 33.33 = 6.3). 세 가지 입력 유형을 모두 비교한 공개 전화 통화 감성 벤치마크의 입수 가능한 최신 데이터: Switchboard 감성 코퍼스, LREC 2020.
실제 고객 서비스 통화는 레이블링이 훨씬 더 어렵다. 프랑스의 출장 예약 콜센터를 다룬 CusEmo 연구에서, 고객의 감정을 연속적으로 평가한 두 주석자의 급내 상관계수(ICC, 0에서 1 사이의 일치도 점수)는 정서가(얼마나 긍정적이거나 부정적인가)에서 0.62, 각성도(얼마나 활성화되었거나 차분한가)에서 0.52였다 (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). 상담원의 공감 정도를 알려 준 뒤, 최고 모델이 이 평가들과 보인 일치 정도(CCC, 1이 완벽한 일치)는 정서가에서 0.699, 각성도에서 0.508이었다. 다시 말해 모델이 상담원의 목소리도 들을 때 고객의 기분을 읽기가 더 쉽다. 같은 기술의 임상 용도에 대해서는 저희 음성 감정 인식 정확도 통계를 참고하세요.
| 지표 | 값 | 출처 |
|---|---|---|
| Switchboard 전화 통화의 3개 클래스 감성 가중 정확도: 음향만 쓴 모델 대 음향과 텍스트 모델 대 음성 인식 특징을 쓴 모델 대 사람 청취자 | 54.23% 대 65.65% 대 70.10% 대 85.76% | Chen 외 (Google), LREC 2020 |
| 비가중(클래스 평균) 정확도, 같은 네 가지 방식을 같은 순서로 | 39.63% 대 54.59% 대 62.39% 대 84.61% | Chen 외 (Google), LREC 2020 |
| 프랑스 출장 예약 콜센터의 CusEmo 원본 컬렉션 | 대화 5,548건, 375.39시간 | CusEmo 연구, arXiv 2023 |
| 문맥 주석이 있는 CusEmo 대화, 감정 평가를 받은 고객 음성 | 대화 469건, 13.15시간 | CusEmo 연구, arXiv 2023 |
| 고객 감정을 평가한 두 주석자 사이의 일치도 (ICC): 정서가 대 각성도 | 0.62 대 0.52 | CusEmo 연구, arXiv 2023 |
| 상담원 공감을 더했을 때 최고 모델과 사람 평가의 일치도 (CCC): 정서가 대 각성도 | 0.699 대 0.508 | CusEmo 연구, arXiv 2023 |
참고: CusEmo 코퍼스는 내부 사용 전용이며 공개되지 않았고, 대화 5,548건 중 문맥 주석을 받은 것은 469건뿐이다. 실제 콜센터 감정 데이터가 드문 것은 바로 녹음에 개인정보가 담겨 있기 때문이며, 이는 공개된 정확도 수치 대부분이 팟캐스트, 연기된 음성, 수십 년 된 전화 코퍼스에서 나오는 이유 중 하나이기도 하다.
5. 측정된 비즈니스 성과
분석 벤더가 파는 것은 성과이고, 가장 잘 통제된 증거는 음성이 아니라 텍스트에서 나온다. 고객 지원 상담원 5,179명과 약 3백만 건의 채팅을 대상으로 한 연구에서 AI 대화 어시스턴트는 시간당 해결 건수를 평균 14%, 신입 및 저숙련 상담원에게서는 34% 높였다 (Brynjolfsson, Li, Raymond, Generative AI at Work, NBER Working Paper 31161). 이 연구는 LLM 기반 감성 분류기(SiEBERT, 텍스트를 -1에서 1로 채점)로 고객 기분을 측정했으며, 자동 감성을 입력 특징이 아니라 성과 지표로 쓴 몇 안 되는 대규모 현장 연구 중 하나다.
더 부드러운 지표도 움직였다. 고객 감성은 0.18점(표준편차의 절반) 올랐고, 관리자와 통화하겠다는 요청은 거의 25% 줄었으며, 처리 시간은 3.8분 단축되었다. 해결률은 거의 변하지 않았다. 구매자들은 데이터가 맨 위에 있어야 한다고 믿는 듯하다. 기업의 거의 84%, Metrigy의 성공 그룹에서는 96.7%가 고객 인터랙션 데이터가 경영진 성과 대시보드에 포함되어야 한다고 답한다 (Metrigy 분석, 2025년 5월).
| 지표 | 값 | 출처 |
|---|---|---|
| AI 대화 어시스턴트를 쓴 생산성 향상 (시간당 해결 건수), 상담원 5,179명 | 평균 14% | NBER Working Paper 31161, Brynjolfsson, Li, Raymond |
| 신입 및 저숙련 상담원의 생산성 향상 | 34% | NBER Working Paper 31161 |
| 고객 감성 평균의 변화 (SiEBERT 점수, -1에서 1) | +0.18점, 표준편차의 약 절반 | NBER Working Paper 31161 |
| 관리자와 통화하겠다는 고객 요청의 변화 (기준선은 약 6퍼센트포인트) | 거의 25% 감소 | NBER Working Paper 31161 |
| 평균 처리 시간의 변화 | 3.8분 단축, 9% 감소 | NBER Working Paper 31161 |
| 해결률의 변화 (기준선 82%) | +1.3퍼센트포인트, 10% 수준에서만 유의 | NBER Working Paper 31161 |
| 인터랙션 데이터를 경영진 대시보드에 올리고 싶은 기업: 전체 기업 대 가장 성공적인 그룹 | 거의 84% 대 96.7% | Metrigy 분석, 2025년 5월 |
이상치 참고: NBER 연구에서 상담원의 감성은 0.02점, 표준편차의 약 1%만 올랐으므로, 개선은 상담원이 쓰는 방식이 아니라 고객이 쓰는 방식에서 나타났다. 이 연구는 한 회사의 텍스트 채팅을 다룬다. 음성 통화 분석의 성과에 대해 비슷한 규모의 통제된 연구는 찾지 못했다.
6. 규제와 프라이버시: 감정 인식 규칙과 성문 관련 법
법적 경계선은 누구의 감정을, 무엇으로부터 읽느냐에 따라 그어진다. 2025년 2월 2일부터 EU 인공지능법은 의료 또는 안전상의 이유를 제외하고, 직장에서 사람의 감정을 추론하는 AI 시스템을 금지하고 있다 (규정 (EU) 2024/1689, 제5조 1항 (f) 및 제113조). 이 법은 감정 인식을 “생체 데이터에 근거한” 추론으로 정의하며, 그래서 집행위원회 지침은 음성 인식을 이용해 직원의 분노를 추적하는 콜센터는 금지로, 고객의 감정을 추적하는 콜센터는 금지 대상 밖으로, 서면 텍스트로부터의 추론 역시 대상 밖으로 본다 (유럽연합 집행위원회의 금지된 AI 관행 지침, 2025년 2월 4일, 사례는 CMS, 2025년 2월 10일의 요약에 따름). 실무적으로 고객에 대한 전사본 기반 감성 분석이 유럽에서 가장 안전한 설계이고, 상담원에 대한 목소리 톤 채점이 가장 위험하다.
법의 전문 제44항은 감정 인식의 과학적 근거에 대한 심각한 우려를 들어 금지를 정당화하며, 제한된 신뢰성, 특이성 부족, 제한된 일반화 가능성을 꼽는다. 이는 3절과 4절의 일치도 점수가 측정하는 것과 같은 약점이다. 미국에서 가장 날카로운 노출은 생체정보 쪽이다. 일리노이주는 성문을 생체 식별자로 보므로, 화자의 성문을 만드는 모든 시스템(예를 들어 발신자 인증용)은 그 규칙과 위반 1건당 손해배상액의 적용을 받는다 (일리노이주 생체정보 프라이버시법, 740 ILCS 14).
| 지표 | 값 | 출처 |
|---|---|---|
| 직장과 교육 현장에서의 감정 추론에 대한 EU 금지(제5조 1항 (f))가 적용되는 날짜 | 2025년 2월 2일 | EU 인공지능법, 규정 (EU) 2024/1689, 제113조 |
| 금지된 AI 관행을 사용한 경우의 최대 과징금 | 35,000,000유로 또는 전 세계 연간 총매출의 7% 중 높은 쪽 | EU 인공지능법, 제99조 3항 |
| 금지되지 않은 감정 인식 시스템(예: 고객 대상)의 지위 | 고위험 AI 시스템으로 열거 | EU 인공지능법, 부속서 III, 1항 (c) |
| 공포된 EU 인공지능법의 전면 적용일 | 2026년 8월 2일 | EU 인공지능법, 제113조 |
| 음성 인식으로 분노 같은 직원의 감정을 추적하는 콜센터 | 금지 | 유럽연합 집행위원회 지침, 2025년 2월 |
| 음성 인식으로 고객의 감정을 추적하는 콜센터 | 직장 금지 대상 밖 | 유럽연합 집행위원회 지침, 2025년 2월 |
| 성문 같은 생체 식별자와 관련된 위반 1건당 일리노이주 법정 손해배상액: 과실 대 고의 또는 무모 | $1,000 대 $5,000 | 일리노이주 BIPA, 740 ILCS 14/20 |
| 일리노이주 BIPA 시행일과 최근 개정 | 2008년 10월 3일, 공법 103-769로 개정되어 2024년 8월 2일 시행 | 일리노이주 의회 |
참고: 집행위원회 지침은 구속력이 없으며, 권위 있는 해석은 EU 사법재판소에 달려 있다. NICE 자체 연차 보고서도 AI 법이 “2026년 8월까지 단계적으로 적용”되며 미준수에 대한 과징금이 “상당하다”고 경고한다 (NICE의 2025 회계연도 Form 20-F).
숫자로 보는 콜센터 음성 분석 감성 탐지 정확도
| 지표 | 값 | 출처 |
|---|---|---|
| 이미 인터랙션 분석을 사용하는 기업 대 2025년 도입을 계획하는 기업 | 49.8% 대 29.9% (1,104개 기업 중) | Metrigy, AI for Business Success 2025-26 |
| 여전히 품질 보증에 스프레드시트를 쓰는 컨택센터 | 55% (65%에서 감소) | Scorebuddy와 Call Centre Helper, 2025년 12월 |
| NICE의 2025년 총매출 | 2,945.4백만 달러 | NICE Form 20-F, 2025 회계연도 |
| 실제 콜센터 대화 50건에서 상용 ASR의 WER | 16.5%에서 19.2% | Szymanski 외, Findings of EMNLP 2020 |
| 같은 시스템의 Switchboard 전화 벤치마크 WER | 10.2%에서 11.62% | Szymanski 외, Findings of EMNLP 2020 |
| Whisper large-v2의 WER: 낭독 오디오북 음성 대 CallHome 전화 통화 | 2.7% 대 17.6% | OpenAI, Whisper 논문 2022 |
| 아프리카 억양의 콜센터 음성 WER: 최고 모델 대 Whisper-large-v3 | 13.45% 대 24.69% | AfriSpeech-MultiBench, arXiv 2025 |
| 콜센터 발화 감성에 대한 사람 사이의 일치도 (코헨의 카파) | 0.605 | ConnexAI 연구진, IntechOpen 2026 |
| ASR 전사본에서 LLM 감성의 매크로 F1: 단일 발화 대 여섯 턴 문맥 | 0.74 대 0.86 | ConnexAI 연구진, IntechOpen 2026 |
| 전화 통화 감성의 가중 정확도: 음향만 대 음향과 텍스트 대 사람 | 54.23% 대 65.65% 대 85.76% | Chen 외 (Google), LREC 2020 |
| 실제 통화에서 고객 정서가 대 각성도에 대한 주석자 일치도 (ICC) | 0.62 대 0.52 | CusEmo 연구, arXiv 2023 |
| AI 대화 어시스턴트의 생산성 향상, 전체 상담원 대 신입 | 14% 대 34% | NBER Working Paper 31161 |
| AI 지원 시 고객 감성 변화(-1에서 1 척도)와 관리자 연결 요청 | +0.18점, 요청 거의 25% 감소 | NBER Working Paper 31161 |
| 직장 내 감정 추론에 대한 EU 금지의 적용 시작일 | 2025년 2월 2일 | EU 인공지능법, 제113조 |
| 음성 인식으로 직원의 감정을 추적하는 콜센터 대 고객의 감정을 추적하는 콜센터 | 금지 대 직장 금지 대상 밖 | 유럽연합 집행위원회 지침, 2025년 2월 |
| 금지된 AI 관행에 대한 EU 최대 과징금 | 35,000,000유로 또는 전 세계 매출의 7% | EU 인공지능법, 제99조 3항 |
| 생체정보 위반 1건당 일리노이주 손해배상액, 과실 대 고의 | $1,000 대 $5,000 | 일리노이주 BIPA, 740 ILCS 14 |
방법론과 출처
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1,104개 기업)와 같은 조사에 대한 Metrigy 분석, 2025년 5월 14일: 도입 현황, 도입 계획, 주요 활용 사례, 대시보드에 대한 인식.
- Scorebuddy와 Call Centre Helper, What Contact Centers Are Doing Right Now, 2025년 12월 11일: QA 도구 조사, 벤더 후원. 표본 크기는 발표문에 공개되지 않았다.
- NICE Ltd, 2025년 12월 31일 종료 회계연도 Form 20-F (SEC EDGAR): 매출, 클라우드 성장, 고객 기반, Cognigy 대가, AI 법 위험 요인.
- Verint Systems, 2025년 1월 31일 종료 회계연도 Form 10-K (SEC EDGAR): 고객 기반, 국가, 구독 비중, 지역별 매출.
- Szymanski 외, WER we are and WER we think we are, Findings of EMNLP 2020: 실제 콜센터 대화 50건에서의 상용 ASR.
- Radford 외 (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: LibriSpeech, CallHome, Switchboard에서의 Whisper WER.
- Ashungafac 외 (Intron Health), AfriSpeech-MultiBench, arXiv 2025년 11월: 18개 ASR 시스템의 콜센터 도메인 WER.
- Jordan, Fonseka, Stacey, Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 2026년 6월 20일: 사람의 일치도, LLM과 분류기의 감성 정확도, ASR 견고성. 저자들은 컨택센터 AI 벤더에서 일한다.
- Chen 외 (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): Switchboard 감성 레이블, 사람의 정확도, 음향 및 텍스트 기준선.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: 실제 콜센터 감정 코퍼스와 모델 결과.
- Brynjolfsson, Li, Raymond, Generative AI at Work, NBER Working Paper 31161: 생산성, 감성, 에스컬레이션, 이직 관련 성과.
- 규정 (EU) 2024/1689 (EU 인공지능법), EUR-Lex: 제3조 (39), 제5조 1항 (f), 제99조 3항, 제113조, 부속서 III, 전문 제44항.
- 유럽연합 집행위원회, 금지된 AI 관행 지침, 2025년 2월 4일과 콜센터 사례에 대한 CMS 요약, 2025년 2월 10일.
- 일리노이주 의회, 생체정보 프라이버시법, 740 ILCS 14: 성문 정의와 법정 손해배상액.
- 데이터 참고 사항: 콜센터 상용 WER 연구(2020), Whisper 논문(2022), Switchboard 감성 기준선(2020), CusEmo 연구(2023)는 각 측정에 대해 입수 가능한 가장 최신의 공개 데이터이며, 실제 통화 녹음에서 상용 엔진을 시험한 더 최신의 공개 테스트는 찾지 못했고, 이 논문들에서 쓴 콜센터 데이터셋은 비공개다. IntechOpen 장은 일부에서 내부적으로 일관되지 않다 (초록은 감성 관측치를 3,000건이라고 하지만 본문은 8,750건을 쓰며, ASR F1을 초록에서는 “약 0.76”이라 하는 반면 본문에서는 매크로 F1 0.74와 정확도 0.76을 제시한다). 저희는 본문의 표를 사용했다. CusEmo 논문의 본문은 한 설정에 대해 0.657과 0.434를 보고하지만 그 표에는 .667과 .499로 적혀 있다. AfriSpeech-MultiBench의 콜센터 세트는 샘플이 16건(0.80시간)뿐이며, 논문은 평가된 시스템이 18개라고도 19개라고도 말한다. NBER 성과는 음성 통화가 아니라 한 회사의 텍스트 채팅에서 나왔다. Metrigy는 같은 도입 결과를 한 곳에서는 49.8%로, 다른 곳에서는 “절반에 그친다”고 기술한다. 수작업 QA가 통화의 1%에서 3%를 다룬다는 널리 반복되는 주장은 독립적인 조사로 거슬러 올라갈 수 없어 제외했다. EU 인공지능법 일정은 관보에 공포된 대로 인용했으므로, 고위험 의무에 대해 2026년 8월 2일이라는 날짜에 의존하기 전에 이후 개정이 있는지 확인하기 바란다.
마지막 업데이트: 2026년 10월 27일. 저희는 이 정리를 분기마다 업데이트하며, 다음 갱신은 Metrigy가 다음 AI for Business Success 조사를 발표하고 NICE가 다음 연례 Form 20-F를 제출할 때 이루어질 것으로 예상한다.