바이룽, AI 직원에 성과급 지급…콜센터 처리량 급증

거대언어모델의 성능이 계속 좋아지면서, 기업의 구매 결정을 가르는 질문은 결국 하나로 모이고 있다. 기업은 정확히 무엇에 대해 돈을 낼 준비가 되어 있는가. 홍콩 증시에 상장된 중국 AI 기업 바이룽즈넝(百融智能)의 2026년 상반기 실적 보고서는 이 질문에 구체적인 답을 내놓았다. 모델 자체의 성능이 아니라 측정 가능하고 청구 가능한 결과에 대해서다. 규제 강화로 전체 매출은 줄었지만, AICC(AI Contact Center, AI 콜센터) 사업은 전년 대비 52% 성장했고, 금융을 벗어난 신규 업종 매출은 195% 늘었다.

이런 변화를 보여주는 두 개의 실제 사례가 있다. 한 물류 고객사에서는 AI 에이전트가 하루에 처리하는 통화량이 도입 초기 1000건 미만에서 8월 말 1만 5000건 이상으로 늘었다. 한 대형 증권사에서는 배치된 에이전트 '좌석' 수가 연초 약 30석에서 약 210석으로 확대됐다. 바이룽은 문의 응대, 민원 처리, 영업 같은 실제 업무를 맡는 이런 에이전트를 '실리콘 직원'이라 부르며, 라이선스나 좌석 수가 아니라 성과에 따라 요금을 받는다. 재무 데이터로 뒷받침된, 흔치 않은 기업용 에이전트 상용화 사례다.

실적표 안의 엇갈린 두 곡선

2026년 상반기 바이룽의 매출은 9억 1400만 위안으로 전년 대비 43% 감소했다. 매출총이익률은 73%에서 53%로 떨어졌고, 전년 동기 2억 100만 위안 흑자에서 3억 2200만 위안 적자로 돌아섰다. 보고서는 이를 2025년 10월 시행된 인터넷 대출 중개 관련 규제와 2026년 상반기에 잇따라 도입된 후속 규정 탓으로 설명한다. 이로 인해 여러 금융기관이 일부 상품 취급을 중단하면서 바이룽의 핵심 사업인 AI 여신 심사와 신용 마케팅이 직격탄을 맞았다. AI 의사결정 사업 매출은 3억 7200만 위안(전년 대비 26% 감소), 기타 사업 매출은 3억 7700만 위안(같은 기간 62% 감소)이었다.

반면 AICC 사업은 정반대 곡선을 그렸다. 매출은 1억 6600만 위안으로 전년 대비 52% 늘었고, 전체 매출에서 차지하는 비중은 약 6.8%에서 약 18.1%로 올라갔다. 동시에 바이룽은 전체 매출이 줄어드는 와중에도 연구개발비를 31% 늘려 3억 9400만 위안(매출의 43%)을 투입했다. 6월 말 기준 직원 1477명 중 901명, 즉 61%가 연구개발 인력이다. 바이룽 창업자 겸 최고경영자(CEO) 장샤오펑은 실적 발표 콘퍼런스콜에서 이번 사업 구조 전환을 '전략적 업그레이드'라고 규정했다.

정형화된 스크립트에서 진짜 문제를 해결하는 대화로

이전 세대 콜센터 봇은 주로 발신형 정형 업무 — 알림, 표준화된 마케팅 캠페인 — 를 처리했다. 복잡한 수신 상담은 완전히 다른 문제다. 고객이 열린 질문을 가지고 전화를 걸어오고, 말투와 상황을 미리 예측할 수 없다. 에이전트는 이를 이해하고 여러 차례 오가는 대화를 유지한 뒤, 지식베이스와 내부 시스템을 조회해야 비로소 업무를 끝낼 수 있다. 장샤오펑에 따르면 기존 봇은 이런 복잡한 사례의 70~80%를 상담원에게 넘긴다. 신세대 AICC가 좁히려는 것이 바로 이 격차다.

바이룽의 기술 전략은 제3자 모델 위에 응용 계층을 쌓는 대신 자체적으로 특화된 기반 모델을 훈련하는 것이다. 회사는 음성 멀티모달 모델 BR-Voice, 능동형 대화 모델 BR-LLM-Proactive, 문서 이해 모델 BR-Vision-Doc을 보유하고 있으며, 파라미터 규모를 0.4B~30B로 의도적으로 제한해 정확도·안정성·지연 시간·추론 비용 사이의 균형을 규모보다 우선한다. 장샤오펑은 오픈AI나 앤트로픽 같은 제3자 기반 모델 위에 서비스를 구축하는 시에라(Sierra), 데카곤(Decagon) 등 서구 AICC 기업들과의 차이를 명확히 짚었다. 바이룽은 사전학습, 사후학습, 추론 최적화를 모두 자체적으로 관리하기 때문에, 실제 운영 중 문제가 생기면 응용 계층과 모델 계층 중 어디에 원인이 있는지 더 빠르게 판단해 다음 학습 주기로 곧바로 넘어갈 수 있다고 한다. 다국어 대화 음성 이해를 겨루는 인터스피치(INTERSPEECH) 2026 MLC-SLM 챌린지에서 바이룽은 94.84%의 정확도로 세계 3위, 중국 산업계 1위를 기록했다고 밝혔다. 실제 현장 적용은 'FDE(선도 배치 엔지니어)' 팀이 맡아, 고객사의 기존 업무 흐름을 분석해 에이전트가 수행하는 워크플로로 재구성한다.

구독료가 아니라 결과에 대한 과금

바이룽의 RaaS(Results as a Service) 모델은 사안에 따라 상담원 연결 없이 성공적으로 해결한 통화나 티켓 건수, 실제 배치된 에이전트 규모, 또는 창출된 사업 규모에 대한 배분 방식 중 하나로 과금한다. 물류 사례에 대해 경영진은 실적 발표에서 해결 건당 비용이 이미 전통적인 유인 콜센터보다 50% 이상 낮다고 밝혔다. 이는 소프트웨어 라이선스, SaaS 구독, 토큰 기반 과금과는 근본적으로 다르다. 소프트웨어를 납품한 뒤의 운영 리스크는 보통 고객 쪽이 떠안지만, 결과 기반 과금은 기술 공급업체를 고객의 업무 프로세스 안으로 직접 끌어들여, 모델의 성능과 안정성, 비용을 공급업체 자신의 문제로도 만든다.

이 전략은 갑자기 나온 것이 아니다. 이미 2025년 12월 18일, 모회사 바이룽윈촹(百融雲創)은 기업용 AI 에이전트 전략과 '결과 클라우드(Results Cloud)'라는 플랫폼을 공식 발표한 바 있다. 회사가 '실리콘-탄소 공동 거버넌스'라 부르는 개념을 중심으로 구축됐는데, 표준화되고 절차화된 연산 집약적 업무는 AI('실리콘')가 맡고 인간('탄소')은 전략, 창의성, 관계에 집중한다는 것이다. 플랫폼은 자체 인프라·모델 계층, 기업용 에이전트 운영체제 계층, 완성된 에이전트를 갖춘 스토어 계층 등 3개 층으로 구성됐으며, 네 가지 대표 역할과 함께 출시됐다. 영업·고객서비스 에이전트는 한 팀의 연간 이직률을 70% 이상에서 0%로 낮추고 전환율을 217% 끌어올렸다고 한다. 채용 에이전트는 채용 주기를 28일에서 2일로 단축했다. 해외 진출 전문 서비스 에이전트는 처리 기간을 90일에서 14일로 압축했다. 지식 생산 에이전트는 심층 보고서 납품 기간을 20일에서 4일로 줄였다.

기업용 AI의 다음 단계는 더 말을 잘하는 것이 아니라 더 많은 일을 해내는 것이다. 기능을 전달하는 것이 아니라 결과를 전달하는 것이다.

금융에서 물류, 항공, 증권으로 번지는 복제

금융 분야에서 7~8년에 걸쳐 다듬어온 바이룽의 AICC 역량은 이제 물류, 항공, 증권, 은행, 통신, 보험 등 서비스 집약적 업종으로 복제되고 있다. 이런 업종의 공통점은 지속적이고 방대한 고객 접점이 있고, 산업 집중도가 높다는 것이다. 대형 고객사 한 곳에서 검증된 도입 사례를 만들면, 우선 사내 다른 업무로, 다음에는 동종 업계 경쟁사로 빠르게 확산시킬 수 있다. 7월 기준 증권 업종에서 13개 기관이 바이룽과 계약을 맺었거나 계약 협상을 진행 중이었다. 다만 경영진은 업종 간 확장에서 가장 시간이 걸리는 부분이 대기업의 구매 검증 주기와 시스템 통합이라는 점을 인정했다. 보안, 컴퓨넌스(규정 준수), 서비스 범위가 확정된 뒤에야 처리량이 단계적으로 풀린다는 것이다.

이미 아웃소싱 콜센터 산업이 큰 한국의 기업이 AI 에이전트 공급업체를 평가할 때, 이 사례가 주는 실무적 교훈은 분명하다. 구매 기준이 기능 목록에서 검증 가능한 성과 지표 — 상담원 연결 없는 해결률, 처리 건당 비용, 공급업체의 규모 확장 실적 — 로 옮겨가고 있다는 점이다. 고객서비스, 채용, 법무·회계 등 이미 표준화가 많이 진행된 업무에 종사하는 이들에게 이번 중국 사례는 조기 경보 신호이기도 하다. 동일한 기술 요소가 한 업종에서 다른 업종으로 복제될 때, 가장 먼저 자동화되는 것이 바로 이런 업무들이기 때문이다. 인사 부서는 기업용 AI 에이전트가 실제로 도입되는 날을 기다리기보다, 판단력과 인간관계가 필요한 업무로 인력을 재배치하는 계획을 지금부터 세워야 한다.