키워드를 넘어서: NLP와 머신러닝이 불만을 조기에 포착하는 방식

By Mirko Peters · 2026-08-12

팟캐스트 블로그에 다시 오신 것을 환영합니다! 저희 쇼를 들어보셨다면, 현대 비즈니스 운영을 뒷받침하는 기술 스택을 깊이 있게 다루는 것을 좋아한다는 것을 아실 겁니다. 오늘은 고객 지원 팀을 관리하는 분들에게 특히 와닿는 주제를 다루려 합니다. 바로 고객의 분노가 본격적인 위기로 번지기 전에 미리 포착하는 방법입니다. 단순한 키워드 매칭을 훨씬 넘어서, 자연어 처리, 딥러닝 모델, 예측 알고리즘의 고급 원리를 살펴보겠습니다.

Automatically translated with AI from the original post. Read the English original

팟캐스트 블로그에 다시 오신 것을 환영합니다! 저희 쇼를 들어보셨다면, 현대 비즈니스 운영을 뒷받침하는 기술 스택을 깊이 있게 다루는 것을 좋아한다는 것을 아실 겁니다. 오늘은 고객 지원 팀을 관리하는 분들에게 특히 와닿는 주제를 다루려 합니다. 바로 고객의 분노가 본격적인 위기로 번지기 전에 미리 포착하는 방법입니다. 단순한 키워드 매칭을 훨씬 넘어서, 자연어 처리, 딥러닝 모델, 예측 알고리즘의 고급 원리를 살펴보겠습니다.

이러한 까다로운 상호작용을 어떻게 관리하고 업무 흐름을 효율화할 수 있는지 더 깊이 알고 싶으시다면, 관련 팟캐스트 에피소드 Reduce Escalations with Sentiment Routing in Dynamics 365도 꼭 확인해 보세요. 이제 현대 인공지능이 좌절한 고객과 기업이 상호작용하는 방식을 근본적으로 어떻게 바꾸고 있는지 알아보겠습니다.

AI 에이전트가 고객의 불만을 감지하는 방법

화가 난 고객을 상대할 때, 불만을 초기에 알아차리는 것만으로도 상호작용의 결과가 완전히 달라질 수 있습니다. AI 에이전트는 고객이 말하는 내용과 말하는 방식을 함께 분석해 위험 신호를 찾아내는 데 도움을 줍니다. 이러한 시스템은 고객이 분노를 드러내기 전에 감정을 보여 주는 언어적, 비언어적 단서를 포착합니다. 이러한 신호를 이해하면 공감과 적극적 경청으로 대응할 수 있어, 문제가 확대되는 것을 막을 수 있습니다.

화난 고객의 지표

AI 에이전트는 고객이 화가 나 있거나 좌절하고 있는지 감지하기 위해 여러 주요 지표를 사용합니다. 이러한 지표에는 어조의 변화, 응답 지연, 긴장이 높아지고 있음을 나타내는 특정 표현이 포함됩니다.

언어적 단서

고객의 말과 말투에 주의 깊게 귀 기울이면 화난 고객을 알아볼 수 있습니다. AI는 음높이, 음량, 발화 속도 같은 음성 패턴을 분석해 좌절을 감지합니다. 목소리가 커지거나 말이 빨라지는 것은 대개 감정적 스트레스의 신호입니다. AI는 대화 중 감정 변화도 추적하여, 사람 상담원이 놓칠 수 있는 미묘한 감정 변화까지 포착합니다. 이를 통해 고객의 말뿐만 아니라 감정에 집중하는 적극적 경청을 실천할 수 있습니다.

비언어적 단서

AI 에이전트는 말 이외에도 멈춤, 한숨, 망설임과 같은 비언어적 신호를 모니터링합니다. 이러한 단서는 종종 숨겨진 긴장이나 불안을 드러냅니다. 예를 들어, 응답 지연이 길어지면 고객이 무시당하거나 혼란스럽다고 느끼고 있을 수 있습니다. AI는 음성 인식 기술을 활용해 좌절이 분명해지기 몇 밀리초 전에 음성 패턴의 미세한 변화를 포착합니다. 이러한 신호를 일찍 알아차리면 공감을 보여 주고, 상황이 악화되기 전에 진정시킬 수 있습니다.

감정 유발 요인

AI 에이전트는 고객을 화나게 만드는 감정 유발 요인도 식별합니다. 이러한 요인은 흔히 일반적인 불편 사항이나 상호작용의 특정 맥락적 요소와 관련됩니다.

주요 불편 사항

화난 고객 중 다수는 긴 대기 시간, 해결되지 않은 문제, 불명확한 정보처럼 비슷한 불만을 공유합니다. AI는 대화의 내용과 어조를 분석해 이러한 불편 사항을 찾아냅니다. 고객이 반복되는 문제를 언급하거나 불만을 표현하면, AI는 이를 감정 유발 요인으로 표시합니다. 이러한 요인을 인식하면 근본 원인을 신속하게, 그리고 공감하는 태도로 해결하는 데 도움이 됩니다.

맥락적 요인

고객의 이야기를 들을 때는 맥락이 중요합니다. AI 시스템은 일상적인 문의와 감정이 격해진 상황의 차이를 이해합니다. 또한 감정 감지 기능을 활용해 그에 맞게 대응 방식을 조정합니다. 일상적인 질문은 자동으로 처리되고, 복잡하거나 화가 난 상호작용은 담당자 또는 숙련된 다른 상담원에게 넘어갑니다. 이러한 방식은 고객이 적절한 수준의 관심과 배려를 받도록 보장하며, 전반적인 고객 경험을 개선합니다.

AI가 고객의 불만을 조기에 알려주면 적극적인 경청과 공감이 더 쉬워집니다. 감정이 격해지기 전에 화난 고객을 진정시키고 문제를 해결하는 데 집중할 수 있습니다. 이러한 선제적 접근은 신뢰와 충성도를 쌓고, 어려운 순간을 긍정적인 소통의 기회로 바꿔 줍니다.

화난 고객을 식별하는 AI 감지 기법

AI 감지 기법은 고객의 불만이 악화되기 전에 화난 고객을 식별하는 데 중요한 역할을 합니다. 이 기능을 뒷받침하는 핵심 기술은 두 가지로, 자연어 처리(NLP)와 머신 러닝 알고리즘입니다.

자연어 처리

NLP를 활용하면 AI 시스템이 사람의 언어를 이해하고 해석할 수 있습니다. 이 기술은 고객의 감정, 특히 불만을 감지하는 데 필수적입니다.

감정 분석

감정 분석은 NLP의 핵심 구성 요소입니다. AI가 고객의 감정을 긍정, 부정, 중립으로 분류할 수 있게 해 줍니다. 최근 감정 분석의 발전은 심층 신경망이나 BERT와 같은 트랜스포머 아키텍처 같은 딥러닝 모델을 활용합니다. 이러한 모델은 기존 방식보다 복잡한 텍스트 간의 관계와 미묘한 감정 차이를 더 잘 포착합니다. 예를 들어, AI 기반 감정 분석 도구는 고객 불만 사항을 빠르게 분석하여 불만과 같은 감정 상태를 파악할 수 있습니다. 이 기능을 통해 긴급한 문제를 신속하게 감지하고, 지원 팀이 공감하는 태도로 대응하도록 도울 수 있습니다.

새로운 접근 방식은 BERT 기반 문맥 임베딩과 BiLSTM 계층을 결합하여 미묘한 감정 신호를 감지합니다. 이 방법은 단순한 키워드 매칭을 넘어 감정의 흐름과 의도를 이해합니다. 감지된 감정은 생성형 AI 모델이 공감하는 응답을 만드는 데 활용되어 선제적인 고객 케어를 향상시킵니다.

문맥 이해

문맥 이해는 고객 상호작용을 둘러싼 상황을 고려하여 감정 분석을 강화합니다. AI 시스템은 과거 대화를 분석해 간결한 요약을 제공하고 핵심 문제를 강조합니다. 이 기능을 통해 긴급한 사례의 우선순위를 효과적으로 정할 수 있습니다. 예를 들어, 고객이 반복되는 문제에 대해 불만을 표현하면 AI는 해당 상호작용을 즉시 주의가 필요한 건으로 표시할 수 있습니다. 문맥을 이해하면 고객의 구체적인 우려에 맞춰 응답을 조정할 수 있습니다.

머신 러닝 알고리즘

머신 러닝 알고리즘은 화난 고객을 식별하는 능력을 한층 더 강화합니다. 이 알고리즘은 데이터 패턴을 분석하여 고객의 감정과 행동을 예측합니다.

예측 모델링

예측 모델링은 과거 데이터를 활용하여 향후 고객 상호작용을 예측합니다. XGBoost와 Discriminative LSTM Classifier 같은 알고리즘은 고객의 불만을 식별하는 데 높은 정확도를 보여 왔습니다. 예를 들어, XGBoost는 90%의 정확도를 달성하고 Discriminative LSTM은 91%에 도달합니다. 이러한 모델을 통해 고객이 언제 화를 낼 가능성이 있는지 미리 파악하고, 감정이 격해지기 전에 개입할 수 있습니다.

데이터 학습 세트

효과적인 머신 러닝은 견고한 데이터 학습 세트에 의존합니다. 이 세트에는 다양한 고객 상호작용이 포함되어 알고리즘이 여러 상황에서 학습할 수 있습니다. 폭넓은 예시로 학습하면 AI가 불만을 감지하는 정확도를 높일 수 있습니다. 로지스틱 회귀나 랜덤 포레스트와 같은 우수한 알고리즘은 분노가 커지고 있음을 나타내는 패턴을 식별할 수 있습니다.

감정 분석과 사람의 판단을 결합하면 고객 서비스의 전반적인 효과가 높아집니다. AI는 감정을 객관적으로 감지할 수 있지만, 상담원은 기계가 놓치기 쉬운 빈정거림 같은 미묘한 뉘앙스를 포착할 수 있습니다. 이러한 협업을 통해 고객의 우려를 효과적으로 해결할 수 있습니다.

Microsoft Dynamics 365는 이러한 AI 기반 솔루션에서 중요한 역할을 합니다. 이 플랫폼은 고급 AI 기술을 통합하여 고객 상호작용을 분석하고 감정을 감지합니다. Microsoft Dynamics 365를 활용하면 고객 서비스 역량을 강화하고, 문제에 선제적으로 대응하여 불만을 줄일 수 있습니다. 이 시스템은 고객의 감정을 감지할 뿐만 아니라 맞춤형 응답도 제공하여 전반적인 고객 경험을 향상시킵니다.

화난 고객에게 대응하기 위한 실시간 모니터링

상호작용 분석

챗봇 대화

AI 기반 챗봇은 화가 난 고객을 응대하는 데 중요한 역할을 합니다. 이러한 챗봇은 고급 기계 학습과 자연어 처리를 사용해 실시간으로 감정을 파악합니다. 고객이 입력한 문장을 분석해 불만이나 분노를 빠르게 감지합니다. 감정 신호를 인식한 챗봇은 공감하는 태도로 적절한 해결책을 제시합니다. 이 기능 덕분에 화가 난 고객에게 더 빠르고 정확하게 대응할 수 있습니다. 또한 챗봇은 사람과의 상호작용에서 지속적으로 학습하므로, 시간이 지날수록 상황을 누그러뜨리는 능력이 향상됩니다. 이러한 실시간 분석은 대기 시간을 줄이고 불만이 격화되는 것을 막아 줍니다.

음성 인식

음성 인식 기술은 전화 상담 중 화가 난 고객을 알아채는 능력을 높여 줍니다. AI는 목소리의 톤, 음높이, 말하기 패턴을 분석해 분노나 스트레스의 신호를 찾아냅니다. 사람이 놓치기 쉬운 목소리의 미세한 변화까지 추적합니다. 시스템이 불만이 높아지고 있음을 감지하면 팀에 즉시 알립니다. 이러한 조기 경보 덕분에 상황이 더 나빠지기 전에 긴장된 순간을 진정시킬 수 있습니다. 또한 AI는 여러 채널의 대화를 모니터링하여 화가 난 고객이 누락되지 않도록 합니다. 음성 신호를 분석하면 고객의 감정을 더 명확하게 파악할 수 있으며, 이에 맞춰 응대 방식을 조정할 수 있습니다.

경고 시스템

에스컬레이션 프로토콜

AI 기반 경고 시스템은 적절한 시점에 에스컬레이션 프로토콜을 작동시켜 화가 난 고객을 관리하는 데 도움이 됩니다. 이 시스템은 대화를 모니터링하다가 불만이 심각한 수준에 이르면 관리자나 전문 상담원에게 알립니다. 팀의 필요에 맞게 경고를 설정할 수 있으며, 이메일, SMS 또는 앱 내 메시지로 알림을 받을 수 있습니다. 이러한 유연성 덕분에 적임자가 신속하게 상황을 처리할 수 있습니다. 에스컬레이션 프로토콜은 해결되지 않은 문제의 위험을 줄이고 전반적인 고객 서비스 품질을 높여 줍니다.

즉각 대응 메커니즘

AI로 구동되는 즉각 대응 메커니즘은 화가 난 고객에 대한 대응 속도를 높여 줍니다. 이 시스템은 상호작용을 지속적으로 분석하고, 대화가 부정적인 방향으로 흐르면 실시간 경고를 보냅니다. 이를 통해 신속하게 해결책을 제시하거나 숙련된 상담원에게 통화를 넘길 수 있습니다. 또한 AI는 고객이 불만을 제기하기 전에 잠재적 문제를 예측하여, 우려 사항을 선제적으로 해결할 수 있게 해 줍니다.

실시간 모니터링과 경고 시스템을 결합하면 화가 난 고객을 더 효과적으로 응대하도록 상담원을 교육할 수 있습니다. AI 인사이트를 반영한 지원 및 교육 프로그램은 팀이 갈등을 누그러뜨리고 공감하는 서비스를 제공하는 방법을 익히는 데 도움이 됩니다. 이러한 접근 방식은 고객 서비스를 선제적이고 민첩한 운영으로 바꾸어 고객의 충성도와 신뢰를 구축합니다.

팁: AI 경고를 고객 서비스 교육에 활용하세요. 모니터링된 상호작용에서 얻은 실제 사례는 상담원이 상황을 진정시키고 화가 난 고객에게 침착하게 대응하도록 훈련하는 데 도움이 됩니다.

기업을 위한 조기 감지의 이점

고객 불만을 조기에 감지하면 기업에 상당한 이점이 있습니다. 불만의 신호를 알아채면 고객 만족도를 높이고 유지율을 개선할 수 있습니다. 조기 감지가 조직에 어떤 이점을 주는지 살펴보겠습니다.

고객 만족도 향상

문제가 악화되기 전에 해결하면 고객에게 더 긍정적인 경험을 제공할 수 있습니다. 이 목표를 달성하려면 선제적인 문제 해결이 핵심입니다.

선제적 문제 해결

AI 에이전트는 고객이 분노를 표출하기 전에 문제를 해결하도록 도와줍니다. 이러한 선제적 접근은 고객 만족도를 높입니다. 최근 연구 결과에 따르면, 선제적 해결은 고객 만족도 점수를 높이고 브랜드 신뢰를 구축합니다.

고객 경험 개선

문제를 조기에 해결하면 전반적인 고객 경험이 향상됩니다. 고객은 먼저 나서서 우려 사항을 해결해 주는 기업에 감사하게 생각합니다. 그 결과 브랜드에 대한 인식도 더 긍정적으로 바뀝니다. 고객이 가치 있게 대우받는다고 느끼면 다시 찾아오고 서비스를 다른 사람에게 추천할 가능성도 높아집니다.

고객 유지율 향상

조기 감지는 고객 유지에서도 중요한 역할을 합니다. 불만 신호를 파악하면 고객이 떠나기로 결정하기 전에 개입할 수 있습니다.

로열티 프로그램

AI 기반 조기 감지는 이탈 신호를 식별하여 고객 유지율을 높입니다. 예측 점수 모델이 행동 변화를 모니터링하므로 신속하게 대응할 수 있습니다. 이 접근 방식은 고객을 유지할 가능성을 높입니다. AI로 강화된 로열티 프로그램의 이점은 다음과 같습니다.

• 고객의 30%는 단 한 번의 부정적인 경험 이후 브랜드를 떠납니다. 이는 불만을 조기에 감지해야 할 필요성을 잘 보여 줍니다.
• 예측형 불만 감지는 문제를 선제적으로 해결하여 고객 만족도 향상으로 이어집니다.
• 고객 경험에 큰 영향을 미치는 핵심 영역에 집중하므로 효율성 증대와 함께 리소스를 더 효과적으로 배분할 수 있습니다.
• 고객 행동을 분석하면 개인화 수준 강화가 가능해지며, 불만을 줄이는 맞춤형 경험을 만들 수 있습니다.

장기적 관계

지속 가능한 성장을 위해서는 고객과의 장기적 관계 구축이 필수적입니다. AI 개입은 고객 만족도와 유지율을 높입니다. 우수한 고객 경험에 주력하는 기업은 경쟁사보다 4~8% 더 높은 매출을 올릴 수 있습니다. 고객 서비스 전략에 AI를 통합하면 고객 행동 변화에 즉각 반응하는 지속적이고 데이터 기반의 프로세스를 구축할 수 있습니다. 이러한 인텔리전스 중심 접근 방식은 고객 유지를 최우선 과제로 전환하며, 이를 통해 노력이 장기적인 성공에 기여하도록 만듭니다.

기억하십시오. 불만을 조기에 감지하면 고객을 유지하는 데 그치지 않고 신뢰도 쌓을 수 있습니다. 고객이 자신의 경험을 기업이 중요하게 여긴다고 느끼면 브랜드에 더 충성하게 됩니다.

현장에서 활용된 AI 사례 연구

기업 A: 성공적인 도입

전략 개요

보험업계의 선도 기업인 기업 A는 AI를 고객 서비스 운영에 성공적으로 통합했습니다. 서비스 품질을 높이기 위해 다음과 같은 여러 전략을 도입했습니다.

• 회사의 가치에 맞춰 명확한 고객 서비스 비전을 정의했습니다.
• 챗봇과 음성 AI 에이전트 같은 AI 기반 도구를 활용하여 운영 효율을 최적화했습니다.
• AI 코파일럿을 도입하여 상담 직원을 실시간으로 지원했습니다.
• 자주 묻는 문의에 대해 셀프 서비스 옵션을 제공하여 고객이 직접 해결할 수 있도록 했습니다.
• 고급 분석을 활용하여 경영진의 의사결정에 필요한 인사이트를 확보했습니다.
• 딥러닝 기법으로 초개인화를 적용했습니다.
• 명확한 커뮤니케이션과 빠른 성과 창출을 통해 직원 참여를 강화했습니다.

예를 들어 MetLife는 AI 기반 음성 분석 도구를 활용해 실시간 고객 상담 중 고객의 감정을 모니터링했습니다. 이 시스템은 어조와 감정 신호를 분석하고, 상담 직원에게 응답을 조정하도록 실시간으로 안내합니다. 그 결과 고객 만족도가 크게 향상되었습니다.

측정 가능한 성과

이러한 전략을 도입한 결과 인상적인 성과를 거두었습니다. 측정 가능한 성과를 요약하면 다음과 같습니다.

이 지표는 AI가 고객 서비스 환경을 어떻게 변화시켜 응답 속도를 높이고 고객 유지율을 개선하는지 보여 줍니다.

기업 B: 얻은 교훈

직면한 과제

기업 B는 AI 도입 과정에서 여러 과제에 직면했습니다.

• 불분명한 사용 사례 또는 비즈니스 가치: 실질적인 적용 방안을 정의하지 못해 확장이 어려운 실험에 투자할 위험이 있었습니다.
• 레거시 시스템과의 통합: 기존 인프라에 AI를 통합하려 할 때 어려움이 생겨 현대화가 필요했습니다.
• 거버넌스, 위험 및 규정 준수 문제: AI 의사결정을 위한 규제 체계가 부족하여 안전성과 편향성에 대한 우려가 제기되었습니다.
• 기술 전문성 부족: 내부 전문 인력이 없어 AI 기술 도입이 더디게 진행되었습니다.

개발된 해결 방안

이러한 장애물을 극복하기 위해 B사는 효과적인 솔루션을 개발했습니다:

• B사는 Gorgias Automate를 활용해 판매 전 문의를 관리했으며, 이를 통해 고객에게 즉각적으로 응답할 수 있었습니다.
• 이 자동화 덕분에 상담원은 보다 의미 있는 상호작용에 집중할 수 있었고, 이는 전반적인 고객 만족도를 높였습니다.
• 이러한 솔루션을 도입한 결과 매출이 46% 증가했으며, AI 기반 고객 서비스의 효과를 입증했습니다.

통합 과제를 해결하기 위해 강력한 API 지원을 확보했습니다. 또한 포괄적인 교육 프로그램을 통해 직원들이 새로운 방식에 적응하도록 지원했습니다. 지속적인 모니터링과 정기적인 업데이트로 시스템 효율성을 유지했습니다.

고객 서비스에 AI를 도입하는 여정은 전략적 계획과 팀 구성을 포함합니다. 기업은 AI 프로그램을 특정 목표 및 KPI에 맞춰 설정해야 성공 여부를 효과적으로 측정할 수 있습니다.

AI는 고객의 불만을 조기에 감지함으로써 고객 서비스를 향상하는 데 중요한 역할을 합니다. 감정적 신호를 인식하면 문제를 선제적으로 해결할 수 있으며, 이는 고객 만족도와 유지율 향상으로 이어집니다.

효과적인 AI 도입을 위해 다음 단계를 고려해 보십시오:

1. 챗봇에 대해 자주 묻는 질문을 정의하십시오.
2. 맞춤형 응답을 제공하기 위해 AI를 CRM과 통합하십시오.
3. 복잡한 문의를 위한 에스컬레이션 절차를 설정하십시오.

예를 들어, H&M은 AI 기반 챗봇을 사용해 일반적인 문의를 처리하며, 이를 통해 응답 시간을 크게 개선했습니다.

앞으로 에이전틱 AI와 초개인화 같은 트렌드가 고객과의 상호작용을 형성할 것입니다. 이러한 발전을 받아들이면 고객과 진정성 있는 관계를 구축하는 데 도움이 됩니다.

AI 솔루션에 대한 투자는 고객 경험을 향상할 뿐만 아니라 브랜드 충성도를 강화한다는 점을 기억하십시오.

자주 묻는 질문

AI 에이전트란 무엇인가요?

AI 에이전트는 고객 상호작용을 분석하는 지능형 시스템입니다. 불만과 같은 감정을 감지하여 기업이 선제적으로 대응하고 고객 서비스를 개선하도록 돕습니다.

AI 에이전트는 어떻게 불만을 감지하나요?

AI 에이전트는 자연어 처리와 머신러닝을 사용합니다. 어조와 발화 패턴 같은 언어적·비언어적 신호를 분석하여 불만의 징후를 식별합니다.

불만을 조기에 감지하는 것이 왜 중요한가요?

조기 감지를 통해 문제가 악화되기 전에 고객 이슈를 해결할 수 있습니다. 이러한 선제적 접근은 고객 만족도를 높이고 충성도를 쌓는 데 도움이 됩니다.

AI 에이전트가 모든 고객 상호작용을 처리할 수 있나요?

AI 에이전트는 일상적인 문의를 처리하고 감정을 감지하는 데 뛰어납니다. 다만 복잡한 이슈는 효과적인 해결을 위해 여전히 사람의 개입이 필요할 수 있습니다.

Microsoft Dynamics 365는 AI 감지에 어떻게 도움이 되나요?

Microsoft Dynamics 365는 고급 AI 기술을 통합합니다. 고객 상호작용을 분석하고 감정을 감지하며, 고객 서비스를 강화하기 위한 맞춤형 응답을 제공합니다.

고객 서비스에 AI를 사용하면 어떤 이점이 있나요?

AI를 사용하면 응답 시간이 단축되고 고객 만족도가 높아지며 유지율이 향상됩니다. 또한 일상적인 업무를 자동화하여 팀이 보다 복잡한 이슈에 집중할 수 있습니다.

기업은 AI 솔루션을 어떻게 도입할 수 있나요?

기업은 AI 도구가 처리할 일반적인 고객 문의를 정의하는 것부터 시작할 수 있습니다. 기존 시스템과 AI를 통합하고 직원에게 활용 교육을 제공하면 성공적인 도입을 보장할 수 있습니다.

고객 서비스에서 AI는 비용 효율적인가요?

네, AI는 일상적인 업무를 자동화하고 효율성을 높여 운영 비용을 절감할 수 있습니다. 이는 리소스 배분을 개선하고 고객 만족도를 높이는 결과로 이어집니다.

마지막으로, 이 글이 현대 알고리즘이 감정 감지를 어떻게 처리하는지에 대한 포괄적인 분석을 제공했기를 바랍니다. 메인 피드의 후속 콘텐츠도 꼭 들어 보십시오: Reduce Escalations with Sentiment Routing in Dynamics 365. 다음 에피소드도 기대해 주시고, 더 스마트한 워크플로를 계속 만들어 가세요!