전화 상담 AI가 어색한 이유는 목소리가 기계적이어서만이 아닙니다. 사용자가 숨을 고르거나 말을 바꾸는 순간을 ‘발화 종료’로 잘못 판단하면 대화가 계속 엇갈립니다. OpenAI는 2026년 9월 10일 GPT-Live-1을 API로 출시하면서 듣기와 말하기를 한 모델 안에서 동시에 처리하는 전이중 구조를 내세웠습니다.
세 단계를 잇던 음성봇
기존 음성봇은 소리를 글자로 바꾸고, 언어 모델이 답을 만들고, 다시 음성으로 읽는 세 단계를 잇는 경우가 많았습니다. 각 단계 사이에는 대기와 오류가 생기고, 사용자가 중간에 끼어들면 어느 모듈이 말을 멈출지 따로 조정해야 했습니다.
GPT-Live-1은 들어오는 음성과 나가는 음성을 함께 다루기 때문에 웃음, 짧은 맞장구, 망설임과 끼어들기를 대화 흐름 안에서 판단합니다. 복잡한 추론은 뒤쪽 Astra 같은 텍스트 모델에 맡겨 빠른 음성 반응과 깊은 판단을 분리합니다.
전이중의 장점은 말 겹침 처리
전이중은 양쪽이 동시에 소리를 주고받는 방식입니다. 사람끼리 대화할 때 ‘아, 잠깐만요’라고 말을 끊어도 상대가 바로 멈추는 것과 비슷합니다. OpenAI는 Full Duplex Bench에서 이전 GPT-Realtime-2.1보다 30%포인트 향상됐다고 밝혔습니다.
하지만 벤치마크 하나가 모든 전화 환경을 대표하지는 않습니다. 소음이 큰 매장, 억양이 강한 화자, 숫자와 고유명사가 많은 상담에서는 음성 인식 오류와 행동 오류를 따로 봐야 합니다. Parloa도 같은 정확도 숫자 안에서 서로 다른 문장을 틀릴 수 있다고 지적합니다.
분당 가격 뒤에 붙는 비용
GPT-Live-1의 음성 전면 계층 가격은 분당 0.05달러입니다. 여기에는 뒤쪽 추론 모델, 전화 연결, 외부 도구와 저장 비용이 모두 포함된 것이 아닙니다. 짧은 예약 전화와 복잡한 금융 상담은 같은 분당 가격으로 비교할 수 없습니다.
Speak의 초기 평가에서는 기존 턴 기반 시스템보다 학습자 말을 끊는 일이 거의 80% 줄었다고 회사가 전했습니다. 또 다른 고객은 코드베이스가 80%, 2만3천 줄 줄었다고 밝혔습니다. 유용한 신호지만 공급사가 고른 사례이므로 자체 통화 표본에서 다시 재야 합니다.
사람이 듣는 품질과 업무 성공률
자연스러운 목소리는 시작일 뿐입니다. 실제 운영에서는 예약이 맞게 잡혔는지, 계좌나 주소 같은 민감정보를 잘못 들었을 때 어떻게 확인하는지, 도구 실행 전 동의를 받는지가 더 중요합니다. 말투가 자연스러울수록 사용자는 AI의 행동을 더 쉽게 믿을 수 있기 때문입니다.
도입 전에는 끼어들기 성공률, 숫자·이름 인식률, 통화 한 건당 총비용, 사람에게 넘기는 비율을 함께 측정해야 합니다. 전이중 음성은 대화의 마찰을 줄이지만 업무 책임까지 대신하지는 않습니다.