Lang.ai
Lang.ai (part of Capacity) · 마케팅
Lang.ai는 고객지원 팀을 위한 분석 플랫폼이다. 모든 대화에 자동으로 태그를 붙이고 트리아지와 라우팅을 처리한 뒤, 그 데이터를 자연어로 질문할 수 있게 한다.
Lang.ai 소개
About
Lang.ai란
Lang.ai는 상담 대화를 읽어 구조화된 데이터로 바꾸는 고객지원 분석 소프트웨어다. 2018년 샌프란시스코에서 출발했고 자동 태깅으로 이름을 알렸다. 모델이 지난 티켓을 훑어 고객이 실제로 무엇을 말하는지 찾아내고, 그 태그를 새로 들어온 대화에 붙인다.
해결하려는 문제는 헬프데스크를 운영해 본 사람이면 안다. 티켓에는 제목과 자유 서술이 쌓이고, 어디서 무엇이 잘못됐는지 알려면 하나씩 읽는 수밖에 없다. Lang.ai는 그 읽기를 분류로 바꾼다. CX 담당자는 티켓을 한 장도 열지 않고 환불 문의가 이번 주 30퍼센트 늘었다는 사실을 확인한다.
후보에 올리기 전에 알아둘 제약이 둘 있다. 실제 티켓 물량이 있는 기업에 팔고 개인에게는 판매하지 않는다. 셀프서비스 가입도, 공개 가격도 없다. 게다가 Capacity가 2026년 4월 Lang.ai를 인수했고 공식 사이트는 Capacity로 넘어간다. 새로 도입하는 기업은 독립 벤더가 아니라 Capacity와 계약한다.
시작하는 방법
- Capacity에 연락해 티켓 물량, 쓰는 헬프데스크, 데이터로 내리고 싶은 판단을 설명한다.
- 관리자 API 토큰으로 Zendesk를 연결한다. 다른 헬프데스크라면 API 연동을 먼저 계획한다.
- 지난 대화를 CSV로 올려 프로젝트를 만들고 모델이 인텐트와 특징을 추출하게 한다.
- 생성된 태그를 검토하고 팀이 쓰는 개념으로 묶은 뒤, 모호한 이름은 바꾼다.
- 먼저 샌드박스 모드로 실시간 태깅을 켜고 결과를 확인한 다음 실제 티켓에 적용한다.
제품 정보
Lang.ai의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 지원 운영 관리자
- CX 분석 담당자
- Zendesk 관리자
- 대형 지원 조직
작업
- 티켓 자동 트리아지
- 티켓 라우팅
- 고객의 목소리 리포트
- 즉석 데이터 질문
활용 상황
- 환불 정책이 바뀌어 대기열이 넘칠 때
- 성수기
- 출시 후 모니터링
주요 기능
자사 티켓 이력으로 만드는 태그
프로젝트는 지난 대화를 담은 CSV에서 시작한다. 모델이 인텐트와 2단계 특징을 스스로 뽑아 내고, 검토와 이름 변경을 전제로 태그를 제안한다. 사람이 라벨을 다는 작업도, 분류 체계를 처음부터 쓰는 일도 없다. 쓸 만한 분류기가 몇 달이 아니라 며칠 만에 서는 이유가 여기에 있다.
AI 티켓 자동 태깅을 실시간으로
프로젝트가 살아나면 AI 티켓 자동 태깅이 들어오는 대화에 작동한다. Zendesk에서는 트리거가 새 티켓을 프로젝트로 보내고, 돌아온 태그가 티켓에 다시 기록된다. 샌드박스 스위치를 켜면 실제 티켓을 건드리기 전에 출력을 볼 수 있다. 안전한 시범 운영과 혼란의 갈림길이 여기다.
티켓 자동 트리아지와 티켓 라우팅
태그는 헬프데스크가 원래 지원하는 규칙으로 흘러간다. 우선순위가 바뀌고, 티켓은 알맞은 전문성을 가진 상담원에게 도착하며, 내부 메모가 고객 요구를 요약한다. 티켓 자동 트리아지와 티켓 라우팅은 같은 분류를 쓰므로 설정은 한 번이면 끝난다.
질문을 던질 수 있는 에이전트형 분석
최근 층위가 에이전트형 분석이다. 에이전트가 정형과 비정형 CX 데이터를 읽고 자연어로 답한다. 질문마다 대시보드를 만드는 대신 해지 사유가 지난달 어떻게 달라졌는지 물으면 근거 숫자가 붙은 서면 답이 돌아온다.
자체 워크플로를 위한 REST API
모든 분류 결과는 HTTP로 꺼낼 수 있다. 텍스트와 프로젝트 ID를 분석 엔드포인트로 보내면 태그와 인텐트가 돌아오고, 메타데이터와 함께 문서를 저장하면 나중에 집계할 수 있다. CRM이나 데이터 웨어하우스, 사내 도구가 있는 구성이라면 대화 인텔리전스를 그쪽으로 보내는 통로가 API다.
태그와 메타데이터로 보는 물량 대시보드
저장한 문서에는 보낸 메타데이터가 남는다. 그래서 대시보드에서 요금제, 지역, 제품 라인별로 물량을 나눠 볼 수 있다. 이 지점에서 CX 분석은 태그 목록을 벗어나 추세를 보여 준다. 어떤 주제가 커지고, 어떤 주제가 줄고, 어느 주제가 이번 분기에 담당자를 필요로 하는지.
장단점
장점
- 이미 가진 데이터에서 태깅이 시작된다. 첫 결과 전에 사람이 라벨링하는 프로젝트가 필요 없다.
- Zendesk 연동이 네이티브이고 샌드박스 모드까지 있어 시범 운영의 위험이 낮다.
- 대화 데이터가 충분하면 분류가 여러 언어를 커버한다.
- REST API가 태그와 인텐트를 내보내므로 헬프데스크 밖 업무 흐름도 분류 결과로 움직일 수 있다.
- 에이전트형 분석이 자연어로 답해 데이터에서 결정까지의 거리를 줄인다.
단점
- 공개 가격도 셀프서비스 체험도 없다. 평가는 영업 대화와 견적에서 시작된다.
- 2026년 4월 Capacity 인수로 독립 제품은 마무리 단계다. 지금 들어오는 기업은 Capacity의 플랫폼과 로드맵을 이어받는다.
- 월 수백 건 수준의 작은 팀은 신뢰할 만한 태그를 만들 만큼 데이터가 쌓이지 않는다. 가치는 대량 운영 쪽으로 기운다.
- Zendesk가 아닌 헬프데스크는 API 작업이 필요하고, 보통 첫 결과 전에 개발 공수가 든다.
자주 묻는 질문
상담 대화를 읽어 태그와 인텐트로 바꾼다. 그 태그가 트리아지와 라우팅, 리포트를 움직이고, 에이전트형 층에서는 만들어진 데이터에 질문할 수 있다.
관련 콘텐츠
Lang.ai와 관련된 도구, 스킬, 아티클을 살펴보세요.
Lang.ai 대안
Emailwritr
Emailwritr · 글쓰기 · 마케팅Emailwritr는 이미 보유한 리스트에서 더 많은 매출을 끌어내려는 제휴 마케터, 강의 제작자, 온라인 사업자를 위해 만든 AI 이메일 카피라이팅 도구다. 빈 페이지나 일반적인 챗봇 프롬프트 대신, 이 AI 이메일 작성 도구는 잘 알려진 다이렉트 리스폰스 카피라이터를 본뜬 프레임워크로 웰컴 시퀀스, 런칭 캠페인, 장바구니 이탈 이메일, 프로모 시리즈를 생성한다. 오토리스폰더를 연결하고 제안에 관한 몇 가지 질문에 답하면 나머지 문구를 대신 써 준다.
Prosp
Prosp · 글쓰기 · 음성 및 언어 · 마케팅Prosp는 에이전시와 영업팀을 위해 만들어진 AI LinkedIn 아웃리치 도구다. 잠재 고객마다 자신의 목소리로 메시지와 음성 메시지를 작성해, 상대가 실제로 답장하도록 만든다. 계정을 연결하고 리드를 찾고, AI가 개인화된 메시지를 대량으로 작성해 보내도록 맡긴다. 전부 하나의 받은편지함에서 처리한다. 대량으로 아웃바운드를 돌리는 사람을 위해 만들어졌다. 그게 이 제품의 전부다. 그래도 모든 접점은 인간처럼 느껴져야 한다.
On Model
On Model · 이미지 · 마케팅On Model은 옷을 가상 모델에 입히는 AI 패션 모델 도구로, 온라인 스토어가 촬영을 예약하지 않고도 모델 착용 제품 사진을 얻을 수 있게 한다. Shopify 앱으로 작동하며, 기존 이미지의 모델을 교체하고 배경을 바꾸며, 잘린 사진이나 머리 없는 사진에 얼굴을 생성할 수 있다. 목표는 단순하다. 제품 사진을 고객에게 맞추고, 같은 공급업체 이미지를 쓰는 경쟁자와 차별화하는 것이다.