자기 개선형 영업 프로세스: 영업에 적용된 복리 효과

현대의 영업 조직(Sales org)은 학습하도록 설계되지 않았습니다. 대신 사후에 발생한 일을 보고하도록 설계되었습니다.

인간이 직접 업무를 검토하고, 패턴을 요약하며, 다음에 무엇을 변경해야 할지 결정해야 했던 시절에는 그것이 타당했습니다. 하지만 AI가 영업 관리(Sales management) 자체를 피드백 루프(Feedback loop)로 만들 수 있는 지금은 그 의미가 퇴색됩니다. 즉, 발생한 일을 관찰하고, 다음 최선의 움직임을 조언하며, 결과를 측정하고, 다음 예측 회의(Forecast call)를 기다리지 않고도 프로세스를 개선하는 시스템입니다.

며칠 전, 저는 Monzo의 창립자이자 현재 YC 그룹 파트너인 Tom Blomfield의 Y Combinator 강연을 시청했습니다. 그 강연은 제가 몇 주 동안 느껴왔던 것에 대해 언어적 정의를 내려주었습니다. 미래의 영업 조직은 더 나은 도구를 갖춘 더 큰 계층 구조(Hierarchy)가 아닐 것입니다. 대신 더 작고 날카로운, 자기 개선형 루프(Self-improving loops)의 집합체가 될 것입니다.

Blomfield는 여러 곳에서 가져온 아이디어들을 종합하고 있었습니다. 계층적 기업이 어떻게 조직되는지에 대한 Jack Dorsey의 스레드, 그의 YC 동료인 Diana Hu가 말하는 소위 "AI 루프(AI loops)"에 관한 연구, 그리고 왜 대부분의 기업이 여전히 AI를 잘못된 방식으로 사용하고 있는지에 대한 Pete Koomen의 에세이가 그것입니다. 저는 모든 사례를 영업의 관점으로 계속해서 치환하여 생각했습니다. 왜냐하면 현대 기업의 영역 중 여전히 인간을 정보 전달 매체(Humans-as-information-conduits)로 취급하는 곳이 있다면, 그곳은 바로 영업 조직이기 때문입니다.

이 글은 그러한 논거에 대한 저의 종합적인 견해이며, 이것이 영업 리더들에게 구체적으로 무엇을 의미하는지에 대한 생각, 그리고 이것이 실제로 작동하는지 알아내기 위해 제가 곧 실행할 실험에 관한 것입니다.

영업 조직은 우리가 여전히 구축하고 있는 가장 로마적인 것

로마 군단은 두 대륙에 걸쳐 힘을 투사하도록 설계되었습니다. 그 메커니즘은 일관된 통제 범위(span of control)를 가진 중첩된 계층 구조였습니다. 각 단계의 지정된 개인들이 명령을 아래로 전달하고 관찰 내용을 위로 보고했습니다. 이 사슬(chain)이 곧 정보 시스템이었습니다. Blomfield가 강연에서 인용한 Jack Dorsey의 프레임워크에 따르면, 거의 모든 현대 기업은 여전히 이러한 가정, 즉 인간이 정보가 상하로 흐르는 통로(conduit)라는 가정 위에 구축되어 있습니다.

현대적인 영업 조직(sales org)을 보십시오. SDR(Sales Development Representatives)은 SDR 매니저에게 보고합니다. AE(Account Executives)와 BDM(Business Development Managers)은 지역 매니저에게 보고합니다. 지역 매니저는 VP(Vice President)에게 보고합니다. VP는 CRO(Chief Revenue Officer)에게 보고합니다. 정보는 CRM 업데이트, 예측 콜(forecast calls), 주간 파이프라인 리뷰, 금요일 확정(commit) 이메일의 형태로 사슬을 타고 올라갑니다. 목표, 플레이북(playbooks), 교전 규칙(rules of engagement)은 아래로 내려갑니다. 인간이 버스(bus)이며, 이 버스는 느립니다. CRM 업데이트는 늦게 도착합니다. 각 SDR과 BDM은 데이터 관리(hygiene) 수준이 제각각입니다. 딜(deal)의 맥락은 노트, 통화, Teams 메시지, 그리고 기억 속에 파편화됩니다. 데이터가 신뢰할 수 있을 만큼 깨끗해질 때쯤이면, 그 신호(signal)가 실제인지 아니면 배경 소음(background noise)인지 확인하기 위해서만 몇 주 또는 몇 달간의 관찰이 필요한 경우가 많습니다.

우리는 이 구조에 대해 진지하게 의문을 제기한 적이 없습니다. Salesforce와 HubSpot부터 Gong, Apollo, Outreach에 이르기까지 그 위에 도구(tooling)를 층층이 쌓아 올렸지만, 인간이 통로라는 근본적인 가정은 그대로 유지되었습니다.

그 가정이 바로 AI가 깨뜨리는 지점입니다.

영업에 AI를 적용하는 잘못된 방법

1년 전, 영업 리더들에게 AI가 무엇을 해주고 있는지 물었다면 여러분은 똑같은 답변들을 들었을 것입니다. Gong의 요약 기능. Apollo의 데이터 보강(enrichment). 활동 로그를 자동으로 채워주는 CRM 코파일럿(copilots). 시퀀스 생성기(sequence generators). 인간 SDR이 보낼 법한 똑같은 콜드 이메일을 단지 더 높은 볼륨으로 보내는 AI SDR들 말입니다.

이것이 바로 Pete Koomen이 말한 "말 없는 마차 (horseless carriage)" 프레임워크입니다. 우리는 기존의 움직임에 더 빠른 엔진을 볼트로 고정하여 붙이는 식입니다. 영업 담당자들은 더 많은 활동을 수행할 뿐입니다. 5,000명 이상의 고객 지원 상담사를 대상으로 한 2023년의 기념비적인 연구에서, Brynjolfsson, Li, and Raymond은 생성형 AI (Generative AI) 도구가 평균 14%의 생산성 향상을 가져왔으며, 초보 작업자의 경우 그 수치가 34%까지 상승한다는 것을 발견했습니다. 유용하긴 하지만, 조직의 형태는 변하지 않습니다.

우리가 버려야 할 것은 바로 그 프레임워크입니다. 도구가 나쁘기 때문이 아니라(대부분은 진정으로 유용합니다), 도구가 아키텍처 (Architecture)를 전혀 건드리지 않기 때문입니다. 당신은 여전히 로마 군단을 보유하고 있습니다. 단지 물 대신 카페인으로 움직일 뿐입니다.

Goldman Sachs의 Jim Covello는 2년간의 기업용 AI 도입 과정을 통해 정확히 이러한 역학 관계를 추적했으며, 300억~400억 달러의 지출에도 불구하고 조직의 95%가 AI 파일럿 프로젝트에서 수익을 전혀 얻지 못하고 있다는 결론을 내렸습니다. 이것은 AI의 문제가 아닙니다. 아키텍처의 문제입니다.

흥미로운 움직임은 영업 조직에 AI를 덧붙이는 것을 멈추고, 만약 영업 조직을 처음부터 AI를 중심으로 재설계한다면 어떤 모습일지 묻기 시작하는 것입니다. 제가 점점 더 확신하게 되는 답은 다음과 같습니다. 즉, 인간은 실제로 가치를 더하는 가장자리(edges)에만 존재하며, 나머지는 재귀적이고 자기 개선적인 루프 (Recursive, self-improving loops)의 집합으로 구성되는 것입니다.

자기 개선형 영업 루프의 형태

모든 자기 개선형 루프는 동일한 골격을 가지고 있습니다. Diana Hu는 이 전형적인 구조에 대해 글을 쓴 바 있습니다. 이를 영업 용어로 번역하면 다음과 같습니다.

센서 계층 (Sensor layer). 통화 녹음, 이메일 스레드 (Email threads), CRM 단계 변경, 수주/실주 노트 (Win/loss notes), 잠재 고객의 웹사이트 방문, 의도 신호 (Intent signals), 열람된 제안서, 응답 지연 시간 (Response latency). 시스템에 무슨 일이 일어났는지 알려주는 모든 것들입니다.

정책 계층 (Policy layer). 시스템이 스스로 수행할 수 있는 일과 반드시 에스컬레이션 (Escalate, 상위 보고)해야 하는 일에 대한 규칙입니다. CRM을 자율적으로 업데이트합니다. 후속 조치 (Follow-up) 초안을 항상 작성합니다. 월간 반복 매출 (MRR) 1,000유로 미만은 감독 없이 전송하고, 그 이상은 사람의 검토를 위해 플래그 (Flag)를 지정합니다. 사람의 승인 없이 할인을 제안해서는 안 됩니다.

도구 계층 (Tool layer). 에이전트가 호출할 수 있는 결정론적 API (Deterministic APIs)입니다. CRM을 조회합니다. 리드 (Lead) 점수를 매깁니다. LinkedIn에서 연락처를 찾아봅니다. 캘린더를 읽습니다. 미팅을 예약합니다. 딜 (Deal) 단계를 다음으로 진행시킵니다.

품질 게이트 (Quality gate). 이메일 톤, 사실 관계의 정확성, 브랜드 보이스 (Brand voice)에 대한 평가 (Evals)입니다. 가격 임계값(Price threshold)을 초과하는 모든 사항에 대해서는 사람의 검토를 거칩니다. 드리프트 (Drift, 성능 저하/편향)를 포착하기 위해 자율적 결정에 대한 샘플링 검토를 수행합니다.

학습 메커니즘 (Learning mechanism). 미팅이 예약되었는가? 딜이 진행되었는가? 잠재 고객이 응답했는가? 우리가 수주했는가? 패배했다면 그 이유는 무엇인가? 모든 결과는 다시 상단으로 피드백되어 다음 반복 (Iteration)을 형성합니다.

대부분의 영업 도구가 놓치는 부분은 마지막 부분입니다. 루프 (Loop)는 매 사이클마다 중간에 사람이 개입하지 않고도 닫혀야 합니다. 사람은 가장자리 (Edges)에서 감독합니다. 루프는 대부분의 시간 동안 스스로 작동하며, 팀이 잠든 동안 스스로를 개선합니다.

핵심 루프: SDR → BDM → 수주율 (Close-rate) 자기 개선

이것이 제가 시작할 루프이며, 제가 다음에 테스트할 계획인 루프입니다.

SDR에서 BDM으로의 핸드오프 (Handoff, 인수인계)는 대부분의 B2B 영업 조직에서 단일 항목 중 가장 레버리지 (Leverage, 영향력)가 높은 순간입니다. SDR은 기회 (Opportunities)를 창출합니다. 그 기회 중 일부는 수주 (Closed-won)로 전환되지만

정책 (Policy). 에이전트는 SDR 플레이북 (Playbooks)을 업데이트하고, 새로운 자격 검증 질문 (Qualification questions)을 제안하며, ICP (Ideal Customer Profile) 정의를 다시 작성하고, 기회 (Opportunities) 성과가 지속적으로 저조한 SDR을 식별할 수 있습니다. 단, 누구를 해고하거나 보상 (Comp) 체계를 변경할 수는 없습니다.

도구 (Tools). CRM을 조회합니다. 통화 스크립트 (Call transcript)를 가져옵니다. BDM의 디스커버리 노트 (Discovery notes)를 가져옵니다. SDR이 주장한 페인 포인트 (Pain)와 BDM이 발견한 페인 포인트 사이의 일치도를 점수화합니다.

품질 게이트 (Quality gate). 제안된 플레이북 변경 사항이 적용되기 전, 매주 사람이 검토합니다. 자율적인 CRM 업데이트의 10%를 샘플 점검합니다.

학습 (Learning). 모든 수주 (Closed deal) 건에 대해 에이전트는 사후 분석 (Post-mortem)을 실행합니다: SDR 단계의 어떤 신호가 실제로 승리 (Win)를 예측했는가? 모든 실주 (Loss) 건에 대해서는 동일한 질문을 반대로 던집니다: SDR이 주장했던 내용 중 무엇이 틀린 것으로 드러났는가? 시간이 흐름에 따라 에이전트는 SDR의 자격 검증 프레임워크 (Qualification framework)를 업데이트합니다. 업계 전체가 복제하는 상위 수준의 MEDDIC 템플릿이 아니라, 이 제품, 이 시장, 이 BDM 팀에 최적화된 특정 버전을 업데이트하는 것입니다.

복리 효과 (Compounding effect)가 흥미로운 부분입니다. 한 달이 지나면, 모든 SDR은 한 달 전보다 더 날카로운 프레임워크로 자격 검증을 수행하게 됩니다. 3개월이 지나면, 프레임워크는 실제 승리 패턴에 맞게 맞춤화됩니다. 1년이 지나면, SDR 팀의 생산성은 개별 영업 사원 때문이 아니라, 플레이북 자체가 매일 밤 더 똑똑해졌기 때문에 향상됩니다.

이것이 제가 실행하고자 하는 루프 (Loop)입니다. 저는 몇 주 내로 시작할 예정이며, 무엇이 효과적이었고 무엇이 그렇지 않았는지 기록할 것입니다.

실행할 가치가 있는 다른 영업 루프들

한 번 패턴을 보고 나면, 어디에서나 그 패턴이 보입니다.

디스커버리 품질 루프 (Discovery quality loop). 어떤 디스커버리 질문이 성사되는 딜 (Deals that close)과 정체되는 딜 (Deals that stall) 사이의 상관관계가 있는가? 디스커버리 프레임워크를 매주 업데이트합니다.

반대 처리 루프 (Objection handling loop). "가격이 너무 비싸다"라는 말에 대한 어떤 답변이 수주 (Closed-won) 결과로 이어지는가? 어떤 답변이 딜을 망치는가? 실제로 효과가 있는 것에 따라 스스로 순서를 재조정하는 살아있는 반대 처리 라이브러리 (Objection library)를 구축합니다.

아웃바운드 시퀀스 루프 (Outbound sequence loop). 시퀀스를 지속적으로 A/B 테스트합니다. 승자를 선택하고, 패자를 교체합니다. 반복합니다. 분기별 시퀀스 검토 따위는 필요 없습니다. 시스템이 당신을 대신해 실험을 수행합니다.

ICP 루프 (ICP loop). 모든 수주 (Closed-won) 및 실주 (Closed-lost) 거래 데이터가 ICP (Ideal Customer Profile, 이상적 고객 프로필) 정의에 반영됩니다. 창업자의 머릿속에 있는 기업이 아니라, 실제 최고의 고객과 유사한 기업들이 더 많은 아웃바운드 관심을 받게 됩니다.

딜 리스크 루프 (Deal-risk loop). 에이전트 (Agent)가 모든 진행 중인 거래 (Open deal)를 모니터링하며 조기 경고 신호(챔피언의 침묵, 제안서 미열람, 다음 미팅 일정 지연 등)를 감지합니다. 그리고 매일 아침 리스크가 있는 목록과 함께 권장되는 회복 조치 (Recovery moves)를 제시합니다.

이 중 이론적으로 새로운 것은 하나도 없습니다. 영업 리더들은 수년 동안 이 모든 것에 대해 이야기해 왔습니다. 새로워진 점은 이제 전담 분석가 없이도, 별도의 프로젝트 없이도, 분기별 검토 주기 없이도 이들을 실행할 수 있다는 것입니다. 루프가 스스로 돌아갑니다.

이것이 영업 리더들에게 의미하는 바

타협할 수 없다고 생각하는 몇 가지 시사점이 있습니다.

SDR 인원수를 늘리는 대신 토큰을 소모하십시오. Blomfield의 강연에 따르면, YC (Y Combinator) 기업들은 현재 18개월 전보다 직원당 매출이 약 5배 높은 상태로 데모 데이 (Demo day)에 도달하고 있습니다. CNBC 보도에 따르면 2025년 3월의 광범위한 변화는 다음과 같습니다. 현재 YC의 기업들은 펀드 역사상 가장 빠르게 성장하고 가장 수익성이 높으며, 10명 미만의 팀으로 12개월 이내에 매출 1,000만 달러를 달성하고 있습니다. 이들 중 4분의 1은 코드의 95%를 AI가 작성했습니다. 영업 조직의 제약 조건은 이제 '얼마나 많은 SDR을 채용할 수 있는가'에서 '얼마나 많은 토큰을 사용할 수 있는가'로 전환될 것입니다. 인원은 적게 채용하되, 그들에게 더 많은 컴퓨팅 자원을 제공하고

CRO(최고 영업 책임자)는 컨텍스트 엔지니어(context engineer)가 됩니다. 영업 리더가 향후 12개월 동안 할 수 있는 가장 가치 있는 일은 조직을 AI가 읽을 수 있는 상태(legible)로 만드는 것입니다. 이를 가장 빠르게 수행하는 리더가 복리 효과를 누리게 될 것입니다.

영업 조직을 AI가 읽을 수 있게 만드는 방법

이것은 위에서 언급한 모든 것의 전제 조건이지만, 대부분의 영업 조직은 이에 전혀 근접해 있지 않습니다.

모든 것을 기록하십시오. 모든 통화, 모든 데모, 모든 디스커버리 세션(discovery session), 모든 내부 파이프라인 리뷰, 딜(deal)에 관한 모든 Teams 메시지까지 포함됩니다. AI의 관점에서는 기록되지 않은 것은 존재하지 않는 것과 같습니다. 대부분의 영업 조직은 이미 Gong이나 Chorus를 사용하고 있지만, 자신들이 회사에서 가장 가치 있는 학습 데이터(training data)를 보유하고 있다는 사실을 깨닫지 못하고 있습니다.

CRM 위생(hygiene)을 강제하십시오. CRM이 아름다운 결과물이기 때문이 아니라, 상태가 기록되지 않은 딜은 모든 루프(loop)에서 보이지 않기 때문입니다. 딜의 컨텍스트(context)를 머릿속에만 담아두는 영업 사원의 파이프라인은 학습될 수 없습니다.

단순히 쏟아붓지 말고 합성(synthesize)하십시오. 10,000시간 분량의 통화 녹음 파일을 모델에 그대로 밀어 넣을 수는 없습니다. 이를 일지 형태로 기록(diarize)해야 합니다. 딜 단계별, 거절 유형별, 산업별로 분류하십시오. 이를 살아있는 플레이북(playbook)으로 압축해야 하며, 이 플레이북은 YC가 2,000시간의 오피스 아워(office hours)를 통해 창업자 매뉴얼을 재구축한 것과 같은 방식으로 새로운 녹음 파일로부터 매달 스스로 재생성되어야 합니다.

이 새로운 구조에서 인간의 역할

영업 조직을 하나의 뇌라고 생각하십시오. 데이터, 통화 녹음, 플레이북, 딜 이력, 자격 검증 프레임워크(qualification frameworks)가 바로 그 뇌입니다. 인간은 그 주변부에 위치하며 현실과 인터페이스(interface) 역할을 수행합니다.

인간은 모델이 아직 도달할 수 없는 곳, 그리고 아마도 오랫동안 도달하지 못할 곳으로 향합니다: