Rox goes “all in” on OpenAI

🖼️ 인포그래픽

Rox goes “all in” on OpenAI 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

록스는 오픈AI의 모델과 API를 기반으로 데이터, 영업 흐름, 상시 작동 에이전트를 결합한 맞춤형 매출 운영 플랫폼을 구축하고 기업 고객 확대와 영업 생산성 향상을 이루고 있다.

📌 핵심 요약

록스는 매출 조직의 사람 중심 활동이 충분한 데이터에 근거하지 못한다는 문제를 발견하고, 기록 시스템·업무 흐름 시스템·AI 지원으로 구성된 3단계 비전을 세웠다.
플랫폼의 핵심인 ‘록스 에이전트 스웜’은 고객 계정별로 배정된 상시 작동 AI 에이전트 집단으로, 계정을 감시하고 반복 업무를 처리하며 실행 가능한 정보를 영업 담당자에게 제공한다.
초기의 개방형 채팅 방식이 영업 담당자의 실제 요구와 맞지 않자, 고객 피드백을 반영해 계정과 업무 흐름별로 에이전트를 구성할 수 있는 종단 간 플랫폼으로 전환했다.
록스는 오픈AI의 모델 선택 폭을 활용해 데이터 처리에는 비용 효율적인 모델을, 복잡한 추론에는 상위 모델을 배치했으며 출시 후 7개월 만에 기업 고객 계정을 25개까지 늘렸다.
록스 창업진은 견고한 데이터 계층과 문맥 관리, 자체 기반 모델 개발보다 응용 AI에 집중하는 전략, 매일 배포하는 빠른 반복을 핵심 구축 원칙으로 제시했다.

🧩 주요 포인트

록스는 매출 조직의 사람 중심 활동이 충분한 데이터에 근거하지 못한다는 문제를 발견하고, 기록 시스템·업무 흐름 시스템·AI 지원으로 구성된 3단계 비전을 세웠다.
플랫폼의 핵심인 ‘록스 에이전트 스웜’은 고객 계정별로 배정된 상시 작동 AI 에이전트 집단으로, 계정을 감시하고 반복 업무를 처리하며 실행 가능한 정보를 영업 담당자에게 제공한다.
초기의 개방형 채팅 방식이 영업 담당자의 실제 요구와 맞지 않자, 고객 피드백을 반영해 계정과 업무 흐름별로 에이전트를 구성할 수 있는 종단 간 플랫폼으로 전환했다.
록스는 오픈AI의 모델 선택 폭을 활용해 데이터 처리에는 비용 효율적인 모델을, 복잡한 추론에는 상위 모델을 배치했으며 출시 후 7개월 만에 기업 고객 계정을 25개까지 늘렸다.
록스 창업진은 견고한 데이터 계층과 문맥 관리, 자체 기반 모델 개발보다 응용 AI에 집중하는 전략, 매일 배포하는 빠른 반복을 핵심 구축 원칙으로 제시했다.

🧠 상세 정리

1. 기업 데이터와 매출 업무를 연결하려는 출발점

록스 팀은 AI와 데이터 통합 분야의 전문성을 바탕으로 매출 조직의 업무 방식을 다시 설계하려 했다. 공동창업자이자 AI 책임자인 아바니카 나라얀은 박사과정에서 대규모 언어 모델을 데이터 정리와 업무 자동화 같은 기업 과제에 적용한 경험을 제품 구상에 활용했다. 팀은 매출 조직 안에서 많은 사람이 활발하게 상호작용하고 있지만, 그 활동이 충분한 데이터에 근거하지 못한다는 문제를 발견했다. 이에 따라 고객과 업무 정보를 축적하는 기록 시스템, 실제 작업을 수행하는 업무 흐름 시스템, 그 위에서 작동하는 AI 지원이라는 3단계 구조를 구상했으며 이를 오픈AI API로 구현했다.

2. 변화한 매출 모델과 상시 작동 에이전트 구조

록스가 2024년에 제품을 출시한 배경에는 사용량 기반 매출 모델의 확산과 AI 중심 영업 운영으로의 전환이 있었다. 이러한 변화는 기존 매출 조직의 시스템이 데이터 처리, 장기 업무 흐름, 세밀한 고객 접근을 충분히 지원하지 못한다는 공백을 드러냈다. 록스는 오픈AI API를 이용해 데이터 정리부터 긴 작업 절차, 시장 진출 전략에 필요한 맞춤형 영업 연락까지 하나의 플랫폼에서 다루도록 했다. 플랫폼의 핵심인 ‘록스 에이전트 스웜’은 고객 계정마다 배정된 상시 작동 AI 에이전트 집단이며, 담당자가 자리를 비운 동안에도 계정을 감시한다. 근무 시간에는 반복 업무를 대신하고 실행 가능한 정보를 제시함으로써 영업 담당자의 생산성을 50% 높인다고 설명한다.

3. 개방형 채팅에서 맞춤형 업무 플랫폼으로의 전환

록스는 초기 실험에서 사용자가 자유롭게 대화하는 개방형 채팅 인터페이스를 검토했지만, 실제 영업 담당자의 요구와 맞지 않는다는 사실을 확인했다. 영업 담당자에게는 범용 대화 도구보다 자신이 맡은 계정과 구체적인 업무 흐름에 맞춰지고, 더 창의적이며 차별화된 결과를 내는 도구가 필요했다. 팀은 이 피드백을 바탕으로 각 에이전트가 담당자의 계정과 작업 방식에 적응하는 종단 간 구성형 플랫폼으로 방향을 바꿨다. 램프, 카우치베이스, 컨플루언트 등과의 협업에서 얻은 의견도 제품 설계에 반영했다. 또한 우수 영업 담당자의 모범적인 업무 방식을 플랫폼에 내장해 그들의 전문성을 조직 전체로 확산할 수 있도록 했다.

4. 빠른 반복 개발과 기업 고객 확보

록스 팀은 고객 피드백을 제품에 신속히 반영하기 위해 거의 매일 업데이트를 배포하는 반복 개발 방식을 채택했다. 창업 엔지니어 아몰 싱은 전통적인 방식이라면 여러 데이터 엔지니어와 하나의 전체 팀이 필요했을 작업을 오픈AI 모델 덕분에 두 사람이 수행할 수 있었다고 설명했다. 원문은 록스를 사용하는 영업팀이 상당한 개선을 보고했으며, 판매 승인 파이프라인이 두 배로 늘어났다는 성과를 제목으로 제시한다. 기업 시장에서도 출시 후 7개월 동안 고객 계정이 0개에서 25개로 증가하며 빠른 도입세를 보였다. 플랫폼 화면은 금융기관별 상태, 주요 정보, 인력 분포, 연락처, 경쟁사 등을 제공하며, 록스는 공개적으로 이용 가능한 정보도 수집해 이러한 계정 분석에 활용한다.

5. 모델 선택 전략과 세 가지 구축 원칙

록스는 서로 다른 성능과 가격을 가진 여러 모델을 선택할 수 있다는 점을 오픈AI의 중요한 장점으로 평가한다. 반복적 데이터 처리에는 비용 효율적인 모델을 사용하고, 복잡한 추론이 필요한 작업에는 더 높은 성능의 모델을 배치함으로써 과제에 맞게 비용과 기능을 조정한다. 창업진이 제시한 첫 번째 원칙은 견고한 데이터 계층과 문맥 관리 체계를 먼저 갖추는 것으로, 반정형·비정형 데이터를 색인해야 결과를 실제 행동으로 연결할 수 있다고 강조한다. 두 번째 원칙은 자체 기반 모델을 연구하거나 만드는 대신 오픈AI와 협력해 유용한 응용 서비스를 제공하는 데 집중하는 것이다. 세 번째 원칙은 현대의 응용 AI가 제공하는 개발 속도를 활용해 지속적으로 실험하고 거의 매일 제품을 배포하는 빠른 반복이다.

6. 멀티모달·장기 작업 지원으로 확장하는 방향

록스는 향후 매출 조직 구성원이 하루의 업무를 플랫폼에서 시작하고 마치며, 고객과 효과적으로 소통하는 데 필요한 정보와 지원을 지속적으로 받는 모습을 목표로 한다. 이를 위해 여러 형태의 정보를 처리하는 멀티모달 기능과 오랜 시간에 걸쳐 진행되는 작업을 지원하는 기능을 확대할 계획이다. 오픈AI의 실시간 API를 기반으로 한 새로운 음성 기능은 이미 영업 담당자가 회의를 준비할 수 있도록 상세한 실시간 브리핑을 제공하고 있다. 이 기능은 단순한 정보 조회를 넘어 실제 고객 접점 직전의 준비 업무까지 지원 범위를 넓힌 사례다. 록스는 오픈AI를 기반으로 사람의 판단과 관계 형성이 중심이 되는 영업 기능을 지원하면서 시장 진출 활동의 매출 잠재력을 높이는 방향을 유지하려 한다.

🧾 핵심 주장 / 시사점

범용 채팅 인터페이스보다 사용자의 실제 계정과 업무 흐름에 맞춘 구성형 에이전트가 영업 현장의 요구에 더 부합했다.
비용과 성능이 다른 모델을 작업 난도에 따라 구분해 사용하는 방식은 데이터 처리와 복잡한 추론을 하나의 플랫폼에서 효율적으로 운영하게 했다.
록스는 견고한 데이터 계층, 응용 AI에 대한 집중, 고객 피드백을 반영하는 빠른 반복을 제품 구축과 성장의 핵심 조건으로 제시했다.

✅ 액션 아이템

록스처럼 매출 조직의 사람 중심 활동을 데이터 기반으로 전환하려면 기록·업무흐름·AI 지원의 3단계 설계를 먼저 구체화한다.
오픈AI의 모델 조합을 따라 데이터 처리에는 저비용 모델, 복잡 추론에는 고성능 모델을 배치해 7개월 내 25개 기업 고객 확대의 비용·효과 균형을 점검한다.
록스 에이전트 스웜처럼 계정별 상시 작동 AI 에이전트를 운영해 반복 업무 처리와 실시간 정보 제공 범위를 정하고 영업 담당자 실행 의사결정을 보완한다.