AI를 붙인 뒤 세일즈 조직의 일하는 기준이 완전히 바뀌었습니다 (AB180 최현종님)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

AB180은 Claude Code와 AI를 세일즈 전 과정에 붙인 뒤 반복 업무를 줄이는 수준을 넘어, 누구를 우선하고 어떻게 관계를 만들며 조직이 어떤 품질로 실행할지에 대한 일하는 기준 자체를 높였습니다.

📌 핵심 요점

1. GTM을 개별 딜의 클로징이 아니라 유입·전환·후속 획득을 잇는 반복 가능한 시스템으로 보고, 국내에서 통했던 기능·메시지·채널을 해외 시장에서 다시 실험한다.
2. 이메일 도메인·전화번호·앱·웹사이트·고관여 행동을 점수화해 가짜·저품질 리드를 거르고, 기준을 통과한 리드만 Zapier와 Mixmax 후속 흐름에 연결합니다. 기준을 느슨하게 잡으면 약 60%, 엄격하게 잡으면 20~30%만 유효 리드로 남았습니다.
3. 생성 비용과 운영 복잡도를 낮추기 위해 제목이나 첫 문장만 고객별로 바꾸고 검증된 본문 템플릿을 재사용하며, 답장 분류와 성사 데이터로 우선순위와 점수 규칙을 개선한다.
4. 피상적 개인화 대신 고객 리뷰를 분석한 진단 리포트와 즉시 쓸 수 있는 도구를 먼저 제공하고, 실제 사용 신호가 생겼을 때 추가 도움을 제안하는 관계 기반 아웃바운드로 차별화한다.
5. 미팅 전 조사·활동 추적·팔로업·제안서 생성을 세일즈 OS로 묶고, 세일즈 위키를 사람과 에이전트가 함께 읽는 단일 기준으로 삼아 개인의 암묵지를 조직 역량으로 표준화한다.

🧩 배경과 문제 정의

• AB180은 국내에서 확보한 고객 기반을 해외로 확장해야 하지만, 한국에서 통했던 제품 기능·메시지·채널 전략은 해외에서 그대로 작동하지 않는다.
• B2B 영업의 시간은 한정돼 있어 모든 리드를 상대할 수 없으며, 실제 구매 가능성이 높은 고객을 가려 적절한 시점에 맞춤 메시지를 보내는 시스템이 필요하다.
• Claude Code와 AI는 리드 판별, 이메일 분류, 고객 조사, 후속 메시지 작성 같은 반복 업무를 자동화해 영업 인력이 고객 문제 해결과 관계 형성에 집중하도록 돕는다.
• 자동화가 보편화되면서 피상적인 개인화는 오히려 스팸 신호가 되고, 고객에게 즉시 쓸모 있는 도구와 맥락을 제공하는 관계 기반 아웃바운드가 새로운 차별점이 된다.

🕒 시간순 섹션별 상세정리

1. 반복 가능한 고객 획득 시스템으로서의 GTM

• GTM은 누구를 고객으로 데려오고 어떤 메시지와 채널을 쓰며 상품을 어떻게 바꿀지 추적해, 반복 가능한 고객 획득 시스템을 만드는 역할이다. [01:37]
• B2B 세일즈는 개별 딜의 클로징을 목표로 하지만, GTM은 유입부터 전환과 후속 고객 획득까지 전체 구조를 설계한다. [02:08]

2. 해외 확장을 위한 AB180의 GTM 과제

• Airbridge는 국내에서 많은 고객사를 확보했고, 다음 목표는 해외 고객을 늘려 달러 매출을 만드는 것이다. [03:41]
• 한국에서 통했던 내러티브·제품 기능·마케팅 플레이는 해외에서 그대로 통하지 않아, 반응이 오는 채널과 메시지를 직접 실험해야 한다. [03:51]

3. Claude Code가 바꾼 판단과 실행

• 2월에 Claude Code를 접한 뒤 한 달 만에 15개 시스템을 만들었고, 여러 자동화가 기존 업무 흐름에 결합됐다. [05:04]
• 판단의 해상도가 높아지면서 “못 하겠다”보다 실행 방법을 바로 찾는 태도로 바뀌었고, 아이디어를 실제 작업으로 옮기는 속도도 빨라졌다. [06:16]

4. 영업 시간을 지키는 리드 퀄리피케이션

• 영업은 사용할 수 있는 시간이 한정돼 있어 모든 사람을 만나는 대신 실제 구매 가능성이 높은 잠재 고객을 골라야 한다. [07:56]
• 해외 가입 리드는 회사의 실재 여부와 필요가 불분명하고 봇이 만든 가짜 데이터도 섞여 있어, 반복적인 검증 작업을 자동화할 가치가 컸다. [08:44]

5. 영업 감각을 점수 규칙으로 바꾸는 방법

• ‘올바른 사람에게 올바른 타이밍에 올바른 메시지를 보낸다’는 영업 감각과 기존 고객 기준 문서를 바탕으로 판별 규칙을 구조화했다. [09:25]
• 이메일 도메인, 전화번호 입력 여부, 앱 보유 여부, 웹사이트 정보 등을 조사해 리드 점수를 계산하고 스팸을 걸러냈다. [09:48]

6. 최소 개인화로 비용과 효과를 함께 관리

• 유효 리드가 확인되면 웹사이트 등에서 확보한 고객 데이터와 사내 내러티브를 조합해 고객별 영업 메시지를 만든다. [10:57]
• 모든 문장을 새로 생성하면 토큰 비용과 운영 난도가 커지므로 제목이나 첫 문장만 개인화하고, 나머지는 성과가 검증된 공통 템플릿을 재사용한다. [11:15]

7. 답장 분류와 후속 조치의 우선순위화

• 첫 메일 발송만 자동화하면 답장이 없는 고객을 놓치기 쉬워, 반드시 회신이 필요한 리드를 다시 알려주는 기능이 필요하다. [12:04]
• 답장을 관심 높음·관심 없음·보류 등으로 기록해 우선 처리할 메일부터 찾고, 핵심 메일은 수기로 답하며 나머지는 템플릿으로 빠르게 종료한다. [12:29]

8. 문의 폼과 성사 데이터가 만드는 피드백 루프

• 문의 폼에서 고객이 해결하려는 문제를 주관식으로 받으면 리드의 방문 목적과 구매 의도를 가장 직접적으로 판별할 수 있다. [13:03]
• 입력 필드가 많아도 끝까지 작성한 고객은 관여도가 높을 가능성이 있어, 적절한 마찰은 단순한 이탈 요소가 아니라 품질 신호가 된다. [13:26]

9. 자동화 이후 높아진 영업의 기준

• 자동화로 절약한 시간은 휴식보다 추가 업무로 이어지기 쉬워, 생산성 향상과 함께 개인에게 요구되는 업무 기준도 높아지는 부담이 생긴다. [14:33]
• AI 시대의 영업은 반복 업무를 줄인 시간으로 고객을 더 많이 만나고 문제 해결에 집중해야 하며, 이는 더 많은 딜과 성과로 연결된다. [14:42]

10. 점수화 파이프라인과 스캠 방어

• 가입이나 앱 등록 같은 고관여 행동이 발생하면 자동으로 점수를 매기고, 기준 통과 여부에 따라 qualified와 unqualified 리드로 나눈다. [15:38]
• 통과한 리드는 Zapier를 거쳐 Mixmax 이메일 시퀀스로 이동하며, 별도의 수작업 없이 후속 메일을 받는다. [15:54]

11. 좋은 메시지에서 즉시 쓸 수 있는 도구로

• 고객의 관심을 얻는 방식은 좋은 메시지, 유용한 자료, 고객이 당장 문제를 해결할 수 있는 마이크로 SaaS형 도구 순으로 발전했다. [17:49]
• 구독 앱 고객의 앱스토어·플레이스토어 리뷰를 수집하고 마케팅 관점으로 패턴을 나눠, 우선 해결할 문제를 담은 자체 진단 리포트를 만들었다. [18:38]

12. 도구형 아웃바운드의 배포와 성과

• 선별된 고품질 고객에게는 앱별 분석을 담은 맞춤 리포트를 보내, 고객이 실제로 겪는 문제를 중심으로 관심을 유도한다. [19:27]
• 더 넓은 잠재 고객에게는 링크드인이나 일대일 아웃바운드로 직접 실행할 수 있는 도구 링크를 배포해 새로운 접점을 만든다. [20:03]

13. 피상적 개인화의 붕괴와 관계 기반 아웃바운드

• 한 달에 약 300건씩 들어오는 협업 메일 중 98%는 채널명과 오디언스 적합성만 반복하는 템플릿이라 버려지며, 구체적인 협업 아이디어와 선제 작업이 차별점을 만든다. [22:05]
• 최근 콘텐츠를 크롤링해 한 줄 감상을 붙이는 시그널 기반 아웃바운드는 누구나 같은 메시지를 보내면서 진정성을 잃었고, 오히려 스팸을 판별하는 신호로 바뀌었다. [23:45]

14. 제품 사용 신호를 활용한 인터뷰 아웃리치

• 최근 제품을 많이 사용한 고객을 자동으로 목록화하고, 구체적인 사용 행동을 첫 문장에 반영해 15분 인터뷰를 제안한다. [25:28]
• 첫 문장만 고객별 변수로 만들고 나머지 본문은 공통 템플릿으로 유지해, 대량 발송 효율을 확보하면서도 자신을 지켜보고 있었다는 맥락을 만든다. [25:59]

15. 사내 세일즈 OS와 미팅 후속 실행

• 사내 도구는 미팅 전 고객 조사, 파이프라인·미팅 활동 추적, 미팅 후 메시지 초안을 하나의 세일즈 운영 흐름으로 묶는다. [27:51]
• 미팅 기록과 Salesforce 데이터에서 고객에게 맞는 사내 내러티브를 고르면, 시스템이 회의 맥락과 영업 의도에 맞춘 팔로업 메시지와 첨부 파일을 즉시 만든다. [28:46]

16. 팔로업 자동화와 세일즈 위키를 통한 조직 역량 표준화

• 미팅 맥락에 맞는 항목을 선택하면 후속 메일이 즉시 완성·발송되므로, 하루 다섯 건의 미팅을 소화한 뒤에도 클릭 몇 번으로 모든 팔로업을 끝낼 수 있다. [30:17]
• 세일즈 위키는 시장 지식, 영업 규칙, 베스트 프랙티스와 우수 영업자의 방식을 하나의 기준으로 축적해 개인 컨디션과 역량 편차가 조직 성과를 좌우하지 않도록 만든다. [31:18]

17. 에이전트가 읽는 SSOT와 선제적 세일즈 지원

• 세일즈 위키는 신규 입사자의 학습 자료이면서 에이전트의 핵심 지식원이며, Claude Code로 업무를 시작할 때 에이전트가 먼저 위키를 읽도록 명령한다. [32:04]
• 가격 인하 요구가 들어오면 에이전트가 8천~9천 원 수준을 방어할 협상 논리를 찾아내고, 각 영업 단계에 필요한 전략을 먼저 제안해 사람이 놓칠 수 있는 대응까지 보완한다. [32:44]

18. 고객별 인터랙티브 제안서와 즉석 데모

• 1,500~2,000명이 참여하는 행사에서 고객과 대화할 수 있는 시간은 약 30분에 불과하므로, 제안서의 완성도보다 고객 맥락과 관심사를 얼마나 정확히 담느냐가 중요하다. [33:38]
• 항공 고객용 자료에는 브랜드 색상, 관련 사례와 고객 여정을 반영하고 실제 화면에 가까운 시각적 데모를 넣어, 고정된 공용 덱보다 구체적인 활용 장면을 빠르게 전달한다. [34:10]

19. 성과 보상과 반복 교육을 통한 조직 확산

• AI를 잘 활용한 구성원에게 승진과 보상으로 동기를 부여하는 것이 가장 강력한 제도적 장치이며, 초기 확산은 눈에 띄고 즐거운 결과물을 함께 만드는 소수 구성원에게서 시작했다. [36:06]
• 자발적으로 모집한 6~8명과 첫 교육을 시작한 뒤 사내 교육을 네다섯 차례 반복했고, 각 조직이 오래 걸리거나 복잡했던 업무를 직접 줄이면서 자신들의 활용 사례를 발굴했다. [36:56]

20. 자동화 편향과 공용 스킬의 제품화 난관

• 많은 구성원이 Claude Code를 단순 자동화 도구로 받아들이고, 교육 사례도 자동화 중심으로 귀결되면서 각자의 판단과 업무 방식을 확장하는 활용 가능성을 놓치기 쉽다. [37:29]
• 단계별 학습과 프로젝트 발표를 거쳐도 개인용 스킬을 공용 스킬로 바꾸려면 더 세밀한 설계와 PMF 탐색이 필요해, 한 사람이 여러 조직의 요구와 품질을 모두 책임지기 어렵다. [38:12]

21. 실행 자동화를 넘어선 사고 증강

• 최종 지향점은 사람이 매번 명령하는 구조가 아니라 에이전트가 먼저 질문하고 필요한 작업을 요청·판단하며, 사람은 검토한 뒤 실행에 집중하는 구조다. [39:44]
• 핵심은 자신의 암묵지와 원하는 결과를 명확히 만드는 과정이며, 질문형 스킬과 플러그인은 미처 생각하지 못한 조건을 발견하게 해 의사결정과 결과물의 품질을 높인다. [40:46]

22. AI가 흔드는 엔터프라이즈 세일즈의 경계

• 현재 인간 영업이 쉽게 대체되지 않는 이유는 계약에 대한 신뢰와 책임, 그리고 상대방만 가진 비공개 정보를 사람이 직접 관계를 맺으며 확인해야 하기 때문이다. [42:46]
• 엔터프라이즈 계약도 에이전트가 제품을 추천하고 협상 결과를 만든 뒤 사람이 최종 승인만 하는 구조로 이동할 수 있어, 설득·협상·클로징을 인간의 고유 역할로 단정하기 어려워졌다. [44:00]

23. 고관여 영업에 남는 인간의 역할

• 고관여 세일즈에서는 고객의 질문과 필요를 둘러싼 모든 맥락을 AI가 알기 어렵고, 기록되지 않은 암묵적 정보까지 탐구하려면 사람 간 대화가 필요하다. [44:53]
• 영업 담당자는 계약 체결에서 끝나지 않고 고객이 문제를 해결해 조직 내 챔피언이 되도록 돕고, 관계를 쌓거나 필요한 인맥을 연결한다. 녹음되지 않은 대화와 책임까지 포함한 이 역할은 여전히 인간의 몫이다. [45:35]

🧾 결론

• AI 세일즈의 핵심 가치는 문장을 대신 쓰는 데 있지 않고, 영업자의 암묵적 판단을 규칙으로 만들고 실제 성사 데이터로 계속 보정하는 데 있다.
• 자동화가 확보한 시간은 고객을 더 많이 만나고 문제 해결과 관계 형성에 집중하는 데 쓰여야 하며, 그만큼 개인과 조직에 요구되는 실행 기준도 함께 높아집니다.
• 피상적인 개인화가 대량 복제될수록 고객에게 즉시 쓸모 있는 도구를 먼저 제공하고 실제 사용 행동을 바탕으로 후속 관계를 만드는 방식이 중요해집니다.
• 고관여 영업에서는 AI가 조사·제안·후속 실행을 넓게 지원하더라도 신뢰, 책임, 비공개 맥락의 탐구, 고객을 내부 챔피언으로 만드는 역할은 사람에게 남습니다.

📈 투자·시사 포인트

• 세일즈 AI의 경쟁력은 단순 생성 모델보다 CRM·이메일·미팅 기록·사내 지식을 하나의 실행 흐름으로 연결하고 성사 결과를 다시 학습 규칙에 반영하는 통합 능력에서 갈릴 가능성이 큽니다.
• 고객이 바로 사용할 수 있는 진단 리포트나 마이크로 SaaS형 도구는 제품 기능인 동시에 잠재 고객을 발굴하고 관계를 시작하는 새로운 GTM 자산이 될 수 있다.
• 세일즈 위키와 고객 행동 데이터처럼 조직 내부에 축적되는 지식은 에이전트의 품질과 신규 구성원의 학습 속도를 함께 높이는 기반이지만, 공용화에는 지속적인 설계와 유지·보수가 필요하다.
• AI 도입의 성과는 도구 구매만으로 결정되지 않으며, 반복 교육·활용 사례 발굴·보상 체계와 함께 생산성 향상이 과도한 업무 증가로 이어지지 않도록 운영 기준을 설계해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 한 달 만에 만든 15개 시스템, 기준별 60% 또는 20~30%의 유효 리드 비율, 듀오링고 리뷰 1,000개에서 찾은 118개 이탈 위험 신호와 8개 패턴은 AB180의 사례 수치이며, 비교군이나 장기 추적 결과는 제시되지 않았습니다.
• 자동화 전후의 답장률·미팅 전환율·클로징률·달러 매출·담당자당 처리량이 공개되지 않아 생산성 향상이 실제 사업 성과로 얼마나 이어졌는지는 정량 확인이 필요하다.
• 리드 점수화의 오탐과 미탐, 엄격한 기준으로 제외된 잠재 고객의 기회비용, AI가 만든 후속 메시지의 품질 오류에 관한 수치는 제시되지 않았습니다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 답장률·미팅 전환율·클로징률·후속 조치 시간·리드당 처리 비용을 측정해 자동화 도입 전 기준선을 만듭니다.
• 우수 영업자의 판단과 기존 고객 기준 문서를 바탕으로 리드 판별 규칙을 작성하고, 초기에는 자동 제외보다 수동 검토를 병행해 오탐과 미탐을 기록한다.
• 리드 검증, 답장 분류, 미팅 후 팔로업 중 반복성이 높고 결과를 측정하기 쉬운 한 흐름부터 좁게 자동화한다.
• 제목이나 첫 문장만 개인화하고 검증된 공통 본문을 재사용해 토큰 비용, 메시지 품질, 운영 난도를 함께 관리한다.

❓ 열린 질문

• AI 자동화 이후 답장률, 미팅 수, 클로징률과 달러 매출은 기존 방식보다 각각 얼마나 개선됐습니까?
• 엄격한 점수 기준으로 제외된 70~80%의 리드 가운데 실제 구매 가능성이 있었던 고객은 얼마나 됩니까?
• 세일즈 위키의 규칙과 내러티브가 오래되거나 서로 충돌할 때 누가 어떤 주기로 검증하고 갱신합니까?