🚀 6개월 만에 AI로 영업조직을 완전히 바꾼 CRO의 솔직한 이야기

AI 도입, 누구나 하는데 왜 우리만 안 되는 걸까요?

요즘 AI 없는 회사가 어딨겠어요. 다들 ChatGPT 쓰고, 직원 교육도 하고, AI 도입했다고 자랑하죠. 그런데 실제로 영업 현장이 바뀌었나요? 매출이 2배로 늘었나요?

페르소니오의 필립 라코르 CRO는 달랐어요. 직원 1,500명, 고객 15,000개, 영업팀만 400명인 거대한 조직을 6개월 만에 완전히 바꿔놓았거든요. 영업 리서치 시간을 2시간에서 15분으로 줄이고, AI가 7일 만에 140건의 미팅을 잡았어요. 400개가 넘는 AI 어시스턴트를 만들어서 실제로 쓰고 있고요.

어떻게 이게 가능했을까요? 그가 직접 공유한 5가지 성공 비결과 5가지 실수를 살펴볼게요.

위에서 밀고, 아래서 끌어야 진짜 변화가 온다

대부분의 회사가 하는 실수가 있어요. 직원들한테 AI 툴 접근권 주고, 교육 몇 번 하고, "자, 이제 우리도 AI 회사야!" 하는 거죠. 페르소니오도 처음엔 그랬대요. AI 특별 주간 만들고, OpenAI랑 AWS에서 강사 불러서 교육하고, 프로젝트팀도 꾸리고요.

그런데 필립이 뭔가 이상하다는 걸 눈치챘어요. 직원 90%가 매주 AI 쓴다고는 하는데, 실제로 일하는 방식은 하나도 안 바뀐 거예요. 왜 그럴까요?

아래에서 올라오는 실험만으로는 한계가 있더래요. 누가 시간을 40% 투자할지, 예산은 어디에 쓸지, 50개 아이디어 중 뭘 먼저 할지, 이런 어려운 결정은 위에서 내려야 하거든요.

그래서 6월에 'AI 기반 영업조직' 태스크포스를 만들었어요. 위에서는 방향과 리소스를, 아래에서는 실험과 아이디어를. 이 둘이 만나니까 진짜 변화가 시작됐대요.

데이터팀, 영업팀, 엔지니어가 한 방에 모여야 한다

이건 당연해 보이지만 제대로 하는 회사가 거의 없어요. 페르소니오는 15명짜리 크로스펑셔널 팀을 만들었어요. 데이터 시스템팀, 영업운영팀과 GTM 엔지니어 2명, 그리고 마케팅·영업·고객성공 실무자들까지요.

왜 이렇게까지 해야 할까요? 필립이 양쪽 실패 사례를 다 봤거든요. 데이터팀이 혼자 AI 모델 만들면 비즈니스 맥락이 없어서 실전에서 안 먹혀요. 반대로 영업팀이 "이거 AI로 만들어주세요" 하면 기술 지원이 없어서 진도가 안 나가고요.

글로벌 컨설팅 회사 맥킨지의 2024년 조사에 따르면, AI 프로젝트의 65%가 부서 간 협업 부족으로 실패한다고 해요. 기술은 있는데 비즈니스를 모르거나, 아이디어는 좋은데 실행력이 없거나. 페르소니오는 이 함정을 정확히 피해간 거죠.

무작정 만들지 말고, 일을 먼저 관찰하라

처음엔 신나잖아요. 슬랙 채널 만들고, 아이디어 공유하고, 프로젝트 시작하고. 그런데 문제가 생겼대요. 첫 번째 프로젝트도 안 끝났는데 두 번째, 세 번째가 시작되는 거예요. 어느 순간 20개 프로젝트가 반쯤만 완성된 상태로 방치됐죠.

해결책은 'Jobs-to-be-done' 분석이었어요. GTM 엔지니어 한 명이 2주 동안 고객관리팀을 쫓아다니며 관찰했대요. 그랬더니 놀라운 걸 발견했어요.

직원들이 단순한 업무 하나 하려고 7~8개 시스템을 왔다갔다하더래요. 여기서 정보 찾고, 저기서 데이터 복사하고, 또 다른 곳에 붙여넣고. 하루에 2.5시간, 일주일에 3시간씩 이런 식으로 날렸어요.

가트너의 2024년 리포트를 보면, B2B 영업사원의 평균 40%가 비생산적 데이터 수집에 쓰인다고 해요. 페르소니오는 이걸 정확히 짚어낸 거죠. SDR, AE, CS, 엔지니어 등 모든 역할의 업무를 매핑하고, 어디서 시간을 가장 많이 낭비하는지 수치로 잡았어요. 그리고 거기에 AI를 투입했죠.

AI 문화는 리더가 먼저 보여줘야 생긴다

필립이 좋아하는 공식이 있대요. "효과 = 계획의 질 × 수용도". 5점짜리 계획에 수용도 5면 25점이지만, 10점짜리 계획에 수용도 1이면 10점밖에 안 돼요.

그래서 필립은 세 가지를 실천했어요.

첫째, 리더가 먼저 쓴다. 예전엔 영업 담당자들이 거래 검토 회의에 파워포인트 들고 왔대요. 이제 필립은 이렇게 말해요. "Gong 열어봐요. AI 표시 있죠? 거기 들어가서 고객 브리프 확인해보세요. 다 나와 있어요." 다음 회의부터는? 다들 알아서 Gong AI 쓰고 와요.

둘째, 성공 사례를 공유한다. 자기 팀원들을 무대에 세웠대요. "우리 팀이 고객 맞춤 제안서 자동화 어시스턴트 만들었어요", "RFP 답변 AI 만들었더니 이렇게 좋더라고요". 외부 강사보다 내부 동료의 성공담이 훨씬 강력하거든요.

셋째, 보상한다. 올해 프레지던트 클럽 자리 중 2~3석을 AI 기여도로 준대요. 영업 실적이 아니라요. 내년엔 더 늘릴 거래요. 메시지가 명확하죠. "AI 잘 쓰는 게 곧 성과다."

기존 시스템에 AI를 얹어라, 처음부터 다 바꾸려 하지 말고

여기서 많은 사람들이 착각해요. "AI 도입하려면 새로운 툴을 다 사야 돼!" 아니래요.

필립의 조언은 이거예요. "도구가 만능은 아니에요. 일하는 방식과 데이터를 먼저 정리해야 해요."

페르소니오의 기본 스택은 평범해요. Salesforce, Gong, Qualified, Snowflake, Amazon Bedrock. 그런데 이걸 제대로 쓰려면 엄청난 준비가 필요했대요.

Salesforce 데이터의 3분의 1이 중복이었어요. 자동 중복제거 시스템 설치하고, 잠재고객 데이터베이스 몇 달 동안 청소하고, Gong 통화 5,000건을 Snowflake에 올리고, 이메일 데이터 연결하고. 여기까지가 70%예요.

그다음 30%가 진짜 마법이에요. 자기 회사만의 맥락을 집어넣는 거죠. 이상적 고객 프로필, 제품 설명 자료, 온보딩 프로세스, 교육 자료. 이걸 AI에 학습시키니까 비로소 "우리 회사만의 AI"가 되더래요.

가트너가 발표한 2024년 CIO 서베이를 보면, AI 프로젝트 실패의 58%가 데이터 품질 문제 때문이라고 해요. 아무리 좋은 AI 모델도 쓰레기 데이터를 넣으면 쓰레기가 나와요. 페르소니오는 이 지루하고 힘든 작업을 제대로 해낸 거죠.

실전에서 터진 4가지 성공 사례

이제 구체적으로 뭘 만들어서 어떤 결과가 나왔는지 볼까요?

첫 번째는 승패 분석이에요. 예전엔 거래 성사하거나 날아가면 Salesforce에 이유 적는데, 30%가 "기타"였대요. 쓸모없죠. 그래서 통화 기록, 이메일, Salesforce 데이터를 다 Snowflake에 넣고 GPT로 분석했어요. 그랬더니 경쟁사 대응 자료에 10~15% 새로운 인사이트가 추가됐고, 실시간으로 업데이트되는 살아있는 자료가 됐어요. "1만 건 통화 분석 결과, 우리 제품의 약점은 여기예요" 같은 피드백을 제품팀한테 줄 수 있게 됐고요.

두 번째는 확장 영업 SDR 어시스턴트예요. 기존 고객한테 추가 상품 파는 일인데, 리서치에 하루 2시간씩 걸렸대요. 고객 건강도는 Amplitude에, 계약 정보는 다른 시스템에, 사용 데이터는 또 다른 곳에. GTM 엔지니어가 Salesforce 안에 어시스턴트를 만들었어요. 계정 이름 치면 10~20개 시스템에서 데이터 긁어와서 정리해주고, 크로스셀 추천까지 해줘요. 신호등처럼 녹색, 노란색, 빨간색으로요. 결과는? 리서치 시간 15분으로 단축, 영업사원 1명당 파이프라인 2배 증가.

세 번째는 구매 의도 점수예요. 어떤 고객이 지금 당장 살 준비가 됐는지 아는 게 제일 어렵잖아요. 웹사이트 방문, 전 직원이 다른 회사로 이직, G2나 Trustpilot 활동 같은 신호들을 종합해서 점수를 매겼대요. Salesforce에 불꽃 이모지로 표시돼요. 불꽃 세 개면 "지금 바로 연락하세요"죠. 처음엔 모델이 별로였는데, 계속 수정하니까 점점 나아지더래요.

네 번째는 AI 챗봇 SDR이에요. 이름은 니아. 웹사이트에서 데모 신청하면 24시간 365일 즉시 미팅 잡아줘요. 7일 만에 140건 잡았어요. 웹사이트 세션 20만 건 처리했고요. 그런데 필립이 더 좋아한 건 다른 거였대요. 채팅 내역 읽어보니까 고객들이 진짜 궁금해하는 게 뭔지 보이더래요. 가격, 제품 기능, 경쟁사 비교. 금요일 밤 11시에도 데모 신청하는 사람이 있더래요. "왜 그 시간에?" 싶지만, 실제로 그래요.

절대 하면 안 되는 5가지 실수

성공담만큼이나 중요한 게 실패담이죠. 필립이 솔직하게 공유한 실수들이에요.

첫째, 툴을 끝없이 테스트만 하지 말라고요. 오늘은 Clay, 내일은 Artisan, 모레는 또 다른 거. 얕게 많이 써보는 건 아무 의미 없대요. 몇 개 정하고 진짜 깊게 파고들어야 배워요. "핵심은 학습이에요. 데이터예요."

둘째, AI 공부만 하지 말고 실제로 해보라고요. 논문 읽고, 팟캐스트 듣고, 트위터 글 보고. 이것만으로는 한 발짝도 못 나가요. 실제로 배포하고, 망가뜨려보고, 고쳐보는 과정에서 배우는 거예요.

셋째, AI 에이전트를 매일 모니터링하는 전담 인력이 있어야 해요. 니아 챗봇 처음 깔았을 때 4주 동안 제대로 관리 안 했대요. 얼마나 많은 데모 기회를 날렸는지 모른대요. 지금은 아미라는 직원이 매일 결과물 확인하고, 피드백 넣고, 실시간으로 테스트해요. 그래서 알게 된 거래요. 니아가 법률 자문을 하려고 하더래요. "안 돼!" 경쟁사 욕도 하더래요. "그건 우리답지 않아!" 고객이 여러 질문 한꺼번에 하면 제품 설명은 하는데 미팅 예약은 까먹더래요. 이런 건 매일 들여다봐야 잡혀요.

넷째, 비즈니스 맥락 없이 만들지 말라고요. 데이터팀이 LLM 기반 툴 만들었는데 영업 프로세스를 몰라서 쓸모가 없었대요. 아무리 완벽한 데이터 인프라가 있어도, 만드는 사람이 영업 방식이나 고객 여정을 이해 못 하면 헛수고예요.

다섯째, AI 툴이 그냥 꽂으면 되는 줄 알지 말라고요. "툴은 만능이 아니에요. 워크플로와 데이터 정리가 엄청 필요해요." Salesforce 중복 제거에 몇 달, 잠재고객 DB 청소에 몇 달, 통화 데이터 업로드에 또 시간 걸리고. 툴 벤더는 안 알려주지만, AI가 30%면 나머지 70%는 데이터와 맥락과 워크플로예요.

진짜 질문: 직원 두 배 안 늘리고 매출 두 배 낼 수 있을까?

내년 계획 세울 때 관리자들이 그러잖아요. "저희 팀 30명 더 필요해요." 필립은 이제 이렇게 물어본대요. "AI로 해결할 수 있지 않나요?"

진짜 질문은 이거래요. "같은 인원으로 매출 2배 낼 수 있나요?"

솔직하게 말하면, AI 툴에 수십만 달러 쓰고 있고, SDR 에이전트 하나에 약 1억 원 들고, 어떤 팀은 줄고 어떤 팀은 늘어날 거래요. "사람을 재배치할 거예요." 머리 자르는 게 목표가 아니라, 더 빠르게 성장하는 게 목표라고요.

세일즈포스가 발표한 2024년 영업 현황 보고서를 보면, AI를 적극 활용하는 영업팀의 생산성이 평균 34% 높다고 해요. 페르소니오는 이걸 넘어서 2배를 목표로 하는 거죠.

6개월이면 충분하다

AI 네이티브 회사들 얘기만 들으면 좌절하잖아요. Replit, Gamma, Harvey. 처음부터 AI로 만든 회사들이요. 그런데 페르소니오처럼 이미 크게 자란 B2B 회사도 6개월이면 완전히 바뀔 수 있어요.

핵심은 이거예요. 위에서 밀어주고, 팀 간 벽 허물고, 일을 먼저 관찰하고, 리더가 솔선수범하고, 기존 시스템에 우리만의 맥락을 더하기. 그리고 무작정 툴 사지 말고, 공부만 하지 말고, 매일 모니터링하고, 비즈니스 이해하고, 데이터 정리부터 하기.

필립의 마지막 조언이요? "AI를 배우세요. 제 일도 포함해서 모두의 일이 진화할 거예요." AI 네이티브 회사들은 빠르게 움직여요. 여러분이 할 일은 그들이 예상하는 것보다 더 빠르게 움직이는 거예요. 이제 플레이북이 나왔으니까요.

---

페르소니오는 6개월 만에 400개 AI 어시스턴트를 만들고, 영업 리서치 시간을 2시간에서 15분으로 줄이고, AI가 일주일에 140건의 미팅을 잡게 만들었어요. 비결은 위에서 밀고 아래서 끌고, 팀 간 벽을 허물고, 일을 먼저 관찰하고, 리더가 먼저 쓰고, 기존 시스템에 회사만의 맥락을 더한 거였어요. 반대로 툴만 무작정 사거나, 공부만 하거나, 모니터링 안 하거나, 비즈니스 이해 없이 만들거나, 데이터 정리를 건너뛰면 실패해요. AI 시대의 진짜 질문은 이거예요. "직원 두 배 안 늘리고 매출 두 배 낼 수 있을까?" 6개월이면 충분합니다.