현재 대부분의 기업 소유주들은 AI를 활용해 브랜드의 자멸을 초래하고 있습니다.
그들은 10초 만에 1,000개의 이메일을 생성할 수 있는 도구를 보고 "훌륭해, 이제 영업 문제는 해결됐어"라고 생각합니다. 하지만 실제로는 일반적인 정보의 홍수(Generic Avalanche), 즉 평균적인 B2B 편지함을 무시된 제안서의 공동묘지로 만들어버리는 수준 낮은 AI 생성 노이즈의 끊임없는 산사태에 기여하고 있을 뿐입니다. AI를 사용해 1,000통의 형편없는 이메일을 보낸다면, 그것은 영업을 확장하는 것이 아니라 더 빠르게 실패하고 있는 것입니다.
세일즈에서 AI를 사용하는 방법을 안다는 것은 단순히 양의 문제가 아닙니다. 이전에는 대규모로 실행하기에 너무 비용이 많이 들거나 시간이 오래 걸렸던 깊이와 관련성의 수준에 도달하기 위해 기술을 활용하는 것입니다.
저는 AI 우선 모델로 전환하는 수백 개 기업의 운영 방식을 분석해 왔습니다. 승자는 목소리가 가장 큰 사람이 아니라, AI를 현미경처럼 사용하여 지금 당장 잠재 고객에게 연락해야 하는 정확한 이유를 찾아내는 사람들입니다.
연구 대 출력 역설 (The Research-to-Output Inverse)
💡 Penny가 귀하의 비즈니스를 분석해 주기를 원하시나요? 그녀는 AI가 대체할 수 있는 역할을 파악하고 단계별 계획을 수립합니다. 무료 평가판 시작하기 →
전통적인 영업 방식에서는 연구의 질과 소요 시간 사이에 직접적인 상관관계가 있습니다. 초개인화된 이메일을 원한다면 SDR(Sales Development Representative)이 LinkedIn, 연례 보고서, 팟캐스트를 뒤지는 데 20분을 소비해야 합니다.
저는 이 새로운 모델을 **연구 대 출력 역설(Research-to-Output Inverse)**이라고 부릅니다. 적절한 AI 스택을 갖추면 연구에 소요되는 시간은 거의 제로에 가깝게 줄어들면서 개인화의 깊이는 실제로 깊어집니다. AI는 100페이지 분량의 연례 보고서 전체를 '읽고', 귀사의 제품이 해결하는 문제에 대한 구체적인 언급을 찾아내어 맥락에 맞게 인용할 수 있습니다. 이 모든 과정이 단 몇 초 만에 이루어집니다.
만약 여러분이 여전히 기본적인 아웃바운드 시퀀스를 실행하기 위해 마케팅 대행사에 매달 수천 파운드를 지불하고 있다면, 여러분은 이제 AI가 더 정밀하게 처리하는 업무에 대해 일종의 '수동 노동세'를 지불하고 있는 셈입니다.
1단계: 데이터 인텔리전스 계층 (The Data Intelligence Layer)
메시지부터 시작하지 마십시오. **신호(Signal)**에서 시작하십시오.
대부분의 프로스펙팅이 실패하는 이유는 타이밍이 맞지 않기 때문입니다. AI는 비즈니스가 구매할 준비가 되었음을 시사하는 '트리거 이벤트(Trigger Events)'를 모니터링하는 데 탁월합니다. 단순히 "런던의 마케팅 관리자" 리스트를 긁어모으는 대신, AI를 사용하여 다음과 같은 정보를 찾아야 합니다.
- 임원진 교체: 누가 새로 부임하여 성과를 내야 하는 상황인가?
- 재무적 트리거: 최근 실적 발표에서 "운영 효율성"이나 "비용 절감"을 언급한 회사는 어디인가?
- 기술적 공백: 경쟁사 제품을 사용하고 있지만 3년 동안 기술 스택을 업데이트하지 않은 회사는 어디인가?
LLM(Large Language Models)과 통합된 Clay 또는 Apollo와 같은 도구를 사용하면 단순히 사람을 찾는 것이 아니라 이유를 찾는 워크플로우를 구축할 수 있습니다. 예를 들어, AI에게 잠재 고객의 웹사이트를 방문하여 '채용' 페이지를 확인하고, 귀사의 서비스가 통상적으로 대체하거나 보완할 수 있는 직군을 채용 중인지 확인하도록 지시할 수 있습니다.
2단계: 관련성의 논리 (트리플 포인트 프레임워크)
신호를 확보했다면, 연락을 위한 프레임워크가 필요합니다. 저는 고객들에게 AI가 아웃바운드 초안을 작성하도록 지시할 때 **트리플 포인트 프레임워크(Triple-Point Framework)**를 사용하도록 코칭합니다.
- 앵커(The Anchor): 해당 비즈니스에 대한 구체적이고 명확하지 않은 사실 (예: "최근 DACH 시장으로 확장하신 것을 확인했습니다...")
- 브릿지(The Bridge): 그 사실이 왜 중요한가 (예: "...일반적으로 해당 지역에 진출할 때 현지 컴플라이언스 준수가 병목 현상이 되곤 합니다.")
- 낮은 마찰의 요청(The Low-Friction Ask): 답변하는 데 거의 노력이 들지 않는 요청 (예: "현재 이 업무를 사내에서 처리하시나요, 아니면 현지 파트너를 통해 처리하시나요?")
이 논리를 AI에 입력하면 모두가 싫어하는 "15분 미팅 가능할까요?"라는 템플릿에서 벗어날 수 있습니다. 여러분은 철저히 준비된 전문가로서 상대방 앞에 서게 됩니다.
3단계: AI 세일즈 스택 구축하기
스팸처럼 보이지 않으면서 이를 실행하려면 조화롭게 작동하는 특정 도구 세트가 필요합니다. 효율적인 AI 우선 영업 운영의 모습은 다음과 같습니다.
- 데이터 소싱 (Clay): 두뇌를 가진 Excel이라고 생각하십시오. 50개 이상의 소스에서 데이터를 가져오고 AI를 사용하여 필터링 및 보강합니다.
- 심층 연구 (Perplexity 또는 GPT-4o): 실시간 웹을 탐색하고 특정 기업 뉴스를 불렛 포인트로 요약하는 데 사용됩니다.
- 검증 (Custom GPTs): 이메일을 보내기 전, 두 번째 AI에게 "잠재 고객 역할"을 맡겨 초안을 비판하게 하십시오. "이 이메일이 짜증나는가? 상투적인가? 내가 3초 만에 삭제할 것인가?"라고 물어보십시오.
- 발송 (Instantly 또는 Salesloft): 실제 발송 및 편지함 건강 상태 관리를 위해 사용합니다.
전문 서비스 마케팅 분야의 경우, 인원이 많은 SDR 팀에서 단 한 명의 'AI 오퍼레이터'로 전환함으로써 고객 획득 비용을 최대 70%까지 줄일 수 있습니다. 이는 인간적인 유대감을 잃는 것이 아닙니다. 사냥이라는 고된 노동 대신 실제 대화에 인간의 손길을 온전히 보존하는 것입니다.
세일즈 AI의 '90/10 원칙'
저는 90/10 원칙을 권장합니다. AI가 연구 및 초안 작성의 90%를 처리하게 하되, 최종 10%의 '정서적 확인(vibe check)'은 사람이 담당하도록 하십시오.
AI는 논리에는 뛰어나지만 때때로 분위기 파악을 못 할 수 있습니다. '앵커'가 진정성 있게 느껴지는지 확인하기 위해 고가치 아웃바운드 결과물은 항상 사람이 검토해야 합니다. AI가 CEO의 팟캐스트를 찾았다면, 사용된 인용구가 이메일의 맥락에서 실제로 말이 되는지 사람이 다시 한번 확인해야 합니다.
대부분의 기업이 실패하는 이유
대부분의 기업이 실패하는 이유는 AI를 효과성(더 나은 일을 하는 것)이 아닌 효율성(같은 일을 더 빨리 하는 것)을 위한 도구로 취급하기 때문입니다.
제안하는 서비스가 평범하다면, AI는 단지 더 많은 사람을 더 빨리 짜증 나게 만드는 데 도움을 줄 뿐입니다. 하지만 특정 문제에 대한 진정한 해결책을 가지고 있다면, AI는 현재 그 문제를 겪고 있는 사람들을 찾는 데 있어 역사상 가장 강력한 도구입니다.
결론: '적당한 수준'의 아웃바운드가 통하는 시대는 저물고 있습니다. AI로 인해 메일을 보내는 것이 쉬워질수록 '가치 있는' 메시지로 인정받기 위한 기준은 더 높아집니다. 승리하기 위해서는 AI를 사용하여 덜 인간적인 것이 아니라, 더 인간적인 소통을 해야 합니다.
일반적인 대량 발송을 멈추고 더 효율적이고 지능적인 영업 엔진을 구축할 준비가 되셨다면, 귀사의 현재 운영 방식을 검토해 보겠습니다. 기다리는 비용은 생각보다 큽니다.