8월 28일 금요일

기업이 AI를 시험한 뒤에도 실제 계약과 일상적 사용으로 넘어가지 못하는 이유는 무엇인가?

AI 전환을 모델 도입이나 챗봇 배치로 이해하면 가장 어려운 구간을 놓치기 쉽다. 기업 구매자는 시연의 신기함이 아니라 어떤 업무가 얼마나 달라지는지, 데이터가 안전한지, 현업이 기존 습관을 바꿀 수 있는지를 함께 판단한다. Tyro가 처음 맞닥뜨린 약 200개 문항의 보안 심사는 기능 밖의 요구가 아니라 구매 가능한 제품이 되기 위한 입장권이었다. Exa의 사례도 같은 방향을 가리킨다. 고객 조사와 영업 노하우를 개인의 기억에 남겨 두는 대신 내부 사용 데이터와 외부 시장 정보를 계속 갱신하고, 에이전트가 조회하고 행동할 수 있는 지식 시스템으로 바꾼다. 결국 AI 도입의 단위는 모델 한 개가 아니라 신호를 발견하고, 판단하고, 사람에게 설명하고, 안전한 범위에서 실행한 뒤 결과를 다시 학습하는 업무 루프다.

1. 01

   계약은 정확도 경쟁보다 신뢰 설계에서 열린다

   B2C에서는 사용자가 편리함을 느끼면 바로 써볼 수 있지만, B2B 구매에는 보안 증적과 인증 계획, 지원 체계, 투자 대비 효과가 따라붙는다. 2026년 상반기 약 50개의 엔터프라이즈 첫 통화에서 관찰된 병목도 ‘AI를 쓸 것인가’보다 무엇을 바꾸고 어떤 지표로 성공을 판단할지 정의하지 못하는 데 있었다. 파일럿이 잘 돌아가도 현업의 익숙한 도구와 절차가 그대로라면 계약 이후 확산은 멈춘다. 변화 관리는 판매가 끝난 뒤의 교육이 아니라, 처음부터 제품과 구매 제안에 들어가야 하는 핵심 설계다.

2. 02

   지식은 문서 창고가 아니라 갱신되는 세계 모델이어야 한다

   고객이 가입했는지, 사용량이 갑자기 늘었는지, 반대로 멈췄는지를 아는 것만으로는 충분하지 않다. 그 신호가 누구에게 전달되고 어떤 조사와 연락, 맞춤 데모로 이어지는지가 중요하다. Exa의 ICP 대시보드는 상대할 고객 세계를 구조화하고 Request Lens는 그 세계의 변화를 행동 신호로 바꾼다. 이 구조에서 영업은 개인의 감각을 복제하는 일이 아니라 내부·외부 데이터를 연결해 조직이 같은 현실을 보도록 만드는 데이터 제품에 가까워진다.

3. 03

   에이전트의 권한과 인터페이스도 업무에 맞게 나눠야 한다

   모든 일을 채팅창 하나로 옮기는 것이 AI 네이티브 조직은 아니다. 반복 업무에는 사용자가 익힐 수 있는 일관된 화면이, 예외적 탐색에는 유연한 대화형 에이전트가 더 적합하다. 에이전트가 실제로 움직이려면 API나 MCP처럼 데이터를 호출할 통로가 필요하지만, 호출자마다 허용 범위는 달라야 한다. Exa는 창업자에게 필요한 읽기·쓰기 권한과 구성원이 메시지 초안을 얻는 권한을 구분한다. 생산성은 권한을 무한히 넓힐 때가 아니라, 필요한 행동을 가능하게 하면서 책임 경계를 보존할 때 커진다.

4. 04

   ROI는 가격표가 아니라 바뀐 업무의 크기에서 계산한다

   고가 계약을 성사시키는 일은 비싼 기능을 포장하는 것이 아니라 고객이 지불액보다 훨씬 큰 효과를 기대할 수 있는 한 가지 문제를 고르는 과정이다. 소개된 영업 기준에서는 약 15억 원을 지불하려는 고객에게 150억~300억 원의 효과를 설명할 수 있어야 했다. 그러나 고객이 말하는 수백 개의 불편을 모두 자동화 대상으로 삼으면 제안은 흐려진다. 현재 화면과 반복 업무를 관찰하고, 왜 그 질문을 했는지 파고들어, 다른 도구로 쉽게 풀리지 않는 절박한 문제를 남겨야 한다. 이처럼 효과의 정의와 현업의 변화 경로가 붙어 있을 때 보안 심사와 파일럿도 ‘통과해야 할 절차’가 아니라 실제 도입 가능성을 검증하는 단계가 된다.

AI 전환의 출발 질문은 ‘어떤 모델을 살까’보다 ‘어떤 업무의 어떤 신호를 누가 보고, 어떤 권한으로 행동하며, 성공을 무엇으로 확인할까’여야 한다. 답을 만들지 못한 조직은 좋은 데모를 반복하고, 답을 운영 시스템으로 만든 조직은 보안과 변화 관리까지 제품의 일부로 다룬다. 기술은 전환의 엔진이지만 계약과 습관을 움직이는 것은 신뢰 가능한 업무 설계다.