AI가 마케팅과 세일즈에 본격적으로 도입되면서 많은 조직이 ChatGPT 같은 단일 도구 중심 활용에 머물러 있습니다. 하지만 대규모 리드가 유입되고 개인화 요구가 높아진 지금, 단일 도구만으로는 리드 선별·개인화·전환 과정에서 한계가 분명합니다. 이번 글에서는 SafetyCulture가 실제로 도입해 성과를 만들어낸 AI 에이전트 기반 GTM 운영 사례를 통해, AI가 마케팅 전반을 어떻게 변화시키는지 살펴보겠습니다. 리드 보강부터 아웃바운드 자동화, 기능 추천, 내부용 AI 앱 레이어까지 AI가 어떤 방식으로 GTM 흐름 속에 실질적으로 들어가는지 전 과정에서 배울 수 있습니다.
AI 에이전트가 GTM을 바꾸는 방식
SafetyCulture는 ChatGPT 같은 단일 AI 도구를 넘어, GTM 전반에 AI 에이전트를 병렬적으로 도입해 전환율·미팅 생성률·기능 채택률을 모두 끌어올린 사례입니다. 핵심은 단순히 “AI를 활용해보자”가 아니라, 고객 여정 기준으로 AI가 식별·개인화·예측·조언·자동화 중 어디에서 가장 효과를 내는지 먼저 찾는 방식으로 접근했다는 점입니다. 이 전략을 통해 AI는 마케팅과 영업 팀의 실질적 생산성 향상 도구가 되었습니다.
AI 에이전트 1: AI 기반 리드 보강으로 데이터 완성도 100%에 근접
SafetyCulture의 고객은 제조·소매·운송·건설·광업 등 다양한 전통 산업에서 유입됩니다. 이들은 기존 리드 보강 플랫폼에 의존했지만, 데이터가 부족하거나 금방 낡아지는 문제가 발생했습니다. 이를 해결하기 위해 5개의 데이터 공급자를 병렬로 호출하는 플랫폼 독립적 AI 리드 보강 시스템을 구축했습니다.
이 워크플로우는 특정 공급자를 순차적으로 호출하는 구조로, 각 속성별로 신뢰도 높은 값을 선택하고 별도의 AI 에이전트가 웹사이트나 LinkedIn 공개 정보로 이를 한 번 더 검증합니다. 미국 리드의 경우 OSHA API를 조회해 최근 위반 기록을 확인하고, 이를 리드 정보와 함께 Slack으로 요약해 전달합니다.
결과적으로 보강 데이터 완성도는 거의 100% 수준까지 올라갔고, 이 데이터 품질이 뒤에서 설명할 다른 AI 워크플로우의 기반이 됩니다. 여러 데이터원을 교차 검증해야 정확한 개인화가 가능하다는 점을 보여주는 사례입니다.
AI 에이전트 2: AI Auto BDR로 미팅 예약률 3배, 영업 기회 2배
SafetyCulture는 연간 50만 개 이상의 무료 팀 가입이 발생하지만, 영업팀이 모든 리드를 검토하는 것은 현실적으로 불가능했습니다. 과거에는 리드를 직접 조사해 맞춤 메시지를 작성했지만 시간이 너무 오래 걸려 응답률이 떨어졌습니다.
이를 해결하기 위해 Salesforce·HubSpot·ZoomInfo·Redshift 데이터를 결합해 리드의 상황·의도·사용 여부 등을 분석하고, 관련 고객 사례 두 개를 자동으로 선정해 개인화 메시지를 생성하는 AI 인바운드 BDR을 구축했습니다. 생성된 메시지는 Gong Engage 시퀀스에 자동 등록됩니다.
도입 결과 미팅 예약률은 3배 증가했고, 영업 기회는 2배 늘었습니다. AI BDR은 영업을 대체하는 것이 아니라, AE가 빠르게 딜에 집중할 수 있도록 초기 온도를 올리는 역할로 활용됩니다. 또한 다국어 메시지 생성이 가능해 유럽·라틴아메리카 지역에서 특히 효과가 있었습니다.
AI 에이전트 3: 2,500개 메시지를 자동 생성하는 AI 기반 라이프사이클 개인화
SafetyCulture는 감사, 체크리스트, 검사, 안전 규정 등 다양한 목적의 고객이 존재하기 때문에 하나의 메시지로 모든 고객을 만족시키기 어려웠습니다. 이를 해결하기 위해 AI 라이프사이클 개인화 엔진을 구축했습니다.
이 엔진은 Databricks 환경에서 RAG와 AI 에이전트 워크플로우를 사용해 제품 사용 데이터를 깊게 분석합니다. 이를 기반으로 300개 이상의 핵심 사용 사례를 생성하고, 고객의 행동 패턴·업종·유사 고객 사례에 따라 적합한 기능을 추천합니다. 또한 2,500개 이상의 카피 버전을 자동 생성해 Redshift와 Braze에 저장하고, 이를 고객별 개인화 메시지로 활용합니다.
이 개인화 구조 덕분에 신규 기능 채택률은 10% 증가했고, 제품 사용 깊이가 커져 리텐션도 향상되었습니다. 시스템은 실시간 호출이 느릴 수 있어 일정 주기로 실행 후 캐싱하는 방식으로 구성했습니다. 또한 대형 모델보다 작은 모델이 속도·비용에서 더 실용적인 경우도 많았습니다.
AI 에이전트 4: 모든 GTM 정보를 한 화면으로 연결하는 맞춤형 AI 앱 레이어
각 GTM 시스템은 자체적으로 AI 기능을 갖고 있지만, SafetyCulture 제품과 완전히 맞지 않아 영업·마케팅 팀은 여러 시스템을 오가며 정보를 수집해야 했습니다. 이를 해결하기 위해 Retool을 활용해 모든 고객 정보와 ‘다음 행동’까지 한 화면에서 확인할 수 있는 AI 중심 앱 레이어를 구축했습니다.
이 레이어는 리드 콘솔과 회사 뷰어 두 가지 화면을 제공하며 내부 데이터를 모두 연결합니다.
예:
- 리드/고객 기본 데이터
- AI 보강 정보
- Gong 통화 기록
- Amplitude 사용 데이터
- 이탈 예측
- 리드 라우팅 결과
또한 Gong 통화 기록을 분석해 SPICED 요약을 자동 생성하고, Salesforce에 저장해 자동으로 BDR→AE 핸드오프를 진행합니다. AE는 “계정에 대해 무엇이든 질문” 기능으로 계정 상황을 즉시 파악할 수 있습니다.
이 레이어 도입 후 리드→기회 전환율은 25% 이상 증가했고, 자동화 덕분에 BDR은 기회당 약 30분을 절약했습니다. 팀의 80% 이상이 이 시스템을 적극 활용하며 생산성이 전반적으로 향상되었습니다.
AI 중심 GTM 조직이 얻은 핵심 학습
SafetyCulture는 처음부터 자동화 비중이 높은 구조로 시작했지만, 시간이 지나면서 코파일럿과 자동화를 섞은 모델이 더 안정적이라는 결론을 얻었습니다. 모든 신규 워크플로우는 처음엔 코파일럿 모드에서 시작해 검증을 거친 뒤 점진적으로 자동화 수준을 높였습니다.
가장 어려운 문제는 다음과 같았습니다.
- 데이터 접근
- 보안
- 브랜드 톤 유지
- 초기 AI 환각 문제
SafetyCulture는 이 문제들을 해결하며 "AI 도입은 ChatGPT를 팀에 배포하는 것이 아니라, 실제 워크플로우에서 AI가 가장 잘 작동하는 지점을 찾아가는 과정"이라는 결론을 내렸습니다.
AI 에이전트 활용의 본질은 ‘도구’가 아니라 ‘흐름’이다
SafetyCulture의 사례는 AI가 단순 텍스트 생성 도구를 넘어 GTM 조직 전체를 재편하는 도구가 될 수 있다는 점을 보여줍니다. 핵심은 다음과 같습니다.
- 데이터 품질을 먼저 확보해야 개인화와 자동화가 정확해진다
- 리드 보강 → 아웃바운드 → 라이프사이클 → 내부 앱 레이어로 이어지는 흐름이 유기적으로 연결될 때 성과가 극대화된다
- 모든 워크플로우는 처음부터 자동화할 필요가 없으며, 코파일럿 모드로 시작해 점진적으로 확장하는 것이 안정적이다
AI가 마케팅과 세일즈에 가져오는 변화는 단순한 자동화가 아니라 팀의 의사결정·개인화·액션을 더 빠르고 정확하게 만드는 구조적 혁신입니다. SafetyCulture는 이 원리를 실제 성과로 입증했고, 이는 많은 GTM 조직이 참고할 수 있는 방향성을 제시합니다.
https://www.growthunhinged.com/p/how-to-use-ai-agents-for-marketing
How to use AI agents for marketing
Inside advanced AI workflows that actually work
www.growthunhinged.com
'인공지능' 카테고리의 다른 글
| AI 시대에 진짜 중요한 개발 역량 5가지: 코드는 AI가 짜고, 개발자는 미래를 설계한다 (0) | 2025.11.24 |
|---|---|
| 구글의 ‘중첩 학습(Nested Learning)’ 패러다임 (0) | 2025.11.24 |
| 생성형 AI 테스트, 왜 이렇게 어려울까? Rhesis로 해결하는 LLM 품질 문제 (0) | 2025.11.22 |
| Nano Banana Pro: 이미지 생성 모델의 혁신 이미지 생성 과정 고도화 여정 (0) | 2025.11.22 |
| 메타 SAM 3 공개: 범용 개념 분할 모델 등장 (0) | 2025.11.22 |
