GPT로 '영업킹∙세일즈퀸' 된다... 데이터브릭스도 GPT 뛰어들어
[테크브리핑]
①생성AI로 '영업왕' 될 수 있는 꿀팁 3가지
②오픈AI 전 임원, VC로 이직...AI투자업계 '꿈틀'
③아마존・구글・MS가 투자한 데이터브릭스, 오픈소스 LLM ‘돌리2.0’ 공개
생성AI가 전체 일자리의 80%에 영향을 미친다는 연구결과가 나온 가운데 상대적으로 AI의 노출 정도가 적은 ‘영업’ 분야에서는 어떤 변화를 가져올 지 관심이 커지고 있습니다. 13일(현지시각) 월스트리트저널(WSJ)은 “세일즈 분야는 여전히 사람이 챗봇을 능가하는 성과를 보이고 있지만, 서서히 변화가 감지되기 시작했다”고 전했습니다.
여러분은 물건 및 서비스를 구매할 때 챗봇과 대화해본 경험이 있으신가요? 저는 챗봇은 제가 원하는 명확한 답을 주지 못하고 같은 말만 반복할 때가 많아 챗봇에 대한 기대치가 낮은데요. 실제 아기 수면기록용 모니터기업 나닛(Nanit)에 따르면, 웹사이트를 검색하는 고객의 1~3%가 실제 구매로 이어지는데 반해 방문자가 챗봇이 아닌 영업 담당자와 직접 통화할 경우 구매 전환율은 10~25%로 훨씬 더 높아지는 것으로 조사됐습니다. 이때문에 알고리즘과 AI가 제품 추천을 제공할 수 있는 시대지만, 나닛은 여전히 판매 담당자를 투입시키고 있습니다. 애플 역시 지난달 온라인 쇼핑객이 비디오를 통해 제품 전문가와 1대1로 대화할 수 있는 유사한 서비스를 도입했습니다. 이처럼 ‘영업’ 분야의 현 스코어는 ‘인간’의 승리가 확실해보이는데요. 만약 인간보다 더 인간처럼 반응하는 AI가 등장해도 상황은 똑같을까요?
👉 생성AI 이용하면 '영업왕'도 거뜬
영업 분야 역시 다른 곳과 마찬가지로 똑똑한 AI로 대체될 것을 우려하고 있습니다. 멜리사 베르넥(Melissa Werneck) 하인즈크래프트 글로벌 최고인사책임자(CPO)는 “AI툴은 확실히 성장기회지만, 3만7000명의 직원에게 미칠 수 있는 영향에 불안함을 느낀다”고 전했습니다. 고객 이메일 초안을 작성하고 잠재고객에 대한 통계를 분석하며 추천상품 및 알림을 생성하는 AI로 인해 더이상 필요없어지는 인력이 생기기 마련이겠지요. 실제 하버드비즈니스리뷰(HBR)에 따르면, 영업 분야는 상호작용 및 거래집약적이고 텍스트와 전화, 오디오 및 비디오를 포함한 대량의 데이터를 축적할 수 있어 생성AI 모델의 기능에 매우 적합합니다. 그렇다면 영업맨들은 AI를 어떻게 활용해야 실적이 좋아질까요?
먼저 모든 행정, 관리업무를 AI에 빨리 위임하기를 권합니다. HBR은 “거의 모든 영업조직은 시간이 지나면서 관리 작업이 증가하는 경향을 보인다”며 “문서화, 승인 및 규정준수 보고의 필요성도 증가하는데 AI가 이러한 관리상의 문제를 해결할 수 있다”고 강조했습니다. 예컨대 영업사원이 이메일을 작성하거나 제안 요청에 응답하고, CRM에 자동으로 데이터를 업데이트하도록 AI를 사용하라는 설명입니다.
두번째는 가장 중요한 기능일 수 있는데요. 고객과의 상호작용 향상에 AI를 적극 이용하라는 겁니다. AI는 이메일이나 영업사원과의 대화, 소셜미디어 사이트의 게시물 등에서 고객의 감정을 수집해 더 나은 상호작용을 이끌 수 있습니다. HBR는 “생성AI는 고객의 관심 또는 불신의 미묘한 신호를 더 잘 수집할 수 있으며 이는 고객과의 상호작용을 증진해 판매 증가로 이어질 수 있다”며 “영업팀의 진정한 힘은 이러한 데이터에 따라 모델을 사용자 지정하고 미세조정할 때 나올 것”이라고 전망했습니다.
마지막은 영업 관리자에게 도움이 되는 팁으로 영업 실적에 대한 보고서 작성 및 분석을 연구하는데 AI가 큰 도움을 줄 수 있다는 것입니다. 생성AI를 사용하면 보고 시스템이 훨씬 더 간결해질뿐더러 전략 수립과 수정도 데이터 기반으로 이뤄질 수 있는데요. HBR은 “생성AI 이용시 관리자는 주요 전략을 수립하고 지역, 고객, 제품 및 활동을 세부적으로 분석해 몇 주가 걸리던 영업계획 작성을 단 한시간 만에 수행할 수 있다”며 “이를 통해 관리자는 영업사원들에게 보다 정확하고 동기부여하는 코칭 피드백을 제공할 수 있는 통찰력을 얻을 수 있다”고 강조했습니다. 다만 생성AI의 고질적 문제인 부정확성을 개선하기 위한 모델의 미세조정이 필요하고, 이러한 시스템을 구축하는데 많은 비용과 시간이 걸린다는 점 등은 극복해야 할 과제라고 덧붙였습니다.