영업은 500개 문제 중 하나를 파는 일: AI 네트워킹 모임에서 배운 거절과 활용
TL;DR
- B2B 영업·마케팅 종사자들의 AI 네트워킹 모임에 다녀왔습니다. 주제는 “기억에 남는 거절”과 “AI 활용”이었는데, 결국 두 주제가 하나로 합쳐지는 순간이 있었습니다. AI는 거절을 줄여주는 도구가 아니라, 거절의 원인을 빨리 구분하게 해주는 도구라는 것입니다.
- 가장 오래 남은 문장은 Workato 한국 총괄의 것이었습니다: 고객 문제 500개 중 490개는 다른 걸로도 해결된다. 영업은 그중 가격을 내고라도 살 만한 하나를 찾는 일이다.
- 이 글은 행사 내용 요약보다, 참석자들의 경험이 제 업무 방식과 충돌하며 배운 점을 정리한 기록입니다.
들어가며
2026년 8월 25일, B2B 영업·마케팅 노하우와 AI 활용 사례를 나누는 모임에 다녀왔습니다. 태양광 기업 대표, 가전기업 내부 AX 조직, 전 애플 코리아 출신 BD, 뷰티 인플루언서 마케팅 스타트업 창업자 등 업종은 제각각이었습니다. (주최: Bloom × Workato × 드림플러스 × Tiro)
저는 평소 개발 워크플로우에 AI를 깊게 붙여 쓰는 편인데, 영업 쪽 사람들이 AI를 쓰는 방식은 방향이 달랐습니다. 그 차이가 이 글의 주제입니다.
참고로 같은 행사를 다른 분이 정리한 글이 있습니다. 행사 자체의 생생함은 그 글이 더 낫습니다.
거절은 신호가 아니라 데이터다
첫 번째 토론 주제는 “기억에 남는 거절”이었습니다. 연사 발표 외에 현장 라운드테이블에서 참석자들이 나눈 사례도 함께 정리합니다.
전 애플 코리아 출신 BD 참석자분은(현장 라운드테이블 발언) 리셀러 대비 가격이 불리한 상황에서의 거절 이야기를 했습니다. 흥미로웠던 건 대응 방식이었습니다. 단칼에 끊는 대신 가격 외 파트너십 가치를 강조하고, 정말 가격만 보는 고객에게는 오히려 타 리셀러를 소개해줬다는 겁니다. 그리고 그 우호 관계가 나중에 재접촉으로 돌아왔다고 합니다.
또 한 분은 콜드 메일 무응답을 아예 거절로 치지 않고 3~4회 재발송했습니다. 기능 미비로 보류됐던 고객에게 기능 완성 후 다시 연락해서 계약으로 이어진 사례도 있었고요.
두 사례의 공통점을 정리하면 이렇습니다.
| 거절 유형 | 겉모습 | 실체 |
|---|---|---|
| 가격 거절 | 비싸서 안 산다 | 지금 제안에 살 이유가 없다 (시기 문제) |
| 무응답 | 관심 없다 | 판단 유예 중일 수 있다 |
| 기능 거절 | 없어서 못 산다 | 갖춰지면 올 수 있다 (조건부) |
| 지연 거절 | 검토 중 | 할까 말까 하다 결국 안 하는 것 |
즉 “안 된다”는 말은 이유가 아니라 분류되지 않은 신호입니다. 거절마다 실체가 다른데 반응을 통일하면 기회를 태워버립니다. 저는 개발 회고에서 자주 하는 말인데, 영업도 똑같았습니다. 실패 원인을 제대로 적어두지 않으면 다음 판에서 같은 곳에서 넘어집니다.
AI는 영업에서 무엇을 하나
두 번째 주제는 AI 활용이었는데, 공유된 사례는 의외로 소박했습니다.
- 미팅 전 상황과 세일즈 플레이를 요약 입력하고 예상 질문 5개를 뽑아 대비하기
- 자사 솔루션 vs 고객 니즈 비교 분석을 불릿으로 정리해 피칭 자료로 쓰기
- 리드별 전환 가능성을 스코어링해 접촉 순서 정하기
- 고객 방문 시 과거 구매이력·서비스내역을 즉시 요약해주는 지원
화려한 에이전트가 아닙니다. 전부 “준비 시간을 줄여주는” 용법입니다.
그런데 여기서 앞선 거절 이야기와 연결점이 보였습니다. 리드 스코어링은 결국 거절 확률이 높은 쪽에 시간을 덜 쓰기 위한 기술이고, 예상 질문 도출은 첫 미팅에서 “기능 거절”을 당할 여지를 줄이는 작업입니다. 즉 AI 활용의 본질은 콘텐츠 생성이 아니라, 거절이라는 데이터를 더 빨리·싸게 분류하는 것에 가깝습니다.
500문제 중 490개: 가장 날카로웠던 문장
행사 후기 블로그에서 가져온 문장인데, 이날의 백미라고 생각합니다.
고객의 문제가 500개라면, 그중 490개는 다른 걸로도 해결된다. 남은 10개 중 이 가격을 내고라도 살 만한 건 하나 정도다. 그 하나를 찾아내는 과정이 영업이다.
Workato 한국 총괄의 설명입니다. 우리 같은 기술 직군은 흔히 “우리 제품으로 이것저것 다 할 수 있습니다”로 시작하는데, 할 수 있는 게 많다는 말은 곧 대체 가능하다는 말과 같습니다. 딱 한 개, 대체 불가능한 문제를 찾는 게 판매의 본질이라는 프레임은 제품 기획에도 그대로 적용됩니다.
같은 맥락에서 나온 또 다른 통찰이 한국 AX의 병목 두 가지였습니다: 문제 정의와 변화 관리. 우리가 생각하는 AX는 클로드 코드로 뭔가를 만드는 것이지만, 현장 실무자의 AX는 “매일 보는 엑셀 창에서 생각을 조금 덜 하는 것”입니다. 이 스펙트럼을 못 읽으면 미팅을 열 번 해도 계약은 안 나옵니다.
AI 냄새: 신뢰를 깎는 진짜 이유
모임에서 흥미로운 반대 의견도 있었습니다. AI 생성 콘텐츠가 B2B에서 역효과라는 것입니다.
“단순히 ~를 넘어” 같은 특유의 표현은 받는 사람이 바로 감지한다고 합니다. 고가의 거래일수록 더 그렇습니다. 저는 개인 블로그에 AI 글을 올릴 때도 이 컨벤션을 지키려 노력하는데, B2B 영업에서는 취향 문제가 아니라 신뢰 손실 = 계약 손실로 직결되는 문제였습니다.
정리하면 AI 사용의 경계선은 이렇게 그려집니다.
| 용도 | AI 적합도 | 이유 |
|---|---|---|
| 정보 요약·비교 분석 | 높음 | 실수해도 내부에서 걸러냄 |
| 예상 질문·시나리오 생성 | 높음 | 초안용, 사람이 선별 |
| 고객 발송용 최종 문안 | 낮음 | 톤의 위화감이 곧 신뢰 하락 |
생성은 AI, 책임은 사람. 특히 마지막 출력물에 사람의 목소리가 섞였는지가 관건입니다.
정리
이날 배운 것을 한 줄로 압축하면 이렇습니다.
거절은 끝이 아니라 데이터고, AI는 그 데이터를 싸게 분류해주는 도구다.
- 거절의 유형을 나눠 기록하면 다음 판의 확률이 바뀐다
- AI는 화려한 에이전트가 아니라 준비 시간을 줄이는 데 먼저 쓰인다
- 대체 가능한 490개가 아니라 대체 불가능한 하나를 파는 것이 영업이다
- 고객-facing 출력물은 AI 냄새가 나는 순간 신뢰가 깎인다
개발자에게도 이 프레임은 유효합니다. 우리가 만드는 기능 500개 중 고객이 가격을 내고 살 만한 것은 몇 개인지. 이 질문을 코드 리뷰처럼 정기적으로 던져봐야겠다고 다짐하고 왔습니다.
부록: 이 글의 연사 인용 일부는 Bloom 블로그 후기에서 가져왔습니다. 참석자 성함은 개인정보상 일부 마스킹했습니다.
Comments