AI 에이전트는 정해진 답을 고르는 챗봇과 달리, 목표를 받고 스스로 판단해 행동하는 AI입니다. 저희는 그 AI 에이전트에게 홈페이지 인바운드 영업을 5주간 통째로 맡겨봤어요. 이 글은 그 5주를 그대로 적은 기록입니다. 무엇을 스스로 판단했고, 무엇이 잘됐고, 무엇이 민망했는지까지 그대로 적었어요.

“AI 에이전트 사례”를 검색하면 대형 벤더의 일반론이 먼저 나옵니다. “기업에서 이렇게 쓸 수 있다”는 가능성 목록이요. 저희가 적는 건 가능성 목록이 아닙니다. 실제로 5주를 돌린 한 B2B 워크스페이스의 기록이에요.

5주를 돌려보니 분명해진 게 하나 있어요. AI 에이전트의 값어치는 ‘얼마나 매끄럽게 대화하나’보다 ‘무엇을 스스로 판단하나’에서 나온다는 점이었습니다. 이 글은 그 판단을 중심으로, 무엇이 잘됐고 무엇이 민망했는지를 보여드릴게요.

AI 에이전트와 챗봇은 무엇이 다른가

AI 에이전트는 목표를 주면 그 목표를 향해 스스로 다음 행동을 정하는 AI입니다. 챗봇은 들어온 질문에 답하는 데서 멈춰요. 에이전트는 “미팅을 만든다” 같은 목표를 받고, 무엇을 물을지·누구를 사람에게 넘길지를 판단합니다.

영업에 대입하면 차이가 또렷해요. 챗봇은 “가격이요?”에 가격표를 띄웁니다. 에이전트는 “어떤 규모에서 쓰실 건가요?”부터 되묻고, 답을 모아 이 방문자가 미팅으로 보낼 사람인지를 스스로 가립니다. 핵심은 대화가 아니라 판단이에요.

사례: 토요일 새벽 0시 15분에 일어난 일

가장 잘 보여주는 한 장면이 있어요. 토요일 새벽 0시 15분, 정수기 렌탈을 하는 3인 회사 대표님이 저희 AI 영업사원에게 왔습니다. 고객 700명을 애플 캘린더와 종이 계약서로 관리하고 계셨고, 낮엔 설치하고 수리하느라 바빠 자정이 넘어서야 검색을 시작하셨대요.

대화는 50분, 메시지 31개 이어졌습니다. 첫마디부터 제품 소개가 아닌 질문이었어요. “지금은 어떤 방식으로 고객 정보를 관리하시나요?” 한 번에 하나씩만 묻고, 묻고 나면 기다리게 설계했습니다.

“고객 700명, 직원 3명”이라는 답에 AI는 막연한 공감 대신 산수를 했어요. “한 분당 233명꼴이네요. 우선순위 분류만 자동화해도 부담이 꽤 줄어요.” 이 한 줄 뒤부터 대표님 답변이 눈에 띄게 길어졌습니다. 회사명을 듣고는 검색부터 해서, 그 맥락으로 진짜 니즈를 끌어냈어요. “이번 달 관리 대상만 한 화면으로 보고 싶어요”, “이동 중에 모바일로 수정하는 게 필수예요” 같은 요구사항을요.

이메일은 대화가 무르익은 뒤에, 이름은 그다음에 물었습니다. 부담 적은 것부터, 도움을 먼저 드리고 나서요. 새벽 1시쯤 상담이 끝났고, 내용은 영업 메모로 담당자에게 넘어갔어요. 토요일 자정에 50분씩 초기 상담을 해줄 직원은 없죠. 이게 에이전트가 사람과 갈리는 지점입니다.

AI 에이전트가 한 진짜 일은 ‘판단’이었다

흥미로운 건, 이 에이전트가 “미팅 잡아주세요”라는 요청에도 종종 미팅을 잡지 않았다는 점이에요. 일부러 그렇게 설계했습니다. 우리 ICP, 그러니까 이상적인 고객형이 아닌 방문자에겐 미팅 대신 가격 페이지나 무료 체험처럼 스스로 둘러볼 수 있는 쪽을 안내하게요.

이유는 양쪽에 다 있어요. Qualifying이 안 된 미팅이 하나 들어오면 그만큼 맞는 미팅 준비가 밀립니다. 방문자도 가벼운 사안이면 미팅을 기다리는 것보다 스스로 둘러보는 게 빠르고요. 그래서 5주간 대화한 10명 중 1명만 실제 사람 영업사원에게 넘겼어요. 적어 보이지만, 그 한 명 한 명에는 회사·규모·도입 배경이 메모로 붙어 있었습니다.

요즘 AI 도구 대부분은 ‘더 많이, 더 빨리’를 약속해요. 콜드메일 천 통, 미팅 자동 부킹. 양을 늘리는 자동화는 흔한데, 판단을 자동화하는 건 드뭅니다. 영업에서 진짜 비싼 건 언제나 판단이에요.

5주 성적표 — 좋은 숫자와 민망한 숫자

판단이 통했는지는 결국 숫자로 드러나요. 사례 하나로는 부족하니, 5주 전체를 가리지 않고 적을게요. 지난 5주간 사람의 실시간 개입 없이 261명과 대화했고, 그중 216명(83%)이 자기 상황이나 고민을 먼저 꺼냈습니다. 연락처를 남긴 분은 19명이었어요.

19명은 작아 보이죠. 그런데 비교 대상은 큰 수가 아니라 0입니다. 문의 폼만 있었으면 그분들은 흔적 없이 떠났을 테니까요. 대화의 약 40%(평일 9~17시 기준)는 사람이 못 받는 밤과 주말에 시작됐어요.

민망한 숫자도 있어요. 답변마다 달아둔 피드백 버튼에 5주간 눌린 건 👍 하나, 👎 하나가 전부였습니다. 방문자는 평가하러 온 게 아니었던 거죠. AI 에이전트가 만능이라는 얘기를 하려는 게 아니에요. 사람이 있을 수 없는 시간과 규모에서, 사람이 받지 못하던 손님을 받더라는 기록입니다.

AI 에이전트를 영업에 쓸 때 확인할 것

영업용 AI 에이전트를 검토한다면, 이 네 가지를 보면 됩니다.

1. 목표를 줄 수 있는가 (미팅 요청, 연락처 수집 같은).

2. 판단 기준이 있는가 (ICP가 아니면 미팅 대신 셀프서브로 보내는지).

3. 막히면 사람에게 넘기는가 (에스컬레이션 경로).

4. 24시간 돌아가는가 (업무 외 40%를 받으려면 필수).

1번이 챗봇과의 갈림길이고, 2번이 좋은 에이전트와 그냥 빠른 챗봇의 갈림길입니다.

AI 에이전트, 자주 묻는 질문

AI 에이전트를 실제로 영업에 들일 때 막히는 지점들이에요.

AI 에이전트와 챗봇은 어떻게 다른가요?

챗봇은 들어온 질문에 답하는 데서 멈춥니다. AI 에이전트는 목표를 받고, 그 목표를 향해 무엇을 물을지·누구를 사람에게 넘길지를 스스로 판단해 행동합니다. 영업에서는 “미팅을 만든다”는 목표 아래 방문자를 분류하고 다음 행동을 정하는 것이 에이전트입니다.

AI 에이전트의 B2B 사례가 있나요?

이 글이 한 사례입니다. B2B CRM 회사가 자사 홈페이지의 인바운드 영업을 AI 에이전트에게 5주간 맡겨, 사람 개입 없이 261명과 대화하고 19명의 연락처를 받았습니다. 토요일 자정 50분 상담처럼 사람이 못 하는 시간대의 대화가 약 40%였습니다.

사람 영업을 대체하나요?

대체보다 분담에 가깝습니다. 에이전트가 24시간 대화·1차 판단·맥락 수집을 맡고, 사람은 Qualifying이 끝난 미팅에 집중합니다. 5주간 대화 10명 중 1명만 사람에게 넘어갔고, 그 리드엔 회사·규모 맥락이 붙어 있었습니다.

도입은 얼마나 걸리나요?

시나리오 설계가 필요한 1세대 챗봇과 달리, 학습형 에이전트는 홈페이지 URL을 넣으면 제품을 학습합니다. 세팅은 5분이면 끝납니다.

AI 에이전트 사례가 남긴 건, 대화보다 판단

AI 에이전트 사례에서 눈여겨볼 건 화려한 대화보다, 사람이 직감으로 하던 판단을 지침으로 옮겨 24시간 돌게 한 부분이에요. 양을 늘리는 자동화는 많지만, 판단을 자동화하는 건 아직 드뭅니다.

그 거절할 줄 아는 AI 영업사원이 세아입니다. 홈페이지 URL을 넣으면 제품을 학습하고, ICP 기준에 따라 누구에게 미팅을 제안할지 스스로 판단해요. 세아가 궁금하면 제품 페이지에서 확인해보세요.