AI 에이전트는 정해진 답을 고르는 규칙 기반 챗봇과 달리, 목표를 받고 스스로 판단해 행동하는 AI입니다. 저희는 그 AI 에이전트에게 홈페이지 인바운드 영업을 5주간 맡겨봤어요. 결과부터 말하면, 폼이었다면 그냥 떠났을 방문자들과 상담이 붙었습니다. 이 글은 그 5주를 그대로 적은 기록이에요. 무엇이 잘됐고, 무엇이 민망했는지까지요.

"AI 에이전트 사례"를 검색하면 대형 벤더의 일반론이 먼저 나와요. "기업에서 이렇게 쓸 수 있다"는 가능성 얘기가 대부분이죠. 저희가 적는 건 그 가능성을 실제로 5주간 돌려본 기록이에요.

5주를 돌려보니 분명해진 게 하나 있어요. AI 에이전트의 값어치는, 사람이 자리를 비운 시간과 규모에서 놓치던 상담을 대신 잡아준다는 데 있었습니다. 똑똑하게 판단하는 건, 그걸 가능하게 하는 방법이었고요.

AI 에이전트와 규칙 기반 챗봇은 무엇이 다른가

AI 에이전트는 목표를 주면 그 목표를 향해 스스로 다음 행동을 정하는 AI입니다. 규칙 기반 챗봇은 들어온 질문에 답하는 데서 멈춰요. 에이전트는 "상담을 만든다" 같은 목표를 받고, 무엇을 물을지·언제 사람에게 넘길지를 스스로 정합니다.

영업에 대입하면 차이가 또렷해요. 규칙 기반 챗봇은 "가격이요?"에 가격표만 띄우고 끝납니다. AI 에이전트는 "어떤 규모에서 쓰실 건가요?"부터 되물으며, 떠나려는 방문자를 대화로 붙잡아 상담까지 끌고 가요.

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 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 AI가 곧장 그 회사를 검색했고, 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. 사람으로는 못 받던 그 상담을, 에이전트가 받은 겁니다.

모두와 상담하되, 미팅은 맞는 사람에게

그렇다고 아무에게나 미팅을 들이밀진 않았어요. 에이전트는 모든 방문자와 상담하되, 우리 제품에 맞는 사람은 미팅으로, 아직 가벼운 사안인 사람은 가격 페이지나 무료 체험으로 안내했습니다. 덕분에 아무도 빈손으로 돌아가지 않고, 영업이 받는 미팅엔 회사·규모·도입 배경이 메모로 붙어 왔어요.

상담은 최대한 늘리되, 사람에게 넘기는 미팅의 질은 지킨 거죠. 떠나려던 방문자도 일단 대화로 붙잡으니, 폼 하나만 두던 때라면 그냥 사라졌을 사람들이 상담으로 남았습니다.

5주 성적표 — 좋은 숫자도 아쉬운 숫자도

이게 숫자로도 드러나요. 5주 전체를 가리지 않고 적을게요. B2B 홈페이지에서 문의 폼을 남기는 건 보통 방문자의 1~2%, 나머지는 그냥 떠납니다. 그 떠나는 사람들에게 먼저 말을 걸어, 지난 5주간 사람의 실시간 개입 없이 261명과 상담했고, 그중 216명(83%)이 자기 상황이나 고민을 먼저 꺼냈어요. 연락처를 남긴 분은 19명이었고요.

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

물론 아쉬운 숫자도 있었어요. 답변마다 달아둔 피드백 버튼은 5주 내내 👍 하나, 👎 하나 눌린 게 전부였습니다. 방문자들은 AI를 평가하러 온 게 아니니까요. 다들 자기 문제를 들고 온 거였죠. 이게 만능이라는 건 아니에요. 사람이 닿을 수 없던 시간과 규모에서, 놓치던 상담을 받았다는 기록일 뿐입니다.

AI 에이전트를 영업에 쓸 때 확인할 것

영업용 AI 에이전트를 검토한다면, 이 네 가지를 보면 됩니다.

1. 떠나려는 방문자에게 먼저 말을 거는가 (상담을 새로 만드는 핵심).

2. 24시간 돌아가는가 (상담의 약 40%가 밤·주말에 생기니 필수).

3. 막히면 사람에게 넘기는가 (에스컬레이션 경로).

4. 맞는 사람과 그렇지 않은 사람을 갈라 안내하는가 (미팅 질 유지).

1번이 상담 수를 가르고, 2번이 그 수를 24시간으로 키웁니다.

AI 에이전트, 자주 묻는 질문

AI 에이전트를 실제로 영업에 들일 때 막히는 지점들이에요.

AI 에이전트와 규칙 기반 챗봇은 어떻게 다른가요?

규칙 기반 챗봇은 들어온 질문에 답하는 데서 멈춥니다. AI 에이전트는 "상담을 만든다"는 목표를 받고, 떠나려는 방문자에게 먼저 말을 걸어 대화를 상담까지 끌고 갑니다. 답하고 마느냐, 상담을 만들어내느냐의 차이예요.

AI 에이전트의 B2B 사례가 있나요?

네, 이 글이 그 사례예요. 저희 홈페이지의 인바운드 영업을 5주간 AI 에이전트에게 맡겨봤는데, 사람이 실시간으로 붙지 않아도 261명과 상담하고 19명이 연락처를 남겼어요. 그중 약 40%는 토요일 자정처럼 사람이 못 받는 시간에 시작된 상담이었고요.

사람 영업사원을 대체하나요?

역할을 나누는 쪽에 가깝습니다. 에이전트가 24시간 첫 상담과 맥락 수집을 맡고, 사람 영업사원은 맥락이 붙은 미팅에 집중합니다. 상담은 에이전트가 늘리고, 사람은 그 위에서 성사에 집중하는 거죠.

도입은 얼마나 걸리나요?

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

AI 에이전트 사례가 남긴 건, 24시간 잡은 상담

AI 에이전트 사례에서 눈여겨볼 건, 사람이 자리를 비운 밤과 주말에도 떠나려는 방문자를 붙잡아 상담으로 만든 부분이에요. 트래픽을 더 끌어오지 않고도, 폼이면 0이던 자리에서 상담과 리드를 새로 만든 거죠.

그 일을 맡는 AI 영업사원이 세아입니다. 홈페이지 URL을 넣으면 제품을 학습하고, 떠나려는 방문자에게 먼저 말을 걸어 상담으로 잇습니다. 세아가 궁금하면 👉🏻제품 페이지👈🏻에서 확인해보세요.