"AI한테 미팅 내용 줬는데, 우리 팀원보다 못하더라고요."
B2B 세일즈 현장에서 AI 얘기가 나오면, 생각보다 자주 듣는 말이에요.
그리고 그 뒤에 항상 이어지는 결론이 있어요.
"AI가 아직은 사람을 대체하기 어렵겠다."
"맥락을 이해하는 건 역시 사람이 낫네."
"기술 이슈는 잡았는데 구조적인 문제는 못 보더라고."
이 결론보다 중요한 지점이 있습니다. 한 가지 질문을 먼저 드리고 싶어요.
그 AI한테, 정확히 뭘 줬나요?
1. 사람이 판단할 때 실제로 동원하는 것들
세일즈 담당자가 고객 미팅을 마치고 "이 고객의 진짜 문제가 뭔가"를 정의할 때, 머릿속에서 어떤 일이 일어나고 있을까요?
그 사람은 단순히 오늘 60분의 대화만 처리하는 게 아니에요.
3주 전 링크드인 DM으로 처음 연결됐을 때의 첫 인상. 미팅 전날 내부 슬랙에서 팀장이 흘린 "이 고객 까다로울 수 있어"라는 한 마디. 지난달 전화 통화에서 고객이 예산 얘기를 꺼내다 갑자기 화제를 돌렸던 순간. 이메일에서 "검토해보겠다"는 말의 온도. CRM에 남겨진 이전 담당자의 메모. 첫 미팅인지 세 번째 미팅인지에 따라 달라지는 대화의 무게감.
이 모든 것이 판단에 들어가요. 그리고 우리는 이걸 "경험" 또는 "감"이라고 부르죠.
실제로 이런 장면을 본 적이 있어요. 미팅을 마치고 나오면서 팀장이 "이 고객 아직 아닌 것 같아"라고 했어요. 이유를 물었더니 "그냥, 뭔가 느낌이."라고 하더라고요. 그런데 나중에 찬찬히 들여다보니 — 이전 통화에서 예산 언급을 두 번이나 회피했고, 이메일 답장이 항상 업무 시간 이후였고, 지난 미팅 때 의사결정자가 한 번도 배석하지 않았어요. "느낌"이 아니라 세 개의 데이터 포인트였던 거예요.
하지만 사실 이건 전부 데이터예요.
슬랙, 이메일, CRM, 통화 녹음, 링크드인 메시지, 미팅 녹취 — 그리고 그 위에 쌓인 무수한 관찰들. 우리가 "감"이라고 부르는 것의 실체는, 수십 개의 데이터 포인트가 무의식적으로 통합된 결과예요. 우리가 그걸 "데이터"라고 인식하지 않을 뿐이지.
2. 그런데 AI한테는 뭘 줬나요?
미팅 녹취 하나요?
그렇다면 AI는 지금 이런 상황이에요.
첫 출근한 신입 직원이 있어요. 인수인계도 없고, 고객과의 이메일 히스토리도 없고, 내부 논의도 전혀 몰라요. 이전에 어떤 미팅이 있었는지도 모르고, 이 딜이 어떤 맥락에서 시작됐는지도 모르고, 고객이 예산 얘기를 꺼낼 때 표정이 어땠는지도 몰라요. 딱 오늘 미팅 녹취 하나만 받았어요.
그리고 "이 고객의 진짜 문제가 뭐야?"라는 질문을 받은 거예요.
이 신입이 내린 문제 정의가 3년차 담당자보다 얕다면, 그건 신입의 능력 문제일까요?
AI도 정확히 같은 상황이에요. 미팅 하나만 받은 AI와, 수십 개의 데이터 포인트를 무의식적으로 통합하고 있는 사람을 비교하고 "AI가 부족하다"는 결론을 내리는 건, 구조적으로 공정하지 않은 비교예요.
제품이 진짜 구린데 매출이 안 나온다고 세일즈맨 능력을 탓하는 것과 다를 바 없어요. 세일즈맨이 아무리 뛰어나도, 보여줄 수 있는 것 이상을 팔 수는 없거든요. AI도 마찬가지예요. 받은 것 이상을 분석할 수 없습니다.
3. 왜 이 오해가 반복될까요
저는 이 오해가 두 가지 이유에서 반복된다고 봐요.
첫 번째는, 사람이 자기 인풋을 "데이터"라고 인식하지 않아서 입니다.
슬랙 대화, 전화 통화, 링크드인 메시지, 지난 미팅의 분위기 — 이걸 사람은 "경험"이나 "감"으로 처리해요. "나는 지금 7개의 데이터 소스를 통합해서 판단하고 있다"고 의식하는 사람은 없잖아요. 그냥 그 사람이 어떤 사람인지 "느껴지는" 거죠.
그러니까 AI한테 녹취 하나를 주면서 비교할 때, 자기가 얼마나 많은 걸 가지고 판단하고 있는지를 자각하지 못하는 거예요.
두 번째는, AI가 아직 "검색엔진 2.0"으로 인식되고 있습니다.
많은 분들에게 AI는 여전히 "질문하면 답해주는 것"이에요. 검색엔진한테는 아무도 "맥락이 부족해서 검색 결과가 구리다"고 안 하잖아요. AI도 그 연장선에서 보는 거죠.
근데 AI는 검색엔진이 아니에요. 무엇을 주느냐에 따라 판단의 깊이가 완전히 달라지는 도구예요. 같은 AI 모델에 미팅 녹취 하나를 줄 때와, 3개월치 이메일 히스토리와 CRM 메모와 슬랙 대화까지 줄 때 — 나오는 아웃풋은 차원이 달라요. 그 차이가 AI의 한계처럼 보이지만, 실제로는 인풋의 차이예요.
4. 공정한 비교를 하고 싶다면
만약 AI와 사람을 제대로 비교하고 싶다면, 같은 데이터를 줘야 해요.
고객과 주고받은 이메일 전체
내부 슬랙 논의
이전 미팅 녹취들
CRM에 쌓인 딜 히스토리
전화 통화 녹음
링크드인 DM 맥락
이걸 다 주고 나서 "AI가 사람보다 얕다"는 결론이 나오면, 그때는 AI의 추론 능력을 의심해볼 수 있어요. 하지만 녹취 하나만 주고 나서 "AI가 맥락을 못 읽는다"고 하는 건, 실험 설계 자체가 결론을 오염시킨 거예요.
"그걸 어떻게 다 줘요?"라는 질문이 생기는 게 당연해요.
그게 데이터 파이프라인이에요.
5. 데이터 파이프라인이라는 말이 어렵게 들린다면
"데이터 파이프라인"이라고 하면 뭔가 개발자가 필요한 얘기처럼 들려요. 하지만 개념 자체는 단순해요.
흩어져 있는 데이터 소스들을 AI가 읽을 수 있는 형태로 연결해주는 구조예요.
고객과의 이메일이 있고, 미팅 녹취가 있고, 슬랙 논의가 있고, CRM에 딜 히스토리가 있어요. 이것들이 각각 따로 존재하면 AI는 매번 하나씩밖에 못 봐요. 이걸 연결해서 AI가 한 번에 볼 수 있게 만들어주면, AI가 받는 인풋이 사람이 가진 인풋에 가까워져요.
이게 AI 활용의 진짜 핵심이에요. 어떤 AI 모델을 쓰느냐보다 훨씬 더요. 세일즈포스가 수십억을 들여 대화 자동 입력 기술에 베팅한 것도 같은 이유예요. (세일즈포스가 '대화 자동 입력'에 베팅한 이유) 그리고 이 구조가 없으면 AI 에이전트 시대에 CRM 자체가 데이터베이스로 전락하는 이유이기도 하고요. (B2B SaaS의 AI 에이전트 시대)
세일즈 팀에서 이 구조를 만들지 않으면, 어떤 AI를 써도 항상 같은 결론이 나와요. "맥락을 못 잡네." "우리 담당자가 낫네." 그리고 영영 그 결론에서 못 벗어나요. 근데 그건 AI의 한계가 아니라 데이터 파이프라인의 부재예요.
시작은 거창하지 않아도 돼요. AI한테 분석을 시키고 나서 딱 한 가지만 물어보는 습관을 만들어보는 거예요. "내가 AI한테 미팅 녹취만 줬는데, 이메일도 줬으면 어땠을까?" "고객과 주고받은 슬랙 대화도 넣어주면 어떤 게 더 보일까?" 이 질문 하나가, 데이터 파이프라인을 만드는 첫 번째 감각이에요.
마치며
AI 아웃풋에 실망한 적 있다면, 이 질문 한 번만 해보세요.
“나는 AI한테 뭘 줬지? 내 머릿속에 있는 데이터를 충분히 맥락과 함께 공유했나?”
그 대답에서 시작하면, AI를 평가하는 방식이 달라지고, AI를 도입하는 방향이 달라지고, AI로 실제로 얻을 수 있는 것도 달라집니다.