서론

올해 모든 기업 영업 리더는 동일한 질문을 마주하고 있습니다. 인력을 늘리지 않고 어떻게 매출을 성장시킬 수 있는가라는 질문입니다. 그 답은 점점 더 AI sales assistant(AI 영업 도우미)로 향하고 있습니다. 계정을 조사하고, 아웃바운드 메시지를 작성하며, 담당자를 코칭하고, 위험에 처한 거래를 24시간 감지하는 소프트웨어입니다. 그러나 데이터가 보여주는 현실은 마케팅 자료보다 훨씬 복잡합니다. AI-powered sales(AI 기반 영업) 도구가 이제 주류로 자리 잡았지만, 대부분의 조직은 여전히 도입을 측정 가능한 매출로 전환하는 데 어려움을 겪고 있습니다. 이 글은 McKinsey, Gartner, Deloitte, Salesforce, MIT의 연구를 바탕으로 과장을 걷어내고 검증된 성과만을 정리하여, Generative AI for sales(영업 분야의 생성형 AI)가 실제로 매출에 영향을 미치는 지점과 소수의 기업만이 대부분의 가치를 확보하고 있는 이유를 설명합니다.

생산성의 역설: 인력만으로는 더 이상 매출을 견인하지 못하는 이유

수년간 매출 부진에 대한 기본 대응은 영업 담당자를 더 채용하는 것이었습니다. 그러나 이러한 논리는 더 이상 통하지 않습니다. 영업 담당자는 실제 영업 활동에 주당 근무 시간의 약 40%만을 사용하며, Z세대 담당자의 경우 이 수치가 35%까지 낮아집니다. 나머지 시간은 데이터 입력, 내부 회의, 수작업 리서치에 소요됩니다. 이는 Salesforce의 2026 State of Sales 보고서가 밝힌 내용입니다. 인력을 늘리는 것은 이러한 비영업 업무 부담을 줄이기는커녕 오히려 가중시킬 뿐입니다.

Gartner의 조사 결과도 이를 뒷받침합니다. 최고영업책임자(CSO) 210명을 대상으로 한 설문에서 60%는 자사의 매출 성과가 통제할 수 없는 외부 요인에 크게 좌우된다고 답했습니다. 이는 담당자 증원, 도구 추가, 프로세스 강화와 같은 전통적인 생산성 레버가 이미 한계에 도달했다는 신호입니다. 바로 이 지점이 AI sales automation(AI 영업 자동화)이 해결하고자 하는 정확한 공백입니다. 담당자를 대체하는 것이 아니라, 애초에 담당자가 영업에 집중하지 못하게 만드는 행정적 부담을 제거하는 것입니다. 핵심은 인력 감축이 아니라 처리 용량의 확장입니다. 동일한 팀이 비용을 비례적으로 늘리지 않고도 훨씬 더 많은 업무량을 처리하게 되는 것입니다.

AI 영업 도우미가 매출 엔진 내부에서 실제로 하는 일

AI sales assistant(AI 영업 도우미)는 단일한 도구가 아니라, 여러 기능이 결합된 하나의 카테고리입니다. CRM 및 커뮤니케이션 스택 내부에서 AI sales agents(AI 영업 에이전트)로서 함께 작동하는 다양한 AI sales tools(AI 영업 도구)가 실무에서는 다음과 같은 영역에 집중되어 있습니다.

• 잠재고객 발굴 및 정보 보강 - 수작업 없이 계정을 조사하고, 구매 의도 신호에 점수를 매기며, 리스트를 구축합니다
• 개인화된 대규모 아웃바운드 - AI Chatbot for sales(영업용 AI 챗봇)가 구매자 맥락에 맞춘 첫 접촉 이메일과 후속 메시지를 작성합니다
• 대화 인텔리전스 및 코칭 - 통화 내용을 전사하고 분석하여 최고 성과자의 행동 패턴을 팀 전체로 확산시킵니다
• 예측 및 파이프라인 위험 감지 - 사람이 알아차리기 전에 정체되고 있는 거래를 표면화합니다
• CRM 네이티브 실행 - 통화, 이메일, 메모 내용을 바탕으로 기록을 자동 업데이트하여 담당자가 데이터 입력에서 벗어나게 합니다

Salesforce에 따르면 AI 에이전트가 완전히 도입될 경우 담당자들은 잠재고객 리서치 시간이 34%, 이메일 작성 시간이 36% 단축될 것으로 기대하고 있습니다. 이렇게 되찾은 시간이야말로 sales automation(영업 자동화)의 성과가 매출로 이어지는 핵심 메커니즘입니다. 더 많은 구매자와 대면할 시간이 확보되는 것이지, 그 대면을 위해 더 많은 인력을 채용하는 것이 아닙니다. 이러한 성과를 뒷받침하는 AI 기반 챗봇 인프라는 대개 담당자가 이미 사용하고 있는 플랫폼 안에 내장되어 있으며, 별도로 덧붙이는 도구가 아닙니다.

매출 증거: 데이터가 실제로 보여주는 것

AI revenue growth(AI 기반 매출 성장)에 대한 근거는 실제 하지만, 조직마다 그 성과는 고르지 않습니다. McKinsey의 2025년 글로벌 AI 설문조사에 따르면, AI로 인한 매출 증가는 다른 어떤 사업 부문보다도 마케팅 및 영업 부문에서 가장 흔하게 보고되었습니다. 이는 McKinsey가 8년간 진행해 온 AI 조사에서 일관되게 나타난 패턴입니다. 이러한 흐름은 채널 단위에서도 동일하게 나타나는데, 전자상거래 환경에 도입된 AI 기반 챗봇 역시 전환율과 재구매율 상승과 꾸준히 상관관계를 보입니다. 한편 수천 명의 영업 전문가를 대상으로 한 Salesforce의 State of Sales 조사는 - 현재도 Salesforce의 최신 공식 통계 자료에 계속 인용되고 있는데 - AI를 사용하는 영업팀의 83%가 지난 1년간 매출 성장을 기록한 반면, AI를 사용하지 않은 팀은 66%에 그쳤다고 밝혔습니다. Gartner는 2024년 B2B 영업 담당자 1,000명 이상을 대상으로 한 자체 설문에서 생산성 측면의 근거를 더합니다. AI 도구와 효과적으로 협업하는 담당자는 그렇지 않은 담당자보다 목표 달성 가능성이 약 3.7배 높습니다.

그러나 이러한 성과가 자동으로, 혹은 고르게 나타나는 것은 아닙니다. McKinsey의 동일한 설문조사에서 AI로 인한 EBIT 효과를 조금이라도 인정한 조직은 전체의 약 39%에 불과했으며, 그중 대다수는 그 효과가 5% 미만이라고 답했습니다. 매출 상승의 혜택은 특정 유형의 도입 기업에 집중되어 있습니다. 이들이 다른 기업들과 어떻게 다른지를 이해하는 것이 더 중요한 이야기입니다.

소수의 기업이 대부분의 성과를 거두는 이유

McKinsey의 연구는 enterprise AI(엔터프라이즈 AI) "고성과 기업"이라는 그룹을 식별합니다. EBIT의 5% 이상을 AI 덕분이라고 답하고 "상당한" 가치를 실현했다고 응답한 조직으로, 전체 응답자의 약 6%에 해당합니다. 이들 기업은 단순히 AI를 더 많이 사용하는 것이 아니라, 다르게 사용하고 있으며 AI 도입 시 데이터 프라이버시와 거버넌스를 다루는 방식에서도 다른 기업들보다 훨씬 성숙한 모습을 보입니다.

• 기존 프로세스 위에 AI를 얹는 대신, AI를 중심으로 워크플로우를 근본적으로 재설계했을 가능성이 거의 3배 더 높습니다.
• 디지털 예산의 20% 이상을 AI 기술에 투입하는 기업이 3분의 1을 넘습니다. 다른 기업들 사이에서는 이 비중이 훨씬 낮습니다.
• 고위 리더가 AI 이니셔티브에 대한 주인의식을 눈에 띄게 드러낼 가능성이 3배 더 높으며, IT 부서에만 전적으로 위임하지 않습니다.

MIT의 Project NANDA는 다른 각도에서 놀랍도록 유사한 결론에 도달했습니다. 2025년 7월 발표된 보고서 「The GenAI Divide: State of AI in Business 2025」는 기업용 생성형 AI 파일럿의 95%가 측정 가능한 손익(P&L) 효과를 내지 못한 반면, 단 5%만이 상당하고 반복 가능한 가치를 창출했다고 밝혔습니다. 이를 가르는 기준은 모델의 품질이 아니라 통합의 깊이였습니다. 전문 외부 벤더와 파트너십을 맺어 진행한 파일럿은 약 67%의 성공률을 기록한 반면, 전적으로 내부에서 자체 구축한 도구는 약 33%에 그쳤습니다. 또한 MIT의 조사 대상 기업들이 배정한 AI 예산의 절반 이상이 눈에 띄기 쉬운 영업·마케팅 파일럿에 집중되었지만, 결과적으로는 범위가 잘 설정된 백오피스 도입 사례보다 성과가 낮았습니다.

높은 ROI를 달성한 조직 vs. 성과가 부진한 조직

AI 영업 에이전트 확장 시 흔히 발생하는 함정

자원이 충분한 영업 조직조차도 초기 파일럿을 넘어 AI sales agents(AI 영업 에이전트)를 확장할 때 예측 가능한 실패 패턴에 부딪 합니다. Gartner의 2026년 7월 전망은 이 위험을 직설적으로 지적합니다. 2028년까지 AI 에이전트 수는 인간 영업 담당자의 10배에 달하겠지만, 담당자의 40% 미만만이 이러한 에이전트가 실제로 생산성을 향상시켰다고 답할 것이라는 전망입니다. Gartner는 이를 "에이전트 산발화(agent sprawl)"라고 부르는데, 근본 시스템을 개선하지 않은 채 AI만 계속 추가하는 현상을 의미합니다.

반복적으로 나타나는 함정은 다음과 같습니다.

• 파편화된 고객 데이터. 정보가 CRM, 인게이지먼트, 대화 인텔리전스 등 여러 별도 도구에 흩어져 있으면, 에이전트는 거래에 대한 일관된 시각을 제공하지 못하고 얕거나 상충되는 결과를 내놓습니다. AI 챗봇이 언제, 어떻게 실시간 상담사로 대화를 넘겨야 하는지를 설계하는 문제 역시 이와 같은 맥락 단절에서 비롯됩니다.
• AI를 기존 소프트웨어처럼 취급하는 것. 통합 작업을 생략하고 기성 도구가 기업 고유의 맥락을 알아서 흡수해주기를 기대하는 기업일수록 성공률이 가장 낮습니다. 대화형 AI 챗봇과 전통적인 규칙 기반 챗봇의 근본적인 차이를 이해하지 못하면 바로 이런 함정에 빠집니다.
• 잘못된 지표 측정. 담당자 역량, 거래 품질, 매출 성과가 아니라 단순히 절감된 시간만을 추적하면 AI가 실제로 상업적 성과를 바꾸고 있는지 파악할 수 없습니다. AI 효과를 정확히 측정하기 위한 고객 서비스 KPI 프레임워크에서도 동일한 함정이 반복적으로 발견됩니다.
• 거버넌스에 대한 과소 투자. Deloitte의 최신 State of AI in the Enterprise 조사에 따르면, 자율 AI 에이전트에 대한 성숙한 거버넌스 모델을 갖춘 기업은 5곳 중 1곳에 불과합니다. 에이전트형 AI의 사용은 빠르게 확대되고 있는데도 말입니다.

AI 투자 성과를 좌우하는 기술적·조직적 요인

enterprise AI(엔터프라이즈 AI) 투자가 매출로 전환되는지 여부는 크게 두 가지 범주의 요인에 달려 있습니다. 이러한 패턴은 델타 항공이 AI로 지원 서비스를 현대화한 사례와 같이 영업 이외의 영역에서도 동일하게 관찰됩니다.

기술적 요인은 데이터 아키텍처를 중심으로 합니다. AI 영업 에이전트의 성능은 접근할 수 있는 맥락 데이터의 질에 달려 있습니다. CRM, 대화 인텔리전스, 정보 보강 데이터를 연결하는 중앙화된 레이어는 레거시 시스템에 덧붙여진 개별 솔루션보다 일관되게 더 나은 성과를 냅니다. MIT의 연구에 따르면 범용 기성 도구는 단순 업무에서는 약 83%의 도입률을 보이지만, 워크플로우가 메모리·맞춤화·판단력을 요구하는 순간 정체됩니다. 이는 기업 영업의 조건과 정확히 일치합니다.

조직적 요인은 오히려 더 결정적입니다. Deloitte의 2026년 State of AI in the Enterprise 조사(비즈니스 및 IT 리더 3,235명 대상)에 따르면, 2025년 한 해 동안 AI에 대한 직원 접근성은 약 50% 증가했고 전년 대비 혁신적 효과를 보고한 리더 비율도 두 배로 늘었지만, 실제로 사업을 근본적으로 재구상하고 있다고 답한 비율은 약 34%에 불과했습니다. 나머지 기업들은 여전히 기존 단계를 자동화하는 수준에 머물러 있을 뿐, 재설계까지는 나아가지 못했습니다. 자동화와 전환(transformation) 사이의 이러한 차이야말로 실질적인 AI 기반 매출 성장을 확보하는 조직과 정체된 성과에 머무는 조직을 가르는 가장 명확한 경계선입니다.

앞으로의 방향: AI 에이전트와 미래의 영업 조직

앞으로의 흐름은 담당자를 대체하는 방향이 아니라, 점점 늘어나는 AI 에이전트 계층의 지원을 받아 규모는 작지만 역량은 훨씬 풍부한 영업 조직으로 향하고 있습니다. Gartner는 2년 내로 AI 에이전트 수가 영업 담당자 수를 10대 1로 앞지를 것으로 전망하며, 별도로 2026년 말까지 전체 기업용 애플리케이션의 40%가 특정 작업에 특화된 에이전트를 탑재할 것이라고 전망합니다. 이는 불과 1년 전 5% 미만에서 크게 늘어난 수치입니다. Gartner의 보다 광범위한 영업 조사에서는 2028년까지 B2B 영업 업무의 약 60%가 생성형 AI를 통해 수행될 것이며, 이는 2023년의 5% 미만에서 크게 늘어난 수치라고 밝히고 있습니다.

그럼에도 불구하고 인간의 역할은 뚜렷하고 지속적으로 남아 있습니다. 2026년 5월 Gartner가 B2B 구매자 645명을 대상으로 진행한 설문조사에 따르면, 구매를 결정하기 전 여전히 69%가 담당자를 통해 AI가 생성한 정보를 재확인하고 싶어 했습니다. 반면 비슷한 비율인 67%는 가능하다면 담당자 없이 완전히 셀프서비스로 구매하고 싶다고 답했습니다. 바로 이 긴장 관계가 핵심입니다. 구매자는 셀프서비스와 AI 리서치의 속도를 원하면서도, 최종 결정의 순간에는 여전히 인간이 위험을 낮춰주기를 바랍니다. 이는 고객 응대 전반에서 AI 챗봇 대화가 실시간 상담사로 전환되는 방식과도 동일한 균형점입니다. 데이터가 가리키는 현실적인 모델은 완전 자동화가 아니라 증강(augmentation)입니다. AI 영업 도우미 도구가 리서치, 초안 작성, 행정 업무를 흡수함으로써, 인간의 판단력은 협상, 신뢰 구축, 복잡한 문제 해결에 집중될 수 있습니다.

결론

McKinsey, Gartner, Deloitte, Salesforce, MIT의 연구 결과는 일관됩니다. AI sales assistant(AI 영업 도우미) 기술은 인력을 비례적으로 늘리지 않고도 의미 있는 매출 성장을 이끌어낼 수 있지만, 이는 오직 이를 단순한 소프트웨어 구매가 아니라 운영 모델의 변화로 받아들이는 조직에게만 해당됩니다. 압도적인 성과를 거두는 5~6%의 기업들은 통합된 데이터, 재설계된 워크플로우, 지속적인 투자, 그리고 눈에 보이는 리더십의 주도라는 동일한 패턴을 공유합니다. 나머지 기업들에게 진짜 위험은 AI가 작동하지 않는다는 것이 아니라, AI가 기존에 존재하던 파편화를 그대로 확대 재생산한다는 데 있습니다. 향후 2~3년에 걸쳐 에이전트형 AI가 파일럿 단계에서 기본 인프라로 자리 잡으면서, 이 두 그룹 사이의 격차는 좁아지기 전에 오히려 더 벌어질 가능성이 높습니다. 따라서 기능이 아니라 기반에 투자하는 선택이야말로 오늘날 영업 조직이 내려야 할 가장 중요한 전략적 결정입니다.