AI 영업 에이전트 성공률 2%? — 미국의 기업 사례 살펴보기

ALT

밤에 책상에서 일하는 남자와 여자

AI 영업 에이전트(AI SDR) 도입의 성공률이 왜 2%밖에 안 되는지, 그리고 그 2% 안에 들어가려면 어떤 기준을 지켜야 하는지 정리해 드릴게요. Lenny's Podcast에서 공개된 Vercel의 실제 실험 결과와, $74M을 조달하고도 붕괴한 11x.ai, 700명을 해고하고 다시 사람을 뽑는 Klarna 사례를 교차 분석했어요.

결론부터 말씀드리면 이래요.

"AI는 영업팀을 대체하지 않습니다. 영업 업무의 하위 집합을 대체합니다."

이 한 문장을 기준으로 보면, 왜 Vercel은 SDR 10명 중 9명을 유지한 채 자동화에 성공했고, 왜 11x.ai는 고객 70-80%를 잃었는지가 명확해져요.

AI 영업 에이전트가 뭔가요?

AI 영업 에이전트는 인간 SDR(Sales Development Representative, 영업 개발 담당자)의 반복적 업무를 자동화하는 LLM 기반 에이전트 시스템입니다. 리드 적격성 판단, 이메일 초안 작성, 스케줄링, CRM 데이터 입력 같은 작업을 대신 수행해요.

2024-2025년에 Artisan, 11x.ai, Autobound 같은 서비스들이 "인간 SDR을 완전히 대체한다"는 약속으로 수천만 달러를 조달했어요. 2026년 초 현재, 시장 데이터는 그 약속이 대부분 지켜지지 않았다는 것을 보여줍니다.

Salesmotion 2026 리포트 기준:

• AI SDR 도구의 성공률: 약 2%

• 1년 내 이탈률: 50-70%

• Artisan G2 평점: 3.8/5 (카테고리 최하위)

그럼 이 숫자들을 먼저 뜯어볼까요.

1. 먼저 실패부터 — 11x.ai는 왜 붕괴했나

11x.ai는 a16z(Andreessen Horowitz)와 Benchmark에서 총 $74M을 조달한 AI SDR의 대표주자였어요. 판매한 것은 "인간 SDR을 완전히 대체하는 자동 영업 에이전트".

2024년 말 TechCrunch 취재로 드러난 사실이 좀 충격적입니다.

• ZoomInfo가 11x.ai에 로고 무단 사용을 공식 지적 → 실제로는 트라이얼만 했음

• Airtable도 같은 상황. "우리는 11x.ai 고객이 아니다"

• 공개된 ARR $14M 중 유효 계약은 약 $3M

• 몇 달 안에 고객의 70-80% 이탈

기술 문제가 아니었어요. 같은 시기 Artisan 등 다른 AI SDR 도구도 비슷한 패턴을 보였고, 리뷰어들은 공통적으로 "고볼륨에서는 AI 티가 바로 난다"고 지적했습니다.

2. Klarna는 왜 사람을 다시 뽑고 있나

Klarna는 2022-2024년 OpenAI와 협력해 AI 고객 서비스 시스템을 만들고 700명을 해고했어요. 한때 "AI가 전체 문의의 2/3~3/4를 처리한다"고 자랑했죠.

2025년 이 전략이 뒤집어졌습니다. Klarna CEO Sebastian Siemiatkowski가 Bloomberg 인터뷰에서 한 말이 핵심이에요.

"비용이 너무 큰 평가 요소였습니다. 그 결과로 남은 것은 낮은 품질이었습니다."
— Klarna CEO, 2025

2025년 봄부터 Klarna는 "Uber 스타일" 하이브리드로 전환했어요. AI는 기본 문의만, 인간은 공감·재량·에스컬레이션이 필요한 이슈만. 그리고 다시 사람을 뽑기 시작했습니다.

실패의 공통 패턴

두 사례를 나란히 놓으면 이렇게 정리돼요.

눈치채셨겠지만 공통점이 하나 있어요. 모든 업무를 AI에 한 번에 맡긴 것. 이 지점이 Vercel 사례와 정반대입니다.

3. Vercel이 한 일 — SDR 10명을 1명으로 줄였는데 9명은 이직 안 했다

ALT

흰색 바탕에 vercel 로고

Jeanne DeWitt Grosser는 Vercel의 COO입니다. Stripe 초기 영업 조직을 세우고, Google에서 GTM을 이끈 사람이에요. Lenny Rachitsky 팟캐스트(2025년 11월 30일)에서 공개한 실험 결과는 다음과 같습니다.

실험 설계

원래 상태: Vercel 인바운드 SDR 10명

• 역할: 웹사이트 리드의 적격성 판단 + 초기 응답

적용: GTM 엔지니어 1명이 워크플로우를 에이전트로 전환

• 개발 시간: 6주, GTM 엔지니어 시간의 25-30%만 사용

• 설계: 최고 성과 SDR을 섀도잉해서 탭 7개(LinkedIn 조회, 기업 정보, ChatGPT, 내부 DB)를 워크플로우로 문서화

• Human-in-the-loop: 에이전트가 판단 + 초안 → 사람이 검토하고 "send" 버튼

6주 후 결과

• 리드-투-기회 전환율: 사람이 할 때와 동일 (flat)

• 응답 시간: 단축 (야간·주말 큐 적체 사라짐)

• 인력 배치: SDR 10명 중 1명만 "에이전트 QA 담당"으로 유지. 9명은 아웃바운드 영업으로 재배치

숫자만 보면 "10→1"은 Klarna와 비슷해 보여요. 결정적 차이가 있습니다.

Vercel은 9명을 해고하지 않았습니다. 더 높은 가치의 업무로 옮겼어요. Grosser의 말 그대로 인용하면 이렇습니다.

"평균적인 SDR은 원래 그렇게 정교한 리서치를 하고 있지 않았습니다. 대학 4년 나와서 'SDR이 되고 싶었어요'라고 말하는 사람은 아무도 없습니다. 단지 거기서 시작하도록 강제되었을 뿐입니다. AI가 그 강제를 없앱니다."
— Jeanne Grosser, 2025

"대체"가 아니라 "재배치". 이 차이가 2%와 98%를 가릅니다.

4. 핵심 개념 — Legibility (판독 가능성)

여기서부터가 이 글의 핵심이에요.

Vercel이 성공하고 11x.ai가 망한 이유는 기술력 차이가 아닙니다. 두 회사 모두 비슷한 LLM을 썼어요. 차이는 어떤 업무를 AI에 맡겼는지에 있습니다.

Grosser가 쓴 단어가 Legibility(판독 가능성)예요.

어떤 업무가 AI 자동화에 적합한지 판단하는 세 가지 질문이에요.

1. 받아 적을 수 있는가? (workflow를 문서로 쓸 수 있는가)

2. 반복 가능한가? (비슷한 케이스가 반복되는가)

3. 결정론적인가? (입력이 같으면 출력도 같은가)

세 질문에 모두 "예"라면 legibility가 높습니다. 하나라도 "아니오"면 위험도가 올라가요.

11x.ai는 엔터프라이즈 아웃바운드를 자동화했어요. 이걸 3가지 질문에 넣어볼게요.

Legibility가 극도로 낮은 업무에 100% 자동화를 시도한 것. 기술이 아니라 대상 선정의 오류였어요.

Klarna도 같은 패턴입니다. FAQ는 legibility 높지만(자동화 OK), 공감·재량·에스컬레이션 이슈는 legibility 낮음(자동화 실패). Klarna는 이 구분 없이 전부 맡겼습니다.

5. 실전 적용 — 영업 자동화 Legibility 3단계 모델

위의 분석을 그대로 프레임워크로 옮겼어요. 자기 조직의 업무를 바로 대입할 수 있도록 설계했습니다.

1단계 — 높은 Legibility (자동화 OK)

특징: 문서화 가능 + 반복적 + 결정론적

대상 업무:

• 인바운드 리드 적격성 판단 (BANT 체크)

• FAQ 수준의 질문 답변

• CRM 데이터 입력·활동 로깅

• 미팅 노트 요약

• 후속 이메일 초안 (템플릿 기반)

조건: Human이 최종 send 버튼. 에이전트는 판단+초안만.

Vercel의 적용 지점 — 정확히 여기입니다. 인바운드 워크플로우가 legibility 최상이었기 때문에 먼저 선택했어요.

2단계 — 중간 Legibility (하이브리드)

특징: 부분 문서화 가능 + 규칙 있지만 예외 많음

대상 업무:

• 아웃바운드 SMB 타겟팅 (단일 의사결정자)

• 설치 기반 업셀 리서치

• 경쟁사 반대 응답 초안

• 계정 건강도 스코어링

조건: AI가 리서치+초안 → 사람이 판단/편집. 예외는 자동 에스컬레이션.

3단계 — 낮은 Legibility (인간 중심)

특징: 문서화 어려움 + 케이스별 판단 + 창의성 필요

대상 업무:

• 엔터프라이즈 아웃바운드 (다층 의사결정)

• 가격 협상

• 복잡한 기술 반박 응답

• 장기 고객 관계 구축

• 전략적 파트너십

조건: AI는 리서치·데이터·초안만. 최종 판단·관계·협상은 사람.

체크포인트: 내 팀은 어느 단계부터 시작해야 할까?

세 가지 질문을 던져보시길 권합니다.

1. 새 입사자에게 A4 한 장으로 설명할 수 있는가? → 예면 1-2단계 후보

2. 같은 패턴이 80% 이상 반복되는가? → 예면 1단계 후보

3. 판단이 틀렸을 때 복구 비용이 큰가? → 예면 2-3단계로 유보

핵심은 "한 번에 한 단계씩"이에요. Vercel은 인바운드(1단계)만 자동화한 뒤 5개월 후에야 아웃바운드(2단계)로 넘어갔어요. 11x.ai는 바로 3단계를 공격했어요. 이 속도 차이가 성패를 갈랐습니다.

💡 Insight — 한국 B2B SaaS, 지금 도입할 타이밍인가?

여기서부터는 제 개인적 의견이에요.

한국 B2B SaaS 시장을 보면, AI SDR 도입 논의가 막 시작된 단계예요. 미국이 2024-2025년에 11x.ai 붕괴를 경험하며 한 번 사이클을 돌았다면, 한국은 지금 그 사이클을 시작하고 있습니다.

이게 위험이자 기회예요.

위험은 미국에서 이미 2%만 성공한다는 데이터가 나왔는데, 한국에서 같은 실수를 반복할 가능성이 크다는 거예요. "AI로 영업팀 대체"라는 마케팅이 한국에 들어오는 중인데, 계약 후 6개월 안에 Vercel이 아닌 11x.ai 경로를 밟을 조직이 많을 거라고 봅니다.

기회는 한국 B2B SaaS 다수가 아직 규모가 작다는 점이에요. Vercel은 SDR 10명이 있었기 때문에 1명만 남기고 9명 재배치가 가능했어요. 아직 SDR이 1-3명인 한국 스타트업은 애초에 대체할 자리가 없습니다. 그래서 역설적으로 Legibility 1단계 업무(리드 스코어링, 미팅 노트 요약, 이메일 초안)에 작은 AI 에이전트를 붙이면 사람을 해고하지 않고도 Vercel 공식을 적용할 수 있어요.

구체적으로 이 순서를 제안드립니다.

1. 현재 영업 프로세스를 문서로 쓰기 (ICP, 질문 세트, 반대 처리) → 문서화 안 되면 AI 도입은 아직 이름.

2. Legibility 1단계 업무 3개 찾기 (이메일 초안, 리드 스코어링, 미팅 요약 등) → 지피터스 멤버분들이 쓰는 Claude/ChatGPT 워크플로우로 시작해도 충분해요.

3. 6주 단위로 측정 (전환율, 응답 시간, 인력 재배치 여부) → 6주 후에도 2%가 아니라 98%에 가깝다면, 대상 업무 선정을 다시 점검하세요.

Asha Sharma(Microsoft AI Platform CVP)는 이렇게 예측했어요.

"org chart가 work chart로 바뀝니다. 2026년 말까지 많은 조직에서 에이전트 수가 직원 수를 넘어설 것입니다."

2026년 말이면 불과 8개월 남았어요. 한국에서도 "에이전트 50개 + 사람 5명" 조직 구조가 현실이 되는 시점이 곧 옵니다. 그 전에 Legibility 판단 근육을 길러두는 게 지금 시점에서 가장 남는 장사라고 봅니다.

AI는 영업팀을 대체하지 않습니다. 영업 업무의 하위 집합을 대체합니다.

출처

• Jeanne DeWitt Grosser, "What world-class GTM looks like in 2026" — Lenny's Podcast, 2025-11-30

• Asha Sharma, "How 80,000 companies build with AI" — Lenny's Podcast, 2025-08-28

• Jason Lemkin, "We replaced our sales team with 20 AI agents" — Lenny's Podcast, 2026-01-01

• "11x.ai 고객 이탈 및 로고 무단 사용 보도" — TechCrunch, 2024

• "Klarna Reverses Course on AI Customer Support" — Fortune, Bloomberg, 2025-05

• "AI SDR Tools Compared: What Actually Works for B2B Pipeline in 2026" — Salesmotion, 2026

• "Top 10 Reasons Your AI Agent Implementation is Failing" — SaaStr, 2025-2026