Lumen이 영업 사전조사를 4시간에서 15분으로 줄인 방법
생성형 AI가 영업 매출을 실제로 늘릴 수 있을까요? 미국 통신기업 Lumen Technologies는 영업 담당자의 고객 사전조사에 AI를 적용해 약 4시간 걸리던 작업을 15분으로 줄였습니다. 회사의 최고수익책임자는 확보된 시간이 12개월 동안 약 5,000만 달러의 매출 가치에 해당한다고 평가했습니다.
이 사례는 생성형 AI가 영업사원을 대신해 계약을 체결한 이야기가 아닙니다. 고객과 대화하기 전에 여러 시스템에서 정보를 찾고 정리하는 시간을 줄여, 사람이 더 많은 고객을 만나고 더 나은 질문을 준비하게 한 사례입니다. 영업 AI의 힘은 관계를 자동화하는 데 있지 않고 관계에 쓰지 못하던 시간을 되돌려주는 데 있습니다.
Lumen 영업 AI의 시간·매출 효과
Lumen은 Microsoft Copilot을 영업과 고객서비스 업무에 적용하고, 사내 데이터와 외부 정보를 연결해 고객 접촉 전 요약을 만들었습니다.
기존 고객 사전조사 시간: 약 4시간
AI 적용 후 조사시간: 약 15분
절감시간: 담당자당 주 약 4시간
도입 규모: 영업·고객서비스 직원 수천 명
경영진 추정 가치: 12개월간 약 5,000만 달러의 매출
활용 정보: 과거 고객 접촉, 최근 뉴스, 산업 동향, 고객 과제와 다음 행동
성과와 경영진의 가치 추정은 Lumen과 Microsoft의 기업 사례에 공개돼 있습니다.
Lumen의 자체 AI 도입 설명도 Copilot이 직원의 정보 접근과 시간 활용을 개선했다고 확인합니다. 다만 4시간에서 15분, 5,000만 달러라는 수치는 Microsoft 고객사례에 실린 Lumen 경영진의 추정치이며 외부 감사로 확정된 매출은 아닙니다.
영업사원은 왜 고객을 만나기 전에 4시간을 썼나
대형 기업고객을 담당하는 영업사원은 미팅 전에 CRM의 과거 대화, 계약과 서비스 현황, 지원 요청, 최근 기업 뉴스와 산업 변화를 확인해야 합니다. 정보는 이메일, CRM, 문서함, 뉴스에 흩어져 있고 담당자가 바뀌면 맥락을 다시 복원해야 합니다.
가령 한 제조기업에 네트워크 서비스를 제안한다고 해보겠습니다. 영업사원은 지난 미팅의 약속, 현재 장애 이력, 공장 증설 뉴스, 보안 투자계획을 찾아야 합니다. 이 중 하나를 놓치면 이미 답한 질문을 다시 하거나 고객의 당면 문제와 무관한 제안을 할 수 있습니다.
Lumen의 AI는 연결된 데이터를 검색해 과거 상호작용을 요약하고 최근 뉴스와 산업 과제, 추천할 다음 행동을 보여줍니다. 담당자는 정보 수집보다 가설을 검토하고 질문을 설계하는 데 시간을 쓸 수 있습니다. 4시간이 15분으로 줄어든 배경입니다.
절약된 시간이 5,000만 달러가 되는 계산
Lumen 경영진은 담당자당 주 약 4시간이 돌아오고 이를 12개월의 영업활동으로 환산하면 5,000만 달러의 가치가 있다고 설명했습니다. 수천 명의 영업·고객서비스 조직에서 고객 접촉과 준비에 사용할 수 있는 생산능력을 계산한 것입니다.
하지만 5,000만 달러는 재무제표에 확정된 추가 매출이 아닙니다. 확보된 시간이 실제 고객 미팅으로 전환되고, 미팅이 파이프라인과 수주로 이어진다는 가정을 포함한 경영진 추정치입니다. 영업사원이 절약된 시간에 다른 내부업무를 한다면 매출은 늘지 않습니다.
실제 효과를 검증하려면 AI 사용군과 비교군의 고객 접촉 수, 신규 파이프라인, 제안서 제출, 수주율, 평균 계약액과 영업주기를 봐야 합니다. 매출이 늘어도 할인과 서비스 원가가 커졌다면 순이익 효과는 제한될 수 있으므로 매출총이익까지 연결해야 합니다.
영업 AI에서 정보의 최신성과 정확성이 중요한 이유
AI 요약은 그럴듯하기 때문에 오래된 정보를 더 위험하게 만들 수 있습니다. CRM에 해지된 서비스나 과거 담당자의 잘못된 메모가 남아 있다면 AI는 이를 자신 있게 요약합니다. 외부 뉴스의 동명이인 기업을 고객사로 잘못 연결할 수도 있습니다.
영업사원이 요약을 확인하지 않고 고객에게 “최근 공장을 증설하셨다”고 말했다가 다른 회사의 뉴스였음이 드러나면 신뢰를 잃습니다. 내부 지원 이력이나 개인정보가 권한 없는 영업사원에게 노출되면 보안사고가 됩니다.
AI 거버넌스 구축 시에는 어떤 CRM 필드와 문서를 검색할지, 데이터의 유효기간, 외부 뉴스의 출처, 사용자별 접근권한을 정해야 합니다. 요약에는 근거 링크와 작성 시점을 표시하고, 고객에게 전달되는 내용은 사람이 확인해야 합니다. 잘못된 정보가 발견되면 원본 CRM과 요약을 함께 수정할 수 있어야 합니다.
영업 AI의 신뢰도는 문장 품질이 아니라 근거 데이터의 품질과 접근권한에서 결정됩니다. 좋은 모델을 구매하고 CRM 정리를 미루면 오래된 혼란을 더 빠르게 전달할 뿐입니다.
AI가 고객 관계를 대신할 수 없는 이유
고객은 공개 뉴스와 과거 계약만으로 움직이지 않습니다. 조직 내부의 이해관계, 예산 우선순위, 담당자의 부담과 경쟁사의 제안을 대화 속에서 읽어야 합니다. AI가 준비한 다음 행동을 그대로 따르면 모든 고객에게 비슷한 접근을 반복할 위험이 있습니다.
AI는 누락된 정보를 찾고 가설을 만드는 데 강하지만, 어떤 질문을 지금 꺼내야 하는지는 사람이 판단해야 합니다. 고객이 민감한 장애를 겪은 직후라면 교차판매보다 신뢰 회복이 먼저일 수 있습니다. 영업 AI의 목표는 자동 이메일 수나 접촉량이 아니라 장기적인 관계와 수익성 있는 수주여야 합니다.
한국 기업이 Lumen 사례에서 배워야 할 실행 원칙
첫째, 영업사원의 시간을 실제로 관찰합니다. CRM 입력, 조사, 보고, 제안서 중 반복량과 매출 연결성이 큰 업무를 선택해야 합니다.
둘째, AI를 CRM과 연결하기 전에 데이터 품질과 권한을 정비합니다. 중복 고객, 오래된 계약, 자유서술 메모가 그대로면 결과도 불안정합니다.
셋째, 시간 절감 뒤의 행동을 측정합니다. 고객 미팅, 파이프라인, 수주, 매출총이익이 늘었는지 확인해야 합니다.
넷째, 자동 생성된 고객 메시지는 위험에 따라 검토합니다. 대량의 저위험 후속 메일과 고액 계약 제안서에 같은 승인 기준을 적용해서는 안 됩니다.
영업 AI의 매출효과를 검증하는 실험
비슷한 고객군과 경력을 가진 영업 담당자를 나눠 일정 기간 AI 사용군과 기존 방식의 결과를 비교해야 합니다. 조사시간뿐 아니라 고객 접촉 수, 응답률, 기회 생성, 제안서, 수주와 평균 할인율을 추적합니다. AI가 쉬운 잠재고객만 골라 접촉량을 늘렸다면 수주와 매출총이익에서는 효과가 사라질 수 있습니다.
고객별 결과까지 이어지는 식별자도 필요합니다. 어떤 AI 요약과 추천이 어떤 미팅, 제안과 계약으로 연결됐는지 남겨야 5,000만 달러 같은 생산능력 추정을 실제 매출로 검증할 수 있습니다. 다만 직원 성과평가에 AI 메시지 수를 사용하면 불필요한 자동 이메일이 늘 수 있으므로 최종 고객가치 중심으로 평가해야 합니다.
실험 중 잘못된 요약, 권한 밖 정보 노출, 고객 불만은 보호지표로 둡니다. 매출 가능성이 높아도 이 기준을 넘으면 자동화를 멈추고 원본 데이터와 접근정책을 수정해야 합니다.
자주 묻는 질문
Lumen은 AI로 5,000만 달러의 매출을 실제 기록했나요?
공개된 수치는 절약된 영업시간이 12개월 동안 만들 수 있다고 경영진이 평가한 매출 가치입니다. 확정된 추가 매출이나 순이익과는 구분해야 합니다.
영업 AI의 첫 번째 적용 업무는 무엇이 좋나요?
과거 고객 접촉 요약, 미팅 준비, CRM 기록 정리처럼 반복적이고 사람이 최종 확인할 수 있는 업무가 적합합니다. 자동 가격결정이나 계약 약속은 더 강한 통제가 필요합니다.
영업사원이 AI를 사용하면 CRM 입력을 줄여도 되나요?
반대입니다. AI가 유용한 요약을 만들려면 최신의 정확한 CRM 기록이 필요합니다. AI가 통화 메모 초안을 만들 수는 있지만 담당자가 사실을 확인하고 핵심 맥락을 남겨야 합니다.
함께 읽으면 좋은 글
AI 거버넌스 전문 팀, 다빈치에 문의하세요
다빈치는 대기업, 스타트업, 공공기관 AI 거버넌스 구축 경험을 고루 갖춘 탑티어 인프라 엔지니어 조직입니다. AI 도입을 고민하고 계신 기업 담당자들께서는 고민을 다빈치에 편하게 공유해주세요. 상담은 무료입니다.