# GTM을 위한 AI가 성과를 내지 못한 이유 (그리고 해결 방법) > Clean Markdown view of GeekNews topic #30924. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=30924](https://news.hada.io/topic?id=30924) - GeekNews Markdown: [https://news.hada.io/topic/30924.md](https://news.hada.io/topic/30924.md) - Type: GN+ - Author: [neo](https://news.hada.io/@neo) - Published: 2026-06-29T10:01:02+09:00 - Updated: 2026-06-29T10:01:02+09:00 - Original source: [x.com/thecamjwright](https://x.com/thecamjwright/status/2066250873295061412) - Points: 8 - Comments: 0 ## Topic Body - 이메일 작성, AI SDR, 인텐트 도구 등 다양한 AI를 도입한 **GTM 팀** 대부분이 기대만큼 영업 생산성·파이프라인·매출 향상을 체감하지 못하고 있음 - AI에 계정 공략을 맡기면 "Acme가 SDR을 채용 중이고 작년 실주 건이 있으니 연락하라"는 식의 **기술적으로 정확하지만 일반적인 메시지**만 생성, 구매자가 즉시 삭제하는 결과로 이어짐 - 근본 원인은 AI가 좋은 의사결정에 필요한 두 가지, 즉 **컨텍스트(context)와 로직(logic)** 을 갖지 못한 데 있음 - 대부분의 GTM AI 도구가 이메일·스크립트 생성 같은 **실행(Execution) 계층**에만 집중, 진짜 레버리지가 있는 타겟팅·관점(POV) 같은 상위(upstream) 영역은 방치됨 - 앞서가는 팀은 원천 데이터와 실행 도구 사이에 **자사 고유의 GTM Context Layer**를 구축, 어떤 신호가 중요한지·왜 지금인지·누구에게·무엇을 말할지를 자체 판단으로 결정하는 것이 경쟁 우위의 핵심 --- ### 도입 — AI가 GTM 성과를 내지 못하는 현실 - 대부분의 GTM 팀이 이메일 작성, AI SDR, 인텐트 도구, 신호 기반 아웃바운드, 자동 리서치, 딜 리뷰 등 어떤 형태로든 AI를 이미 도입함 - 본래 AI는 **담당자 효율, 파이프라인, 실제로 성사된 거래에서 발생한 매출**을 측정 가능한 수준으로 끌어올려야 하지만, 대다수 팀의 결과는 여전히 미흡함 - AI에 계정 공략을 시키면 다음과 같은 결과가 나옴 - "Acme is hiring SDRs and had a closed-lost opportunity last year. Reach out about renewed pipeline growth." - 기술적으로는 맞지만 완전히 일반적이라, 담당자는 여전히 수동 리서치를 해야 하고 우선순위 판단은 추측에 머물며 아웃리치가 **인위적으로 느껴짐** - 핵심 문제는 의사결정에 필요한 **컨텍스트와 로직** 없이 AI에 GTM 의사결정을 맡기는 데 있음 ### GTM's North Stars — AI가 실제로 개선해야 할 지점 - 첫 원칙에서 보면 GTM 팀은 세 가지에 집중해야 함 - a) 더 많은 파이프라인, b) 더 빠른 파이프라인 진행, c) 더 많은 클로즈드원 매출 - 이 글은 a) **파이프라인 생성(pipeline generation)** 에 초점 - 영업 조직이 통제 가능한 세 가지 "입력(input)"으로 더 깊이 들어가면 (수요·시장 인지도 등은 제외) - **Targeting**: 어떤 계정과 사람에 집중할지 - **Hypothesis**: 어떤 문제를 제기하고 해결을 제안할지 - **Execution**: 그 가설을 아웃리치·콜·발표 등으로 얼마나 잘 전환할지 - 세 영역 모두 AI가 레버리지를 더할 수 있는 지점이지만, 실제로 어디에 나타나는지에서 문제가 시작됨 - 대부분의 GTM AI 도구가 세 번째 계층인 **Execution에 지나치게 집중**, 이메일 작성·계정 요약·콜 스크립트 생성·활동 자동화에 유용하지만 진짜 레버리지가 있는 곳은 아님 ### The Reality — 진짜 '알파'는 상위(upstream)에 있음 - 타겟팅과 관점(point of view)의 품질이 **보내는 이메일의 품질보다 훨씬 더 중요**함 - 흔한 신호로 계정을 고르고 약한 가설을 세우면, '훌륭한' 이메일도 아무 효과 없음 - 반대로 올바른 계정에 날카로운 가설로 접근하면, 카피가 완벽할 필요 없이 **관련성(relevant)만 있으면 됨** - 오늘날의 에이전트는 다음을 판단하는 전문가가 아니어서 GTM AI 시도가 부진함 - 어떤 계정이 중요한지 / 왜 지금 그 계정이 중요한지 / 누가 가장 관련 있는지 / 어떤 페인이 가장 가능성 높은지 / 어떤 메시지가 실제로 신뢰를 줄지 - 두 가지 서로 연관된 근본 원인이 존재 - **Context**: 에이전트가 올바른 GTM 컨텍스트를 갖지 못함 - **Logic**: 자사의 내부 강점이어야 할 로직을 외부에 위탁함 ### Problem One — AI가 올바른 컨텍스트를 갖지 못함 - GTM 스택은 파편화되어 있고, 뛰어난 영업자는 어떤 신호가 구매 결정을 좌우하는지, 어떻게 포착·우선순위화·관계 파악하는지 정확히 앎 - 이들은 CRM, 콜 녹취, 인텐트 활동, 상호 인맥, 채용 공고, reddit, 온라인 포럼 등 가용한 모든 정보를 파고들어 타겟팅·가설·메시징을 설계함 - 에이전트도 다르지 않음 - LLM에 누구를 타겟할지·무엇을 말할지 물을 때, a) 퍼즐의 일부만 갖고 있거나 b) 조각들이 어떻게 맞물리는지 모르면(혹은 둘 다면) **효과적일 수 없음** - ## 예시 — 같은 채용 신호, 전혀 다른 두 계정 - 두 회사가 최근 SDR 채용 공고를 올렸다고 가정 - 올바른 컨텍스트·로직이 없는 에이전트는 두 계정에서 **동일한 채용 신호**를 감지해 둘 다 우선순위화하고 유사한 아웃바운드를 생성함 - 실제로는 적합성·인텐트·상황, 따라서 우선순위가 완전히 다를 수 있음 - Company A: 아웃바운드 확장을 위해 채용 중이고, 자사가 연동되는 도구를 쓰며, 자사 제품이 잘 푸는 페인이 있고, 최근 웹사이트를 방문했으며, 과거 챔피언을 막 채용함 - Company B: 역시 SDR을 채용 중이지만, 자사가 대체하기 어려운 기존 도구를 이미 쓰고, 자사와 연동이 잘 안 되는 워크플로를 가졌으며, 콜드콜한 SDR에게 지난달 3년 계약을 맺었다고 말함 - 에이전트가 모든 데이터에 접근하지 못하고, 자사가 어디서 이기고 부족한지·기존 도구 대비 비교·연동 시스템·가장 잘 푸는 페인·추구할 가치 있는 구매 시나리오를 모르면 효과를 낼 수 없음 - 신호를 AI에 공급하는 것은 쉬운 부분이고, 어려운 부분은 **어떤 신호가 중요한지·어떻게 순위를 매길지·무엇을 앞세울지** AI가 비즈니스를 충분히 이해하도록 보장하는 것 ### Problem Two — 빌려온 로직은 경쟁력이 될 수 없음 - 전략적 결함은 자사의 핵심 경쟁 우위여야 할 것을 외부에 위탁하는 데 있음 - 타겟팅·가설 생성 등 **상위 인텔리전스(upstream intelligence)** 를 AI GTM 벤더로부터 구매하는 행위 - 이를 위탁하면 해당 모델·벤더를 쓰는 모든 이와 **동일한 의사결정 로직**을 돌리게 됨 - 모두가 접근 가능한 신호나 전략은 정의상 우위가 될 수 없음 - 독점적일 수 있는 유일한 것은 **그것으로 무엇을 하느냐**, 즉 어떤 신호가 중요한지·어떻게 결합되는지·자사에 무엇을 의미하는지를 결정하는 해석(interpretation) 계층 - 그 해석 계층마저 벤더에게서 사면, 마지막 남은 우위까지 일반재화가 됨 - 다만 워크플로의 일부는 구매가 합당함 - 계정 보강, 채용 공고 검색, 웹사이트 스크래핑, 초안 생성, 콜 요약, 리드 라우팅, 데이터 동기화, 이메일 발송 같은 **실행 계층(execution layer)** 도구를 직접 만드는 것은 비효율적 - 반면 위탁해서는 안 되는 상위·핵심 영역 - 어떤 계정을 우선할지 / 어떤 신호가 실제로 중요한지 / 어떤 신호 조합이 진짜 구매 시나리오를 가리키는지 / 어떤 페르소나가 관여하는지 / 어떤 페인 가설을 쓸지 / 어떤 증거를 붙일지 / 수주·실주·회신·미팅 예약에서 무엇을 학습할지 - 단순한 규칙 - **Buy**: 일을 실행하는 도구 (채용 공고 식별, 연락처 보강, 이메일 카피 생성, 이메일 발송 등) - **Own**: 의사결정에 영향을 주는 로직 (채용 공고에서 무엇을 찾을지, 어떤 신호를 스크래핑할지, 계정 우선순위를 어떻게 매길지 등) ### The Fix — GTM Context Layer 구축 - AI로 성과를 내는 팀은 원천 데이터와 실행 도구 사이에 **인텔리전스 계층(intelligence layer)** 을 둠, 신호를 자사만 만들 수 있는 관점으로 전환 - 이것이 **GTM Context Layer**, 어떤 신호가 중요한지·어떻게 해석할지·어떤 시나리오를 시사하는지·누가 관심 있을지·어떤 메시지가 맞는지를 사람과 에이전트에게 알려주는 독점 시스템 - 강력한 GTM Context Layer는 세 부분으로 구성 - ## Data Foundation (데이터 기반) - CRM 데이터, 기회 이력, 실주 사유, 제품 사용, 웹사이트 활동, 보강(enrichment), 채용 공고, 뉴스, 테크노그래픽, 콜 노트, 이메일 인게이지먼트, 파트너 노트, 담당자 활동 등 원천 재료를 한데 모음 - 구축 방식: Warehouse + ETL 파이프라인, CRM 동기화, 보강 API, 제품 이벤트, 스크래핑, 정규화 테이블 - 효과: 사람과 에이전트에게 **계정의 전체 그림** 제공 - ## GTM Decision Logic (의사결정 로직) - ICP, 페르소나, 계정 스코어링, 신호 가중치, 라우팅 로직, 구매 시나리오, 제외 기준(disqualifier), 플레이북을 정의하는 **규칙 기반 계층** - 구축 방식: SQL/dbt 모델, 스코어링 테이블, 룰 엔진, 세그먼트, 비즈니스가 소유한 로직 - 효과: 원천 데이터를 자사 고유의 GTM 판단으로 전환하는 **진짜 경쟁력(edge)** - ## AI Orchestration Layer (AI 오케스트레이션 계층) - 검색(retrieval), 도구 호출, 프롬프트 라우팅, 에이전트 스킬, 컨텍스트 조립, 출력 생성을 조율하는 워크플로 계층 - 어떤 컨텍스트를 가져올지·어떤 소스를 확인할지·어떤 신호를 랭킹할지·어떤 플레이북을 적용할지·어떤 스킬을 실행할지 결정 - 구축 방식: 벡터 검색, SQL 쿼리, 프롬프트 라우팅, 시스템 프롬프트, 도구 호출, 에이전트 스킬, 구조화 출력, 피드백 루프 - 효과: 전략을 행동으로 전환, 더 나은 우선순위화·더 날카로운 메시징·GTM 로직을 따르는 에이전트 - 제대로 하면 에이전트의 출력이 다음처럼 바뀜 - 변경 전: "Acme is hiring SDRs and had a closed-lost opportunity last year. Reach out about renewed pipeline growth." - 변경 후: "Acme is hiring SDRs and RevOps, uses a stack we consolidate well, and lost last time due to timing. Prioritize RevOps with a tooling-efficiency angle, Sales with a pipeline-growth angle, and tailor outreach to the pain each team owns." ### Where to Start — 어디서 시작할지 - 전체 GTM 스택을 하룻밤에 재구축할 필요 없이, 세 가지를 점검하며 시작 - **Decision Logic의 위치 감사**: 누구를 타겟하고 가치를 어떻게 포지셔닝할지를 서드파티 AI 알고리듬이 결정하게 두고 있는지 확인, 그렇다면 ICP 정의를 내부로 되돌릴 것 - **신호에서 시나리오로 전환**: 단일·고립된 이벤트로 아웃리치를 트리거하지 말고, 데이터 팀이 부정할 수 없는 페인을 가리키는 **이벤트 조합**을 찾는 모델을 만들도록 지시 - **오케스트레이션 페이로드 제약**: 도구에 무엇을 말할지 추측시키지 말고, 모든 잠재고객마다 고도로 제한적이고 초맥락적인 페이로드를 전달 - 세 가지를 한 번에 할 필요는 없으며, 하나만 해도 실제 의사결정을 비즈니스 내부로 되돌려 동일한 기본 로직을 돌리는 경쟁사보다 앞설 수 있음 ### Closing — 결론 - GTM용 AI가 부진한 이유는 단순함, 팀이 **실행은 자동화하면서 그 이면의 상위 판단(upstream judgment)에는 투자하지 않기** 때문 - 이제 모두가 같은 모델과 같은 기성 신호를 가짐, 앞서가는 팀을 가르는 것은 실행 상위에서 **자사가 소유한 것**, 즉 직접 만든 커스텀 신호와 왜 이 계정·왜 지금·누구에게·무엇을 말할지 아는 컨텍스트 계층 - AI는 전략을 대체하지 않으며, 그 전략이 실제로 얼마나 좋은지를 드러낼 뿐이고 오늘날 대부분의 구현이 그 증거임 ## Comments _No public comments on this page._