- 마케팅 조직 대부분이 ChatGPT 중심의 단일 도구 사용에 머무는 가운데, SafetyCulture는 AI 에이전트를 GTM 전반에 적용해 리드 품질 향상·기회 창출·기능 채택 증가를 이끌어낸 사례
- 글로벌 무료 가입자가 폭증하는 환경에서 리드 정보 보강·우선순위 선별 문제를 해결하기 위해, AI 기반 병렬 리드 보강(workflow) 을 구축해 거의 100% 수준의 데이터 완성도를 확보함
- AI가 맞춤형 아웃바운드(자동 BDR) 를 수행하도록 구성해, Salesforce·HubSpot·ZoomInfo 등 여러 시스템의 데이터를 조합하여 개인화된 메시지를 생성하고 미팅 예약·기회 창출을 대폭 늘림
- 고객의 사용 패턴·업종·유사 고객 행동을 조합해 개인화된 기능 추천과 2,500개 이상의 메시지 변형을 생성하는 AI 라이프사이클 엔진을 구축해 기능 채택률 상승
- 여러 GTM 시스템을 하나로 묶는 AI 기반 커스텀 앱 레이어를 만들어 세일즈·마케팅 팀이 한 화면에서 모든 정보와 ‘다음 행동’을 확인하도록 하여 리드→기회 전환을 25% 이상 증가시킴
- AI 에이전트는 초기 자동 실행 모드에서 코파일럿 혼합 모델로 전환하며, 각 신규 워크플로우는 코파일럿 모드로 시작해 점진적으로 자동화 수준 확대
AI 에이전트 1: AI 기반 리드 보강
- SafetyCulture 고객은 제조·소매·운송·건설·광업 등 전통적 기술 구매자가 아닌 업종에서 전 세계적으로 유입됨
- 단일 리드 보강 플랫폼만 사용하면 데이터가 부족하거나 금방 오래지는 문제가 있었음
- 이에 5개 데이터 공급자를 병렬 호출하는 플랫폼 독립적 AI 리드 보강 시스템을 구축함(Clay와 유사한 구조지만 자체 개발)
- 워크플로우는 공급자를 순차적으로 호출하는 워터폴 방식, 각 속성에서 가장 신뢰할 만한 값을 선택하고, 별도 에이전트가 웹사이트와 LinkedIn 등 공개 정보로 이를 사실 검증함
- 미국 리드의 경우 OSHA API를 조회해 최근 위반 기록을 찾아 작업장 위험 맥락을 확보하고, 이를 리드 정보와 함께 Slack으로 요약 전송함
- 결과적으로 보강률은 거의 100%에 가까워졌고, GTM 팀과 AI BDR이 더 빨리 ‘적합한 고객’을 파악해 즉시 대응할 수 있게 됨
- 데이터 품질이 모든 AI 워크플로우의 기반이며, 여러 데이터원을 교차 검증할 때 정확한 개인화가 가능함
AI 에이전트 2: AI Auto BDR
- 연간 50만 개의 무료 팀 가입은 영업팀이 감당하기 힘들 만큼 규모가 커, 어떤 고객이 고적합(high-fit)인지 분류하기 어렵다는 문제가 있었음
- 과거에는 영업팀이 리드를 일일이 검토하고 조사해 맞춤 메시지를 작성했지만, 이 과정이 느려 응답률이 떨어지는 원인이 됨
- 회사는 AI를 활용해 개인화 아웃리치, 지식 베이스 기반 응답, 미팅 예약을 처리하는 AI 인바운드 BDR을 도입함
- Salesforce·HubSpot·ZoomInfo·Redshift 데이터를 조합해 리드의 상황·의도·과거 사용 여부 등을 분석하고, 관련 고객 사례 두 개를 선택해 개인화 이메일을 생성한 뒤 Gong Engage 시퀀스에 자동 등록함
- 결과적으로 미팅 예약률은 3배, 영업 기회는 2배 증가했으며, 비용 문제를 줄이기 위해 고적합 리드에 AI 호출을 우선 적용함
- AI BDR은 영업을 대체하기 위한 것이 아니라, AE가 빠르게 딜에 집중할 수 있도록 미리 온도를 올리는 역할임
- 다국어 지원은 유럽·라틴아메리카에서 특히 효과적임
AI 에이전트 3: AI 라이프사이클 개인화
- 고객이 SafetyCulture를 사용하는 이유는 감사, 체크리스트, 검사, 안전 규정 등 매우 다양하기 때문에, 하나의 메시지로는 모든 고객을 만족시키기 어려웠음
- 이를 해결하기 위해, 비슷한 고객의 행동을 기반으로 연관 기능을 추천하는 AI 기반 추천 엔진을 구축함
- Databricks에서 RAG와 에이전트 워크플로우를 사용해 제품 사용 데이터를 깊게 분석하고, 300개 이상의 핵심 사용 사례를 자동 생성함
- 사용 사례에 따라 고객에 맞는 기능 세트를 연결하고, 2,500개 이상의 카피 버전을 AI로 생성해 Redshift와 Braze에 저장해 개인화된 메시지로 활용함
- 덕분에 신규 기능 채택률이 10% 증가하고, 더 깊은 제품 사용으로 이어져 리텐션 향상이 나타남
- 실시간 AI 호출은 가끔 지연이 발생하므로, 일정 주기로 실행 후 캐싱해 마케팅 플랫폼이 즉시 참고할 수 있도록 구성함
- 대형 LLM보다 작은 모델이 속도·비용 균형 면에서 더 실용적일 때도 많았음
AI 에이전트 4: 맞춤형 마케팅/영업용 AI 앱 레이어
- 각 GTM 시스템에는 자체 AI 기능이 있지만 SafetyCulture 제품에 맞춰 설계된 것이 아니었고, 영업·마케팅 팀은 여러 도구를 오가며 정보를 맞춰봐야 했음
- 회사는 Retool을 활용해 모든 고객 정보와 ‘다음 행동’까지 한 화면에서 확인할 수 있는 AI 중심 앱 레이어를 구축함
- 리드 콘솔과 회사 뷰어 두 가지 화면을 제공함
- 이 레이어는 리드/고객 데이터, AI 보강 정보, Gong 통화 기록, Amplitude 사용 데이터, 이탈 예측, 리드 라우팅 등을 모두 한곳에 모아 보여줌
- Gong 통화 기록을 분석해 자동으로 SPICED 요약을 만들고 Salesforce에 저장해 BDR→AE 핸드오프를 자동화함
- AE는 “계정에 대해 무엇이든 질문” 기능으로 사용량·유료 팀 수·권장 아웃리치 접근 등을 즉시 확인할 수 있음
- 리드→영업 기회 전환율은 25% 이상 증가했고, 자동화 덕분에 BDR은 기회당 약 30분을 절약함
- 팀의 80% 이상이 이 앱 레이어를 적극적으로 사용하고 있으며, 생산성 향상은 더 빠른 대응과 더 나은 고객 참여로 이어짐
- AI는 반드시 자동 조종이어야만 가치가 있는 것이 아니라, 코파일럿 형태도 충분히 강력함
AI 우선 GTM 조직의 학습
- SafetyCulture는 고객 여정을 기준으로 AI가 식별·개인화·예측·조언·자동화 중 어디서 가장 효과적인지 먼저 선별함
- 초기에는 자동화 중심이었지만, 지금은 코파일럿과 자동화를 섞은 모델을 채택하며 새 워크플로우는 모두 코파일럿 모드에서 시작함
- 가장 어려웠던 부분은 데이터 접근·보안·브랜드 톤 유지, 그리고 초기 AI의 환각 문제였음
- 현장에서 SafetyCulture에 의존하는 고객이 많기 때문에, 신뢰성과 일관성이 핵심임
- 단순히 ChatGPT를 팀에 배포하는 것이 아닌, 실제 워크플로우를 기반으로 AI 활용 지점을 찾아가는 과정이 성과를 만든다는 점을 강조함