대부분의 마케팅 팀이 ChatGPT를 쓰는 수준에 머물러 있을 때, 실제 프로덕션 환경에서 AI 에이전트를 돌리는 곳은 상위 1%도 안 됩니다. 말만 많고 실제로 작동하는 사례는 드물죠. SafetyCulture는 그 예외적인 케이스입니다.
Kyle Poyar가 Growth Unhinged에서 소개한 이 사례는 SafetyCulture의 GTM 엔지니어링 팀이 AI 에이전트 4개를 구축해 미팅 예약률을 3배, 신규 기회 창출을 2배 늘린 이야기입니다. 연간 50만 건의 무료 가입이 180개국에서 들어오는 상황에서, 사람이 일일이 처리하기엔 불가능한 규모의 문제를 AI로 풀어냈죠.
출처: How to use AI agents for marketing – Growth Unhinged
연 50만 가입자, 사람이 어떻게 감당하나요?
SafetyCulture는 제조, 유통, 건설, 심지어 광업 같은 현장 중심 산업을 위한 안전 관리 플랫폼입니다. 200만 명 이상의 사용자가 있고, 작년에만 50만 팀이 무료로 가입했습니다. 그것도 90%가 체크리스트 라이브러리를 통해 자연 유입으로 들어왔죠.
문제는 이 가입자들이 180개국에서 오고, 초기 구매자들은 기술에 익숙하지 않으며, 중소기업부터 글로벌 대기업까지 스펙트럼이 넓다는 겁니다. 세일즈 팀이 일일이 리드를 확인하고, 회사를 조사하고, 맞춤형 아웃리치를 작성하기엔 물리적으로 불가능한 규모였습니다.
4가지 AI 에이전트가 해결한 방법
SafetyCulture는 단순히 ChatGPT를 쓰는 대신, 실제 워크플로우에 깊숙이 통합된 AI 에이전트를 만들었습니다.
1. AI 기반 리드 풍부화
단일 데이터 제공업체에 의존하면 정보가 불완전하고 금방 구식이 됩니다. 그래서 5개 제공업체를 동시에 호출하는 ‘워터폴 방식’으로 데이터를 수집했죠. 한 곳에서 못 찾으면 다음 곳으로 넘어가는 식입니다. AI는 수집된 정보를 회사 웹사이트나 링크드인과 대조해 사실을 확인합니다. 미국 리드의 경우 OSHA(산업안전보건청) API까지 조회해서 최근 안전 위반 기록이 있는지 확인하죠. 이 정보는 영업팀이 고객의 위험 요소를 파악하는 데 결정적인 맥락을 제공합니다.
결과: 리드 풍부화 커버리지 거의 100% 달성, 수백 시간의 수동 리서치 제거.
2. AI 자동 BDR
리드가 들어오면 AI가 Salesforce에서 이름, 직함, 회사를 가져옵니다. HubSpot API로 웹사이트 방문 기록을 확인해 의도를 파악하고, ZoomInfo로 경력을 조회해 과거 SafetyCulture 사용 경험이 있는지 교차 검증합니다. 그런 다음 같은 산업과 국가의 고객 사례 2개를 선택해 맞춤형 이메일을 작성하고, Gong Engage를 통해 발송합니다.
빠른 응답이 중요한데, 사람이 일일이 하기엔 느렸던 문제를 해결했죠. 특히 유럽이나 라틴아메리카처럼 다국어 지원이 필요한 시장에서 각 지역마다 BDR을 배치하지 않아도 되니 확장성이 확보됐습니다.
결과: 미팅 예약률 3배, 기회 창출 2배 증가.
3. AI 라이프사이클 개인화
감사, 체크리스트, 안전 규정 준수 등 고객이 SafetyCulture를 쓰는 이유는 각양각색입니다. 획일적인 메시지는 아무도 만족시키지 못하죠. AI는 RAG(검색 증강 생성) 방식으로 제품 사용 패턴을 분석해 300개 이상의 핵심 유즈케이스를 도출했습니다. 이를 바탕으로 2,500개 이상의 카피 변형을 생성해 Redshift와 Braze에 저장했고, 각 사용자에게 맞춤형 라이프사이클 커뮤니케이션을 자동으로 보냅니다.
결과: 신기능 채택률 10% 상승, 더 깊은 사용으로 인한 리텐션 개선.
4. AI 커스텀 앱 레이어
각 시스템(Salesforce, Gong, Amplitude 등)마다 AI 봇이 따로 있고, SafetyCulture 제품에 특화되지도 않았습니다. 영업팀은 여러 시스템을 오가며 정보를 짜깁기해야 했죠. “애들이 Salesforce 쓰기 싫어해요”라고 Hamish Grant는 농담처럼 말했습니다.
그래서 Retool로 모든 시스템을 통합한 단일 인터페이스를 만들었습니다. 리드 콘솔과 회사 뷰어로 구성돼 있고, AI 풍부화 데이터, Gong 통화 녹취록, Amplitude 사용 데이터, 이탈 예측 등이 한 곳에 모입니다. AE(Account Executive)는 “이 계정의 사용량이 어떻게 돼?” 같은 질문을 AI에게 던지면 즉시 답을 얻죠. Gong 통화 녹취록을 SPICED 프레임워크로 자동 요약해 BDR에서 AE로 핸드오프할 때 Salesforce에 기록합니다.
결과: 리드→기회 전환율 25% 증가, BDR이 기회당 30분 절약.
자동화에 올인했다가 코파일럿 모델로 선회한 이유
SafetyCulture 팀은 처음엔 자동화(autopilot) 유즈케이스에 집중했습니다. AI가 알아서 다 하게 만드는 거죠. 하지만 시간이 지나면서 혼합 모델로 전환했습니다. 새로운 AI 워크플로우는 일단 코파일럿(copilot)으로 시작하는 겁니다.
이유가 뭘까요? “초기엔 AI가 완전히 빗나갔어요. 할루시네이션이 심각했죠.” Hamish의 말입니다. 현장 작업자들이 SafetyCulture를 믿고 쓰는 만큼, 브랜드 신뢰도를 지키는 게 중요했습니다. 데이터 접근 권한, 보안 리스크, 컴플라이언스 같은 장벽도 있었고요.
또 하나 배운 점: 비용입니다. 답장 하나마다 AI 리서치가 돌아가면 비용이 쌓입니다. 그래서 높은 적합도를 가진 고객에게만 AI 쿼리를 우선 배치하기로 했죠. 대형 LLM이 항상 최선은 아니었습니다. 빠르고 저렴한 소형 모델이 고속 GTM 워크플로우에는 더 나았습니다.
AI 에이전트, 이제 실전이다
AI 도입은 단순히 ChatGPT를 팀에 깔아주는 게 아닙니다. SafetyCulture는 고객 여정을 맵핑하고, AI가 (a) 식별, (b) 개인화, (c) 예측, (d) 코파일럿, (e) 자동화 중 어디서 의미 있는 레버리지를 만들 수 있는지 선별했습니다.
우리는 아직 초기 단계에 있습니다. 하지만 SafetyCulture 같은 사례는 “AI 에이전트가 실제로 작동한다”는 증거이자, 어떻게 구축해야 하는지에 대한 구체적인 청사진입니다. 연 50만 가입자를 사람 손으로 관리할 순 없지만, AI 에이전트는 가능하다는 걸 보여줬죠.
답글 남기기