AI 에이전트로 미팅 부킹 3배 만든 SafetyCulture 두 실험

Kyle Poyar는 Growth Unhinged 뉴스레터에서 매주 “가장 빠르게 성장하는 스타트업의 숨은 플레이북”을 다루는데, 이번 글에서는 “AI 얘기는 다들 하는데 실제로 에이전트 워크플로우를 프로덕션에서 굴리는 회사는 거의 없다”고 운을 뗐어요. 그가 인용한 자기 매체의 2025 B2B GTM 리포트에 따르면, 마케팅 팀의 90% 이상이 여전히 ChatGPT를 메인 AI 사이드킥으로 쓰고 있는 수준이라고 해요.

그래서 그는 진짜로 굴러가는 상위 1%를 찾아 SafetyCulture의 Hamish Grant 팀(GTM 엔지니어링)을 인터뷰했어요. SafetyCulture는 현장 작업자들을 위한 글로벌 플랫폼인데, 사용자 200만 명 이상, 작년 한 해에만 무료 팀 가입 50만 건이 들어왔고 그중 90%가 자체 체크리스트 라이브러리를 통해 organic으로 유입됐어요. 가입 출신은 180개국, 산업은 제조·소매·운송·건설·광산까지. 클래식한 기술 도입 고객층이 전혀 아니에요.

결과부터 보면, AI 에이전트를 본격 도입한 뒤 lead enrichment는 near-100% 커버리지, 만든 opportunity 수는 2배, AI 기반 outbound의 미팅 부킹율은 3배, 피처 채택률은 10% 올랐어요. 이 글은 그 두 가지 에이전트 워크플로우를 그대로 뜯어 보여줘요.

실험 1. 5개 공급사를 동시에 호출하는 워터폴 lead enrichment

SafetyCulture의 고객은 정말 “어디에나” 있어요. 미국·유럽·라틴아메리카의 제조, 광산, 건설 현장까지 닿아 있는데, 단일 enrichment 플랫폼 하나에 의존하니까 데이터가 빈약하고, 패치워크 같고, 금방 outdated 돼버렸어요.

그래서 만든 게 “플랫폼 중립적”인 AI 기반 lead enrichment 에이전트예요. Clay 같은 도구와 비슷한 아이디어인데, 인하우스에서 직접 빌드했어요. 워크플로우는 이렇게 굴러가요.

1. 에이전트가 5개의 third-party 공급사를 순차적으로 호출해요. 충분한 데이터가 모일 때까지 워터폴 방식으로 진행돼요(“waterfall enrichment”).
2. 각 속성마다 가장 가치 있는 값을 에이전트가 골라요.
3. 별도의 에이전트가 회사 웹사이트와 LinkedIn 같은 공개 정보로 fact-check 해요.
4. 미국 lead의 경우, 또 다른 에이전트가 OSHA(미국 직업안전보건청) API에서 최근 위반 이력을 검색해요. GTM 팀이 그 회사의 작업장 위험 맥락을 알 수 있게 보강 정보가 lead에 붙고 Slack으로 요약 발송돼요.
5. 마지막으로 AI 에이전트들이 가능한 최선의 정보로 최종 output을 만들어요.

결과는 명확했어요. 수백 시간짜리 수동 리서치가 사라졌고, enrichment 커버리지가 near-100%까지 올라갔고, GTM 팀과 후술할 AI 인바운드 BDR이 “진짜 핏 좋은 고객”부터 즉시 응대할 수 있게 됐어요.

Hamish가 정리한 교훈은 세 가지예요. 첫째, 데이터 hygiene이 다른 모든 AI 워크플로우의 연료다. 이게 안 맞으면 그 뒤의 개인화 메시지도 다 빗나가요. 둘째, 하나의 데이터 소스에 의존하지 말고 여러 소스를 cross-reference 해야 해요. 셋째, AI는 여러 input을 모으고, 검증하고, 오케스트레이션해서 하나의 신뢰할 만한 output으로 만들 때 빛을 발해요.

실험 2. AI 인바운드 BDR: Salesforce Lead ID 하나로 메일이 만들어진다

“작년에 무료 팀 가입을 50만 건 받았어요. 이 수요의 눈사태를 처리하는 게 정말 까다로워요.” Hamish의 말이에요.

핏 좋은 lead와 그렇지 않은 lead를 구분할 쉬운 방법이 없으니까, 세일즈 팀은 백로그를 수동으로 헤집고, 회사 하나하나 리서치하고, 개인화 outreach를 직접 썼어요. scale 안 되는 구조였고, 응답이 느려질수록 회신율이 죽었어요.

그래서 AI 인바운드 BDR을 훈련시켰어요. 역할은 세 가지: (1) 개인화 outreach 시퀀스, (2) 지식 베이스 기반 응답, (3) AE 캘린더와 동기화된 미팅 부킹. 워크플로우는 이런 식이에요.

1. 에이전트가 Salesforce Lead ID 하나를 input으로 받아요.
2. Salesforce에서 lead의 이름·직책·회사·산업을 가져와요.
3. HubSpot API를 호출해서 해당 lead가 본 페이지뷰를 끌어와요. 어떤 use case와 intent를 가졌는지 맥락을 잡는 단계예요.
4. ZoomInfo API로 고용 이력을 가져오고, Redshift 안의 Salesforce 데이터와 cross-reference 해서 이 사람이 과거 SafetyCulture를 써본 적 있는지 확인해요.
5. Salesforce 데이터(Redshift 경유)로 산업·국가에 맞는 고객 사례 두 개를 선택해요.
6. 최종 이메일을 작성하고 Gong Engage 플로우에 lead를 추가해요.

스택은 Retool(AI 에이전트 플랫폼), ZoomInfo(lead enrichment), Salesforce(CRM), HubSpot(마케팅 데이터), Redshift(데이터 웨어하우스), Gong(세일즈 engagement) 조합이에요. 결과는 미팅 부킹율 3배, 만든 opportunity 2배.

Hamish가 이 실험에서 건진 교훈도 세 가지예요. 첫째, 모든 회신마다 AI 리서치가 트리거되면 비용이 슬그머니 누적되니까, SafetyCulture는 핏 높은 고객 위주로 AI 쿼리를 우선순위화했어요. 둘째, AI BDR이 세일즈를 대체하는 게 아니라 warm-up 역할이에요. AE가 클로징에 집중할 수 있게 만드는 도구죠. 셋째, 다국어 지원이 특히 유럽·라틴아메리카에서 효과적이었어요. 각 지역에 사람을 두지 않고도 현지 응대가 가능하니까요.

본 글은 Growth Unhinged에서 발행한 원문 How to use AI agents for marketing을 번역한 것입니다. 원문의 의도와 다를 수 있으며, 정확한 내용은 원문을 참고하세요.