AI가 매출 워크플로에서 어디에 속하는가(그리고 어디에 속하지 않는가)

매출 팀이 AI를 받아들이고 나면, 모든 것에 그것을 겨누고 싶은 유혹이 생깁니다. 프로스펙팅, 검증, 예측, 협상, 클로징. 약간의 자동화가 도움이 된다면, 더 많은 것이 더 도움이 될 것이라는 생각입니다. 우리가 아는, 실제로 AI를 규모 있게 운영해본 리더들은 대개 더 신중한 지점에 도달합니다. AI는 워크플로의 특정 부분에서는 크게 도움이 되고 다른 부분에서는 실질적인 피해를 입히며, 대부분의 기술은 어느 것이 어느 것인지 아는 데 있습니다.

처리량 업무와 판단 업무

유용한 질문은 "어떤 업무인가"가 아니라 "어떤 종류의 업무인가"입니다. 매출 워크플로의 거의 모든 것은 둘 중 하나로 기울어져 있습니다.

처리량 업무는 물량이 많고, 패턴이 뚜렷하며, 대부분 모호하지 않습니다. 계정 조사. 활동 기록. 이메일 초안 작성. 레코드 업데이트, 신호 감시, 대기열 정렬. 그 가치는 지루해하지 않고 수백 개의 계정에 걸쳐 빠르고 일관되게 하는 데 있습니다.

판단 업무는 그 반대입니다. 위험도가 높고, 맥락이 무겁고, 관계에 의존합니다. 협상에서 분위기를 읽는 것. 거래를 포기할지 결정하는 것. 화가 난 임원을 다루는 것. 데이터가 완전히 뒷받침하지 않는 계정에 베팅하는 것.

AI는 첫 번째 종류에는 매우 뛰어나고 두 번째 종류에는 신뢰할 수 없습니다. 그래서 설계 규칙이 바로 따라옵니다. AI가 처리량을 소유하게 하고, 사람은 판단을 맡되, 그 둘 사이의 연결에 주의하세요. 이것은 코파일럿 대 오토파일럿 질문의 더 날카로운 버전이며, 자동화 성숙도 곡선과 일치합니다. 처리량은 일찍 자동화됩니다. 판단 업무는 있다 하더라도 천천히 접근됩니다.

명확히 속하는 곳

워크플로의 일부는 거의 순수한 상승 여력입니다.

신호 모니터링이 명백한 사례입니다. 어떤 담당자도 하루 종일 모든 채널에서 모든 계정을 지켜볼 수 없습니다. AI는 할 수 있고, 발견한 것의 순위를 매길 수 있습니다. 그 폭넓음은 실질적인 이점이며, AI가 사람이 놓치는 매출 신호를 읽는 방법에서 다룹니다.

조사 및 보강이 다음입니다. 수십 개의 흩어진 소스에서 계정이나 연락처에 대한 맥락을 모으는 것은 정확히 AI가 잘 다루고 사람이 미루는 종류의 지루하고 패턴화된 업무입니다.

초안 작성. 아웃리치, 팔로업, 미팅 요약, 제안서의 뼈대. AI 초안 작성에 사람의 편집을 더하는 것은 사람이 백지에서 시작하는 것보다 빠르며, 무엇을 보낼지는 여전히 사람이 결정합니다.

관리 업무 마무리. CRM 업데이트, 활동 기록, 작업 생성. 이것은 담당자가 판매하지 못하게 막는 잡무이며, 시작하기에 가장 수익률 높고 위험이 낮은 곳입니다. 아무도 그것을 하는 것을 그리워하지 않습니다.

그리고 추천. 사람이 취할지 결정하는 동안 다음 행동을 제안하는 것입니다.

이것들의 공통점은 애초에 아무도 그 일을 잘하지 못하고 있었거나, 결과물이 사람이 확인하는 초안이라는 것입니다. 어느 한 실수의 비용이 작습니다.

속하지 않는 곳

AI를 특정 자리에서 배제하는 것도 똑같이 중요합니다.

관계 그 자체. 구매자는 자신이 처리되고 있다는 것을 알아챌 수 있습니다. 신뢰가 쌓이는 대화는 사람의 것으로 남아야 합니다. AI는 담당자를 통화에 대비시킬 수는 있지만, 통화에 참여해서는 안 됩니다.

되돌릴 수 없는, 위험도가 높은 결정. 할인 권한, 포기, 계약상 약속. 여기서의 오류는 비싸고 되돌리기 어렵습니다.

아무도 지켜보지 않는 자율적인 아웃바운드. AI가 사람 확인 없이 구매자에게 메시지를 보내게 하는 것은 브랜드가 타는 방식입니다. 어긋난 메시지, 나쁜 타이밍, 제품이 지원하지 않는 주장들. 감독 없는 물량은 단적으로 부채입니다.

감사할 수 없는 모든 것. AI가 왜 무언가를 했는지 설명할 수 없다면, 그것은 감독 없이 이루어져서는 안 됩니다. 이것이 가드레일과 책임성에서 다루는 전체 논지입니다.

우리가 본 실패들은 공통된 형태를 갖고 있었습니다. 누군가 AI를 판단의 자리에 놓고, 되돌릴 수 없는 권한을 주고, 사람의 확인을 제거한 것, 이 모든 것이 동시에 일어난 것입니다.

선을 어디에 그을 것인가

그 경계는 움직입니다. 기술이 개선되고 특정 워크플로에서 신뢰를 쌓아감에 따라, 여러분은 고삐를 풀어줄 것입니다. 그렇게 하는 합리적인 방법은 다음과 같습니다.

1. 오류가 저렴하고 되돌릴 수 있는 곳에서 시작하세요. 관리, 조사, 초안 작성. 더 큰 것을 요구하기 전에 조직 내에서 낮은 위험의 승리로 신뢰를 쌓으세요.
2. 구매자가 상대편에 있는 곳이면 어디든 사람을 루프 안에 유지하세요. AI가 제안하고, 사람이 승인하고 보냅니다. 이것이 휴먼 인 더 루프 모델이며, 워크플로가 스스로를 입증할 때까지 기본값입니다.
3. 결과를 측정하고 감사할 수 있는 곳에서만 자율성을 확장하세요. 가드레일이 한 분기 동안 유지되면, 의도적으로 완화하세요.
4. 설명할 수 없는 것은 절대 자동화하지 마세요. 출처가 없으면 그 작업은 감독하에 남아야 합니다.

이 중 어느 것이든 워크플로가 지원할 수 있는지는 그 아래의 아키텍처에 달려 있습니다. AI 네이티브 시스템은 전체 워크플로에 걸쳐 보고 행동할 수 있습니다. 단일 도구에 부착된 AI는 그 도구가 볼 수 있는 것에 갇혀 있으며, 대개 많은 것을 맡길 만큼 충분하지 않습니다.

핵심 요약

• 먼저 업무를 분류하세요. 처리량(고물량, 패턴화됨)은 AI가 진가를 발휘하는 곳입니다. 판단(고위험, 관계적)은 AI가 무너지는 곳입니다.
• 안전한 베팅은 신호 모니터링, 조사, 초안 작성, 관리 업무 정리, 사람이 행동으로 옮기는 추천입니다.
• 구매자 관계, 되돌릴 수 없는 결정, 감독 없는 아웃바운드, 감사할 수 없는 모든 것에서 AI를 멀리 두세요.
• 선은 시간이 지나며 움직입니다. 저렴한 것부터 시작하고, 구매자 근처에는 사람을 두고, 무슨 일이 일어났는지 측정할 수 있는 곳에서만 확장하세요.
• 진짜 위험은 세 가지가 한꺼번에 오는 것입니다. 판단 호출, 되돌릴 수 없는 권한, 그리고 사람의 확인 부재입니다.

신중하게 실행하면, AI는 처리량 업무를 정리해서 사람들이 판단이 실제로 중요한 곳에 시간을 쓸 수 있게 합니다. 자신의 모션에서 AI가 어디에 맞는지 지도를 그리고 있다면, Revnewo가 오케스트레이션 계층 안에서 그 선을 긋는 방식이 유용한 참고가 될 것입니다.