영업 지원과 제안서 작성의 AI 전환 — 제안 속도와 승률은 실제로 개선되는가

영업 조직에 생성형 AI가 가장 먼저 침투한 업무는 통화 요약이나 리드 스코어링이 아니라 제안서와 입찰 응답서(RFP response) 작성이다. 표준화된 구조, 반복되는 섹션, 과거 자료의 재활용 비중이 높은 업무라는 점에서 대규모언어모델이 가장 쉽게 성과를 낼 수 있는 영역이기 때문이다. 실제로 이 영역에는 지난 2~3년 사이 전문 벤더가 여럿 등장했고, 이들이 공개한 사례들은 하나같이 속도 개선을 강하게 내세운다.

속도는 벤더들이 자신 있게 공개한다

영국의 제안서 작성 AI 업체 오토젠에이아이(AutogenAI)가 공개한 사례에 따르면, 영국 정부 아웃소싱 업체 서코(Serco)는 이 도구를 도입해 제안서 작성 시간을 85퍼센트 줄이고 작성 속도를 4배 높였다고 밝혔다. 미국의 RFP 응답 자동화 업체 인벤티브에이아이(Inventive AI)가 공개한 고객 사례에서는 마케팅 플랫폼 기업 인사이더(Insider)가 이 도구로 제안서 제출 건수를 3개월 안에 2.5배 늘렸고, 같은 기간 수주율이 30퍼센트대에서 50~70퍼센트대로 올랐다고 발표했다.

이 수치들은 전부 벤더 자신이나 벤더가 선정한 고객이 공개한 사례라는 공통된 한계를 갖는다. 같은 도구를 도입했지만 효과를 보지 못한 고객의 사례는 이런 발표에 등장하지 않는다. 그럼에도 속도 개선 자체는 여러 독립된 벤더에서 반복적으로 관측되는 현상이라, 제안서 초안을 사람이 백지에서 쓰는 시간이 AI 도입 후 눈에 띄게 줄어든다는 방향성은 비교적 신뢰할 만하다.

이 시장의 규모도 커지고 있다. 세일즈포스(Salesforce)는 2026회계연도 4분기 기준 영업·서비스 전반에 걸친 AI 에이전트 플랫폼 에이전트포스(Agentforce)의 연환산매출(ARR)이 약 8억 달러(약 1조 1,700억원)에 이르렀고 전년 대비 169퍼센트 늘었다고 밝혔다. 분기별 집계 기준에 따라 성장률 수치는 자료마다 차이가 있지만, 영업 업무 전반에 AI 에이전트를 투입하는 지출 자체가 빠르게 커지고 있다는 방향은 일치한다.

승률 지표로 가면 이야기가 복잡해진다

속도와 달리 승률(수주율) 개선은 증거가 훨씬 엇갈린다. 세일즈 인에이블먼트 업체 하이스팟(Highspot)이 조사기관 다이나타(Dynata)에 의뢰해 미국·유럽·아시아태평양의 영업·매출 책임자 463명을 대상으로 실시한 조사에서는, AI 도입이 실제로 매출을 끌어올리는 영업 성과를 개선했다고 응답한 비율이 28퍼센트에 그쳤다. 응답자의 96퍼센트가 우선순위 변화와 거래 지연으로 인한 업무 부담을 호소했다는 결과도 함께 나왔다. 이 조사는 AI 투자를 많이 했지만 실제로 전환하지 못한 조직을 'AI 리퍼(AI Leaper)'로 규정하며, 문제의 원인을 기술이 아니라 그 기술을 실행으로 옮기는 체계의 부재로 짚었다.

이와 대조적으로 컨설팅·조사기관 가트너(Gartner)가 수행한 설문에서는 AI 기반으로 영업 담당자에게 다음에 해야 할 최적 행동을 제시하는 '넥스트 베스트 액션' 기능을 제공하는 조직이 매출 성장을 달성할 가능성이 2.6배 높다는 결과가 나왔다. 같은 AI 기술이라도 제안서 작성처럼 산출물을 만들어내는 용도와, 담당자의 다음 행동을 안내하는 용도 사이에 성과 차이가 존재할 수 있다는 뜻으로 읽을 수 있다.

이 간극이 생기는 이유를 설명하는 가장 설득력 있는 분석은, AI가 제안서를 더 빠르게 더 많이 만들어내는 것과 그 제안서가 실제로 구매 담당자의 의사결정 기준에 맞는 것은 서로 다른 문제라는 지적이다. 입찰 영업을 분석하는 업계 자료들은 수주율을 실제로 끌어올리는 요인이 문장을 다듬는 속도가 아니라 어떤 입찰에 참여할지 가려내는 선별(bid/no-bid) 판단의 질이라고 짚는다. 속도가 빨라지면 같은 인력으로 더 많은 입찰에 응할 수 있게 되지만, 이긴 분 내에 승산이 낮은 입찰까지 함께 늘어나면 전체 승률은 오히려 희석될 수 있다. 실제로 승률 개선을 보고한 사례들은 대개 속도 개선과 함께 입찰 선별 기준을 같이 손댔다는 공통점이 있다.

한국 기업에 주는 시사점

한국의 중견기업이 영업 지원 업무에 AI를 들일 때 이 간극을 그대로 재현하지 않으려면, 도입 효과를 '제안서 작성에 걸리는 시간'이 아니라 '수주로 이어진 제안서의 비율'로 측정하는 체계를 처음부터 함께 설계해야 한다. 작성 속도만 추적하면 투입 대비 산출이 개선된 것처럼 보이는 지표는 쉽게 확보되지만, 그 산출이 실제 매출로 전환됐는지는 별도로 확인하지 않으면 드러나지 않는다. 또한 속도 개선으로 생긴 여력을 입찰 건수 확대에만 쓸지, 아니면 소수의 승산 높은 입찰에 더 깊이 투입하는 데 쓸지는 산업과 거래 구조에 따라 다른 답이 나오는 선택이다. 이 판단을 데이터 없이 관행대로 내리는 조직과, 선별 기준을 수치로 관리하는 조직 사이의 격차가 이 영역에서는 도구의 성능보다 결과를 더 크게 가른다.

참고한 자료

• Case Study: Serco achieves 85% time savings and 4X faster proposal writing with AutogenAI
• Case Study: Insider achieves 50%+ higher win rate and 90% faster RFP responses with Inventive AI
• New Highspot Study Finds AI is Failing Sales Teams - Business Wire
• Gartner Survey Shows AI-Enabled Next Best Actions Lift Sales Growth 2.6-Fold