Vercel의 영업 AI 도입

요약

• Vercel은 최고 영업 담당자의 일 처리 방식을 복제한 인공지능 에이전트를 도입했습니다.
• 인바운드 인원을 열 명에서 한 명 수준으로 줄이고도 영업 기회 전환율을 지켰습니다.
• 자동화의 성공은 모델 성능보다 사람의 업무 순서를 정교하게 코드로 옮기는 데 있습니다.

고객 문의 뒤에 숨어 있던 거대한 수작업 병목

웹사이트의 영업 문의 양식으로 들어오는 고객 정보는 겉보기에는 단순해 보입니다. 고객이 회사 이름과 이메일, 필요한 요구사항을 적어 보내면 영업팀이 이를 확인하고 답변을 보내는 구조이기 때문입니다. 하지만 소프트웨어 기업의 성장 이면에는 이 문의 창구를 지키느라 매일 수작업에 갇혀 있는 영업 개발 담당자, 즉 SDR(Sales Development Representative)들의 보이지 않는 노동이 있었습니다.

클라우드 프런트엔드 플랫폼 기업 Vercel 역시 똑같은 병목을 겪고 있었습니다. 공식 웹사이트의 영업 문의 양식에는 구매 의도가 높은 기업 고객뿐 아니라 단순 스팸과 영업과 무관한 잡다한 문의가 뒤섞여 쏟아졌습니다. 유입된 문의는 담당자의 전문 분야나 맥락과 무관하게 순번대로 기계식 배정되었습니다.

이로 인해 고객이 문의를 남긴 뒤 첫 응답을 받기까지 무려 24시간에서 48시간이 걸렸습니다. 시차에 상관없이 영업 담당자들은 해당 문의를 검토할 가치가 있는지 묻는 내부 알림에 하루 종일 시달렸습니다. 정작 잠재 고객과 깊은 대화를 나누어야 할 숙련된 영업 인력들이 스팸 거르기, 회사와 담당자 배경 조사, 구매 자격 판단, 첫 콜드 메일 초안 작성 같은 사전 준비 작업에 대부분의 근무 시간을 빼앗겼습니다.

이 문제를 해결하기 위해 당시 인바운드 영업에는 열 명에 달하는 전담 인력이 매달려 있었습니다.

6주 만에 결성된 팀과 최고 영업 담당자의 브라우저 추적

Google과 Stripe에서 약 10년씩 시장 진출과 영업을 총괄했던 Jeanne DeWitt Grosser가 최고운영책임자(COO)로 Vercel에 합류했습니다. 합류 약 6주 만인 2025년 6월, 그는 전담 시장 진출 엔지니어링 팀, 즉 GTM(Go-To-Market) 엔지니어링 팀을 신설했습니다. 그리고 팀에 단 하나의 명확한 임무를 부여했습니다. 바로 “GTM의 모든 일에 에이전트를 도입하라”는 지시였습니다.

GTM 엔지니어링 팀은 인공지능 모델부터 고르는 대신 전혀 다른 방식으로 접근했습니다. 팀의 엔지니어 한 명이 며칠 동안 Vercel에서 가장 성과가 뛰어난 최고 SDR의 뒤에 붙어 그가 일하는 모습을 그대로 관찰했습니다. 최고 담당자가 LinkedIn, 기술 스택 분석 도구인 BuiltWith, 고객사 공식 웹사이트, 사내 고객관계관리(CRM) 시스템, Slack 기록을 넘나들며 열고 닫는 모든 브라우저 탭을 빠짐없이 기록했습니다.

그 브라우저 탭의 이동 순서가 바로 최고 실무자가 머릿속으로 진행하는 업무 로직 그 자체였습니다. 엔지니어링 팀은 최고 담당자가 조회하는 외부 데이터 소스를 도구 호출 인터페이스로 바꾸었습니다. 생성형 인공지능 모델을 연결하기 전에, 정해진 순서대로 빈틈없이 작동하는 결정론적 워크플로 코드를 먼저 바닥에 깔았습니다. 사람의 행동을 코드로 완벽하게 규정하지 않고 모델에 프롬프트만 던져서는 일관된 품질을 얻기 어렵기 때문입니다.

이 과정에서 Vercel은 독특한 협업 체계인 ‘빌드 삼각대’를 가동했습니다. GTM 엔지니어와 데이터 과학자, 그리고 해당 업무를 가장 잘하는 실무 전문가(SME) 세 사람이 한 조로 뭉쳐 일하는 방식입니다. 이들은 최고 담당자의 모범 업무 방식을 문서로 정리하고, 이를 코드로 옮긴 뒤, 초기에는 사람이 모든 결과물을 일일이 검수했습니다.

주말 프로토타입에서 여섯 단계의 파이프라인으로

초기 프로토타입은 한 명의 엔지니어가 주말 동안 빠르게 만들었습니다. 그리고 6주 동안의 정교한 개발을 거쳐 2025년 8월, 실제 운영 환경에 배포되었습니다.

GTM 엔지니어링 팀의 Drew Bredvick이 2026년 1월 회고 글에 정리한 시스템의 런타임 흐름은 정교하게 맞물려 돌아갑니다. 고객이 웹사이트에서 영업 문의를 접수하면 시스템이 Clearbit와 ZoomInfo 같은 외부 데이터베이스의 인터페이스를 호출해 회사와 담당자의 프로필 데이터를 자동으로 채워 넣습니다.

이어서 심층 조사 에이전트가 웹 검색과 공개 공시 자료, 기술 스택 신호를 조회해 회사의 규모와 사업 모델을 정밀하게 분석합니다. 수집된 정보를 바탕으로 시스템은 문의를 자격 있음, 후속 조치 필요, 기술 지원 문의, 영업 무관 스팸의 네 가지 범주로 엄격하게 분류합니다.

분류 결과와 판단 근거는 담당 SDR의 Slack 채널로 즉시 전달됩니다. 여기서 구매 자격이 충분하다고 판단된 고객에게만 맞춤형 응답 이메일 초안이 자동으로 작성되어 Outreach 같은 영업 자동화 도구로 연결됩니다.

Vercel Labs는 이와 같은 처리 흐름을 담아 GitHub에 vercel-labs/lead-agent라는 공개 참고 구현 저장소를 올려 두었습니다. 이 구성은 웹 화면과 기본 서버 환경을 제공하는 Next.js를 기반으로 삼고, 인공지능 모델 호출을 돕는 AI SDK와 긴 시간이 걸리는 백그라운드 작업을 도중에 끊기지 않고 안정적으로 끝까지 이어 주는 Workflow DevKit을 핵심 엔진으로 사용합니다. 여기에 영업 담당자가 Slack 내부에서 승인 버튼을 누르며 대화형으로 소통할 수 있게 돕는 Slack Bolt와 심층 웹 조사를 전담하는 Exa 검색 API가 함께 유기적으로 맞물려 작동합니다. 다만 이 소프트웨어는 외부 개발자를 위한 참고용 구조일 뿐이며, 안내 문서에서도 Vercel 내부에서 실제로 운영하는 프로덕션 파이프라인과 완벽히 일치하는 복제품이라고 밝히지는 않았다는 점을 고려해야 합니다. 실제로 해당 템플릿은 AI SDK의 generateObject 기능을 활용해 수집된 정보 속에서 자격 분류 항목과 판단 논리를 정해진 데이터 구조로 추출하며, 그 과정에 웹 검색을 수행하는 Exa 에이전트를 내장해 활용하도록 설계되어 있습니다.

Vercel 리드 선별 파이프라인 흐름

실제 사내 시스템은 사용자가 문의를 제출했을 때 화면 뒤편에서 견고한 비동기 작업으로 작동했을 가능성이 높습니다. 대규모 언어 모델은 자유롭게 떠드는 챗봇이 아니라, 수집된 기업 데이터를 엄격한 JSON 규격에 맞추어 검증하고 사전에 정의된 분류표에 밀어 넣는 파이프라인 노동자처럼 움직였을 것입니다.

문의가 스팸이거나 일반 기술 지원 요청일 경우 영업 담당자의 대기열로 가지 않고 전담 고객 지원 채널로 바로 빠지도록 분기했을 것입니다. 외부 유료 데이터베이스에 장애가 생기면 섣부른 판단을 내리는 대신 판정을 보류하고 사람 검토 큐로 넘겨 실수를 원천 차단했을 가능성이 큽니다.

SaaStr는 Vercel 내부의 다른 업무 에이전트인 Deal One과 Playbook 역시 Salesforce 웹훅과 Gong API에 긴밀하게 연동되어 있다고 설명하는데, 이번 인바운드 리드 에이전트 또한 판정 결과와 상세 근거를 사내 Salesforce Outreach 시퀀스에 등록했을 가능성이 큽니다. 이때 에이전트의 서비스 계정에는 사내 CRM의 지정된 맞춤형 필드에만 정보를 입력할 수 있는 제한된 권한만 부여하고, 영업 파이프라인 단계를 다음으로 넘기거나 담당자 소유권을 이전하는 핵심 권한은 사람의 최종 결재가 끝날 때까지 보류하도록 설계했을 것입니다. 미국 담당자 1명과 유럽 및 아시아태평양을 아우르는 0.2명의 인력만으로 전체 대응이 가능했던 이유도, 에이전트가 국가 간 시차로 발생하는 업무 공백 동안 사전 조사와 초안 준비를 미리 마쳐 두었기 때문이었을 것입니다.

6주간의 섀도 모드와 사람 검토 장치

배포가 끝났다고 해서 곧바로 인공지능에게 고객 응답 전권을 넘기지 않았습니다. 2025년 8월 프로덕션 출시 이후 약 6주 동안 최고 SDR이 인공지능이 내놓은 모든 판단 결과와 이메일 초안을 직접 검토하고 수정하는 섀도 모드(HITL, Human-in-the-Loop)를 거쳤습니다.

이 기간 동안 최고 담당자는 매일 에이전트의 출력을 검수하며 로직을 다듬었습니다. SaaStr는 이 과정을 거친 시스템을 두고 “90번째 백분위 수준 영업 담당자처럼 100% 일한다”고 평가했습니다. 시스템이 최고 실무자의 암묵지를 온전히 흡수하여 실무자가 더 이상 수정할 피드백이 없다고 판단했을 때 비로소 사람의 개입을 줄였습니다.

실제 Slack 인터페이스에서는 영업 담당자에게 분석 요약본과 함께 승인, 수정, 반려 버튼이 함께 제공되었을 것입니다. 담당자가 Slack에서 내용을 훑어본 뒤 승인 버튼을 단 한 번 클릭해야만 고객에게 이메일이 실제로 발송되는 방식이었습니다. 고객에게 나가는 이메일은 기업 신뢰도와 직결되기 때문에 제안 영역과 실제 발송 영역을 엄격히 분리한 구조를 유지했을 것입니다.

SaaStr는 담당자가 지속적으로 검토하지 않으면 인공지능 에이전트의 결과물이 서서히 본래 기준에서 빗나가는 위험이 발생한다고 경고했는데, Vercel 역시 이를 통제하고자 6주간의 섀도 운영 기간 동안 동일한 고객 문의를 두고 전문 인력의 판단과 에이전트의 분류 결과를 나란히 기록하며 격차를 분석했을 가능성이 높습니다. 시스템을 한 번에 전면 자율화하기보다는 두 주체 간의 판단 일치율이 통계적 안정권에 도달하는 추이를 보며 에이전트가 초안을 작성하는 비중을 점진적으로 늘려 나가는 단계적 배포 방식을 취했을 것입니다. 특히 사람이 직접 대응하던 시절의 기회 전환율을 방어하는 것을 정식 도입의 최우선 관문으로 설정하고, 만약 전환율에서 이상 징후가 발견되면 즉시 100% 사람 승인 체계로 되돌리는 강제 복구 장치도 마련해 두었을 것으로 보입니다.

현장 영업 담당자의 하루 일과는 완전히 바뀌었습니다. 웹 검색과 스팸 분류, 콜드 메일 작성을 수작업으로 처리하던 고된 노동에서 벗어나, 인공지능이 미리 조사하고 작성해 둔 초안을 Slack에서 확인하고 승인 버튼을 누르는 검수 업무로 전환되었습니다.

10명에서 1.25명으로, 그러나 전환율은 그대로

성과의 수치는 명확했습니다. 기존에 약 10명의 전담 SDR이 매달려 처리하던 인바운드 영업 업무는 단 1.25명 수준으로 줄어들었습니다. 미국에서 1명이 이 업무를 맡고, 약 20%의 업무 시간을 투입하는 1명이 유럽과 아시아태평양 지역의 문의를 모두 감당하는 형태입니다. Tomasz Tunguz와 Drew Bredvick의 기록에서는 이를 10명에서 1명으로 줄인 것으로 단순화해 설명하기도 합니다.

인력을 줄였을 때 가장 우려되는 지점은 응답 품질의 저하였습니다. 하지만 Jeanne DeWitt Grosser COO는 Lenny’s Podcast 인터뷰에서 시스템 도입 전후로 리드가 실제 영업 기회로 이어지는 전환율이 떨어지지 않고 그대로 유지되었다고 밝혔습니다.

GTM 엔지니어링 팀의 Drew Bredvick은 프로젝트를 시작할 때부터 고객 응답 시간과 실제 영업 기회 전환율, 그리고 투입 인력 규모라는 세 가지 지표를 핵심 목표로 두고 지속해서 추적했습니다. Tomasz Tunguz의 분석과 Jeanne DeWitt Grosser COO의 인터뷰에 따르면, 야간이나 주말 사이에 대기열에 쌓이던 문의가 지체 없이 해소되면서 최종 계약 성사까지 도달하는 데 필요했던 영업 접촉 횟수 역시 의미 있는 수준으로 단축되었습니다.

이 과정에서 절감된 9명의 기존 숙련 영업 인력은 해고되지 않았습니다. 회사는 이들을 더 높은 부가가치를 만들어내는 아웃바운드 영업으로 전격 재배치했습니다. 속도를 높이기 위해 품질을 희생하거나 인건비를 깎기 위해 직원을 내보낸 것이 아니라, 인바운드 수작업의 족쇄를 풀어 능동적인 고객 발굴 영역으로 사람의 역량을 옮겨 실은 것입니다.

Vercel 인바운드 SDR 인원 이동

비용 측면의 지표는 두 가지 층위로 집계되었습니다. Jeanne DeWitt Grosser COO가 SaaStr에서 밝힌 바에 따르면 순수 클라우드 인프라와 언어 모델 토큰 비용은 연간 약 5,000달러에 불과했습니다. 여기에 엔지니어의 인건비 투입분과 유료 데이터 API 비용까지 모두 포괄하여 계산한 Drew Bredvick의 분석에서는 연간 비용이 약 6만 달러로 집계되었으며, 이를 통해 거둔 연간 비용 절감 효과는 200만 달러 이상으로 추산되었습니다. 두 계산 방식 모두 분자와 분모의 기준은 달랐지만 32배라는 내부 추정 투자수익률(ROI)을 기록했습니다.

구축된 시스템을 유지보수하는 데 드는 공수도 매우 가벼웠습니다. 전담 개발팀을 유지할 필요 없이 엔지니어 한 명 업무 시간의 20~30%만 투입하여 시스템의 안정적인 운영을 유지했습니다.

인바운드 선별 에이전트의 성공적인 검증 이후, Vercel은 동일한 프레임워크를 오프라인 행사 후속 조치나 제품 사용 기반 계정 발굴(PQA), 시점 기반 캠페인 등 사내 30개 이상의 SDR 워크플로로 확장했습니다. 이 시스템이 안착한 해당 분기에 전체 SDR 목표 할당량 달성률은 30% 상승했습니다.

한편 Vercel 내부에서는 영업 외의 다른 부서에서도 에이전트 도입이 활발하게 일어났습니다. 고객 지원 부서에서는 심층 기술 문의를 포함한 전체 고객 지원 건수의 93%를 지원 에이전트가 처리하게 되었고, 사내 콘텐츠 에이전트는 지난 분기 주요 콘텐츠 업데이트의 96%를 전담했습니다. 다만 버텍스 AI(Vertex AI) 기반의 고객 지원 에이전트는 월 약 300달러의 인프라 비용과 월 약 1만 2,000달러의 토큰 비용이 들어 연간 약 15만 달러와 엔지니어 3명이 투입되는 시스템으로, 연간 5,000달러 수준인 영업 리드 에이전트와는 별개의 예산 구조로 운영되었습니다.

에이전트 도입을 고민하는 기업 리더가 확인해야 할 점

Vercel의 사례는 화려한 최신 인공지능 모델의 이름을 자랑하는 프로젝트가 아니었습니다. 현장 최고 전문가의 탭 이동 순서와 업무 판단 기준을 끈질기게 관찰하여 소프트웨어 코드로 온전히 옮겨낸 조직적 성취였습니다.

기업이 인공지능 에이전트를 자사 업무에 도입할 때 이 사례가 주는 교훈은 분명합니다. 첫째, 자동화의 출발점은 인공지능 기술 그 자체가 아니라 사람의 뛰어난 업무 수행 방식을 규정하는 일입니다. 가장 뛰어난 실무자의 일 처리 방식을 곁에서 관찰하고, 그 과정을 도구 호출 중심의 정해진 워크플로로 먼저 단단하게 굳힌 뒤에 언어 모델을 얹어야 흔들리지 않습니다.

둘째, 사람의 책임을 완전히 지우는 무모한 전면 자동화 대신, 사람이 최종 승인 버튼을 쥐고 통제하는 HITL 방식을 유지해야 품질을 방어할 수 있습니다. Vercel이 리드 전환율을 떨어뜨리지 않고 인력을 재배치할 수 있었던 비결은 6주 동안의 엄격한 섀도 모드 검증과 한 번의 클릭으로 승인할 수 있는 직관적인 Slack 승인 루프에 있었습니다.

마지막으로 자동화로 확보한 인력을 어디로 보낼 것인가에 대한 전략적 준비가 선행되어야 합니다. 수작업에 묶여 있던 9명의 인력을 더 공격적인 성장 동력인 아웃바운드 영업으로 옮겨 실었을 때, 자동화는 단순한 비용 감축을 넘어 조직 전체의 매출 생산성을 밀어 올리는 강력한 지렛대로 작동합니다.

---

출처

SaaStr (Jason Lemkin) — Vercel Took a 10-Person SDR Team Down to 1. The Whole Thing Costs $5,000 a Year. With Vercel’s COO Jeanne DeWitt Grosser. — https://www.saastr.com/vercel-took-a-10-person-sdr-team-down-to-1-the-whole-thing-costs-5000-a-year-with-vercels-coo-jeanne-dewitt-grosser/ — 2026-09-22 확인

Drew Bredvick — Building Vercel’s First GTM Agent — https://drew.tech/posts/building-vercels-first-gtm-agent — 2026-01-23

Drew Bredvick newsletter — Behind the scenes of building Vercel’s first GTM agent — https://drew.tech/newsletter/behind-the-scenes-of-building-vercels-first-gtm-agent (canonical: https://drew.tech/newsletter/issues/22595353) — 2026-01-28

Tomasz Tunguz — Vercel’s AI Sales Agent : 10 SDRs Down to 1 in Six Weeks — https://tomtunguz.com/vercel-ai-sales-agents-jeanne-grosser/ — 2025-11-30

vercel-labs/lead-agent (공개 참고 구현) — https://github.com/vercel-labs/lead-agent — 2026-09-22 확인