AI 영업 에이전트 성공률 2%? — 미국의 기업 사례 살펴보기

AI 영업 에이전트(AI SDR) 도입의 성공률이 왜 2%밖에 안 되는지, 그리고 그 2% 안에 들어가려면 어떤 기준을 지켜야 하는지 정리해 드릴게요. Lenny's Podcast에서 공개된 Vercel의 실제 실험 결과와, $74M을 조달하고도 붕괴한 11x.ai, 700명을 해고하고 다시 사람을 뽑는 Klarna 사례를 교차 분석했어요.

결론부터 말씀드리면 이래요.

"AI는 영업팀을 대체하지 않습니다. 영업 업무의 하위 집합을 대체합니다."

이 한 문장을 기준으로 보면, 왜 Vercel은 SDR 10명 중 9명을 유지한 채 자동화에 성공했고, 왜 11x.ai는 고객 70-80%를 잃었는지가 명확해져요.

AI 영업 에이전트가 뭔가요?

AI 영업 에이전트는 인간 SDR(Sales Development Representative, 영업 개발 담당자)의 반복적 업무를 자동화하는 LLM 기반 에이전트 시스템입니다. 리드 적격성 판단, 이메일 초안 작성, 스케줄링, CRM 데이터 입력 같은 작업을 대신 수행해요.

2024-2025년에 Artisan, 11x.ai, Autobound 같은 서비스들이 "인간 SDR을 완전히 대체한다"는 약속으로 수천만 달러를 조달했어요. 2026년 초 현재, 시장 데이터는 그 약속이 대부분 지켜지지 않았다는 것을 보여줍니다.

Salesmotion 2026 리포트 기준:

• AI SDR 도구의 성공률: 약 2%

• 1년 내 이탈률: 50-70%

• Artisan G2 평점: 3.8/5 (카테고리 최하위)

그럼 이 숫자들을 먼저 뜯어볼까요.

1. 먼저 실패부터 — 11x.ai는 왜 붕괴했나

11x.ai는 a16z(Andreessen Horowitz)와 Benchmark에서 총 $74M을 조달한 AI SDR의 대표주자였어요. 판매한 것은 "인간 SDR을 완전히 대체하는 자동 영업 에이전트".

2024년 말 TechCrunch 취재로 드러난 사실이 좀 충격적입니다.

• ZoomInfo가 11x.ai에 로고 무단 사용을 공식 지적 → 실제로는 트라이얼만 했음

• Airtable도 같은 상황. "우리는 11x.ai 고객이 아니다"

• 공개된 ARR $14M 중 유효 계약은 약 $3M

• 몇 달 안에 고객의 70-80% 이탈

기술 문제가 아니었어요. 같은 시기 Artisan 등 다른 AI SDR 도구도 비슷한 패턴을 보였고, 리뷰어들은 공통적으로 "고볼륨에서는 AI 티가 바로 난다"고 지적했습니다.

2. Klarna는 왜 사람을 다시 뽑고 있나

Klarna는 2022-2024년 OpenAI와 협력해 AI 고객 서비스 시스템을 만들고 700명을 해고했어요. 한때 "AI가 전체 문의의 2/3~3/4를 처리한다"고 자랑했죠.

2025년 이 전략이 뒤집어졌습니다. Klarna CEO Sebastian Siemiatkowski가 Bloomberg 인터뷰에서 한 말이 핵심이에요.

"비용이 너무 큰 평가 요소였습니다. 그 결과로 남은 것은 낮은 품질이었습니다."
— Klarna CEO, 2025

2025년 봄부터 Klarna는 "Uber 스타일" 하이브리드로 전환했어요. AI는 기본 문의만, 인간은 공감·재량·에스컬레이션이 필요한 이슈만. 그리고 다시 사람을 뽑기 시작했습니다.

실패의 공통 패턴

두 사례를 나란히 놓으면 이렇게 정리돼요.

눈치채셨겠지만 공통점이 하나 있어요. 모든 업무를 AI에 한 번에 맡긴 것. 이 지점이 Vercel 사례와 정반대입니다.

3. Vercel이 한 일 — SDR 10명을 1명으로 줄였는데 9명은 이직 안 했다

Jeanne DeWitt Grosser는 Vercel의 COO입니다. Stripe 초기 영업 조직을 세우고, Google에서 GTM을 이끈 사람이에요. Lenny Rachitsky 팟캐스트(2025년 11월 30일)에서 공개한 실험 결과는 다음과 같습니다.

실험 설계

원래 상태: Vercel 인바운드 SDR 10명

• 역할: 웹사이트 리드의 적격성 판단 + 초기 응답

적용: GTM 엔지니어 1명이 워크플로우를 에이전트로 전환

• 개발 시간: 6주, GTM 엔지니어 시간의 25-30%만 사용

• 설계: 최고 성과 SDR을 섀도잉해서 탭 7개(LinkedIn 조회, 기업 정보, ChatGPT, 내부 DB)를 워크플로우로 문서화

• Human-in-the-loop: 에이전트가 판단 + 초안 → 사람이 검토하고 "send" 버튼

6주 후 결과

• 리드-투-기회 전환율: 사람이 할 때와 동일 (flat)

• 응답 시간: 단축 (야간·주말 큐 적체 사라짐)

• 인력 배치: SDR 10명 중 1명만 "에이전트 QA 담당"으로 유지. 9명은 아웃바운드 영업으로 재배치

숫자만 보면 "10→1"은 Klarna와 비슷해 보여요. 결정적 차이가 있습니다.

Vercel은 9명을 해고하지 않았습니다. 더 높은 가치의 업무로 옮겼어요. Grosser의 말 그대로 인용하면 이렇습니다.

"평균적인 SDR은 원래 그렇게 정교한 리서치를 하고 있지 않았습니다. 대학 4년 나와서 'SDR이 되고 싶었어요'라고 말하는 사람은 아무도 없습니다. 단지 거기서 시작하도