출처
- source_url: https://discuss.pytorch.kr/t/gn-gtm-go-to-market-ai/10990
- author: 9bow
- published: 2026-06-25
- raw: raw source:
web-2026-06-30-gn-why-gtm-ai-failed-and-fixes
요약
이메일 작성, AI SDR, 인텐트(intent) 도구 등 다양한 AI를 도입한 GTM(Go-To-Market) 팀 대부분이 기대만큼의 영업 생산성, 파이프라인, 매출 향상을 체감하지 못하고 있다. AI에 계정 공략을 맡기면 “Acme가 SDR을 채용 중이고 작년에 실주 건이 있었으니 파이프라인 갱신 관련해서 연락하라” 같은, 기술적으로는 맞지만 지극히 일반적인 메시지만 나와 구매자가 곧바로 삭제하게 만드는 결과로 이어진다.
원문은 GTM 팀이 통제 가능한 세 입력을 타겟팅(Targeting), 가설(Hypothesis), 실행(Execution)으로 나누고, 대부분의 GTM AI 도구가 진짜 레버리지가 있는 타겟팅·가설 단계가 아니라 이메일·스크립트 생성 같은 실행(Execution) 계층에만 지나치게 집중한다고 지적한다. 근본 원인은 두 가지다. 첫째, Context — 에이전트가 CRM, 콜 녹취, 채용 공고, 인텐트 신호 등 판단에 필요한 데이터 조각을 다 갖지 못하거나, 그 조각들이 어떻게 맞물리는지 모른다. 예를 들어 같은 “SDR 채용” 신호라도, 자사 제품과 연동이 잘 되고 최근 웹사이트를 방문한 A사와, 이미 경쟁 도구에 3년 계약을 막 맺은 B사는 전혀 다른 우선순위를 가져야 하는데 컨텍스트 없는 에이전트는 이를 구분하지 못한다. 둘째, Logic — 타겟팅·가설 생성 같은 상위(upstream) 지능을 벤더에게 위탁하면, 같은 벤더를 쓰는 모든 경쟁사와 동일한 의사결정 로직을 돌리게 되어 경쟁 우위가 사라진다.
해법으로 원문은 원천 데이터와 실행 도구 사이에 자사 고유의 GTM Context Layer를 구축할 것을 제안한다. 이 계층은 세 부분으로 구성된다. ① Data Foundation: CRM·제품 사용·채용 공고·콜 노트 등 원천 데이터를 웨어하우스·ETL로 통합. ② GTM Decision Logic: ICP, 페르소나, 계정 스코어링, 신호 가중치, 제외 기준을 정의하는 규칙 기반 계층으로, SQL/dbt 모델이나 룰 엔진으로 구현하며 이것이 진짜 경쟁력의 원천이다. ③ AI Orchestration Layer: 검색·도구 호출·프롬프트 라우팅으로 전략을 실제 행동으로 전환하는 워크플로 계층. 이렇게 구성하면 앞선 “Acme” 예시 메시지가 어떤 부서에 어떤 앵글로 접근할지까지 구체화된 형태로 바뀐다. 시작점으로는 의사결정 로직이 서드파티 AI에 넘어가 있지 않은지 감사하고, 단일 신호가 아닌 이벤트 조합으로 아웃리치를 트리거하며, 도구에 넘기는 오케스트레이션 페이로드를 초맥락적으로 제약하라고 권한다. 결론적으로 AI는 전략을 대체하지 않으며, 그 전략이 실제로 얼마나 정교한지를 드러낼 뿐이라는 것이 원문의 핵심 메시지다.
관련 위키
원문 보존 위치
원문 전체는 raw source: web-2026-06-30-gn-why-gtm-ai-failed-and-fixes에 source_url과 함께 저장되어 있다.