Gong 보고서: AI 영업 활용 기업, 영업사원 1인당 매출 77% 증가

개요

수익 인텔리전스 기업 Gong이 발표한 대규모 연구(3,600개 기업의 710만 건 딜 데이터 + 미국·영국·호주·독일의 매출 리더 3,000명 설문)에 따르면, 매출 리더의 약 70%가 인공지능을 신뢰해 의사결정에 정기적으로 활용하고 있다. AI는 인간 판단을 대체하기보다 ‘세컨드 오피니언’으로서 예측과 전략 수립의 직관을 데이터로 보완하며, AI를 핵심 GTM 전략에 내재화한 조직은 그렇지 않은 조직 대비 승률을 높일 가능성이 65% 더 큰 것으로 나타났다.

성장 둔화와 생산성 압박

AI 영업으로 리퍼당 매출 77%↑

2025년 평균 연매출 성장률은 16%로 둔화됐고, 쿼터 달성률도 52%에서 46%로 하락했다. 개별 딜 성과(승률·리드타임)는 유지됐지만, 담당자당 처리 기회가 줄어 운영 비효율이 판매 시간에 침식한 것으로 분석된다. 이런 배경에서 생산성 제고가 2026년 1순위 성장 전략으로 부상했으며, AI를 정기적으로 쓰는 팀은 비사용 팀 대비 영업사원 1인당 매출이 77% 높았다. Gong은 이를 ‘영업사원 1명당 연간 6자리 수’ 격차로 해석한다. 이같은 격차는 AI 영업 도입이 단순한 효율화가 아니라 수익 구조 자체를 개선함을 시사한다.

자동화에서 지능으로의 전환

전략적 예측과 리스크 탐지

2024년의 콜 기록, 이메일 작성, CRM 업데이트 같은 기본 자동화를 넘어, 2025년에는 ‘자동화에서 지능으로’의 전환이 가속했다. 미국 기업의 예측·전략 과제 측정용 AI 활용은 전년 대비 50% 급증했고, 상위 95퍼센타일 임팩트를 낸 조직은 이러한 전략적 유스케이스(딜 결과 예측, 이탈 위험 계정 식별, 페르소나별 가치 제안 검증)를 2~4배 더 많이 배치했다. 사람의 낙관을 근거로 하던 예측에 대해 AI가 증거 기반의 세컨드 오피니언을 제공하면서, 예측 정확도가 10~15%포인트 개선됐다는 결과도 나왔다. 이러한 흐름은 AI 영업 도구를 단순 ‘자동화 플러그인’이 아닌 의사결정 엔진으로 재정의한다.

도메인 특화형이 범용형을 앞선다

수익 특화 AI vs. 범용형 도구

판매 워크플로우에 맞춰 설계된 수익 특화형 AI를 쓰는 팀은 범용형 도구(예: ChatGPT 중심) 의존 팀보다 매출 성장률이 13% 높고, 상업적 임팩트는 85% 더 컸다. 특화형은 예측·프리딕티브 모델링 배치 비율도 2배 높았다. 반면 범용형·개인용 AI의 그림자 사용은 보안 리스크와 데이터 단절을 초래해 조직 차원의 지능화를 저해한다. MIT 연구는 ‘직장에서 개인용 AI를 쓴다’고 답한 비율이 59%지만 실제는 90%에 육박할 수 있다고 지적한다.

일자리 영향과 역할 재편

축소보다 재편, 반복 업무의 제거

향후 3년간 인력에 미칠 영향에 대해 43%는 ‘감축 없이 직무 재편’을, 28%는 감원을, 21%는 신규 일자리 창출을 전망했다(8%는 영향 미미). Forrester에 따르면 영업사원의 77% 시간은 고객 비대면 업무(관리, 미팅 준비, 리서치, 예측 업데이트 등)에 쓰인다. AI가 이 반복 업무를 제거하면 생산성이 ‘반에서 완전’으로 전환될 수 있고, 실제로 역할 통합이 진행 중이다. 과거 리드 자격, 미팅 세팅, 성사, 온보딩이 쪼개졌다면 이제는 한 명이 더 많은 구간을 담당한다. Gong 내부에서도 AI가 발굴을 맡아 영업대표가 미팅의 80%를 스스로 만들어내고 있다.

지역별 도입 속도 격차

미국이 영국보다 12~18개월 앞서

미국 기업의 87%가 이미 매출 운영에 AI를 쓰고 있으며 9%는 1년 내 도입 예정이다. 영국은 70%가 사용 중이고 22%가 단기 도입 계획으로, 미국의 2024년 수준을 12~18개월 시차로 추격하는 양상이다. 역사적으로도 엔터프라이즈 기술 채택은 대서양을 건너며 지연되는 경향이 있으나, AI 영업 분야에서는 미국이 선도 중이다.

경쟁 구도와 기술 아키텍처

Gong의 3계층과 MCP 기반 상호운용

연간 반복 매출 3억 달러를 돌파한 Gong은 Salesforce·Microsoft의 플랫폼 내 AI 내장 움직임과 경쟁·협력을 병행한다. Gong의 아키텍처는 CRM·이메일·콜·영상·웹 시그널을 통합하는 ‘레베뉴 그래프’, 대형 언어모델과 약 40개의 소형 전용 모델을 결합한 인텔리전스 계층, 그 위의 워크플로 애플리케이션 3층으로 구성된다. 이러한 스택은 10년에 걸친 축적이 필요하며, MCP(Model Context Protocol) 지원과 소비 기반 과금 확산으로 고객은 여러 벤더의 에이전트를 혼합해 사용할 수 있다.

의미와 전망

AI 영업이 산업을 확장할 가능성

디지털 카메라 이후 스마트폰이 사진 촬영을 폭발적으로 늘렸듯, 판매도 쉬워지면 시장과 일자리가 오히려 확대될 수 있다(최대 10배 전망). 2015년만 해도 ‘AI’는 영업 현장에서 생소했지만, 이제는 10명 중 7명이 AI를 신뢰하며 무시할 수 없는 표준이 됐다. AI 영업의 본질은 인간 판단을 대체하는 것이 아니라, 조직 전반의 예측·의사결정 역량을 증거 기반으로 끌어올리는 데 있다.