자동화 얘기보다 예외 고객 얘기가 더 길어지는 날
Salesforce의 마케팅 책임자 Bobby Jania는 올해 공개 글에서, 회사들이 강한 AI를 붙여 놓고도 여전히 일방향 메시지를 더 빨리 보내는 데 머무는 경우가 많다고 짚었다. 고객이 답장했을 때 지금 이 사람이 이미 상담 중인지, 최근 환불을 했는지, 다른 팀이 먼저 접촉했는지 한눈에 안 보이기 때문이라는 뜻이다. 현장에서는 이 말이 낯설지 않다. 자동화 화면을 열어도 금방 대화가 바뀐다. 이 고객은 이번 캠페인에서 빼야 하나, 휴면 기준은 어느 팀 숫자를 따라야 하나, 영업이 잡고 있는 계정은 누가 막아 주나. 흐름을 설계하기도 전에 확인 회의가 길어진다.
같은 고객을 두고 팀마다 다른 표를 들고 들어온다
겉으로는 고객 데이터가 이미 많은 것처럼 보인다. CRM도 있고, 광고 반응도 있고, 구매 이력도 있고, 상담 기록도 있다. 문제는 이 정보가 한 사람 기준으로 정리돼 있지 않다는 데 있다.
마케팅팀은 최근 클릭과 세그먼트 진입 조건을 보고, 세일즈팀은 영업 단계와 파이프라인 상태를 보고, 서비스팀은 문의 이력과 불만 고객 표시를 본다. 같은 고객을 보고 있어도 당장 걸러야 할 예외가 서로 다르다. 누군가는 체험판 사용자를 신규 리드로 보지만, 다른 팀은 이미 접촉 중인 계정으로 본다. 누군가는 환불 고객을 재활성화 대상으로 두지만, 다른 팀은 일정 기간 제외 대상으로 둔다.
이 상태에서 AI 자동화를 붙이면 속도가 붙기보다 충돌이 먼저 드러난다. 규칙이 많아서가 아니다. 규칙의 출처와 우선순위가 갈라져 있어서다.
왜 확인 회의가 먼저 늘어날까
대화가 길어지는 이유도 늘 비슷하다. 세그먼트가 어제 밤 기준인지 지금 기준인지부터 다르면 같은 고객도 포함 여부가 달라진다. 환불 고객 제외나 영업 접촉 중 계정 제외처럼 민감한 규칙을 누가 책임지는지 흐리면 회의마다 같은 질문이 다시 나온다. CRM 값과 커머스 값이 다를 때 무엇을 우선으로 볼지도 정해져 있지 않으면, 자동화는 결국 멈추거나 너무 안전한 쪽으로 돌아선다.
그래서 실무자는 자동화가 실패했다고 느끼기 쉽다. 하지만 실제로는 생성 모델이 약해서라기보다 운영 기준이 서로 안 맞아서 흐름을 못 태우는 경우가 많다. 캠페인을 한 번 돌릴 때마다 예외 고객 명단을 따로 돌려 보고, 승인 메시지를 다시 남기고, 발송 직전까지 제외 조건을 확인하게 되는 식이다.
최근 조사도 같은 장면을 보여준다
Salesforce의 2026년 State of Marketing을 보면, 마케터 69%가 고객에게 제때 답하기 어렵다고 답했다. 이유는 필요한 맥락에 바로 접근하지 못해서다. 서비스 데이터에 완전히 접근할 수 있다는 응답은 58%, 세일즈 데이터는 56%, 커머스 데이터는 51%였다. 고객이 한 사람으로 안 보이면 자동화는 빨라지기보다 엇갈리기 쉽다.
GrowthLoop의 2026년 AI and Marketing Performance Index도 비슷하다. 고객 데이터 단일 기준을 완전히 갖췄다는 조직은 46%에 그쳤고, 77%는 테스트에서 이긴 안이 확장 단계에서 적어도 가끔 무너진다고 답했다. 작은 실험에서는 맞아 보이던 규칙이 실제 운영으로 넓어질수록 다른 부서 기준과 부딪힌다는 뜻에 가깝다.
StackAdapt와 Ascend2의 2026년 개인화 조사도 같은 방향을 가리킨다. 이 조사에서는 분절된 데이터, 끊긴 도구, 약한 측정 연결이 개인화를 막는 핵심 문제로 나왔고, AI를 채널 전반에 완전히 녹였다는 응답은 다섯 명 중 한 명 수준에 머물렀다. 77%의 에이전시 마케터는 개인화 성과를 설명하고 입증하는 일도 어렵다고 답했다. 자동화가 돌아가도 왜 이 고객이 들어왔고 왜 저 고객이 빠졌는지 설명이 안 되면 현장은 다시 회의로 돌아간다.
자동화가 멈추는 자리는 생각보다 단순하다
현장에서 자주 막히는 지점은 거창하지 않다. 제외 고객 목록이 주마다 다른 파일로 돌고, 영업팀이 따로 관리하는 핵심 계정 표가 실시간으로 안 붙고, 서비스팀의 민감 고객 표시가 캠페인 도구까지 넘어오지 않는 식이다. 그러면 사람들은 AI가 똑똑한지보다 먼저 이 흐름을 믿어도 되는지부터 묻게 된다.
여기서 팀이 택하는 안전한 선택도 비슷하다. 세그먼트를 덜 잘게 나누고, 예외 조건을 수동 검토로 돌리고, 발송 간격을 늦추고, 큰 캠페인일수록 최종 확인 회의를 하나 더 잡는다. 밖에서 보면 자동화가 약한 것처럼 보여도 안에서는 사고를 줄이려는 방어 동작에 가깝다.
조금 덜 꼬이게 하려면
처음부터 모든 기준을 하나로 합치려 하면 더 느려질 때가 많다. 실무에서는 예외 기준 네다섯 개만 먼저 고정해도 체감이 달라진다. 예를 들면 이미 영업 접촉 중인 고객, 최근 환불 고객, 특정 계약 상태 고객, 최근 불만 접수 고객처럼 발송 사고가 큰 조건부터 정한다. 그리고 각 조건마다 어느 시스템 값을 따를지, 언제 갱신된 값을 기준으로 볼지, 누가 바꿀 수 있는지까지 같이 적어 두는 편이 낫다.
이 작업은 화려하지 않다. 그래도 이 표 하나가 없으면 자동화 규칙은 늘어도 회의는 줄지 않는다.
자동화 앞에 확인 회의가 서는 데는 이유가 있다
부서마다 고객 데이터와 예외 기준이 다르면 사람들은 도구를 못 믿어서가 아니라 책임을 혼자 떠안을 수 없어서 다시 모인다. 누구를 빼야 하는지, 무엇을 최신으로 볼지, 문제가 생기면 누가 설명할지를 정하지 않은 채 자동화만 얹으면 더 빠르게 어긋날 수 있어서다.
그래서 회의가 길어지는 팀이라면 자동화를 덜 믿는다고만 볼 일은 아니다. 아직 한 사람의 고객을 같은 기준으로 보지 못하고 있다는 신호에 더 가깝다. 그 기준만 조금 맞아도 자동화는 그다음부터 훨씬 덜 시끄럽게 움직인다.
관련 글
같은 맥락에서 이어서 읽기 좋은 글들입니다.