AI 에이전트가 성능 문제보다 도입 문제에 먼저 직면하게 될까?

예를 들어 우리는 Rilla를 쓰는데, 이제 녹음하는 게 그냥 일상이 됐음. 영업 사원들이 대화 시작 전에 녹음 버튼을 누르고, 나중에 다시 보면서 뭐가 잘 됐는지 아니면 어디서 고객을 놓쳤는지 확인하거든. 내 생각엔 이게 핵심임. 툴을 쓰는 게 추가적인 행정 업무처럼 느껴지면 사람들은 안 쓰게 됨. 기존 업무 방식에 자연스럽게 녹아들고 유용한 피드백을 준다면, 훨씬 더 오래 살아남을 가능성이 높지.

영업 사원들이 AI한테 데이터 먹이려고 루틴까지 바꿔야 하면 결국 사용량은 곤두박질칠 거임.

맞음, 도구는 그들이 이미 하는 일에 잘 맞아야 하고 유용한 결과를 줘야 함, 안 그러면 99% 성능은 아무 의미 없음.

최고의 도구는 결국 도구처럼 느껴지지 않게 된다는 점에 동의함. 내가 보기에 어려운 건 그 첫 번째 습관 변화를 겪어내는 과정임. 사람들이 가치를 빠르게 느끼지 못하면, 그 도구를 쓰는 게 당연하게 느껴지는 단계까지 절대 도달하지 못함.

핫테이크지만 "에이전트가 완료한 작업 수"는 이런 분야에서 최악의 지표일지도 모름. AI가 500개 작업을 완료해도 아무도 영업 방식을 안 바꾸면 무슨 소용임? 난 클로징 비율이 올랐는지, 팀이 여전히 그 도구를 쓰는지 알고 싶음.

도입이 처음에는 더 큰 문제라고 봄. 아무리 유능한 에이전트라도 추가 단계를 만들거나, 감시하는 느낌을 주거나, 아무도 안 보는 대시보드만 늘리면 오래 못 감.

30일이나 90일 후에도 사람들이 계속 쓰는지, 그 통찰이 더 나은 코칭, CRM 업데이트, 워크플로우 변경 같은 실질적인 결과로 이어지는지 봐야 함. 사람들은 억지로 쓰게 만드는 도구가 아니라, 시간을 진짜 아껴주거나 성과를 높여주는 도구를 계속 씀.

30일이나 90일 체크가 핵심일 듯. 모두에게 쓰라고 시키면 출시 초기 숫자는 좋아 보일 수 있음. 몇 달 뒤에도 사람들이 계속 쓰고 업무 방식이 바뀌었다면 그게 정착된 거임.