AI SDR 비용 검증: SDR 담당자와 60일 비교, 미팅당 $46 대 $312

AI SDR은 첫 달에 소프트웨어 비용 $415로 미팅 11건을 잡았습니다. 비교 대상인 SDR 담당자 한 자리는 같은 달 약 $8,000의 총비용으로 19건을 잡았습니다. 하지만 정말 중요했던 숫자는 둘 중 어느 것도 아니었습니다. 두 쪽이 같은 계정에 동시에 이메일을 보낸 그 주, 성과 귀속이 어떻게 뒤엉켰는지가 핵심이었습니다.

AI SDR 비용 비교 결과부터 보면

60일 동안 예약된 미팅당 비용은 AI SDR 스택이 $46, SDR 담당자 한 자리의 총비용 기준으로는 $312였습니다. 이것이 가장 눈에 띄는 결과입니다. 하지만 이 숫자만 보여주면 오해를 부릅니다. 스크린샷 한 장 대신 이 글을 쓰는 이유도 여기에 있습니다.

실제 참석률과 SQL 전환율을 반영하자 격차는 크게 줄었습니다. SQL당 비용은 AI 스택이 $184, SDR 담당자 쪽은 $397였습니다. 여전히 AI SDR이 앞섰지만, 원시 대시보드가 암시한 6.8배가 아니라 2.2배 차이였습니다. 에이전트가 잡은 미팅과 사람이 잡은 미팅은 질적으로 같지 않았습니다. 이를 같은 것으로 간주하는 순간, 대부분의 “AI로 사람을 대체했다”는 사례가 빠지는 함정에 걸립니다.

숫자를 더 심하게 왜곡했고 발견과 수정도 더 어려웠던 문제는 성과 귀속 오염이었습니다. 테스트 기간 중 약 2주 동안 에이전트와 사람이 같은 타깃 계정에 이메일을 보냈습니다. 답장은 에이전트 받은편지함으로 오기도, SDR 담당자에게 가기도, 제가 직접 분류해야 하는 공용 info@ 주소로 들어오기도 했습니다. 양쪽 모두 성과를 자기 몫으로 잡았습니다. 벤더 대시보드와 CRM이 서로 다른 수치를 보여줬고, 계정을 다시 분리한 뒤 홀드아웃 그룹을 기준으로 귀속을 재계산하기 전까지는 둘 다 틀린 숫자였습니다.

바로 이 대목은 좀처럼 공개되지 않습니다. 미팅당 비용 계산은 쉬운 절반에 불과합니다. AI SDR이 실제 마진을 만드는지, 아니면 인건비 항목 밖으로 조용히 옮겨 놓은 이연 비용인지 결정하는 것은 성과 귀속입니다. 업계 자료에서도 AI SDR 소프트웨어 비용은 이미 SDR 담당자 한 자리의 총비용 중 일부에 불과하다고 설명합니다. 다만 그 비교는 성과 귀속이 깔끔하다는 전제를 둡니다. 에이전트와 사람이 같은 계정을 겹쳐 맡는 순간, 바로 그 전제가 무너집니다.

테스트 설계와 SDR 담당자의 총고용비용 기준선

아웃바운드 방식은 하나로 통일했습니다. ICP도 북미 지역, 직원 200~1,500명 규모의 미드마켓 B2B SaaS 기업으로 하나만 잡았습니다. 타깃 기업 4,200곳을 에이전트와 SDR 담당자에게 50/50으로 나누고, 두 목록 사이에는 강제 제외 규칙을 뒀습니다. 테스트는 늦여름부터 60일 동안 진행했습니다. 제안 내용과 연결할 캘린더 링크, 답장이 들어온 뒤 적용할 자격 판정 기준도 모두 같았습니다.

비교 기준으로 삼은 SDR 담당자 한 자리의 총비용은 추정치가 아닙니다. 재무팀 앞에서도 설명할 수 있도록 항목별로 계산했습니다.

연간으로 환산하면 한 자리당 총비용이 $140K를 조금 넘습니다. 기본급만 연 $60K를 웃돌고 각종 부담을 더하면 총비용이 크게 증가한다는 SDR 담당자의 업계 기준과도 일치합니다.

AI SDR 쪽도 동일한 범위와 기준으로 계산했습니다. 소프트웨어 구독료와 사용료, 그 아래에 필요한 데이터 레이어를 모두 포함했습니다. 숨겨진 인건비도, “어차피 이미 쓰던 계정”이라는 계산도, AI 수치를 유리하게 만드는 일할 계산도 넣지 않았습니다. 다음 절에서 항목별로 공개합니다.

AI SDR 스택의 모든 툴과 가격

에이전트 자체가 AI SDR 레이어입니다. 그 아래의 이메일 도달률 관리와 데이터 인프라는 별도 스택으로 구성했습니다. 제가 테스트한 AI SDR 제품 중 단독 운영에 충분한 수준으로 이 두 요소를 제공한 제품은 없었지만, 벤더 설명만 보면 가능한 것처럼 느껴질 수 있습니다. 공개된 AI SDR의 정의는 잠재고객 발굴, 시퀀스 실행, 답장 처리까지 포함합니다. 실제 운영에서는 잠재고객 발굴에 외부 데이터 소스가, 시퀀스 실행에 외부 받은편지함 인프라가 필요합니다. 그렇지 않으면 한 달 안에 발송 제한에 걸립니다.

에이전트 레이어의 비용은 공개된 AI SDR 소프트웨어 가격대인 연 $3,000~$6,000 안에 들어갑니다. 에이전트가 의존하는 데이터와 받은편지함 레이어까지 더한 전체 스택은 연간 약 $8,400입니다. 그래도 SDR 담당자 한 자리의 한 달 총비용보다 낮습니다.

여기서 범위를 분명히 할 필요가 있습니다. 콜드 아웃바운드는 하나의 모델입니다. 웹사이트 방문자와 폼 제출에 응답하고 적절한 담당자에게 연결하는 인바운드 에이전트는 다른 문제를 푸는 별도 제품입니다. 이번에 테스트한 것은 아웃바운드 유형입니다. 이 글의 수치를 인바운드에 그대로 적용할 수는 없습니다.

대부분의 “AI SDR을 써봤다”는 글이 빼놓는 부분이 데이터 레이어입니다. 에이전트의 성능은 입력되는 데이터 행의 품질을 넘을 수 없습니다. 이 부분은 모든 AI SDR 아래에 필요한 Apollo, Clay, Smartlead 조합을 별도 글에서 자세히 다뤘습니다. 요약하면, 데이터와 받은편지함 레이어가 병목인지 먼저 판단하지 않고서는 AI SDR을 제대로 평가할 수 없습니다.

30일 AI 영업 자동화 도입 플레이북

1~5일차: ICP, 목록, 제외 규칙

필요하다고 생각하는 수준보다 ICP를 더 좁게 정의해야 합니다. ICP가 느슨하면 잘못된 타깃이 대량으로 증폭돼 에이전트의 미팅당 비용이 무너집니다. 계정 목록을 만들고 데이터를 보강합니다. 그런 다음 SDR 담당자가 이미 접촉 중인 계정, 활성 영업기회에 포함된 계정, 최근 90일 안에 인바운드로 들어온 모든 계정을 제외 목록에 넣습니다. 이 목록이 없으면 첫날부터 성과 귀속 문제가 생깁니다.

6~12일차: 메시지, 검수 단계, 이메일 도달률

시퀀스를 작성합니다. 발송 전 모든 문안 버전을 사람이 검수하도록 게이트를 둡니다. 에이전트가 처음 만든 오프닝 세 세트는 지나치게 템플릿처럼 보여 모두 폐기했습니다. “프로필을 우연히 봤습니다” 같은 문구는 일주일 안에 도메인을 블랙리스트에 올리기 쉽습니다. 새 도메인의 받은편지함은 최소 14일 동안 워밍업하고, 기다릴 수 있다면 더 길게 잡습니다. 초기 발송량은 받은편지함당 하루 30건으로 제한한 뒤 점차 늘립니다.

13~21일차: 발송량 확대와 엄격한 에스컬레이션 규칙

발송량을 목표 수준까지 올립니다. 다른 어떤 운영 선택보다 중요했던 원칙은 긍정적인 답장이 오면 몇 시간이 아니라 몇 분 안에 사람에게 넘기는 것이었습니다. 에이전트는 의도를 분류하고, 다음 메시지는 사람이 책임졌습니다. 완전 자율형 운영이 대개 실패하는 지점이 여기입니다. 실제 구매자에게 보내는 에이전트의 답장은 결국 에이전트가 쓴 티가 나고, 앞선 이메일 여섯 통으로 쌓은 신뢰를 그 한 번에 소진합니다.

22~30일차: 중단, 조정, 홀드아웃 고정

22일차가 되면 성과가 가장 낮은 시퀀스 분기를 중단할 만큼 답장 데이터가 쌓입니다. 세 개 분기 중 부정적 반응 답장의 60%를 만들던 하나를 중단했습니다. 에이전트와 사람 모두 접촉하지 않는 계정 400곳을 홀드아웃 그룹으로 고정하면, 테스트 후반부에 사용할 깨끗한 성과 귀속 기준선을 확보할 수 있습니다.

브랜드 사고를 막아준 단 하나의 규칙은 최상위 계정에 완전 자율 발송을 허용하지 않는 것이었습니다. 타깃 목록 상위 5%에는 모든 메시지마다 사람의 승인 대기열을 거쳤습니다. 에이전트가 초안을 쓰고 사람이 발송 버튼을 눌렀습니다. 미팅당 비용이 아무리 좋아져도 이 규칙만큼은 완화하지 않을 것입니다.

7일차·30일차·60일차 성과 수치

모든 측정 시점에서 예약 미팅당 비용은 AI SDR이 더 낮았습니다. 그러나 실제 참석률과 자격 판정 결과를 적용한 SQL당 비용에서는 시간이 갈수록 우위가 줄었습니다. 이것이 실제로 봐야 할 추세입니다. 7일차에는 SDR 담당자의 SQL당 비용이 5.7배 높았지만, 60일차에는 2.2배였습니다.

에이전트 벤더의 원시 대시보드에는 AI 측 예약 미팅이 26건이 아니라 34건으로 표시됐습니다. 8건의 차이는 사람이 이미 기회를 연 미팅을 에이전트 성과로 중복 집계한 경우와, 실제로는 수신 거부를 요청한 답장을 에이전트 분류기가 긍정 의도로 판단해 “미팅”으로 잡은 경우에서 생겼습니다. 벤더 대시보드가 아니라 CRM 데이터로 건수를 다시 계산했고, 표에는 보정한 수치를 넣었습니다.

아무도 공개하지 않는 성과 귀속 문제

테스트 시작 2주 뒤, SDR 담당자 목록에 있던 한 계정이 에이전트 이메일에 답장을 보냈습니다. SDR 담당자는 3주 전에 같은 담당자에게 이메일을 보냈고, 당시 잡힌 미팅은 노쇼로 끝난 상태였습니다. 새 답장은 에이전트 받은편지함으로 들어왔습니다. 에이전트가 긍정 의도로 분류하자 사람에게 넘기는 절차가 작동했고 새 미팅이 잡혔습니다. CRM은 이를 에이전트 유입으로 기록했고 벤더 대시보드도 건수에 포함했습니다. SDR 담당자가 자기 성과라고 이의를 제기한 것도 당연했습니다.

세 가지 일이 동시에 벌어지고 있었습니다. 제외 규칙이 활성 영업기회만 포함하고 오래된 기회는 제외하지 않아, 에이전트와 사람이 중복 계정에 이메일을 보내고 있었습니다. 에이전트가 두 번째로 이메일을 보냈다는 이유로 최종 접점 귀속 방식은 AI 측 수치를 부풀렸습니다. 여기에 벤더 대시보드는 미팅이 실제로 열리기도 전에 긍정 의도 분류를 모두 “유입 미팅”으로 기록해 수치를 한 번 더 키웠습니다.

수정에는 꼬박 일주일이 걸렸습니다. 다음 테스트라면 아래 장치를 시작 전에 구축할 것입니다.

느슨한 제외 규칙이 아니라 계정 목록을 단단한 경계로 나눕니다. 에이전트가 맡은 2,100개 계정에는 테스트 기간 내내 SDR 담당자가 접근하지 못하게 하고, 반대쪽도 마찬가지로 운영합니다. “웜 계정”이라는 예외도, “사람이 이미 관계를 맺었다”는 예외도 두지 않습니다. 오염은 바로 그 예외에서 시작됩니다.

어느 쪽도 접촉하지 않는 계정을 홀드아웃 그룹으로 고정합니다. 홀드아웃이 없으면 발생한 미팅이 아웃리치 덕분인지, 아니면 인바운드와 기존 파이프라인을 통해 어차피 생겼을 미팅인지 구분할 수 없습니다. 홀드아웃은 규모가 작아도 포기해야 하는 파이프라인 비용이 큽니다. 하지만 확신을 갖고 수치를 말할 수 있게 해주는 유일한 장치입니다.

“예약된 미팅”이 아니라 최초의 유의미한 답장을 측정 단위로 씁니다. 미팅 예약은 보고 가능한 이벤트 서너 개를 거친 후행 결과라 오염되기 쉽습니다. 반면 최초의 유의미한 답장은 특정 발신자가 보낸 특정 이메일에 타임스탬프가 찍힌 이벤트이므로, 한쪽 활동에 명확히 귀속할 수 있습니다.

원칙은 간단합니다. AI SDR과 SDR 담당자를 같은 목록에 투입하려면 반드시 계정을 완전히 분리하고 홀드아웃을 둬야 합니다. 그렇지 않으면 수치를 복구할 수 없게 되고, 에이전트 대시보드를 믿지 않는 영업 책임자에게 그 차이를 설명하느라 테스트 기간 중 2주를 쓰게 됩니다. 그리고 그 불신은 타당합니다.

AI SDR이 하지 못한 일

첫 답장 이후 구매위원회를 멀티스레딩하는 일입니다. 한 디렉터가 관심을 보이자 SDR 담당자는 3일차까지 같은 이메일 스레드에 VP와 IT 책임자를 참여시켰습니다. 에이전트는 계속 디렉터에게만 이메일을 보냈습니다. 첫 미팅 이후에도 진전된 거래 8건 중 5건은 사람이 두 번째와 세 번째 이해관계자를 추가했기 때문에 가능했습니다. 에이전트가 가진 구매위원회 모델은 실제 조직도와 맞닥뜨리는 순간 작동하지 않았습니다.

한 줄짜리 답장에서 타이밍을 읽는 일도 못했습니다. “다음 분기에 다시 연락해 주세요”라는 답장은 테스트 데이터에서 두 가지 의미로 갈렸습니다. 예산이 있는 디렉터에게는 10월이라는 뜻이었고, 예산이 없는 매니저에게는 사실상 영원히 연락하지 말라는 의미였습니다. SDR 담당자는 Slack 알림을 보고 10초 안에 차이를 알아챘습니다. 에이전트는 둘을 똑같이 처리해 90일 뒤 모두에게 다시 연락했고, 후자와의 관계를 망쳤습니다.

스크립트 분기를 벗어난 이의 처리도 한계였습니다. 에이전트에는 흔한 이의 세 가지에 대응하는 분기 세 개가 있었습니다. 약 15%의 빈도로 등장한 네 번째 이의에는 회피처럼 들리는 일반적인 답변을 보냈고, 대화는 거기서 끝났습니다.

브랜드 리스크도 있습니다. 개인화 레이어가 잘못된 필드를 불러오는 바람에, 에이전트 메시지 한 건의 제안 문구에 경쟁사 제품명이 들어갔습니다. 이 메시지는 14개 계정에 발송됐습니다. 두 곳이 문제를 지적했고, 그중 한 곳은 과거 고객이었습니다. 이 사고의 비용은 미팅당 비용에 나타나지 않지만 반드시 고려해야 합니다.

반복 적용할 수 있는 AI SDR 의사결정 기준

세 가지 조건을 모두 충족하면 SDR 담당자 자리를 AI SDR 스택으로 대체할 수 있습니다. 거래 규모가 대략 $25K ACV 미만이어야 합니다. 이 구간에서는 전환율이 괜찮아도 SDR 담당자의 SQL당 비용을 감당하기 어렵습니다. 분기당 신규 타깃 계정이 3,000개를 넘을 만큼 목록 규모가 커야 에이전트의 처리량 이점이 누적됩니다. 또한 첫 답장 이후의 멀티스레딩과 자격 판정은 별도 인력이 맡고, AI SDR은 퍼널 상단 활동만 담당해야 합니다.

거래 규모가 $50K ACV를 넘거나, 기본 구매위원회가 3명 이상이거나, 특정 핵심 계정에 한 번만 잘못 보내도 CEO에게 설명해야 할 브랜드 사고가 되는 경우에는 AI SDR로 대체하지 말고 보강 수단으로 써야 합니다. 이 구간에서 AI SDR이 늘려주는 것은 실제 영업 역량입니다. 하지만 그것을 “인력 한 자리를 줄였다”고 부를 수는 없습니다.

대부분의 팀이 속한 $25K~$50K 구간에서 판단이 가장 어렵습니다. 여기서 필요한 것은 벤더 데모가 아닙니다. 앞서 설명한 대로 계정을 철저히 나누고 홀드아웃을 둔 60일 분할 테스트를 진행한 뒤에야 인력을 줄일지 결정해야 합니다. 벤더 사례에서 본 미팅당 비용 우위는 성과 귀속을 깨끗하게 다시 계산하면 대부분 사라졌습니다. 살아남는 사례도 있습니다. 직접 테스트하기 전에는 어느 쪽인지 알 수 없습니다.

자주 묻는 질문

AI SDR이란 무엇인가요?

SDR 담당자가 맡는 잠재고객 발굴, 시퀀스 실행, 답장 처리 업무를 수행하는 소프트웨어입니다. 범위는 벤더와 영업 방식에 따라 크게 다릅니다. 콜드 아웃바운드, 인바운드 응대, 음성 영업은 단위 경제성이 서로 다른 별도 제품입니다.

AI가 SDR을 대체하고 있나요?

대부분의 거래 규모와 업무량에서는 AI가 SDR 직무를 없애기보다 바꾸고 있습니다. 목록 조사, 시퀀스 초안 작성, 답장 분류처럼 반복적인 업무는 자동화되고 있습니다. 반면 구매위원회 멀티스레딩과 한 줄짜리 답장에 담긴 의도의 미묘한 차이를 읽는 일은 적어도 아직 자동화되지 않았습니다.

AI SDR 비용은 얼마인가요?

에이전트 소프트웨어는 보통 연 $3,000~$6,000 수준이며, 사용량 기반 요금 때문에 실제 비용은 더 높아집니다. SDR 담당자 한 자리에는 기본급, 인센티브, 급여 관련 부담, 툴, 램프업, 관리 오버헤드가 들어가므로 연간 총비용이 $140K를 넘습니다.

가장 좋은 AI SDR은 무엇인가요?

영업 방식에 따라 다릅니다. 콜드 아웃바운드, 인바운드 응대, 음성 에이전트는 서로 다른 제품입니다. 거래 규모와 목록의 양, 그리고 병목이 에이전트 레이어에 있는지 그 아래의 데이터·받은편지함 레이어에 있는지를 기준으로 선택해야 합니다.