Snowflake의 GTM AI 비서, 백만 건 이상의 질문에 답변하며 사용자 신뢰와 단계별 배포를 성공의 열쇠로 강조

이 비서는 현재 주당 약 40,000건의 질문을 처리하며, 대량의 내부 질의를 처리할 수 있는 능력을 보여줍니다.

이 AI 도구는 Snowflake의 공동 작업 인프라를 기반으로 구축되었으며, 회사는 외부 출시 전에 자체 제품을 테스트하고 개선하는 '고객 제로' 역할을 수행합니다.

이러한 파편화로 인해 분산된 정보를 수동으로 취합해야 하며, 종종 스프레드시트를 사용하여 데이터를 통합하고 분석합니다.

이러한 수동 프로세스는 각 담당자가 관리하는 엄청난 양의 계정(때로는 1인당 1,000개를 초과하기도 함)으로 인해 더욱 복잡해지며, 이는 보다 통합되고 자동화된 솔루션의 필요성을 강조합니다.

영업 프로세스에 AI를 통합하면 데이터 액세스를 민주화하고 수많은 대시보드와 애널리스트에게 지속적으로 의존할 필요성을 없애줌으로써 상당한 이점을 제공합니다. 이러한 변화는 영업 팀에 직접적인 온디맨드 통찰력을 제공하여 워크플로를 간소화합니다.

AI의 자동화 기능은 파편화된 도구를 통합하고, 받은 편지함과 같은 커뮤니케이션 채널을 확보하며, 궁극적으로 생산성 향상, 영업 효율성 개선, 더 나은 승률, 그리고 추가적인 수익으로 이어집니다.

많은 AI 이니셔티브는 사용자 신뢰를 잃어 실패하는데, 신뢰는 얻기 매우 어렵지만 부정적인 경험 후 거의 즉시 잃을 수 있습니다.

사용자가 AI 시스템과 처음 상호작용하는 방식은 장기적인 채택 여부를 결정하는 데 매우 중요합니다. 이는 나쁜 첫인상 후 신뢰를 회복하는 것이 처음부터 신뢰를 구축하는 것보다 훨씬 어렵기 때문입니다.

Snowflake 팀은 AI 솔루션에 대한 사용자 신뢰를 구축하기 위해 정확성에 엄격하게 초점을 맞춘 "품질은 P-1"이라는 원칙하에 운영됩니다. 수많은 질문에 보통의 정확도로 답변하려고 시도하는 대신, 전략은 집중된 질의 세트에 대해 매우 정확한 답변을 제공하는 데 우선순위를 둡니다.

초기에 팀은 150개의 중요한 판매 질문에 대해 시스템을 벤치마킹했으며, 100개의 질문에 대해 70%의 정확도를 목표로 하는 대신, 더 작은 범위(예: 50개의 질문)에서 95%의 정확도를 목표로 했습니다. 광범위한 커버리지보다 품질을 우선시하는 이러한 의도적인 선택은 시스템의 초기 신뢰성이 확립된 후 사용량과 신뢰도가 크게 증가하면서 효과적임을 입증했습니다.

이러한 접근 방식은 초기 사용자 경험이 긍정적이도록 보장하여 장기적인 채택 및 확장을 위한 견고한 기반을 마련합니다.

AI 시스템과의 초기 5가지 상호 작용은 매우 중요하며, 부정적인 경험은 사용자 신뢰를 빠르게 저해하고 채택을 방해할 수 있습니다.

따라서 모든 제품에 대해 파일럿(Pilot), 베타(Beta), 일반 출시(General Availability, GA)의 명확한 단계를 통한 통제된 출시가 구현되어 사용자 신뢰를 얻고 유지하며, 너무 일찍 다리를 불태우지 않도록 보장합니다.

AI 배포의 파일럿 단계는 주로 AI에 익숙한 사용자 그룹과 함께 시스템의 정확성과 전반적인 품질을 엄격하게 테스트하고 입증하기 위해 특별히 고안되었습니다. 이 초기 단계는 광범위한 출시 전에 핵심 기능이 높은 신뢰성 표준을 충족하는지 확인합니다.

파일럿 이후, 베타 단계는 사용자 기반의 약 10% 또는 약 600명의 사용자를 대상으로 최소 실행 가능한 제품(MVP)의 격차를 식별하고 광범위한 피드백을 수집합니다. 베타 단계의 중요한 핵심 성과 지표(KPI)는 70% 이상의 사용자 유지율을 달성하는 것으로, 이는 제품의 실행 가능성과 사용자 만족도를 나타냅니다.

많은 제품이 품질 문제 때문이 아니라 단순히 사용자들이 시도하지 않아 출시 몇 주 후에 경영진의 실망으로 이어지는 경우가 많습니다.

채택을 성공적으로 이끌기 위해서는 엔지니어링 시간의 상당 부분, 종종 60~70%를 데모, 교육 세션, 그리고 대시보드를 통한 사용량 추적에 투자해야 합니다. 또한, 영업 리더십의 후원을 활용하여 조직 전체에서 새로운 AI 도구의 사용을 장려하고 강제하는 것이 필수적입니다.

행동 변화를 유도하는 데 전략적으로 집중함으로써 제품의 가치가 의도된 사용자에게 실현되도록 보장합니다.

새로운 AI 도구에 대한 초기 흥분 후, 사용자의 기대치가 기본적인 데이터 액세스에서 더 정교한 기능으로 진화함에 따라 '놀라움의 감소(collapsing wow factor)'를 경험합니다. 이는 AI 기능에 대한 기준을 지속적으로 높일 필요가 있음을 의미합니다.

처음에 사용자들은 '데이터와 대화'하는 능력에 감탄하지만, 곧 그들의 요구는 '내 워크플로우 자동화'로 바뀝니다. 이러한 진전은 AI가 정보를 제공하는 것을 넘어 일상 업무에 적극적으로 통합되고 간소화되기를 바라는 열망을 반영합니다.

이러한 진화하는 기대치를 충족하기 위해 AI 에이전트는 Gmail 및 Slack과 같은 통신 플랫폼을 모니터링하여 고객 응답을 사전에 작성하고 일상적이지만 중요한 관리 작업을 자동화하도록 개발되고 있습니다.

단순한 데이터 검색에서 복잡한 워크플로 자동화로의 이러한 전환은 사용자 참여를 유지하고 AI의 지속적인 가치를 입증하는 데 중요합니다.

이들은 배틀 카드와 영업 문서의 격차를 실시간으로 식별하여 정보가 항상 최신이고 포괄적임을 보장합니다.

이러한 에이전트는 또한 Confluence, Jira, Slack과 같은 다양한 플랫폼에서 제품 요구 사항 문서(PRD)와 같은 중요한 제품 개발 정보를 자동적으로 수집합니다. 이러한 자동화는 수동적인 인간 규모의 피드백 루프를 효율적이고 지속적인 워크플로우로 대체하여 영업 팀에 대한 지식 전파의 속도와 정확성을 크게 향상시킵니다.

이 기능은 내부 네트워킹을 크게 향상시키고 부서 간 협업을 촉진하여 전통적인 사일로를 허뭅니다.

이러한 연결을 촉진함으로써 AI 시스템은 시간이 지남에 따라 가속화되는 자가 강화 데이터 루프를 구축하여 조직 시너지와 운영 효율성을 지속적으로 개선합니다.

먼저, 자가 유발 실패를 피하고 사용자 신뢰를 유지하기 위해 광범위한 커버리지보다 품질을 우선시해야 합니다. 변화 관리에 집중하는 것 또한 중요합니다. 이는 기술 구현만을 강조하는 대신 채택의 인적 요소를 다루기 때문입니다.

사용자 참여를 유지하기 위해서는 AI의 기능을 끊임없이 발전시켜 변화하는 기대치를 충족시키는 지속적인 혁신이 필요합니다.

또한, 장기적인 아키텍처 과잉 투자를 피하고, 기술 발전과 사용자 요구에 따라 진화할 수 있는 유연하고 적응력 있는 설계를 선호하는 것이 중요합니다.

Snowflake는 블로그 게시물을 통해 내부 학습 내용을 게시하여 조직 전체에 귀중한 통찰력을 전파합니다.

여기에는 에이전트 지침 및 시맨틱 뷰에 대한 모범 사례 공유가 포함되어 기존 AI 모델을 개선하고 미래 개발을 안내하는 데 도움이 됩니다. RAG(검색 증강 생성) 기반 지식 비서에 계속 집중하여 사용자 피드백 및 성능 데이터에서 파생된 반복적인 개선을 통해 기능을 지속적으로 향상시킵니다.

Snowflake는 내부 AI 개발 플랫폼인 Snowflake Intelligence를 Snowflake Co-work로 리브랜딩하여 AI 솔루션 구축을 위한 강력하고 네이티브한 환경을 제공합니다. 이 플랫폼은 노코드 솔루션으로 설계되어 비즈니스 사용자가 단 한 줄의 코드도 작성하지 않고 AI 에이전트를 배포할 수 있도록 하여 AI 개발을 크게 민주화합니다.

이 플랫폼은 Snowflake의 기본 보안 가드레일과 역할 기반 액세스 제어를 계승하여 AI 배포가 기존 기업 프레임워크 내에서 안전하고 규정을 준수하도록 보장합니다. '고객 제로'로서 Snowflake는 이러한 내부 AI 도구를 광범위하게 활용하여 실제 적용을 통해 개선한 후 외부 고객에게 제공합니다.