견적 가격, AI에게 맡길까 영업사원이 정할까

견적 가격을 AI로 정하자는 쪽은 쌓인 견적과 수주 자료가 있으니 그 자료를 학습한 AI가 영업사원보다 일관되게 가격을 정할 수 있다고 봅니다. 영업 쪽은 거래처 사정이 자료에 다 담기지 않고, 큰 건이나 특이한 건일수록 숫자 밖의 판단이 필요하다고 반론합니다.

견적 가격은 누가 정해야 할까요? 한 금속 유통업체의 지난 거래 자료로 계산해 보니 대부분의 견적에서 AI 시스템이 정한 가격의 이익이 더 클 것으로 나왔고, 한 수산물 도매업체에서는 시스템이 정한 첫 가격을 거래처가 더 많이 받아들였습니다. 그런데 두 회사 모두 일부 견적에서는 영업사원의 가격이 나은 것으로 보였고, 어떤 견적인지는 회사마다 달랐습니다. 금속 유통업체에서는 품목이 여럿이거나 무게나 무게당 원가가 아주 작거나 큰 견적이었고, 수산물 도매업체에서는 오래 거래해 온 거래처였습니다. 그래서 질문은 "누가 정할까"보다 "어떤 견적을 누가 정할까"입니다.

연구가 발견한 것

미국의 한 B2B 금속 유통업체는 알루미늄과 철강을 거래처의 주문대로 잘라서 판매합니다. 품목이 수천 가지이고 원자재 가격이 자주 바뀌어 정가표가 없고, 영업사원이 견적마다 가격을 정합니다. 연구진은 영업사원마다 그 사람의 과거 가격 결정을 학습해, 새 견적에 그 사람이 매겨 온 방식대로 가격을 추천하는 AI 시스템을 만들었습니다. 그리고 8영업일 동안 들어온 견적 약 2,000건을 무작위로 나눠, 일부 견적에만 영업사원이 자기 가격을 입력한 뒤 추천 가격을 보여 주었습니다. 추천 가격을 따를지는 영업사원이 정했습니다(Karlinsky-Shichor & Netzer, 2024).

추천 가격을 보여 준 견적은 보여 주지 않은 견적보다 품목당 평균 이익이 11% 높았습니다(<표 1>의 ①). 성사된 견적끼리는 이익에 뚜렷한 차이가 없었고, 거래처가 견적을 받아들인 비율(성사율)이 올라서 생긴 차이였습니다. 연구진은 이유를 가격의 일관성에서 찾았습니다. 같은 조건의 견적에도 때에 따라 달라지던 영업사원의 가격과 달리 추천 가격은 견적 사이 차이가 작았고, 최종 가격이 추천 가격에 가까울수록 거래처가 받아들일 가능성이 높았습니다. 그런데 추천 가격을 보여 준 견적 가운데 영업사원이 추천을 따르거나 추천 쪽으로 가격을 고친 견적은 다섯 건 가운데 한 건꼴이었고, 많은 영업사원이 자기 거래처는 다르다고 말했습니다. 연구진은 그래서 11%가 시스템의 가격을 실제로 쓴 효과보다 작게 나왔을 수 있다고 보았습니다(Karlinsky-Shichor & Netzer, 2024).

연구진은 지난 거래 자료로, 시스템이 가격을 직접 정했다면 이익이 어땠을지도 계산했습니다(<표 1>의 ②~④). 대부분의 견적에서는 시스템의 가격이 이익이 더 클 것으로 계산되었지만, 품목이 여럿인 견적, 무게나 무게당 원가가 아주 작거나 큰 견적에서는 영업사원의 가격이 이익이 더 클 것으로 계산되었습니다. 연구진은 이런 견적은 시스템이 학습할 비슷한 과거 자료가 적고, 영업사원은 자료에 없는 정보를 쓸 수 있기 때문으로 보았습니다. 그래서 견적마다 시스템과 영업사원 가운데 이익이 더 클 것으로 예측되는 쪽이 가격을 정하게 하는 방식(나눠 맡기는 방식)을 제안했습니다. 비율을 미리 정하는 것이 아니라 견적마다 예측해서 맡기는 것이고, 그 결과 견적의 약 3분의 2를 시스템이 정하는 것으로 나왔습니다. 나눠 맡기면 이익은 모든 견적을 영업사원이 정할 때보다 약 8%, 모든 견적을 시스템이 정할 때보다 약 3% 높을 것으로 계산되었습니다(<표 1>의 ③ · ④). 이 값은 지난 자료로 계산한 예상치여서, 실험에서 나온 11%와 크기를 바로 비교할 수는 없습니다. 회사는 실험 뒤 모든 견적에 추천 가격을 고객관리시스템(CRM) 화면에 보여 주기로 했습니다(Karlinsky-Shichor & Netzer, 2024).

<표 1> 금속 유통업체에서 가격을 정하는 방법에 따른 이익 차이(Karlinsky-Shichor & Netzer, 2024)

중국의 한 B2B 수산물 도매업체는 새우를 정가표 없이 거래처마다 협상으로 판매합니다. 새 거래처가 받아들일 가격은 짐작하기 어려워, 첫 가격이 거래처의 기대와 차이가 크면 협상이 여러 번 오갔습니다. 연구진은 지난 2년 거래 자료로 첫 가격을 계산하는 시스템을 만들어 3주 동안 새우 거래의 첫 가격을 정하게 했고, 거래처가 받아들이지 않으면 영업사원이 가격을 조정했습니다. 그 결과 거래처가 첫 가격을 바로 받아들인 비율이 전년 같은 3주(영업사원이 첫 가격을 정함)의 약 58%에서 68%로 올랐고, 성사된 거래의 이익률은 낮아지지 않았습니다. 다만 무작위로 나눈 실험이 아니라 전년과 비교한 것이어서, 연구진은 그사이 새우 시장에 큰 변화가 없었다는 것을 영업사원과 관리자에게 확인했습니다(Chen 외, 2026).

연구진은 이유를 여기서도 가격의 일관성에서 찾았습니다. 그리고 시스템과 영업사원이 각각 어떤 거래에서 나은지 보려고 첫 가격을 거래처가 바로 받아들인 거래만 따로 보았습니다. 시스템의 첫 가격을 받아들인 거래처는 그전 주문 건수가 비교적 적은 곳이었고, 영업사원의 첫 가격을 받아들인 거래처는 그 건수가 두 배쯤 많은 오래 거래해 온 곳이었습니다. 연구진은 오래 거래해 온 거래처에는 영업사원이 신뢰와 과거 협상 경험 같은 자료 밖의 지식을 쓸 수 있기 때문으로 보았습니다. 연구진의 면담에서 경험이 적은 영업사원은 거래처가 받아들일 만한 가격을 시스템이 제시해 주면 일이 빨라질 수 있다고 보았고, 경험이 많은 영업사원은 시스템보다 자기 판단을 믿는다고 했습니다(Chen 외, 2026).

시스템이 가격을 추천해도 영업사원이 따르지 않는 경우가 있습니다. 미국의 한 대형 식료품 유통업체는 줄어드는 이익률을 막으려고, 영업사원에게 매주 일부 품목의 가격을 추천하는 시스템을 도입했습니다. 추천은 대부분 가격을 올리라는 것이었고, 따를 의무는 없었습니다. 거래 자료를 분석해 보니 올리라는 추천을 받은 거래의 약 3분의 2에서 영업사원은 가격을 그대로 두거나 오히려 내렸고, 내리라는 추천은 절반 넘게 따랐습니다. 연구진은 거래처가 가격 인상을 손실로 받아들이면 영업사원이 관계가 상할까 봐 올리라는 추천을 따르지 않을 수 있다고 보았습니다(Elmaghraby 외, 2015).

같은 회사에서는 한 주에 받는 추천이 많을수록 영업사원이 추천대로 가격을 바꾸는 경우가 적었습니다. 한 주에 받는 새 추천이 평균인 6건일 때는 1건일 때와 올리라는 추천에 가격을 바꿀 가능성이 거의 같았지만, 가장 많은 101건을 받을 때는 그 가능성이 뚜렷이 낮았습니다. 연구진은 추천 하나를 검토하는 데도 시간이 들기 때문으로 보았습니다. 다만 거래 자료에서 찾은 관계라 연구진도 원인과 결과로 말하지 않았고, 시스템의 추천이 좋은 가격이었는지 알 수 없어 영업사원이 따르지 않은 것이 옳았는지도 판단하지 않았습니다(Elmaghraby 외, 2015).

이 결과가 맞는 조건

금속 유통업체의 시스템은 영업사원 자신의 과거 결정을 학습하기 때문에, 어떤 영업사원이 늘 높게 또는 늘 낮게 가격을 매겨 왔다면 그 버릇도 그대로 따라 합니다. 연구진은 거래가 일정한 형식대로 이뤄져 자료로 남는 정보가 많을수록 시스템에 가격을 맡기는 효과가 크고, 자료 밖의 정보가 많이 쓰이는 업종일수록 그 효과가 작을 것으로 보았습니다. 나눠 맡기는 방식에도 한계가 있다고 짚었습니다. 이 방식은 품목 · 무게 · 원가 · 거래처 정보 같은 자료로만 예측하기 때문에, 영업사원만 아는 사정이 자료에 드러나지 않으면 그 견적을 영업사원에게 넘기지 못합니다(Karlinsky-Shichor & Netzer, 2024).

수산물 도매업체의 연구는 가격 변동이 작은 한 품목만 보았기 때문에, 가격 변동이 큰 품목이나 여러 품목을 함께 다루는 회사에서도 같은 결과가 나올지는 확인되지 않았습니다(Chen 외, 2026).

AI 시스템에 맡길 견적과 추천의 수

영업사원의 가격이 나은 것으로 보인 견적은 회사마다 달랐습니다. 그래서 저는 어떤 견적을 시스템에 맡기고 어떤 견적을 영업사원이 정할지, 도입하기 전에 회사 안에 있는 견적 · 수주 자료로 먼저 확인해야 한다고 봅니다.

제가 영업 담당으로도, 영업 관리자로도 일했던 여러 다국적 기업의 한국지사에서는 견적이 이미 둘로 나뉘어 있었습니다. 보통의 거래는 할인 범위까지 정해 둔 회사 가격 정책에 따라 가격을 정했습니다. 규모가 큰 거래를 할 때나 여름 · 겨울에 많이 쓰는 제품의 철이 다가오거나 지날 때처럼 일반적이지 않은 상황에는, 영업사원이 근거를 정리한 비즈니스 케이스와 함께 가격을 제안해 회사에 승인을 요청했습니다. 한국지사에서 감당할 수 있는 가격이면 한국지사가 결정했고, 지사의 재량을 넘으면 아시아태평양 대표까지 올라갔습니다. 아시아태평양 대표도 결정하기 어려우면 본사에 올려 승인을 받았습니다. 비즈니스 케이스는 정해진 기준이 없었고, 그때그때의 맥락에 따라 결정이 달라졌습니다. 가격은 현장의 이야기와 영업사원의 감, 지사와 본사의 데이터, 여러 이해관계자의 입장을 함께 놓고 정해졌고, 거래처의 거래 이력과 신용, 시장에서의 영향력도 가격에 반영되었습니다.

저는 회사 가격 정책 안에서 가격을 정하던 견적부터 시스템에 맡기되, 영업사원이 정한 가격의 이익이 시스템보다 높은 견적은 영업사원이 정하는 것이 맞다고 봅니다. 비즈니스 케이스로 승인을 받던 거래처럼 맥락에 따라 결정이 달라지는 거래는 영업사원이 근거를 올리고 지사와 본사가 승인해 정하는 편이 낫다고 봅니다. 시스템이 쓰는 것은 가격에 반영되던 요소 가운데 지사와 본사의 데이터, 거래 이력처럼 자료로 남는 것뿐이고, 현장의 이야기와 영업사원의 감, 이해관계자의 입장은 쓰지 못하기 때문입니다.

시스템과 영업사원의 역할을 정한 뒤에도, 영업사원이 시스템의 추천을 얼마나 따르는지를 봐야 합니다. 금속 유통업체와 식료품 유통업체 모두 영업사원은 추천을 일부만 따랐습니다. 식료품 유통업체의 결과는 거래 자료에서 찾은 관계이기 때문에, 추천 수를 줄이면 영업사원이 추천대로 가격을 바꾸는 일이 늘어난다고 단정할 수는 없습니다. 그래서 저는 한 주 추천 수의 상한을 처음부터 정하지 말고, 시스템을 일부 견적에 먼저 적용해 보는 기간(시범 운영 기간)에 영업사원이 추천을 실제로 얼마나 반영하는지 보고 정하는 편이 낫다고 봅니다.

AI 가격 추천 시스템을 도입할 때 정할 것

1. 시스템을 도입하는 목적은 무엇인가? 거래처가 받아들이는 견적을 늘리는 것이 목적이면 성사율과 성사된 견적의 이익률을 함께 봅니다. 가격을 낮춰 성사율만 올렸다면 이익률이 떨어지기 때문입니다. 가격을 올리는 것이 목적이면 올리라는 추천이 실제 가격에 얼마나 반영되는지를 봅니다.
2. 어떤 견적을 영업사원이 정할 것인가? 비즈니스 케이스로 승인을 받는 거래는 지금처럼 영업사원이 근거를 올리고 지사와 본사가 승인합니다. 회사 가격 정책 안의 견적은 과거 견적을 시스템으로 다시 계산해, 영업사원의 가격이 이익이 더 높았던 견적의 특징(품목 수 · 무게 · 거래처의 주문 빈도 등)을 찾고, 그 특징을 가진 새 견적은 영업사원이 정합니다. 영업사원이 시스템의 가격을 바꿀 때는 바꾼 이유를 회사가 정해 둔 목록(거래처의 신용 · 시장에서의 영향력 등)에서 골라 입력하게 해, 영업사원의 머릿속에만 있던 사정도 자료로 남깁니다.
3. 추천 가격을 보여 주기만 할 것인가, 시스템이 첫 가격을 정하게 할 것인가? 추천 가격을 보여 주기만 한 금속 유통업체와 식료품 유통업체에서 영업사원은 추천을 일부만 따랐습니다. 보여 주기만 하는 방식으로 시작했는데 시범 운영 기간에 성사율과 이익률이 나아지지 않으면, 수산물 도매업체처럼 시스템이 첫 가격을 정하고 거래처가 받아들이지 않을 때만 영업사원이 조정하게 합니다.
4. 영업사원 한 사람에게 한 주에 추천을 몇 건 보낼 것인가? 시범 운영 기간에 영업사원마다 받은 추천 수와 그중 추천대로 가격을 바꾼 비율을 함께 보고, 그 비율이 떨어지기 시작하는 건수를 상한으로 정합니다.
5. 효과를 무엇과 비교할 것인가? 시범 운영 기간에 들어오는 견적을 무작위로 나눠 일부에만 시스템을 적용하고, 적용한 견적과 적용하지 않은 견적의 성사율과 이익률을 비교합니다. 같은 기간에 같은 영업사원이 낸 견적끼리 비교하기 때문에, 차이가 나면 시장 변화나 영업사원의 실력 차이가 아니라 시스템 때문이라고 볼 수 있습니다. 무작위로 나누기 어려우면 전년 같은 기간과 비교하되, 그사이 시장이 크게 바뀌지 않았는지 영업사원과 관리자에게 먼저 확인합니다.