AI 에이전트 GTM의 핵심 이슈는 ‘메일을 자동으로 쓰는가’가 아닙니다. 획득(아웃리치) → 반응(리플/미팅) → 학습(각도·카피 개선) → 재발송이 한 몸으로 돌아가는, 즉 제품이 스스로 좋아지는 구조를 갖추는가입니다. 이 구조가 만들어지면 같은 인력·비용으로 실험 횟수가 늘고, 그만큼 CAC는 내려가고 LTV는 올라갈 여지가 커집니다.
dev.to의 Anythoughts.ai 사례(“We built an AI agent to write cold emails. Then we used it to sell itself.”)가 흥미로운 이유도 여기 있습니다. 그들은 콜드 이메일을 ‘잘 쓰는’ 에이전트를 만든 다음, 그 에이전트로 첫 고객을 직접 공략(dogfooding) 했습니다. 3개의 에이전트(리드 발굴→메일 작성→팔로업 추적)를 직렬로 엮고, 재시도·레이트리밋·키 로테이션 같은 운영을 하네스(OpenClaw)가 맡는 방식이었죠. 결론적으로 18분 만에 10개의 개인화 메일을 준비·발송했습니다. “모델을 뭘 쓰느냐”보다 “오케스트레이션을 어떻게 하느냐”가 성패를 가른다는 메시지가 선명합니다.
맥락을 그로스 관점에서 번역하면 이렇습니다. 아웃리치는 결국 퍼널 상단의 공급(lead supply)과 하단의 전환(copy + offer)이 동시에 맞물려야 스케일합니다. 그런데 이 실험에서 드러난 병목은 의외로 ‘카피 작성’이 아니라 검증된 연락처 확보(데이터 소스/플랜 한도)였습니다. 즉, 에이전트 GTM 자동화는 생성AI 문제가 아니라 데이터 커버리지·딜리버러빌리티·컴플라이언스가 만드는 스루풋 문제로 귀결됩니다. 무료 티어는 “검증”엔 충분하지만 “생산”엔 바로 병목이 됩니다.
또 하나의 포인트는 ‘한 가지 각도(Angle)로는 부족하다’는 학습입니다. 그들은 첫 메시지가 평평했다고 인정하고, 이후 효율·경쟁우위·고객유지·비용·호기심 갭 등 5개 각도를 생성한 뒤, 사이트 문맥을 읽고 최적 각도를 고르게 했습니다. 여기서 중요한 건 “메일을 더 잘 썼다”가 아니라, 실험 가능한 변수를 스키마로 만들었다는 점입니다. 각도=독립변수, 리플/클릭/미팅=종속변수로 연결되는 순간, 아웃리치는 콘텐츠 작업이 아니라 A/B 파이프라인이 됩니다.
시사점은 세 가지입니다. 첫째, GTM 자동화의 KPI는 ‘작성 시간’이 아니라 ‘실험 사이클 타임’입니다. 2주에 1번 개선하던 팀이 2일에 1번 개선하면, 같은 CAC라도 학습 속도에서 경쟁이 끝납니다. 둘째, 컴플라이언스(CAN-SPAM 등)는 옵션이 아니라 구조입니다. Anythoughts.ai가 뒤늦게 푸터 주소/수신거부/제목 규칙을 “체크 단계”로 넣은 것처럼, 컴플라이언스는 퍼널 붕괴(도메인 평판↓, 스팸 플래그↑)를 막는 성장 방어선입니다. 셋째, 인간의 역할은 ‘작성자’가 아니라 ‘리뷰어/라벨러’로 재배치됩니다. 그들은 10개 중 3개만 소폭 수정했는데, 이때 생성된 수정 내역 자체가 다음 모델/프롬프트를 개선하는 학습 데이터가 됩니다.
여기에 dev.to의 다른 글(“How to Architect AI Products That Improve Over Time”)이 제시한 원칙—피드백 내장, 모듈 분리, 지속 평가, 안전한 실험—을 GTM에 그대로 이식하면 그림이 완성됩니다. ‘메일 생성’(인텔리전스)과 ‘리드/발송/추적’(인프라)을 분리하고, 이벤트(오픈/클릭/리플/바운스/스팸) 로그를 표준화해 쌓고, 각도·오퍼·팔로업 타이밍을 feature flag로 굴리면 GTM 자체가 자가개선 시스템이 됩니다.
전망: 단기적으로는 “에이전트가 세일즈를 대체”한다기보다, 세일즈/마케팅의 ‘실험 생산성’이 재편될 겁니다. 연락처 데이터 소스 비용, 발송 인프라, 도메인 평판, 세그먼트 정의 능력이 곧 CAC의 상한선을 정합니다. 중장기적으로는 멀티 에이전트 오케스트레이션 패턴(중앙 오케스트레이터-워커 등)이 성숙하며, 리드 발굴·카피·팔로업·CRM 업데이트·리포팅이 하나의 파이프라인으로 붙고, 팀은 “캠페인 운영”이 아니라 실험 설계와 제약조건(컴플라이언스/브랜드/타겟팅) 관리에 더 많은 시간을 쓰게 됩니다.
지금 당장 실행 관점에서의 결론은 간단합니다. 에이전트 GTM 자동화를 도입한다면, ‘멋진 메일 생성’부터가 아니라 (1) 검증된 리드 공급(데이터 플랜) (2) 이벤트 트래킹 스키마 (3) 각도/오퍼 A/B 가능 구조 (4) 팔로업 시퀀스 (5) 컴플라이언스 가드레일 순서로 설계하세요. 그래야 자동화가 “업무 단축”을 넘어, CAC를 깎는 학습 엔진으로 작동합니다.