지난달 회사 소프트웨어를 고르면서 ChatGPT나 Claude에 "우리 업무에 맞는 도구"를 물었다면, 그 답이 실제로는 판매사 광고에 가까웠거나 아예 틀린 내용이었을 수도 있다. 직장에서 새로운 협업 도구나 보안 솔루션을 찾을 때 AI로 먼저 조사하는 것은 이제 당연한 일처럼 느껴진다. 하지만 당신이 AI의 답변을 근거로 품의서를 올렸다가 나중에 "이 기능은 실제로는 지원되지 않는다"는 사실을 알게 된다면 어떻게 될까? 잘못 도입한 서비스는 수천만 원의 예산을 낭비할 뿐만 아니라, 도입 담당자인 당신의 직무 신뢰도에 치명적인 타격을 입힌다. AI가 주는 편리함 뒤에 숨은 '신뢰의 함정'을 파악하지 못하면, 당신의 구매 결정은 회사의 돈과 당신의 시간을 동시에 갉아먹는 선택이 될 수 있다.
AI가 벤더 제품 조사에 필수가 된 구조적 배경
이제 기업 간 거래(B2B) 시장에서 구매자들은 영업 사원의 전화를 기다리지 않는다. 원본 보도에 인용된 가트너(Gartner)의 최신 조사에 따르면, B2B 구매자의 70%는 판매 담당자와 접촉하지 않고 스스로 정보를 찾는 '셀프서비스 구매' 방식을 선호한다. 셀프서비스 구매란 판매 담당자의 도움 없이 온라인 자료나 체험판을 통해 직접 제품을 비교하고 선택하는 과정을 의미한다. 이러한 흐름 속에서 생성형 AI는 가장 강력한 조력자로 떠올랐다. 실제로 구매자의 약 50%가 벤더(Vendor, 소프트웨어나 서비스를 파는 회사)와 제품을 조사하는 데 AI 도구를 활용하고 있다.
구매자들이 AI에 열광하는 이유는 명확하다. 수백 페이지에 달하는 제품 설명서와 비교 사이트의 리뷰를 일일이 읽는 대신, "예산 1,000만 원 이하로 도입 가능한 보안 솔루션 3개를 장단점 위주로 표로 정리해 줘"라고 명령하면 단 몇 초 만에 결과가 나오기 때문이다. 가트너는 2027년까지 영업 담당자의 조사 업무 중 95%가 AI로 시작될 것이라 예측할 만큼, AI는 이미 거스를 수 없는 흐름이 되었다. 하지만 여기서 주목해야 할 점은 마케팅을 하는 기업들이 기대하는 AI의 역할과 실제 구매자가 체감하는 신뢰도 사이에 거대한 간극이 존재한다는 사실이다. 기업들은 AI가 고객을 자신들에게 인도할 '완벽한 가이드'라고 믿고 싶어 하지만, 현실의 AI는 때로 엉뚱한 길로 안내하는 가이드에 가깝다.
구매자 절반이 겪은 오정보, AI가 자주 틀리는 이유
문제는 AI가 내놓는 답변의 정확성이다. 가트너의 발표에 따르면 AI를 구매 조사에 활용한 사람 중 절반 이상이 오정보(AI가 그럴듯하게 만들어낸 거짓 정보)를 경험했다고 답했다. AI는 기본적으로 대규모 언어 모델을 기반으로 작동하며, 이는 '다음에 올 확률이 높은 단어'를 조합하는 방식이지 사실 여부를 실시간으로 검증하는 시스템이 아니기 때문이다. 특히 기업용 소프트웨어 시장은 제품 업데이트 주기가 매우 빠르고, 가격 정책이 복잡하며, 기업마다 적용되는 할인율이 다르다. AI가 학습한 데이터가 6개월 전의 것이라면, 당신이 보고 있는 가격이나 기능 정보는 이미 폐기된 정보일 가능성이 크다.
또한, AI는 벤더의 마케팅 수식어에 취약하다. 특정 회사가 자사 제품을 "업계 유일의 실시간 분석 지원"이라고 광고한다면, AI는 이를 비판적으로 검증하기보다 그대로 인용하여 답변에 포함할 확률이 높다. 독자 입장에서는 객관적인 비교처럼 보이지만, 실제로는 AI가 벤더의 보도자료를 요약해 준 것에 불과할 수 있다. 이러한 정보의 불일치는 결국 '매몰 비용'의 발생으로 이어진다. 매몰 비용이란 이미 지출하여 다시 회수할 수 없는 비용을 뜻하는데, AI의 잘못된 정보를 믿고 수개월간 도입을 준비했다가 마지막 단계에서 기술적 결함이 발견되어 프로젝트를 엎게 된다면 그동안 쏟은 인건비와 시간은 고스란히 매몰 비용이 되어 회사의 손실로 남는다.
판매 담당자가 여전히 '검증의 보루'로 남은 이유
AI가 아무리 똑똑해져도 구매자들이 마지막 순간에 사람을 찾는 이유는 '책임'과 '맥락' 때문이다. 가트너 조사 결과, 구매자의 69%는 AI로 찾은 정보를 검증하기 위해 여전히 판매 담당자와의 소통을 필수적으로 여긴다. 이는 B2B 구매자는 검증 단계에서 사람을 선호한다는 경향을 명확히 보여준다. AI는 "이 기능이 있나요?"라는 질문에는 답할 수 있지만, "우리 회사의 특수한 보안 망 환경에서도 이 기능이 충돌 없이 작동할까요?"라는 질문에는 제대로 답하지 못한다.
영업 담당자나 기술 지원팀은 AI가 파악하지 못하는 기업 내부의 트레이드오프(Trade-off, 하나를 얻으면 하나를 잃는 관계)와 리스크를 짚어준다. 예를 들어, 특정 SaaS(인터넷으로 접속해 쓰는 소프트웨어) 솔루션이 기능은 뛰어나지만 기존에 사용하던 전사적자원관리(ERP) 시스템과 연동할 때 추가 비용이 발생하거나 데이터 누락 위험이 있다는 사실은 숙련된 판매 담당자만이 해줄 수 있는 조언이다. 결국 구매 과정은 '정보 습득' 단계에서는 AI가 압도적 효율을 보이지만, '의사 결정의 확신' 단계에서는 여전히 인간의 검증이 필요한 구조다. 마케터들이 AI가 영업 사원을 완전히 대체할 것이라 믿는다면 그것은 구매자의 불안을 간과한 오판이다.
한국 시장에서의 특수성: 규제와 환경의 벽
한국의 직장인이라면 AI의 답변을 더욱 주의 깊게 살펴야 한다. 글로벌 AI 모델들이 학습한 데이터는 주로 북미나 유럽 시장 기준인 경우가 많기 때문이다. 한국은 세계적으로도 독특한 IT 규제 환경을 가지고 있다. 예를 들어 공공기관이나 금융권에 소프트웨어를 도입하려면 'CSAP(국내 클라우드 보안인증 제도)' 인증 여부가 필수적이다. 또한, 중요 데이터를 외부와 완전히 차단하는 '망 분리' 정책을 시행하는 기업도 많다.
ChatGPT에 "한국에서 사용하기 좋은 클라우드 협업 도구"를 물었을 때, AI는 세계적인 인지도를 가진 제품들을 추천해주겠지만 그 제품이 한국의 보안 가이드라인을 준수하는지, 혹은 국내 결제 시스템과 원활하게 연동되는지까지는 정확히 짚어내지 못할 가능성이 크다. 실제로 국내 한 중견기업의 IT 담당자는 AI의 추천을 믿고 글로벌 보안 솔루션 도입을 검토했다가, 국내법상 요구되는 데이터 센터 위치 조건을 충족하지 못해 수주간의 검토 작업을 원점으로 돌린 사례가 있다. 한국 시장에서는 기술적 스펙보다 '규제 준수'와 '국내 기술 지원 체계'가 구매 결정의 핵심 변수가 되는 경우가 많으며, 이는 AI가 가장 놓치기 쉬운 정보 증분이다.
현명한 구매를 위한 AI 활용 체크포인트
결국 AI는 훌륭한 '조수'이지 '결정권자'가 될 수 없다. AI의 오정보로부터 당신의 구매 결정과 커리어를 보호하기 위해 다음 세 가지 체크포인트를 반드시 기억해야 한다.
첫째, AI로 1차 후보군을 좁히되 최종 결정 전에는 반드시 판매 담당자에게 "우리 회사의 구체적인 상황"을 전제로 확답을 받아야 한다. AI가 "가능하다"고 말한 기능이 실제 환경에서 구현되지 않을 경우, 판매 사원이 보증한 서면 자료나 메일은 추후 책임 소재를 가리는 중요한 근거가 된다. 단순히 기능의 유무를 묻지 말고, "우리 회사의 기존 시스템과 연동했을 때의 한계점"을 집요하게 물어라.
둘째, 벤더 평가 단계에서 AI가 내놓은 답 중 '비용', '도입 기간', '기술적 한계' 섹션은 별도의 검증 과정을 거쳐야 한다. AI는 긍정적인 마케팅 문구에 편향될 가능성이 높으므로, 의도적으로 "해당 제품의 가장 흔한 실패 사례나 단점"을 함께 검색하거나 제3자 리뷰 사이트의 데이터를 대조해 보아야 한다.
셋째, 업체 선택 이후 '우리는 왜 이 제품을 골랐는가'를 문서화할 때 AI의 답변을 그대로 복사해 붙여넣지 마라. 대신 "AI를 통해 후보를 추렸고, 이후 판매 담당자와의 미팅을 통해 보안 및 연동성을 직접 확인했다"는 기록을 남겨야 한다. 이는 당신이 기술의 편리함에 매몰되지 않고 전문가로서 신중한 검증 과정을 거쳤음을 증명하는 가장 좋은 방법이다. AI는 당신의 업무 시간을 줄여줄 수 있지만, 그 결과에 대한 책임은 여전히 당신의 몫이라는 점을 잊어서는 안 된다.
관련 위키
더 자세한 배경은 다음 위키 항목에서 확인하세요.