CPQ실무

지난주 워크숍에서 한 분이 모두가 궁금해하지만 차마 입 밖으로 꺼내지 못했던 질문을 던졌습니다. “AGI가 현실이 되면, CPQ 시스템은 더 이상 필요 없을까요?” 그 질문의 무게를 모두가 알기에, 장내에는 무거운 침묵이 흘렀습니다. 저는 2000년부터 주로 Tacton 솔루션을 중심으로 CPQ 분야에서 데모, 구축, 거버넌스, 확장 등 다양한 업무를 수행해 왔습니다. 그 과정에서 반복되는 패턴을 발견했습니다. CPQ는 제품 구성의 유효성 검증과 구조화는 완벽하게 해내지만, 정작 계약을 성사시키는 결정적인 순간에는 힘을 쓰지 못한다는 점입니다. 영업 담당자는 여전히 고객의 진짜 질문, 즉 “왜 내 상황에 이 구성이 최선인가?”에 직접 답해야 합니다. LLM(대규모 언어 모델)은 바로 이 ‘왜’에 대해 답할 수 있습니다. 시나리오에 기반해 추론하고, 장단점을 비교하며, 복잡한 내용을 쉽게 설명합니다. 이는 리스크의 본질을 바꿉니다. AI가 CPQ를 대체하는 것이 위협이 아닙니다. 진짜 위협은 AI로 인해 기존 CPQ의 한계가 명확히 드러난다는 점입니다. 잘못된 질문: CPQ는 구식이 될 것인가 ‘AI가 CPQ를 대체할 것인가, 아닌가’ 하는 이분법적 질문은 문제의 본질을 흐립니다. 전통적인 CPQ는 정확성, 거버넌스, 반복성을 보장하는 결정론적(deterministic) 시스템입니다. 동일한 입력값은 항상 동일한 결과값을 내놓습니다. 허용되는 범위를 지키고, 그 비용을 계산합니다. 이는 수익과 재앙의 경계선이 ‘생산 가능성’에 달려 있는 복잡한 제조업에서 매우 중요합니다. 하지만 영업 현장은 부품 번호로 시작되지 않습니다. “좁은 도심 도로, 비포장도로 간헐적 운행, 4인 탑승, 5년 총소유비용(TCO) 고려”와 같은 시나리오에서 시작됩니다. LLM은 이런 종류의 추론에 능합니다. 고객의 상황을 이해하고, 여러 옵션을 비교하며, 선택에 따른 장단점을 평이한 언어로 설명합니다. 이는 유효한 구성이라는 딱딱한 경계를 대체하는 것이 아니라, 정보에 기반한 합리적인 ...

복잡한 장비를 판매하는 회사라면 어디에나 '김 부장님' 같은 분이 있습니다. 제품에 대해 모르는 것이 없고, 동료들이 스프레드시트를 열어볼 때쯤이면 이미 고객의 모호한 요구사항을 명확하고 실행 가능한 솔루션으로 정리해냅니다. 그는 영웅입니다. 하지만 동시에, 붐비는 고속도로의 유일한 1차선 진입로이기도 합니다. 한 글로벌 기업의 사례가 기억납니다. 모든 대형 견적은 단 한 명의 전문가 검토를 위해 줄을 섰습니다. 계약은 지연되고 승인 서류는 쌓여만 갔습니다. 제품 관리팀은 영업팀에게 제발 특이한 사양은 팔지 말아 달라고 애원할 지경이었습니다. 사용하던 툴에는 문제가 없었습니다. 업무 처리 방식이 문제였습니다. 회사의 성장이 한 사람의 머리에 의존한다면, 그것은 세일즈 프로세스가 아닙니다. 이름만 있는 병목 지점일 뿐입니다. 더 좋은 계산기가 아니라, 똑똑한 번역기가 필요합니다 대부분의 팀은 모든 규칙을 코드화하는 대규모 CPQ 프로젝트가 해결책이라고 생각합니다. 안전한 접근처럼 들리지만, 대개 느리고 비싸며 경직된 시스템으로 귀결됩니다. 몇 달에 걸쳐 예외 규칙을 모델링하고 나면, 현업에서는 이미 새로운 예외 케이스를 만들어 낸 뒤입니다. 진짜 문제는 견적서의 계산이 아닙니다. 고객의 상황을 유효한 제품 구성(Configuration)으로 '번역'하는 과정에 있습니다. 김 부장님은 복잡한 계산으로 답을 찾지 않습니다. 고객의 말을 경청하고, 문제의 핵심을 파악하고, 가장 중요한 두세 가지 질문을 던져 잘못된 길을 미리 차단합니다. 의도를 구조로 번역하는 것입니다. 우리는 더 똑똑한 '번역가'가 필요할 때, 더 좋은 '계산기'를 만드는 데만 힘을 쏟아왔습니다. CPQ의 핵심은 자동화가 아니라 정확성입니다. 정확성이란 우리가 판매한 제품을 매번 실수 없이 만들고, 가격을 책정하고, 납품할 수 있음을 의미합니다. 혼란을 자동화하는 것만큼 신뢰를 빨리 잃는 길은 없습니다. 복잡한 것을 누구나 이해할 수 있게 ...

두 달 전, 한 고객사에서 챗봇이 하룻밤 사이에 갑자기 까다로워진 이유를 물어온 적이 있습니다. 그 전주까지만 해도 파워트레인을 자신 있게 추천하던 챗봇이 모델 업그레이드 후, 단계마다 확인 질문을 던지기 시작한 것입니다. 제품도, 규칙도 그대로인데 동작만 달라졌습니다. 이것이 바로 문제입니다. 영업 로직이 그날그날의 모델 버전에 따라 흔들려서는 안 된다는 뜻입니다. 복잡한 제품을 판매할 때, 정확성은 '있으면 좋은 것'이 아니라 필수입니다. 영업 부서는 빠른 답변을 원하지만, 운영 부서는 결과에 대한 보증을 필요로 합니다. 어느 한쪽을 포기할 수 없습니다. 순수한 규칙 기반 방식과 순수한 LLM 방식 사이에서 양자택일하려는 접근 자체가 잘못되었습니다. 지금이 왜 중요한 전환점인가 LLM은 대화, 설명, 패턴 발견에 탁월합니다. 구매자의 언어로 소통하고 시나리오를 이해시킵니다. 하지만 확률 기반으로 작동하기에 똑같은 입력에도 다른 결과를 낼 수 있고, 맥락이 부족하면 추측으로 답변을 만들어내기도 합니다. 반면 제약 기반 CPQ는 그 반대입니다. 완벽할 정도로 '지루하게' 정적입니다. 모든 결과가 결정론적(deterministic)이고, 테스트 가능하며, 릴리스가 바뀌어도 안정적입니다. 하지만 상호작용 방식이 경직되어 있고, 모든 추천과 설명을 규칙으로 해결하려 하면 유지보수 비용이 급증합니다. 결국 어느 한쪽을 선택하는 것이 아니라, 각자가 가장 잘하는 역할을 맡기는 것이 핵심입니다. 가트너 리서치에 따르면, 수많은 CPQ 프로젝트 실패의 근본 원인은 툴이 아니라 제품 데이터와 거버넌스에 있었습니다. 이는 핵심 병목 지점이 기능이 아니라, '지식을 표현하고, 변경을 통제하며, 의사결정을 사람에게 설명하는 방식'에 있음을 시사합니다. 판사와 조언자: 하이브리드 CPQ의 두 역할 저희는 이 패턴을 워크숍에서 'CPQ 추론(CPQ Reasoning)' 모델이라 부릅니다. 모든 견적 프로세스를 두 가지 역할이...

“챗봇이 1차 검토를 맡으면 안 될까요?” 영업팀의 질문이었습니다. “우리가 만들지도 못할 제품을 팔지 않는다고 보장할 수 없다면 안 됩니다.” 운영팀의 답변이었습니다. 두 팀 모두의 말이 맞습니다. 담당자는 AI의 유연함으로 정제되지 않은 요구사항을 빠르게 취합하고 싶어 하고, 동시에 규칙의 확실함으로 모든 견적이 생산 가능하고, 가격 책정이 가능하며, 근거가 명확하기를 바랍니다. 어느 한쪽을 선택해서는 이룰 수 없는 목표입니다. 두 가지를 겹쳐 쌓아야 합니다. 실무에서 놓치기 쉬운 핵심은 간단합니다. 결정론적(deterministic)인 규칙 레이어 위에 대화형 AI 레이어를 올리는 것입니다. AI는 고객과 대화하게 하고, 최종 결정은 규칙이 내리도록 하는 구조입니다. 하나가 아닌 두 개의 레이어가 필요한 이유 대부분의 CPQ 도입 실패는 UI나 기능 부족 때문이 아닙니다. 신뢰의 문제입니다. 영업팀은 구성의 유효성을, 재무팀은 가격의 정확성을, 제품팀은 정해진 규칙이 마감 시한에 쫓겨 무시되지 않을 것임을 확신할 수 있어야 합니다. 생성형 AI는 이메일, PDF, 메모 등 정제되지 않은 고객 요구사항을 일관된 맥락으로 정리하는 데 탁월합니다. 하지만 같은 질문에도 어제와 오늘 다른 답을 내놓을 수 있습니다. 가트너(Gartner)가 명확히 지적했듯, 생성형 시스템은 본질적으로 확률적(probabilistic)이므로 실제 업무 프로세스에 적용하려면 안전장치(guardrail)가 반드시 필요합니다. 이러한 비결정론적 특성은 요구사항을 탐색할 때는 장점이지만 견적 단계에서는 리스크가 됩니다. 규칙 기반 컨피규레이터는 정반대입니다. 일관되고, 감사 가능하지만, 때로는 고통스러울 정도로 경직되어 있습니다. 추측하지 않고, 불가능하면 막아섭니다. AI는 의도를 수집하고, 규칙은 현실을 검증합니다. 두 가지를 결합하면 정확성을 희생하지 않으면서 속도를 높일 수 있습니다. 2-레이어 CPQ 작동 방식 저는 복잡한 제품을 판매하는 기업들과 이 방식을 적용해왔습니다. 일...

“고객에게 부품 리스트를 전부 보여주면 안 될까요? 투명성을 원한다는데요.” 이런 요청은 여러 프로젝트에서 들어봤습니다. 일견 합리적으로 들립니다. 하지만 실제로는 계약과 마진을 망치는 지름길입니다. 숙련된 CPQ 운영팀은 조용한 진실을 알고 있습니다. 고객은 부품이 아니라 결과물에 돈을 지불한다는 사실 말입니다. 영업에서 부품 명세서를 보여주는 순간, 고객은 원가 기반의 가격 협상을 시작합니다. 반면, 결과물을 팔면 가치와 속도를 모두 지킬 수 있습니다. 이 문제를 해결하는 열쇠가 바로 Sales BOM과 Cost BOM을 분리하는 데 있습니다. 고객은 결과물을 사고, 재무팀은 부품을 삽니다. 각자에게 필요한 것만 보여주면 됩니다. 고객이 사는 것과 우리가 만드는 것 Sales BOM은 고객의 눈높이에서 제품을 설명하는 방식입니다. 성능, 용량, 규제 준수, 납기, 서비스 등 고객이 이해하는 언어로 소통하는 것입니다. Sales BOM은 가치를 포장하고, 내부의 복잡성은 감추며, 가격의 기준을 결과물에 둡니다. Cost BOM은 내부 운영을 위한 설계도입니다. 여기에는 부품, 공정, 공임, 공급사 정보, 원가 계산 등 엔지니어링과 제조에 필요한 모든 정보가 담겨 있습니다. 판매가 아닌 생산을 위한 필수 자료입니다. 만약 이 두 가지가 동일하다면, 매일 다음과 같은 비용을 치르게 됩니다. 영업이 불필요하게 복잡해집니다. 영업 대표는 가치가 아닌 부품을 기준으로 고객을 설득해야 합니다. 부품 단위의 가격 협상에 휘말려 할인율이 끝없이 높아집니다. 사소한 원가 변동이 고객에게 전달되는 견적서에까지 영향을 미쳐 변경 관리가 위험해집니다. 둘을 분리하는 것은 단순한 사용자 경험(UX) 개선이 아니라, 거버넌스의 문제입니다. 가트너(Gartner) 같은 분석 기관들도 수년간 CPQ 성공의 핵심은 명확한 책임 소재, 데이터 수명 주기 관리, 그리고 설명 가능성에 있다고 강조해왔습니다. 이 분리 작업이 바로 그 경계선 중 하나입니다. CPQ의 본질은 자동화가 아닙니다. ...

아직 디지털로 팔지 못하는 제품들: 숨겨진 매출의 기회 “이 제품군은 온라인으로 견적을 내지 않습니다. 경우의 수가 너무 많아서요. 영업 담당자가 그냥 PDF를 이메일로 보냅니다.” 지난 20년간 프로젝트 킥오프 미팅에서 수없이 들어온 말입니다. 영업팀이 보내는 견적서는 정확합니다. 하지만 그 견적서 하나를 만드는 데 3일이 걸리고, 전문가 두 명이 투입되며, 지난번과 달라진 점이 없기를 기도해야 합니다. 결국 이런 제품들은 아날로그 방식으로 남게 됩니다. 수요는 분명히 존재하지만, 500~1,000시간이 걸리는 CPQ 프로젝트를 정당화할 만큼 크지는 않은, 소위 ‘롱테일(long tail)’ 제품군으로 말입니다. 여기서 관점의 전환이 필요합니다. 대화형 제품 구성 솔루션의 가장 큰 ROI는 기존 CPQ의 효율을 높이는 데 있지 않습니다. ‘구성 불가능’했던 제품을 판매 가능한 상품으로 만드는 데 있습니다. 구축 기간이 몇 달에서 며칠로 줄어들면, 소량 다품종의 복잡한 제품도 경제적으로 충분히 다룰 수 있게 됩니다. 속도가 당장의 비용을 감당하게 해준다면, 신규 매출은 장기적인 투자를 가능하게 합니다. 저는 귀사의 팀이 바로 이 비즈니스 케이스의 가치를 보셨으면 합니다. 롱테일에 숨겨진 성장 기회 대부분의 팀들은 CPQ의 ROI를 비용 절감 관점에서 접근합니다. 더 빠른 견적, 더 적은 오류, 엔지니어링 부서의 개입 감소 같은 것들입니다. 물론 중요합니다. 하지만 진짜 중요한 재무적 성과는 다른 곳에 있습니다. 바로 인력 충원 없이 디지털로 판매할 수 있는 제품의 범위를 넓히는 것입니다. 지금까지 모델링을 포기했던 제품들을 떠올려 보십시오. 구성 옵션이 너무 많고, 판매량은 적으며, 예외적인 절충점이 많은 제품들입니다. 대화형 솔루션은 구축의 단위 비용을 획기적으로 낮춰 이러한 제품들의 디지털 판매를 가능하게 합니다. 특정 틈새 제품 라인을 며칠 만에 온라인 가이드 판매 채널로 만들 수 있다면, 이는 더 이상 부수적인 프로젝트가 아니라 새로운 판매 채널이 됩...