CPQ실무

“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...