생성형 AI는 CPQ 시스템을 대체할까, 아니면 더 스마트하게 만들까?

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 선택에 도달하는 시간을 압축합니다.

견적 시스템이 진행 과정에서 스스로를 설명하지 못하면, 현업 담당자들은 그 시스템을 외면할 것입니다.

시장의 신호를 보겠습니다. 세일즈포스는 신규 고객을 대상으로 기존 CPQ 제품의 판매를 중단(end-of-sale)하고, 더 높은 가격의 새로운 Revenue Cloud로 전환을 유도하고 있습니다. 한 업계 게시물에 따르면 “세일즈포스 CPQ는 신규 고객에 대해 공식적으로 판매 종료 상태에 들어갔다”고 합니다. 실제 세일즈포스 가격 정책 페이지를 보면, Revenue Cloud Advanced 버전의 가격은 사용자당 월 200달러에 달합니다. 이것은 단순한 제품 변경이 아닙니다. 모든 CPQ 리더에게 ‘어차피 옮겨야 한다면, 우리는 어디로 가야 하는가?’라는 질문을 던지는 강제적인 전환의 순간입니다.

만약 그 답이 단순히 ‘다음 세대의 CPQ’라면, 구조적인 변화의 흐름을 놓치게 될 것입니다. 역량의 경계가 ‘유효성 검증’에서 ‘추론’으로 이동하고 있기 때문입니다.

지금이 중요한 이유

지난 20년간 기업들은 ‘속도’와 ‘신뢰’ 사이에서 타협해 왔습니다. 엑셀은 빠르지만 오류에 취약하고, CPQ는 신뢰할 수 있지만 변화에 느리고 설명이 부족했습니다. LLM은 이 구도를 완전히 바꿔 놓았습니다. 구매자의 언어로 상황을 이해하고, 대안을 비교하며, 명확한 스토리를 제공하는 새로운 인터페이스를 제시하기 때문입니다.

물론 두 가지 제약 조건이 있습니다. 첫째, LLM은 확률적 모델입니다. 옵션을 추천하고 설명을 생성하는 데 능하지만, 때로는 자신감 있게 틀린 답을 내놓을 수도 있습니다. 둘째, 기업 영업에는 보증이 필요합니다. MRI 장비나 산업용 트럭, 공정 설비를 확률 기반의 규칙으로 만들지는 않습니다.

따라서 성공적인 모델의 모습은 명확해집니다. 검증 가능한 명시적 로직으로 유효성과 비용을 계산하고, 언어 모델은 고객의 의도 파악, 시나리오 추론, 설명 생성을 담당하게 하는 것입니다. 기존 시스템은 가드레일 역할을, 새로운 AI 계층은 가이드 역할을 합니다.

규칙은 정확성을 보장하고, 언어 모델은 시간을 압축합니다.

이것이 나중이 아닌 바로 지금 중요한 이유입니다.

• 벤더 주도의 변화: 강제적인 시스템 이전은 더 이상 이론적인 리스크가 아니라, 실제 갱신 계약서에 명시된 현실이 되었습니다.
• 비용 압박: 사용자당 월 200달러라는 비용은 투자 대비 실질적인 효과와 측정 가능한 영향에 대해 고민하게 만듭니다.
• 구매자 행동 변화: 이제 고객들은 시스템이 추론하고 그 근거를 제시하기를 기대합니다. 공식적인 경로가 엑셀과 ChatGPT보다 뒤처진다면, ‘그림자 견적(shadow quoting)’이 표준이 될 것입니다.

CPQ를 위한 하이브리드 추론 아키텍처

기존의 트레이드오프를 해결하면서도, 뜬구름 잡는 기술에 회사의 운명을 걸지 않을 수 있는 아키텍처는 다음과 같습니다. 명시적 로직 위에 추론 레이어를 더하는 개념으로 생각할 수 있습니다.

1. 명시적 제품 로직 기반: 규칙, 제약 조건, 가격 결정 요소는 결정론적이고 검증 가능한 시스템 안에 유지합니다. BOM, 생산 가능성, 실질 판매 가격(pocket price)의 정확성은 여기서 확보됩니다.

2. 대화형 추론 레이어 추가: LLM을 활용해 “왜 도심 주행 환경에 이 기어박스를 선택해야 하죠?”와 같은 질문에 실제로 답하게 합니다. 모든 답변은 명시적 로직에 근거해야 합니다. ‘LLM이 제안하고, 규칙이 결정하는(The LLM proposes; the rules dispose)’ 구조입니다.

3. 설명 기능 내재화: 모든 추천은 제약 조건 위반 사유, 시간에 따른 비용 영향, 시나리오 적합성 등 검증 가능한 근거와 함께 제시되어야 합니다. 시스템이 왜 그 선택이 유효하고 더 나은지 보여주지 못한다면, 현업에서 사용할 수 없습니다.

4. 가드레일과 테스트 체계: LLM을 ‘감독이 필요한 유능한 주니어 컨설턴트’처럼 다뤄야 합니다. LLM의 제안을 제약 조건 엔진을 통해 검증하고, 핵심 견적 경로에 대한 테스트 스위트를 상시 운영해야 합니다.

5. 점진적 데이터 전략: 작지만 구조화된 데이터로 시작합니다. 시나리오별 장단점, 권장/비권장 사용 사례 등 추론의 기반이 될 구체적인 영업 언어로 제품 정보를 작성해야 합니다. 완벽보다 진전이 중요합니다.

실질적으로 로드맵은 다음과 같이 바뀝니다.

• 단기: 2~3개의 핵심 견적 프로세스에 추론 인터페이스를 먼저 적용합니다. 기존 CPQ나 ERP 로직은 최종 판정자 역할을 유지합니다.
• 중기: 설명 기능을 구현합니다. 제약 조건 위반 사유, TCO 차이, 가격 변동 등을 화면에 노출하여 시스템이 견적과 동시에 교육하도록 만듭니다.
• 장기: 거버넌스를 구축하고 변경 속도를 관리합니다. 텍스트와 시나리오의 소유권은 제품 및 영업기획팀에, 규칙과 테스트의 소유권은 CPQ팀에 둡니다.

이 모델의 승자는 ‘스토리텔링’ 역시 제품 구성의 일부임을 받아들이는 팀입니다. 구매자의 언어로 추론하고 설명하되, 규칙으로 실수가 없도록 조용히 보장하는 시스템을 만드는 팀입니다. 도입률(adoption)이 유일하게 의미 있는 지표임을 알고 매주 측정하는 팀입니다.

반면, 다음과 같은 팀들은 도태될 것입니다. ▲제품 경험의 핵심적인 문제들은 그대로 둔 채 툴 마이그레이션에만 1년을 소모하는 팀, ▲안전장치 없이 순수 LLM에만 베팅했다가 추측만으로는 고가의 장비를 팔 수 없다는 사실을 뒤늦게 깨닫는 팀, ▲공식 경로가 느리다는 이유로 현업 담당자들이 엑셀과 챗봇을 조합해 쓰는 동안 아무것도 하지 않고 관망하는 팀.

이는 특정 벤더를 선택하는 문제가 아닙니다. 각 기술이 잘하는 것을 인정하는 아키텍처를 선택하는 문제입니다. 결정론적 시스템은 유효성을, 확률적 추론 모델은 언어와 비교, 학습을 담당합니다. 이 둘을 올바른 순서로 결합하면 신뢰와 속도를 모두 얻을 수 있습니다.

저는 AGI가 복잡한 B2B 환경에서 CPQ의 필요성을 없앨 것이라고 생각하지 않습니다. 다만 CPQ의 정의가 바뀔 것이라고 확신합니다. 역량의 경계가 부가 기능이 아닌 핵심 기능으로서 시나리오 추론과 설명을 포함하는 방향으로 이동하고 있습니다. 지금 우리가 바로 그 순간에 서 있습니다.

이것을 미래의 이야기로 여기는 것이 가장 큰 위험입니다. 이미 현업에서는 벌어지고 있는 일입니다. 구매자는 장단점을 즉시 이해하길 원하고, 영업 담당자는 시스템이 단순한 클릭 도구를 넘어 생각하는 데 도움을 주길 기대합니다. 재무팀은 구성부터 비용, 마진까지 명확한 연결고리를 요구합니다. 이 중 한 단계라도 실패하면, 거래는 몇 주가 아닌 며칠 만에 무너집니다.

그러니 이 글의 시작이었던 질문과는 다른 질문을 던져야 합니다. ‘AI가 CPQ를 대체할 것인가?’가 아니라, ‘현재 우리 시스템은 구매자의 의사결정 과정 중 정확히 어느 지점에서 멈추는가?’를 물어야 합니다. 그리고 만약 AI 어시스턴트가 그 간극을 몇 분 안에 메울 수 있고, 기존 규칙이 안전을 보장해준다면, 무엇을 기다리고 있습니까?

시스템이 스스로 추론하고 그 근거를 제시할 수 있을 때, 당신의 견적서에서 신뢰를 얻기 위해 여전히 엑셀이 필요한 부분은 어디입니까?