AI PPT 생성기로 B2B 제안서 자동화

이 기업은 기업 고객을 대상으로 IT 솔루션 제안을 수행하는 B2B 영업 조직으로, 산업, 규모, 디지털 성숙도가 서로 다른 고객군을 상대하고 있었습니다. 같은 솔루션을 팔더라도 고객마다 문제 정의와 설득 포인트가 달라, 제안서의 개인화 수준이 영업 성과에 직접적인 영향을 주는 구조였습니다.

특히 콜드메일 기반 아웃바운드 세일즈에서는 상대 기업 상황을 반영한 맞춤형 제안서를 얼마나 빠르게 제공하느냐가 응답률과 미팅 전환율을 좌우했습니다. 고객이 이미 공개적으로 드러내고 있는 사업 방향, 채용 패턴, 뉴스, 조직 변화 같은 신호를 제안에 연결할 수 있어야 '우리 이야기를 하고 있다'는 인상을 줄 수 있었습니다.

문제는 이런 맞춤형 제안이 높은 효용을 가졌음에도, 실제 제작 공정은 너무 무거웠다는 점입니다. 한 건의 제안서를 위해 기업 조사, 핵심 이슈 정리, 제안 논리 구성, 슬라이드 작성이 모두 수작업으로 이어지다 보니, 결국 소수의 우선순위 높은 리드에만 충분한 품질을 투입할 수 있었습니다.

핵심 문제는 개인화가 어렵다는 점이 아니라, 개인화를 대규모 영업 운영으로 확장할 수 있는 체계가 없다는 점이었습니다. 영업 담당자는 개인화의 중요성을 알고 있었지만, 한 건당 준비 시간이 길어질수록 대응 가능한 리드 수가 급격히 줄어들었습니다.

기업 조사, 공개 정보 정리, 제안 논리 구성, 슬라이드 제작이 각각 다른 단계로 분절돼 있어 한 건당 처리 시간이 길었습니다. 특히 조사 결과를 단순히 모으는 것과 이를 설득력 있는 제안 스토리로 바꾸는 것 사이의 간극이 커, 자료는 많아도 메시지가 약한 제안서가 나오는 경우가 적지 않았습니다.

담당자별 조사 품질 편차도 문제였습니다. 어떤 사람은 기업 맥락을 잘 짚었지만, 어떤 사람은 표면적 정보만 정리하는 데 그치면서 제안서 수준이 들쭉날쭉해졌습니다. 그 결과 동일한 영업팀 안에서도 제안서의 완성도와 설득력이 일정하지 않았습니다.

무엇보다 타이밍이 중요한 아웃바운드 환경에서는 며칠만 늦어져도 제안 가치가 떨어질 수 있었습니다. 결국 제안서 제작 리드타임 자체가 파이프라인 전환 기회를 놓치게 만드는 병목으로 작용하고 있었습니다.

프로젝트 팀은 리드 기업이 입력되면 공개 출처를 자동 수집해 영업 전용 조사 요약을 생성하고, 이를 바로 제안 스토리라인과 장표 초안으로 연결하는 AI PPT Generator를 구축했습니다. 핵심은 '정보를 모아주는 도구'가 아니라, 영업 담당자가 실제로 발송 가능한 제안서 초안을 빠르게 얻을 수 있는 흐름을 만드는 것이었습니다.

우선 홈페이지, 보도자료, 채용 공고, IR 자료, 조직 정보, 기술 블로그, 뉴스 등을 대상으로 핵심 정보를 추출해 기업 특성, 현재 이슈, 잠재 과제, 도입 가능성이 높은 영역을 구조화했습니다. 단순 요약이 아니라 세일즈 관점에서 의미 있는 신호를 선별해, 무엇이 이 기업의 현재 우선순위로 보이는지까지 정리하도록 설계했습니다.

그다음 수집 자료를 바탕으로 세일즈 스토리라인을 생성했습니다. 시스템은 '왜 이 기업에 지금 이 제안을 해야 하는가', '어떤 문제를 짚어야 공감이 생기는가', '우리 솔루션이 어떤 가치로 연결되는가'를 서사 형태로 정리해 영업 메시지의 뼈대를 만들었습니다. 이 단계가 있었기 때문에 단순 정보 나열이 아니라 설득 구조를 갖춘 제안 초안이 가능해졌습니다.

이후 표지, 기업 이해, 문제 정의, 제안 방향, 기대 효과, 다음 액션 등 장표 템플릿에 맞춰 슬라이드 메시지와 본문 초안을 자동 생성하도록 연결했습니다. 영업팀은 빈 슬라이드를 처음부터 채우는 대신, 이미 논리 구조가 잡힌 초안을 기반으로 고객 맥락에 맞는 보정과 우선순위 조정에 집중할 수 있었습니다.

완성형 문서를 자동 발송하는 구조로 만들지는 않았습니다. 산출물은 영업 담당자가 즉시 수정하고 보정할 수 있는 초안 형태로 제공했고, 문구 톤, 강조 포인트, 사례 연결, 비주얼 우선순위는 사람이 마지막으로 조정하도록 남겨뒀습니다. 이 방식 덕분에 자동화와 세일즈 전문성 사이의 균형을 유지할 수 있었습니다.

결과적으로 리드 리서치, 논리 설계, 슬라이드 초안 작성의 end-to-end 흐름이 하나의 시스템으로 묶였고, 개인화 제안을 반복 가능하고 운영 가능한 프로세스로 전환할 수 있었습니다.