제안서 작성의 현실
B2B 영업 담당자에게 제안서 작성은 필수 과정이다. 그런데 이 작업에 할애되는 시간은 생각보다 많다. 보통 한 건의 제안서를 새로 작성하는데 일주일 이상이 소요된다. 대형 프로젝트라면 2주 이상 매달려야 하는 경우도 생길 수 있다. 작성 초기에는 고객사에 대한 조사와 시장분석을 진행한다. 구글에서 검색하고, 보고서를 뒤지고, 경쟁사 홈페이지에서 확인할 수 있는 정보들을 찾는다. 그다음은 경쟁사 벤치마킹을 진행한다. 경쟁사의 솔루션, 가격 정책, 차별화 포인트를 분석한다. 여기까지 완료되면 이제 본격적으로 제안서를 작성하기 시작한다. 목차를 만들고, 과거 제안서에서 쓸 만한 내용을 찾아서 가져온다. 하지만 고객사마다 요구사항이 다르기 때문에 상당 부분을 새로 작성해야 한다. 일차적으로 완성이 되면 다듬는 작업을 시작한다. 오타를 확인하고, 디자인을 맞추고, 상사의 검토를 받는다. 요청받은 수정 사항이 있다면 최종적으로 반영한다.
문제는 이렇게 제안서 작성에 들이는 시간이 길다고 해도 결과가 보장되지 않는다는 것이다. 노력한 만큼 성과가 나오지 않으면 개인과 팀 전체의 사기도 떨어질 수 있다. 담당자별로 제안서의 품질 편차도 존재한다. 경력이 많은 사람은 빠르게 끝내는 반면, 신입의 경우에는 보통 훨씬 더 오래 걸린다. 회사 입장에서는 비효율적인 요소가 많이 보이는 과정이다.
왜 이렇게 어려운가
제안서 작성이 어려운 이유는 명확하다. 먼저 RFP(제안요청서) 분석 단계부터 해야 할 일이 많다. RFP에는 사업 개요, 과업 내용, 목차, 배점표, 필요 서류에 대한 내용이 빼곡하게 표함 되어 있다. 100페이지가 넘는 RFP도 어렵지 않게 볼 수 있다. 여기에 포함된 모든 내용을 꼼꼼히 읽고 핵심 요구사항을 추출해야 한다. 놓친 항목이 발생하면 바로 평가에서의 감점으로 이어진다.
RFP에 명시된 요구사항이 전부가 아니며 행간에 숨어 있는 의도를 읽어서 고객사가 진짜 원하는 게 무엇인지도 파악해야 한다. 고객사의 사업 목적에 따라 고객사가 해결하고 싶은 문제를 알아내야 한다. 배점표를 분석으로 어떤 사항을 더 중요하게 생각하는지 알아내야 한다. 이렇게 추가적인 분석까지 제대로 하려면 시간이 오래 걸릴 수밖에 없다.
과거 자료를 찾는 것도 시간이 많이 소요된다. 비슷한 프로젝트의 제안서를 참고하고 싶은데, 파일이 정리되어 있지 않고 산재되어 있을 수 있다. 각자 컴퓨터에 저장해 둔 파일도 있고, 공유 폴더에 있는 것도 있다. 파일명도 제각각이다. "최종본", "진짜최종", "최종_수정2" 같은 이름들이 난무한다. 원하는 내용을 찾으려면 여러 파일을 열어봐야 한다.
고객사마다 다른 양식을 사용해서 A사는 제안서를 50페이지 이내로 요구하고, B사는 100페이지 이상을 원할 수 있다. 목차 구성도 다르고, 중점 평가 항목도 다르다. 표준화된 템플릿으로 대응하기 어렵고 매번 맞춤형으로 작성해야 한다.
AI가 바꾸는 제안서 작성
AI는 이런 반복적이고 시간이 오래 걸리는 작업을 빠르게 처리할 수 있다. 가장 먼저 RFP 분석부터 자동화할 수 있다. 텍스트를 기반으로 학습을 한 AI를 활용하는 만큼 제안서 작성에 AI를 활용하는 방법 중에서 이 단계가 가장 확실한 효과를 볼 수 있는 단계일 것이다. RFP 파일을 AI에 업로드해서 주요 요구사항을 자동으로 정리한다. 사업 목적, 과업 범위, 필수 제출 서류, 평가 기준을 정리해 준다. 100페이지짜리 RFP를 몇 분 만에 요약한다. 직접 LLM 중 하나에 업로드를 해서 확인할 수도 있고 ChatGPT의 GPT탐색 기능으로 이미 RFP 분석용으로 만들어 놓은 기능을 활용할 수도 있다.
과거에 작성한 제안서 데이터도 활용할 수 있다. 회사가 보유하고 있는 제안서과 견적서를 학습시킬 수 있다. 과거의 자료를 기반으로 유사한 프로젝트의 내용을 찾아 초안을 생성한다. 예를 들어 "CRM 시스템 구축" 프로젝트 제안서를 써야 한다면, 과거 CRM 관련 제안서 중 가장 유사한 프로젝트를 선택적으로 분석해서 공통 요소를 추출한다. 시스템 구성도, 구축 일정, 투입 인력 계획 같은 기본 틀을 만든다.
고객사 맞춤형 콘텐츠도 생성도 간편하게 진행할 수 있다. 고객사의 산업, 규모, 특성을 학습하고 학습한 결과를 반영해서 제안서 내용에 반영한다. 제조업체 고객이라면 제조업 관련 성공 사례를 넣고 금융사라면 금융권 레퍼런스를 강조한다. 고객사 홈페이지, 뉴스 기사, 공시 자료를 검색해서 최근 이슈를 파악한다.
RFP 요구조건을 제안서 목차에 자동으로 반영해서 RFP에서 요구한 항목과 제안서 목차를 빠짐없이 매칭시키고 빠진 항목이 있으면 알람을 준다. 평가 배점이 높은 항목을 강조해서 담당자가 어디에 집중해야 할지 명확하게 보여준다.
경쟁사 정보도 확인하여 제안서에 반영할 수 있다. 경쟁사의 제품 특징, 가격대, 강점과 약점을 정리한다. 새 제안서를 쓸 때 자동으로 경쟁사 대비 우리의 강점을 제안 내용에 포함시킨다. 예를 들어 다음과 같은 내용이 포함될 수 있다. "경쟁사 A의 장점: 저렴한 이용 비용, 단점: 유지보수 서비스 수준. 자사의 강점: 24시간 지원 체계 보유"
고객사 데이터도 중요하다. 과거 거래 이력, 구매 패턴, 의사결정 기준을 분석한다. 재계약 고객이라면 이전 계약 내용을 참고해서 어떤 조건이 만족스러웠는지, 어떤 부분에서 불만이 있었는지 파악하고 이를 바탕으로 개선된 제안을 만든다.
절약된 시간으로 무엇을 할 것인가
AI를 활용하여 단축된 초안작성 기간을 3시간 만에 어떻게 활용해야 할까. 바로 제안서의 품질을 향상하고 정확도를 높이는 데 활용해야 한다. AI가 만든 초안은 기본 형식과 필수 적인 내용은 포함하고 있지만 제안서의 수락 여부를 결정지을 수 있는 차별화 포인트는 부족할 수 있다.
고객사의 진짜 니즈를 깊이 있게 파고들어서 RFP에 명시되지 않은 숨겨진 요구사항을 찾아야 한다. 고객사 담당자와 미팅에서 실제 고민이 무엇인지 듣고 가장 해결하고 싶은 문제가 무엇인지 파악해서 제안서에 반영한다.
차별화 전략을 고민해야 한다. 경쟁사 역시 비슷한 솔루션을 제안할 것이다. 우리만의 독특한 접근법이 기술적 우위일 수도 있고, 서비스 모델일 수도 있고 가격 경쟁력일 수도 있다. 이 차별점을 제안서 전체에 일관되게 녹여내야 하는데 이런 방식은 AI보다는 사람의 영역일 것이다.
발표 PT가 포함이 되어 있다면 발표 자체는 AI가 대신할 수 없다. 필요한 스토리 텔링은 AI를 활용해서 만들어 볼 수 있지만 발표 자체는 사람이 해야 하기 때문에 발표력에 공을 들여야 한다. 단순히 기능과 스펙을 나열하는 게 아니라, 고객사의 성공 스토리를 그린다. "우리 솔루션 도입 후 6개월 뒤 귀사는 이런 변화를 경험하실 겁니다" 같은 비전을 제시와 함께 구체적인 수치를 근거로 들어 설득력을 높인다.
실제 변화의 모습
실제 기업의 변화를 보면 효과가 명확하다. 한 여행 서비스 기업에서 약 10명의 담당자가 견적서를 모두 수작업으로 만들었다고 가정해 보자. 각자 방식과 템플릿이 달라 자료가 흩어지고, 견적 품질과 가격 산정 기준도 들쑥날쑥할 수 있다. 유사한 문의에도 매번 처음부터 견적서를 다시 써야 했고, 과거 자료를 참고하기도 쉽지 않아 작성과 발송에 시간이 오래 걸렸다.
이제 고객이 홈페이지나 챗봇을 통해 여행 견적을 요청하면 AI가 즉시 맞춤형 견적서 초안을 만든다. 고객별 핵심 정보인 여행 일정, 인원, 여행지, 예산이 자동으로 견적서에 반영된다. 담당자별 편차가 크게 줄었다. 경쟁사 및 시장 트렌드 기반으로 차별화 포인트도 자동으로 제안한다. 유사 여행 상품, 최신 트렌드, 경쟁사 견적 데이터를 분석해서 우리만의 강점이나 인기 서비스 요소를 견적서에 반영한다. 견적서 작성 시간이 대폭 줄고, 품질과 일관성이 높아졌으며 고객 만족도도 크게 개선시킬 수 있다.
건설 기업의 경우도 영향이 생길 수 있다. 여러 업체에서 들어오는 공사 견적 요청에 대응할 때 각 품목의 적정 단가를 직접 계산하고, 내역서 초안도 수작업으로 작성했다. AI 도입으로 기존 내역서와 설계 자료를 분석해서 품목별로 단가 후보를 자동 추천받는다. 한 화면에서 여러 단가를 비교하고, 최적의 단가를 선택하면 AI가 공사 내역서 초안을 바로 완성한다. 견적 처리 속도가 빨라지고, 한정된 인력으로도 여러 업체 요청에 신속하게 대응할 수 있게 된다.
사람과 AI의 협업
물론 AI가 모든 걸 완벽하게 해주지는 않는다. 사람의 역할은 반드시 필요하다. AI가 만든 초안은 바탕으로 담당자가 검토하고 수정해서 완성해야만 한다.
먼저 내용의 정확성을 확인해야 한다. AI가 잘못된 정보를 넣었을 수 있기 때문이다. 과거 데이터를 잘못 인용하거나, 최신 정보가 반영 안 됐을 수 있다. 숫자, 날짜, 고객사명 같은 기본 정보부터 확인한다. AI가 더 이상 제공하지 않는 기능을 써 놨을 수도 있다.
고객사 특성을 반영했는지 본다. AI는 일반적인 내용은 잘 쓰지만, 고객사만의 독특한 상황을 완벽히 이해하지 못한다. 고객사의 조직 문화, 의사결정 방식, 특별한 요구사항을 추가로 반영한다. 담당자가 직접 미팅에서 들은 내용을 넣는다.
전략적 판단은 사람의 몫이다. 이 프로젝트를 수주하는 게 회사에 유리한지, 수익성, 리스크 등에 대한 의사결정은 AI가 할 수 없다.
협상 전략도 사람이 세운다. 얼마의 가격을 제시할지, 어떤 조건을 어떻게 포함할지, 경쟁사 대비 우리의 포지셔닝을 어떻게 할지 등에 대한 전략적 고민은 인간의 결정하고 그 결과 다시 제안서에 반영해 도록 해야 한다.
고객사와의 관계 관리도 중요하다. 고객사 담당자와의 신뢰를 유지를 위해 평소에 어떤 관계를 맺어왔고 어떤 커뮤니케이션을 해왔는지가 제안서의 성패를 좌우할 수 있다.
결국 AI는 도구다. 아주 효율적으로 시간 소모적인 작업을 줄여주는 도구다. 하지만 도구를 어떻게 쓸지는 사람이 결정한다. 제안서 작성의 자동화는 담당자를 대체하는 게 아니라 담당자가 더 가치 있는 일에 집중할 수 있도록 해준다. 문서 작성에 쓰던 시간을 고객 이해, 전략 수립, 관계 구축에 써서 더 좋은 제안서가 나올 수 있도록 하는 것이 제안서 작성 자동화의 진짜 의미다.
댓글