AI가 바꾸는 B2B 7 - AI와 함께하는 협상 준비

끝나지 않은 영업, 최종 협상

B2B 거래에서 협상의 순간은 언제나 긴장된다. 영업 단계에서 대부분의 사항들이 결정되어 있지만 아직 모든 것이 결정된 것은 아니기 때문이다. 테이블 건너편에 앉은 고객사의 담당자는 가격을 낮추려 하고, B2B 담당자의 입장에서는 수익률을 지켜야 한다. 한 번의 협상이 회사의 월/분기 실적을 좌우할 수도 있다. B2B 거래는 거래 규모가 크고 의사결정 과정이 길며 다수의 이해관계자가 참여할 수 있다. 협상 테이블에는 구매팀 담당자만 나올 수도 있지만 구매팀을 포함해, 재무팀, 최종 사용자, 경영진 등 연관된 모두가 등장할 수 있는 등장하는 각자의 요구 조건을 다르기 마련이다

가격은 거래 성사 여부를 결정하는 가장 중요한 요소인 동시에 공급사의 수익성을 직접적으로 좌우한다. 가격, 품질보증, 서비스 수준 등의 객관적 기준을 중요하게 고려하지만 주관적 기준도 영향을 끼친다. 기존의 협상 방식은 많은 시간과 노력을 요구한다. 유사한 과거 사례를 찾아보고, 경쟁사 가격을 조사하고, 내부 회의를 거쳐 협상 범위를 정한다. 협상 준비에만 수 주가 걸리는 경우도 흔하다. 그 사이 시장 상황은 바뀌고, 새로운 영업 기회를 잡기는 어려워진다.

 

데이터가 말하는 적정 가격

AI는 협상 준비를 근본적으로 바꿀 수 있다. 우선적으로 달라지는 부분은 가격이다. KT커머스는 자체 개발한 생성형 AI 가격 협상 솔루션 네고위즈를 통합구매대행서비스에 도입했다. 이 시스템은 상품의 경쟁도, 과거 거래 정보, 구매 규모 등 데이터를 실시간으로 분석해 최적의 협상 전략과 목표 가격을 제시한다. 기존에는 연간 2만 8천 건 이상의 가격 협상 업무가 사람에 의해서 진행됐지만 AI도입으로 소요 시간이 단축됐다.

실제 거래 데이터가 가격 협상의 기준이 된다. 과거 동일 품목을 어떤 가격에 거래했는지, 물량에 따라 단가가 어떻게 달라졌는지, 기간별로 가격 변동은 어떤 패턴을 보이는지 분석하고 여기에 현재의 정보를 반영한다. 원자재 가격 추이, 환율 변동, 경쟁사 가격대를 함께 고려하는 것이다. 수백, 수천 건의 데이터를 몇 초 만에 처리해서 현재 시점에서 가장 적합한 가격 범위를 제시한다.

월마트는 10만여 개 납품업체와의 협상을 AI와 함께하는 실험을 진행했고, 납품업체의 75%가 사람보다 AI와 협상하는 게 더 낫다고 평가했다고 한다. AI는 소매가에 미칠 영향과 다른 납품업체와의 조건을 분석해 협상한다. 납품 가격을 올려주지 않는 대신 계약 기간을 길게 해주는 식의 대안도 제시한다. 감정 소모 없이 객관적 기준으로 협상이 진행된다. 
 AI 협상 솔루션은 과거 데이터의 학습으로 최적의 가격을 제시하고 실시간 시장 가격을 비교하고, 공급사별 조건 분석 등을 제공한다. 전문 제조 분야에서도 활용될 수 있다. 복잡한 조건의 원자재를 다루는 제조사는 AI가 이전 데이터를 분석해서 최적의 구매 시점과 협상 전략을 제시하는 것에 높은 관심을 보인다. 중소 제조사 입장에서는 대기업 대비 약한 구매 협상력을 데이터로 보완할 수도 있다.

미리 보는 협상 시나리오

협상에서 가장 중요한 것이 가격이지만 가격만으로 결정되지는 않는다. 납기, 결제 조건, 물량, 품질 보증, 운영 지원까지 가격 외에도 고려할 요소가 많다. 월마트는 기저귀 제품의 공급 가격 협상에서 AI를 활용했고, AI는 원자재 가격 변동, 운송비 증가율 등을 분석해 최적의 협상 포인트를 도출했다. 협상 시간은 기존 6주에서 2주로 단축됐다. AI는 다양한 조건을 조합해서 수십, 수백 가지 시나리오를 만들어 내고 이 중에서 가장 적합한 조건을 제시할 수 있기 때문에 협상 기간을 효과적으로 단축시킬 수 있다.

예를 들어, 고객사가 단가를 5% 낮춰달라고 요구한다면 이에 대해서 제시할 수 있는 대안은 무엇인가? AI는 여러 시나리오를 계산한다. 물량을 30% 늘리면 단가를 3% 낮출 수 있다 거나 납기를 2주 늦추면 4% 할인이 가능하다는 조건을 만들어볼 수 있다. 당장의 현금 유동이 필요한 시기라면 선불로 전환하면 5% 단가 조정 시나리오를 만들어볼 수 있다. 사람이 일일이 계산하면 하루가 걸릴 일을 몇 분 만에 각 시나리오의 최종 마진까지 계산해서 보여준다.

시뮬레이션은 리스크 평가에도 유용하다. 특정 조건으로 계약했을 때 발생할 수 있는 문제를 미리 파악한다. 환율이 10% 변동하면 수익성이 어떻게 달라지는지, 원자재 가격이 20% 오르면 마진은 얼마나 줄어드는지 계산한다. 최악의 시나리오까지 미리 준비할 수 있다. 협상 테이블에서 예상치 못한 조건을 제시받았을 때도 당황하지 않을 수 있도록 가능한 모든 시나리오를 사전에 확인할 수 있다

 

AI가 준비하는 협상 테이블

사람과의 협상 전에도 준비할 사항은 여러 가지가 있다. 예를 들어 AI는 계약서의 내용에 자동 갱신과 같은 숨겨진 조항을 탐지해 기업이 불리한 계약을 체결하지 않도록 도울 수 있다. 한 유럽 IT 기업은 클라우드 서비스 계약서에서 계약 연장 시 비용이 20% 상승하는 조항을 발견하고 수정에 성공했다. 100페이지가 넘는 계약서를 사람이 꼼꼼히 검토하려면 며칠이 걸리고 놓치는 부분이 생길 수도 있지만 AI는 단시간에 사람보다 꼼꼼하게 확인할 수 있다.

AI는 협상 시의 상대방의 패턴도 분석할 수 있다. 과거 협상 이력을 보면 상대방이 어떤 조건을 중요하게 생각하는지 알 수 있다. 가격에 민감한지, 납기를 우선시하는지, 결제 조건에 관심이 있는지를 파악한다. 이전 협상에서 어느 지점에서 양보했는지, 어떤 대안을 받아들였는지도 확인한다. 이런 정보가 있으면 협상 전략을 세우기가 수월해진다.

경쟁 상황, 구매 규모 등 데이터를 실시간으로 분석해 최적의 협상 전략과 목표 가격을 도출할 수 있다. 협상 진행 상황을 실시간으로 확인하고 협상 데이터를 체계적으로 관리할 수 있어 거래 투명성도 강화된다. 기존에는 주로 협상의 내용은 담당자의 기억이나 기록에 의존했다. 이제는 모든 협상 과정이 데이터로 축적되어 다음 협상 때 참고할 수 있고, 유사한 상황에서 어떤 전략이 효과적이었는지 분석할 수 있다.

실시간 협상 지원도 가능해지고 있다. 협상 중에 AI가 제안하는 대안을 즉시 확인하고 상대방이 새로운 조건을 제시하면, AI로 그 조건에 따른 영향을 실시간으로 확인할 ㅎ수 있다. 사전에 준비해 놓은 대안이나 담당자의 역량에만 의존하지 않고 데이터에 근거한 판단을 내릴 수 있다.

 

 

사람과 AI의 역할 분담

AI가 협상을 완전히 대체할 수 있을까? 아직은 아니다. 다행히 LLM의 발전과 함께 시스템을 준비하는데 필요한 비용은 갈수록 줄어들고 있다. 하지만 시스템 외에도 담당자나 학습을 시켜야 할 데이터가 준비되지 않는 등의 문제가 있을 수 있다.

모든 기업이 바로 완벽한 적용을 할 필요는 없다. 작은 것부터 시작할 수 있다. 먼저 자사의 거래 데이터를 엑셀이나 간단한 데이터베이스로 정리한다. 품목, 고객사, 시기별 거래 가격과 조건을 기록한다. 이 외에도 회사에서 중요하게 판단하는 조건은 함께 정리해 놓는다. 많은 회사에서 이미 이런 정리를 할 수 있지만 회사 전체의 관리 프로그램이 있더라도 회사 전체의 양식이 아니라 개인별, 팀별 양식에 따라 별도 관리를 하는 경우가 많다. 이렇게 별도로 정리가 되지 않고 이후에 하나의 양식으로 관리할 수 있도록 하는 것이다.

점차 데이터가 쌓이면 프로그램이 없더라도 엑셀상에서 피벗 테이블이나 간단한 함수만으로도 유용한 인사이트를 얻을 수 있다. 이후에는 사용 LLM에 데이터를 학습시키고 거래 건수가 많고 패턴이 명확하면 그때 전문 솔루션을 검토한다. 단계적으로 접근하면 비용 부담을 줄이면서도 효과를 볼 수 있다.

B2B 영업은 관계를 기반으로 하기 때문에 영업 사원은 중요한 역할을 한다. 협상은 숫자만으로 진행되지 않는다. 신뢰 구축, 장기적 관계, 예상치 못한 상황에 대한 유연한 대응이 필요하다. 고객사 담당자와 10년을 함께 일하며 쌓은 신뢰는 AI가 대체할 수 없다. 시장 상황이 급변했다면 양사가 함께 해결책을 찾는 과정에는 AI가 아닌 사람의 판단이 필요하다.

AI와 사람의 역할을 나눠서 AI는 과거 거래 이력, 시장 데이터, 경쟁사 정보를 빠르게 처리한다. 수백 가지 시나리오를 만들고, 각 조건의 수익성을 계산한다. 존재하는 리스크를 찾아내고, 협상 포인트를 제안한다. 감정에 흔들리지 않고 객관적 기준을 유지한다. 사람은 최종 판단을 내린다. AI가 제시한 여러 옵션 중에서 상황에 맞는 것을 선택하는 역할을 한다. 고객사와의 관계, 시장 상황, 회사의 전략을 반영한다. 협상 진행 시에 상대방의 반응을 보고 필요한 대응을 제안한다. 때로는 장기적 관계를 위해 당장의 마진을 포기하는 데이터와 반대되는 결정을 내릴 수도 있다. 이런 데이터와 반대되는 판단은 아직은 사람만이 할 수 있다.

 

협상 준비의 새로운 기준

기업이 준비해야 할 것은 명확하다. 우선, 데이터를 축적하고 관리하는 시스템이 필요하다. 그리고 축적된 데이터를 분석하는 데이터 분석 역량이 필요하다. 과거 거래 이력, 고객 정보, 시장 데이터를 체계적으로 쌓아야 한다. 이전에는 고객사의 특징에 대해 서술해 놓은 자료는 이후에 활용하기 어려운 자료였다. 하지만 그런 서술 자료마저도 AI가 학습해서 고객사의 특징에 적요할 수 있다. 거래가 성사될 때마다 주요 정보를 기록한다. 날짜, 품목, 수량, 단가, 결제 조건, 납기, 특이사항 등을 남긴다. 고객사 담당자들의 개별 특징이나 고객사의 특이사항을 포함한다. 같은 고객사와 재협상할 때 이 내용들을 반영한 맞춤형 자료를 만들 수 있다. 

다음은 협상 담당자의 역량을 키워야 한다. AI가 제시하는 정보를 이해하고 활용하는 능력이 필요하다. 데이터 해석 역량, 시뮬레이션 결과를 협상 전략으로 연결하는 능력이 중요해질 것이다. 단순히 가격만 협상하는 것이 아니라, 여러 조건을 조합해서 최적의 거래 구조를 만들어내는 능력이 요구된다..

그리고 또 하나는 프로세스를 정비해야 한다. 기존의 프로세스와 크게 달라지는 것은 아니지만 각 단계별로 AI를 적용하는 내용과 방식을 정한다. AI를 활용한 협상 준비, 시뮬레이션, 의사결정 과정을 표준화하고 개선한다. 누가 협상을 하든 일정 수준 이상의 준비가 이뤄지도록 한다. 협상 결과를 데이터로 축적하고, 다음 협상에 활용한다. 성공한 협상과 실패한 협상을 분석해서 노하우를 축적해 나간다.

주의할 점도 있다. 그것은 역설적이게도 AI에 과도하게 의존하는 것을 주의해야 한다는 것이다. 데이터가 모든 것을 말해주지는 않는다. 시장에 새로운 변수가 등장했을 때, 과거 데이터만으로는 대응하기 어렵다. AI의 제안을 맹목적으로 따르기보다는, 그 근거를 이해하고 상황에 맞게 조정하는 역량이 필요하다. 협상 담당자의 경험과 직관도 여전히 중요하다.