AI in GTM at Notion — Flora Liu

한 줄 핵심

Notion은 GTM을 여러 도구를 잇는 마케팅 운영 문제가 아니라, 인간과 에이전트가 같은 컨텍스트와 루프 위에서 움직이는 분산 시스템으로 재설계해 더 빠르고 일관된 고객 대응을 만들고 있다.

시간별 요약

1. 0:00
   마케팅 운영 문제에서 분산 시스템 문제로 GTM은 도구를 덕지덕지 붙인 스파게티가 아니라, 엔지니어링으로 다시 설계해야 할 시스템으로 본다. 에이전트 기술이 가능해지면서 이전에는 너무 비싸거나 복잡했던 문제를 통합적으로 풀 수 있게 되었고, Notion의 GTM도 하나의 유니파이드 시스템으로 바꾸는 방향으로 움직이고 있다.
2. 2:23
   고객은 하나의 여정을 겪지만 내부는 분리돼 있다 고객은 하나의 연속된 여정을 경험하지만 내부에서는 마케팅, 세일즈, 고객 운영이 서로 다른 도구와 판단 기준으로 따로 움직인다. 이로 인해 담당자들은 맥락 전환에 시간을 잃고, 고객 데이터도 여러 시스템에 흩어져 있어 일관된 다음 행동을 정하기 어렵다.
3. 4:34
   데이터 품질, 지연, 그리고 해석 불가능한 메모 자동화를 가로막는 핵심 문제는 데이터 정합성, 데이터 지연, 그리고 구조화되지 않은 메모다. 특히 'champion just left'나 'don't contact this customer again' 같은 메모는 영업 판단에 결정적인데, 이를 읽지 못하면 자동화가 위험한 행동을 할 수 있다.
4. 5:36
   네 가지 질문이 네 개의 계층이 되다 모든 워크플로는 무엇을 아는가, 다음에 무엇을 할까, 어떻게 안전하게 실행할까, 결과는 어땠나라는 네 질문으로 환원된다. 이 질문은 각각 context, decide, act, learn의 네 계층이 되었고, 시스템은 단발성 자동화가 아니라 피드백 루프를 가진 구조로 정의된다.
5. 6:39
   인간과 에이전트가 같은 루프에서 일한다 에이전트는 맥락 수집, 리서치, 초안 작성처럼 반복적 작업을 맡고, 인간은 뉘앙스 판단과 관계 책임을 진다. 따라서 AI를 업무 위에 덧씌우는 것이 아니라, 인간과 에이전트가 같은 시스템의 서로 다른 운영자로 함께 움직이도록 설계한다.
6. 7:29
   에이전트는 고객과 직접 대화하지 않는다 세일즈 지원에서는 에이전트가 고객과 직접 접촉하지 않고, 인간이 기본적으로 승인하는 구조를 유지한다. 또한 자격 판단과 라우팅을 하나의 원시 개념으로 모아 중복 발송을 막고, contact layer만 직접 소유하고 이메일 벤더나 enrichment는 Clay 같은 외부 도구를 빌려 쓴다.
7. 9:01
   Snowflake는 진실을 계산하고, DynamoDB는 그것을 제공한다 Snowflake에 모든 GTM 데이터를 모아 계정, 연락처, workspace, eligibility, facts 같은 모델링된 엔터티를 만든다. 그 결과를 DynamoDB에 키 기반 프로파일로 서빙해 에이전트가 밀리초 단위로 조회하고, 연구 스니펫이나 요약 메모 같은 생성 산출물도 같은 키로 함께 관리한다.
8. 11:20
   신호를 고객 이벤트에서 작업으로 바꾸다 신호는 고객의 다음 행동을 바꿀 만큼 중요한 단일 이벤트이며, 사용자 행동뿐 아니라 자금 조달, 채용, 기술 스택 변화 같은 외부 이벤트도 포함한다. 신호 서비스는 이를 감지해 담당자를 정하고 구체적 task로 내보내며, 신호가 없을 때는 예측 엔진이 제품 추천과 lifecycle 이메일로 선제 대응한다.
9. 13:04
   최고의 영업 방식을 따라 하여 Temporal에 코드화하다 가장 반복적인 세일즈 업무를 베스트 레프의 방식으로 관찰해 durable multi-agent workflow로 옮긴다. Temporal은 재시도, 중복 제거, 실패 지점 복구를 맡고, 연구·초안 생성·평가·수정이 루프로 돌면서 영업 task로 연결되며, 모든 LLM 단계는 추적되어 품질 개선에 쓰인다.
10. 16:04
    우선순위가 정해진 task box에서 하루를 시작한다 영업 담당자는 이미 우선순위가 매겨진 task box로 하루를 시작하고, outreach 초안도 리서치가 끝난 상태에서 검토만 하면 된다. 이렇게 하면 blank slate에서 출발하는 시간을 줄이고, 신입과 숙련자 모두가 최고 성과자의 패턴과 좋은 follow-up 방식을 시스템 안에서 학습할 수 있다.
11. 17:21
    계층별로 build와 buy를 나눈다 모든 것을 build하는 대신 계층별로 무엇을 직접 만들고 무엇을 빌릴지 나눈다. 오케스트레이션, 이메일, CRM 같은 범용 도구는 vendor를 쓰되, 경쟁 우위가 있는 context layer는 Notion이 직접 소유하며, plain markdown과 계층 구조를 통해 인간과 에이전트가 같은 데이터를 읽게 한다.
12. 18:52
    초기 수치와 배운 점 아직 초기지만 최근 13주 동안 enterprise reps의 qualified opportunities가 늘었고, context-aware recommendation을 받은 사용자는 다음 단계로 갈 확률이 63% 높았다. 핵심 교훈은 최고의 사람을 먼저 shadow하고, 가장 잘 문서화된 워크플로부터 시작하며, 위험한 구간은 인간을 루프에 남겨 두고, GTM을 primitive로 모델링해야 한다는 점이다.

실무 인사이트

• GTM 자동화는 개별 툴 자동화보다 context, eligibility, action, feedback를 분리한 아키텍처로 재구성할 때 효과가 커진다.
• 에이전트 도입의 핵심은 고객 접점 자동화가 아니라, 인간이 판단해야 하는 구간과 에이전트가 대체할 구간을 명확히 나누는 데 있다.
• 실무에서는 먼저 베스트 프랙티스를 워크플로로 고정하고, 그다음에 Temporal 같은 오케스트레이션과 데이터 계층으로 안정성을 붙이는 접근이 유효하다.