How AI Agents Let GTM Teams Scale — Justin Joyce, Cloudflare

한 줄 핵심

Cloudflare의 GTM 조직은 AI 에이전트와 스킬 파일, 다중 에이전트 워크플로, 셀프서비스 작업공간을 결합해 분석·인사이트·현장 실행을 동시에 확장하고 있다.

시간별 요약

0:00
AGI pills, 그리고 머신러닝으로 sales ops에 들어온 경로 발표자는 Cloudflare의 principal sales operations and strategy manager로서 sales와 machine learning을 오가며 prescriptive analysis와 다음 행동 추천 역량을 키워 왔다. 전통적인 go-to-market 업무가 확장되지 않는다는 문제의식에서 출발해, 더 효율적인 운영 방식이 필요하다는 배경을 제시한다.
2:09
전통적 go-to-market이 확장되지 않는 이유 백오피스는 Excel이나 sheets에 의존해 매주 분석을 반복하느라 시간이 기하급수적으로 늘고, 대시보드는 있더라도 모든 팀의 요구를 충족하지 못한다. 결과적으로 필요한 정보가 필요한 시점에 전달되지 않아 GTM 조직 전체의 생산성이 떨어진다.
3:01
컨텍스트 격차와 전문가 격차 영업 담당자는 잠재 고객, 기존 고객, 도입 상담 등 매 통화마다 맥락을 바꿔가며 정보를 다시 모아야 하므로 업무 전환 비용이 크다. 동시에 숙련자와 신입 사이에는 같은 상황을 다루는 방식의 격차가 있어, 실행 품질과 메시지 일관성이 흔들린다.
4:56
세 가지 축 해결책은 분석 확장, 인사이트 확장, 셀프서비스라는 세 축으로 정리된다. 운영팀은 질문에 답하고 애플리케이션을 만들 수 있어야 하며, 비즈니스는 데이터 속 이야기를 받아야 하고, 현장 팀은 전문가 수준의 정보를 스스로 꺼내 써야 한다.
6:53
비 SQL 사용자를 위한 스킬 파일 Cloudflare는 비즈니스 맥락을 데이터와 연결한 role-specific skill files를 만들어 기술자와 비기술자 모두가 질문만으로 데이터를 조회하게 했다. 닫힘 날짜 변경, 기회 금액 변화처럼 자주 나오는 질의를 미리 담아두어 80% 이상의 요청을 빠르게 처리하고, SQL 병목을 줄인다.
9:00
데이터 안의 이야기를 찾아 헤매게 하지 말아야 한다 주간 요약으로 목표 대비 진행률, 추세, 주목 포인트, 경고 신호를 먼저 전달해 팀이 직접 대시보드를 뒤지지 않아도 되게 한다. AI 에이전트가 안정적으로 분석하려면 데이터 형태와 집계 논리를 미리 정리해야 하며, 이를 위해 시간·조직 단위·지표 기준으로 전처리하고 다중 에이전트 워크플로로 자동화한다.
11:18
초안 작성자, 검토자, 톤 에이전트 첫 번째 에이전트가 MCP를 호출해 초안을 만들고, 두 번째 에이전트가 수치와 사실의 정확성을 검토하며, 세 번째 톤 에이전트가 다중 샷 프롬프트로 메시지의 톤과 위험·기회를 균형 있게 다듬는다. 각 LLM 호출은 관측 가능하게 관리되며, 2~3개월간의 테스트를 통해 실제로 작동하는 구조로 다듬었다.
12:09
Cloudflare OS: 셀프서비스 에이전틱 작업공간 Cloudflare OS는 GTM 팀이 자체 compute와 영속 환경을 띄워 필요한 데이터를 즉시 가져오는 내부 작업공간이다. forecast brief, QBR deck, 구매 내역 정리, account planning, renewal 준비 같은 업무를 처리하며, 중앙에서 큐레이션된 스킬과 MCP 연결로 전문가 수준의 지원을 받는다.
15:43
효과가 있었던 것: 큐레이션, 피드백 루프, 레이어링 스킬 큐레이션이 잘 되어야 에이전틱 시스템이 예측 가능하고 일관되게 동작하며, 내부 사용자 피드백 루프가 있어야 실제 유용성을 계속 검증할 수 있다. 질문 응답, 정보 푸시, 셀프서비스를 층층이 쌓아 올린 덕분에 효율이 2배로 늘었고, 팀의 정보 요구를 더 넓게 충족하게 됐다.
17:11
다음 단계: CRM 쓰기와 폭증의 통제 다음 과제는 회의 일정, 메모, QBR 자료를 시스템에 더 깊게 붙여 ad hoc 셀프서비스를 늘리고, Salesforce 같은 CRM을 업데이트하는 작업까지 에이전트가 맡게 하는 것이다. 동시에 스킬과 사용처가 폭발하는 단계에서는 무분별한 확장보다 source of truth를 맞추는 전략적 표준화가 필요하다.

실무 인사이트

운영 자동화의 첫 단계는 모델 성능보다 스킬 파일, 데이터 전처리, 검토 흐름처럼 반복 질의를 표준화하는 구조를 먼저 만드는 것이다.
현장 조직의 채택률을 높이려면 대시보드만 제공하기보다 요약 인사이트와 셀프서비스를 함께 설계해 사용 성숙도에 맞게 계층화해야 한다.
에이전트를 실무에 붙일 때는 정확성 검토, 톤 조정, 관측성, 큐레이션을 함께 넣어야 확장 과정에서 품질 붕괴를 막을 수 있다.