요약(TL;DR): DeepSeek의 V4-Flash를 비롯해 기존 모델 대비 극히 일부의 비용으로 실행 가능한 저가형 모델들이 대거 등장하면서, 이제 누구나 저렴하게 AI 에이전트 기반의 아웃리치를 운영할 수 있게 되었습니다. 하지만 비용이 저렴해졌다고 해서 더 많은 고객에게 도달하는 것은 아닙니다. 잘못된 데이터 위에서 작동하는 에이전트는 단지 더 빠르게 실패할 뿐입니다. 이제 아웃리치의 병목 구간은 컴퓨팅 비용이 아닌 검증된 연락처 데이터로 이동했습니다. AI 에이전트의 성능은 결국 실제로 찾아서 이메일을 보낼 수 있는 고객 데이터의 품질에 의해 결정됩니다.
지난 2년 동안 AI 아웃리치의 핵심 화두는 항상 '모델'이었습니다. 어떤 모델이 이메일을 가장 잘 쓰는지, 어떤 모델이 잠재 고객 리스트를 잘 분석하는지, 대규모로 실행하기에 충분히 저렴한지가 중요했습니다. 이제 추론 비용이 약 100분의 1로 줄어들면서 이 논쟁은 사실상 끝났습니다. 이제 단돈 몇 푼으로도 파이프라인에 AI 에이전트를 바로 투입할 수 있습니다. 그렇다면 왜 여전히 많은 기업의 에이전트 아웃리치 실험이 실패로 끝날까요?
모델 자체가 어려운 문제가 아니었기 때문입니다. 진짜 어려운 부분은 그 밑에 깔린 연락처 데이터입니다. 누구에게 도달해야 하는지 명확히 알고, 실제로 수신 가능한 이메일 주소를 확보하는 것이 핵심입니다. 저렴해진 AI 에이전트는 이러한 데이터의 격차를 좁혀주기는커녕, 오히려 더 극명하게 드러낼 뿐입니다.
저렴해진 추론 비용, 병목을 연산에서 연락처 데이터로 이동시키다
모델 실행 비용이 비쌌을 때는 연산(Compute) 능력이 팀들이 최적화해야 할 가장 큰 제약 조건이었습니다. 하지만 이제 고성능 모델을 호출하는 비용이 거의 제로에 가까워지면서, 제약 조건은 에이전트가 의존하는 요소 중 '저렴해지지 않은 것'으로 이동했습니다. 아웃리치 분야에서 그것은 바로 연락처 데이터입니다.
아웃리치 에이전트의 작업은 하나의 체인으로 연결되어 있습니다. 적합한 타겟을 식별하고, 현재 사용 중인 이메일을 찾고, 관련성 높은 메시지를 작성하여 발송한 뒤 후속 조치를 취하는 것입니다. 저렴해진 추론 비용 덕분에 메시지 작성과 발송 단계는 거의 무료가 되었습니다. 하지만 타겟 식별과 이메일 확보 단계에는 아무런 도움이 되지 않습니다. 만약 AI 에이전트가 업데이트되지 않은 오래된 리스트나 추측된 이메일 주소를 기반으로 작동한다면, 잘못된 수신함으로 더 많은 메시지를 더 빠르게 보낼 뿐이며, 이 과정에서 귀사의 도메인 평판만 망가지게 됩니다.
모델 비용이 비쌀 때는 프롬프트를 최적화해야 했습니다. 하지만 모델 비용이 거의 무료가 된 지금, AI 에이전트의 성공 여부를 결정하는 유일한 변수는 에이전트가 활용하는 연락처 데이터의 품질입니다. 이제 데이터가 곧 가장 강력한 경쟁력(Moat)입니다.
검증된 연락처 데이터가 없을 때 AI 아웃리치 에이전트가 실패하는 이유
대부분의 AI 에이전트 아웃리치 데모는 선별된 소수의 리스트를 대상으로는 훌륭하게 작동하지만, 실제 프로덕션 환경에 적용하면 무너집니다. 실패의 원인은 거의 항상 데이터에 있으며, 보통 다음과 같은 세 가지 방식으로 나타납니다.
- 부적절한 타겟 지정 — 에이전트가 직책은 일치하지만 이미 1년 전에 퇴사한 사람을 찾습니다. 실시간 소스가 아닌 정적인 과거 스냅샷 데이터를 읽었기 때문입니다.
- 유효하지 않은 이메일 — 이메일 패턴을 추측하여 발송하기 때문에, 에이전트가 보낸 메일의 3분의 1이 반송(Bounce)되고 도메인 평판이 떨어지면서 나머지는 스팸함으로 직행합니다.
- 맥락(시그널) 부재 — 연락처는 확보했으나 오늘 당장 연락해야 할 명확한 이유가 없습니다. 모델이 아무리 이메일을 잘 써도 메시지가 평이해져 결국 무시당합니다.
이 중 어느 것도 모델 자체의 문제가 아닙니다. 프롬프트를 아무리 잘 써도 반송되는 이메일을 해결할 수는 없습니다. AI 에이전트에게는 올바른 대상을 식별하고, 요청 시점에 이메일 주소를 실시간으로 검증하며, 아웃리치의 관련성을 높여줄 구매 시그널을 함께 전달하는 데이터 레이어가 필요합니다.
놓치고 있는 핵심 레이어: 에이전트에 최적화된 검증된 연락처 데이터
AI 에이전트를 통해 실제로 성과를 내는 팀들은 저렴한 모델과 함께 에이전트 전용으로 구축된 데이터 레이어를 결합하여 사용합니다. 이는 오래된 엑셀 내보내기 파일 대신, 에이전트의 쿼리에 실시간으로 응답하는 시스템입니다.
이것이 바로 Lessie가 제공하는 가치입니다. 에이전트가 이름, 회사명 또는 자연어 타겟을 전송하면, 실시간으로 식별된 담당자 정보, 그 자리에서 즉시 검증된 이메일 주소, 그리고 기업 정보 및 기술 스택 컨텍스트를 반환합니다. 이 모든 과정은 REST API 또는 에이전트 워크플로우에 바로 연동되는 MCP 커넥터를 통해 이루어집니다.
- 추측이 아닌 실시간 식별 — 내보내는 순간부터 노후화되는 스냅샷 데이터가 아니라, 8억 개 이상의 프로필을 통해 실시간으로 정확한 담당자를 찾아냅니다.
- 요청 시점 실시간 검증 — 에이전트가 요청하는 즉시 이메일 유효성을 검증하여 95%+ 이상의 정확도를 보장하므로, 자동 발송된 메일이 반송되지 않고 실제 수신함에 안전하게 도달합니다.
- 구매 시그널 포함 — 연락처 데이터와 함께 기업 정보, 사용 중인 기술 스택, 구매 시그널이 함께 제공되므로, 에이전트가 단순한 주소 확보를 넘어 명확한 명분을 가지고 아웃리치를 진행할 수 있습니다.
- 에이전트 네이티브 — API 및 MCP 지원을 통해 모든 어시스턴트, SDR 에이전트 또는 고객 발굴 워크플로우에서 필요할 때마다 실시간으로 호출할 수 있습니다.
저렴한 AI 에이전트의 시대가 열렸습니다. 이제 승자는 에이전트에게 신뢰할 수 있는 데이터를 제공하는 팀입니다. Lessie는 API와 MCP를 통해 에이전트 아웃리치에 필요한 검증된 연락처 데이터 레이어를 제공합니다.
AI 에이전트 구축 시 시사하는 점
실무적인 관점에서 가장 중요한 시사점은 우선순위의 재조정입니다. 1년 전만 해도 어떤 모델을 선택할지가 가장 중요한 결정이었습니다. 하지만 오늘날 모델은 범용화되었으며, 진정한 차별화 요소는 모델에 공급되는 데이터 파이프라인입니다. AI 에이전트 아웃리치를 설계할 때는 연락처 데이터 레이어에 가장 많은 노력을 기울여야 합니다. 데이터가 어디서 오는지, 얼마나 최신 상태인지, 그리고 발송 시점에 실시간으로 검증되는지가 핵심입니다. 이 데이터 레이어만 제대로 갖춰진다면 저렴한 모델로도 충분히 압도적인 성과를 낼 수 있습니다. 반대로 이 부분이 잘못되면 세계 최고의 모델을 쓰더라도 잘못된 이메일을 더 빠르게 발송하는 도구에 불과하게 됩니다.