세일즈포스가 자사 첫 번째 CRM 추론 모델(reasoning model) Koa를 공개했습니다. Dreamforce 2026 무대에서 발표됐고, 세일즈포스의 AI 에이전트 플랫폼인 Agentforce에서 돌아가도록 설계됐으며, 엔비디아의 Nemotron 위에 구축됐습니다. 왜 마케터가 이 뉴스를 봐야 하냐면, 지금까지의 마케팅 AI가 주로 “글을 써주는 AI”였다면 CRM 추론 모델은 “고객 데이터를 읽고 다음 행동을 스스로 판단하는 AI”에 가깝기 때문입니다. 자동화의 무게 중심이 콘텐츠 생성에서 의사결정으로 옮겨간다는 신호입니다.
30초 요약
- Koa 정체: 세일즈포스가 발표한 첫 CRM 전용 추론 모델입니다.
- 공개 무대: Dreamforce 2026에서 공개됐습니다.
- 동작 환경: 세일즈포스의 AI 에이전트 플랫폼 Agentforce를 위해 설계됐습니다.
- 기반 기술: 엔비디아의 Nemotron 위에 구축된 모델입니다.
- 마케팅 의미: 콘텐츠 생성형 AI에서 고객 데이터 기반 판단형 AI로 축이 이동합니다.
1. Koa가 대체 뭔가요
이름부터 낯설죠. Koa는 세일즈포스가 만든 CRM 추론 모델입니다. 세일즈포스는 이 모델을 자사의 첫 번째 CRM 리저닝 모델이라고 소개했고, Dreamforce 2026 행사에서 공개했습니다.
여기서 중요한 단어는 ‘CRM’입니다. 우리가 흔히 쓰는 범용 AI 모델은 세상의 온갖 텍스트를 학습해서 시나 코드나 마케팅 카피를 다 써냅니다. 반면 Koa는 처음부터 CRM이라는 특정 업무 영역을 겨냥했습니다. 고객 기록, 영업 파이프라인, 서비스 케이스, 마케팅 캠페인 같은 기업 데이터 구조 안에서 판단하는 데 초점이 맞춰져 있다는 뜻입니다.
비유하자면 이렇습니다. 범용 모델이 “모든 과목을 두루 잘하는 전교 1등”이라면, Koa는 “회사 영업/마케팅 데이터만 10년 들여다본 실무 베테랑”에 가까운 포지션을 노린 겁니다. 시는 못 써도 “이 계정은 지금 이탈 신호가 보이니 이 액션을 먼저 하자”는 판단은 더 잘하도록 만든 방향이죠.
2. ‘추론 모델’을 3분 만에 이해하기
요즘 AI 뉴스에 ‘리저닝(reasoning) 모델’이라는 말이 자주 나옵니다. 어렵게 느껴지지만 핵심은 단순합니다.
생성형 AI와 추론형 AI의 차이
일반적인 생성형 AI는 질문을 받으면 곧바로 가장 그럴듯한 답을 뱉습니다. 빠르지만, 여러 단계를 거쳐야 하는 문제에서는 중간에 논리가 새기 쉽습니다. 반면 추론 모델은 답을 내놓기 전에 속으로 단계를 밟습니다. 조건을 확인하고, 가능한 선택지를 비교하고, 앞뒤가 맞는지 점검한 뒤에 결론을 냅니다.
식당으로 비유하면, 생성형 AI는 주문을 듣자마자 반사적으로 요리를 내는 속성 조리에 가깝고, 추론 모델은 재료 상태를 확인하고 손님 알레르기를 체크하고 코스 순서를 맞춘 다음 내보내는 쪽입니다. 당연히 조금 느리지만, 복잡한 주문일수록 실수가 적습니다.
CRM 업무가 딱 그런 복잡한 주문입니다
마케팅과 영업 업무는 단답형이 거의 없습니다. “이 리드에게 지금 연락해야 하나”라는 질문 하나에도 최근 행동 이력, 담당자 직급, 이전 캠페인 반응, 재고 상황, 계약 갱신 시점 같은 변수가 줄줄이 붙습니다. 조건을 순서대로 따져야 답이 나오는 영역이라, 추론형 접근이 잘 어울립니다. 세일즈포스가 굳이 ‘CRM 추론 모델’이라는 이름을 붙인 이유도 여기에 있다고 보는 게 자연스럽습니다.
핵심 포인트: 마케팅 AI의 경쟁 축이 “얼마나 그럴듯한 문장을 쓰는가”에서 “얼마나 맥락을 정확히 따져 다음 행동을 고르는가”로 이동하고 있습니다. 카피 생성은 이미 상향 평준화됐고, 남은 승부처는 판단의 품질입니다.
3. 왜 엔비디아 Nemotron 위에 올렸을까
Koa는 엔비디아의 Nemotron을 기반으로 만들어졌습니다. Nemotron은 엔비디아가 기업용으로 내놓은 오픈 모델 계열로, 기업이 자체 데이터를 얹어 커스터마이징하기 좋은 구조를 표방합니다.
기업 소프트웨어 회사 입장에서 이 선택은 꽤 합리적입니다. 밑바닥부터 초거대 모델을 새로 학습시키는 건 비용도 시간도 감당이 어렵습니다. 대신 잘 만들어진 기반 모델을 가져와 자사 도메인 데이터와 업무 흐름에 맞게 다듬으면, 훨씬 빠르게 ‘우리 업무를 아는 모델’을 만들 수 있습니다.
집으로 치면 맨땅에 터 닦고 집 짓는 대신, 튼튼한 골조가 이미 올라간 건물을 사서 내부 설계를 우리 용도에 맞게 바꾸는 쪽입니다. 요즘 기업용 AI 제품이 대부분 이 경로를 택하고 있고, Koa도 같은 흐름 위에 있습니다.
마케터 입장에서 이 대목이 왜 중요하냐면, 앞으로 “우리 회사 데이터로 파인튜닝된 전용 모델”이 대기업만의 전유물이 아니게 될 가능성을 보여주기 때문입니다. 플랫폼이 기반 모델을 제공하고 기업은 데이터만 얹는 구조가 표준이 되면, 중견 브랜드도 자사 고객 데이터에 최적화된 AI를 쓰게 됩니다.
4. 마케팅 실전에서 달라지는 것들
Koa 자체의 세부 기능은 아직 공개된 범위가 제한적입니다. 다만 ‘CRM 추론 모델이 에이전트 플랫폼 위에서 돈다’는 구조만 놓고 봐도, 마케팅 실무에서 준비할 방향은 꽤 분명해집니다.
리드 스코어링에서 리드 판단으로
지금까지 리드 스코어링은 대체로 규칙 기반이었습니다. 자료 다운로드 10점, 가격 페이지 방문 20점 같은 식이죠. 추론형 모델이 붙으면 점수 합산이 아니라 “이 고객이 지금 어떤 상태이고 왜 그렇게 판단했는지”를 근거와 함께 설명하는 쪽으로 옮겨갑니다. 마케터는 숫자만 보는 게 아니라 판단의 이유를 읽고 검증하게 됩니다.
이메일과 CRM 세그먼트 운영
세그먼트를 사람이 미리 정의해두는 방식에는 한계가 있습니다. 조건을 짜놓은 순간부터 낡기 시작하니까요. 에이전트 기반 구조에서는 데이터 변화에 맞춰 세그먼트 자체를 다시 제안받는 운영이 가능해집니다. 실무에서는 “세그먼트를 만드는 일”보다 “제안된 세그먼트를 승인하고 가드레일을 거는 일”의 비중이 커집니다.
광고와 커머스 데이터 연결
아마존, 틱톡, 메타, 구글에 흩어진 성과 데이터를 사람이 주 단위로 모아 해석하는 건 여전히 고된 일입니다. 추론형 AI가 CRM 안에서 이 데이터를 함께 본다면, “이 캠페인은 신규 획득엔 약한데 기존 고객 재구매를 밀어 올리고 있다” 같은 해석을 먼저 제시하는 보조 역할을 맡을 수 있습니다. 최종 판단은 사람이 하지만, 시작점이 백지에서 가설로 바뀝니다.
콘텐츠는 ‘생성’보다 ‘배치’가 중요해집니다
콘텐츠를 만드는 능력은 이미 흔해졌습니다. 앞으로 차이를 만드는 건 어떤 고객에게, 어떤 시점에, 어떤 메시지를 붙일지 정하는 능력입니다. CRM 추론 모델이 겨냥하는 지점이 정확히 여기라서, 콘텐츠 팀도 제작 속도보다 세그먼트별 메시지 설계에 시간을 더 쓰게 될 가능성이 높습니다.
5. 기존 방식 vs CRM 추론 모델 방식
| 영역 | 기존 마케팅 자동화 | CRM 추론 모델 지향 |
|---|---|---|
| 동작 방식 | 사람이 짜둔 규칙과 시나리오 실행 | 맥락을 따져 다음 행동을 스스로 제안 |
| 리드 평가 | 행동별 점수 합산 | 상태 판단 + 판단 근거 제시 |
| 세그먼트 | 사전 정의, 수동 갱신 | 데이터 변화 기반 재제안 |
| 사람의 역할 | 규칙 설계와 실행 관리 | 가드레일 설정과 판단 검증 |
| 실패 양상 | 조건이 안 맞으면 그냥 작동 안 함 | 그럴듯하지만 틀린 판단이 나올 수 있음 |
표 맨 아래 줄이 특히 중요합니다. 규칙 기반 자동화의 실패는 눈에 잘 띕니다. 메일이 안 나가면 바로 아니까요. 반면 판단형 AI의 실패는 조용합니다. 그럴듯한 근거를 달고 틀린 결정을 내리면, 몇 주 지나 성과가 빠진 뒤에야 알아차리게 됩니다.
6. 주의점: 지금 흥분하면 안 되는 이유
발표와 실사용 사이에는 늘 간격이 있습니다
새 AI 모델 발표는 거의 예외 없이 데모 환경에서 가장 좋아 보입니다. 실제 기업 데이터는 훨씬 지저분합니다. 중복된 고객 레코드, 비어 있는 필드, 팀마다 다른 표기 규칙이 널려 있죠. 추론 모델이 아무리 똑똑해도 입력이 엉켜 있으면 판단도 흔들립니다. 결국 준비의 절반 이상은 데이터 정리입니다.
자동화 범위를 처음부터 넓히지 마세요
AI가 판단까지 한다고 해서 곧바로 고객 접점 전체를 맡기는 건 위험합니다. 권장되는 순서는 읽기 전용부터입니다. 먼저 AI에게 해석과 제안만 시키고 사람이 실행합니다. 몇 주간 제안의 적중률을 기록한 뒤, 신뢰도가 확인된 영역부터 실행 권한을 넘기는 게 안전합니다.
비용과 종속성도 계산에 넣으세요
특정 CRM 플랫폼의 AI 기능에 운영을 깊게 얹으면, 나중에 다른 스택으로 옮기기가 어려워집니다. 도입 전에 데이터 내보내기 경로와 핵심 로직의 이관 가능성을 확인해두는 편이 좋습니다.
확인되지 않은 수치는 믿지 마세요
신제품 발표 직후에는 성능 향상률이나 도입 고객 수 같은 숫자가 빠르게 퍼집니다. 이 중 상당수는 독립적으로 검증되기 전 단계의 이야기입니다. 내부 보고서에 숫자를 옮겨 적기 전에 출처가 공식 발표인지, 아니면 재인용인지 한 번은 확인하시길 권합니다.
핵심 포인트: 새 AI 도구의 도입 성패는 모델 성능보다 데이터 위생과 권한 설계에서 갈립니다. 발표 소식을 따라가되, 실제 준비는 우리 CRM 데이터 정리부터 시작하는 게 순서입니다.
7. 자주 묻는 질문
Q1. Koa는 ChatGPT 같은 범용 AI와 무엇이 다른가요?
범용 모델은 폭넓은 주제를 다루도록 만들어졌습니다. Koa는 세일즈포스가 CRM 영역을 겨냥해 내놓은 추론 모델이고, Agentforce 플랫폼에서 동작하도록 설계됐습니다. 목적지가 다르다고 보시면 됩니다.
Q2. Nemotron 기반이라는 게 사용자에게 어떤 의미인가요?
엔비디아의 기업용 모델 위에 세일즈포스가 CRM 도메인을 얹은 구조입니다. 사용자가 직접 체감하는 부분은 아니지만, 기업이 기반 모델을 가져와 자사 업무에 맞게 다듬는 방식이 업계 표준이 되어가고 있다는 신호로 읽을 수 있습니다.
Q3. 세일즈포스를 안 쓰는 회사는 관심 둘 필요가 없나요?
그렇지 않습니다. CRM 안에서 AI가 판단을 돕는 방향은 특정 회사만의 흐름이 아닙니다. 다른 플랫폼들도 유사한 접근을 내놓을 가능성이 높으므로, 지금 자사 고객 데이터를 정리해두면 어떤 도구를 쓰든 유리합니다.
Q4. 언제부터 실제로 쓸 수 있나요?
구체적인 일반 공개 시점은 발표 내용과 보도에 따라 차이가 있어 단정하기 어렵습니다. 공식 발표 채널을 확인하시는 편이 정확합니다.
Q5. 마케팅 팀이 지금 당장 준비할 수 있는 건 뭔가요?
세 가지를 권합니다. 첫째, 고객 데이터의 중복과 빈 필드를 정리하세요. 둘째, 지금 사람이 반복해서 내리는 판단이 무엇인지 목록으로 만들어 보세요. 셋째, AI에게 맡겨도 되는 판단과 절대 맡기면 안 되는 판단의 경계를 미리 정해두세요.
Q6. 추론 모델은 항상 더 좋은가요?
아닙니다. 단순하고 반복적인 작업은 규칙 기반이 더 빠르고 저렴하며 예측 가능합니다. 추론 모델은 변수가 많고 맥락 판단이 필요한 일에서 값어치를 합니다. 두 방식을 용도에 따라 섞어 쓰는 구성이 현실적입니다.
8. 정리하며
Koa 발표에서 읽어야 할 진짜 메시지는 모델 이름이 아니라 방향입니다. AI가 마케팅에서 맡는 역할이 “글을 대신 써주는 도구”에서 “고객 데이터를 읽고 다음 수를 제안하는 동료”로 옮겨가고 있습니다. 이 변화에서 앞서가는 팀과 뒤처지는 팀을 가르는 건 어떤 도구를 먼저 샀느냐가 아니라, 자사 고객 데이터를 얼마나 깨끗하게 관리해 왔느냐입니다.
기술 뉴스는 빠르게 지나가지만 준비는 느리게 쌓입니다. 오늘 할 수 있는 가장 실용적인 일은 CRM 안의 중복 레코드를 지우고, 반복되는 판단을 문서로 남기는 것입니다. 화려한 신기능이 도착했을 때 바로 올라탈 수 있는 팀은 그런 준비를 해둔 팀입니다.
미국 시장에서 AI를 마케팅 운영에 붙이는 과정이 막막하게 느껴지신다면, 저희 Calywire가 2014년부터 현지에서 쌓아온 경험으로 함께 방향을 잡아드릴 수 있습니다. 어디서부터 손대야 할지 정리가 필요할 때 편하게 이야기 나눠보시죠.
참고 자료
- Salesforce Ben: Salesforce’s First CRM Reasoning Model Koa Is Revealed at Dreamforce ’26
- Salesforce Newsroom: Koa Reasoning Model Press Release
- Tech Times: Salesforce Launches Koa CRM Model, Its Own Benchmark; Agentforce ROI Gap Persists
- NewsBytes: Salesforce Unveils Koa Reasoning Model for Complex CRM Tasks
