AI 시대 이기는 제안은 AI가 닿지 못하는 영역을 더 잘 채우는 일입니다 — Claude Bloom
Key Insight
AI가 제안서 산출물을 평준화할수록 승부는 현장 맥락 수집, 숨은 니즈 발견, 대면 설득이라는 사람 중심의 입력 품질에서 갈린다.
출처: LinkedIn / Claude Bloom
수집 계정: Claude Bloom
원문: https://kr.linkedin.com/posts/claudebloom_claudebloom-%ED%81%B4%EB%A1%9C%EB%93%9C%EB%B8%94%EB%A3%B8-%EC%9E%85%EC%B0%B0%EC%A0%9C%EC%95%88-activity-7472769992845983746-XeMW
유효일: 2026-06-17
Raw: 2026-06-17-linkedin-claude-bloom-7472769992845983746.md
핵심 Takeaway
- AI 시대에는 제안서 작성 품질이 평준화되기 때문에, RFP 바깥의 숨은 니즈와 의사결정 맥락을 수집하는 능력이 더 중요해진다.
- “Trash In, Trash Out” 관점에서 AI 제안 자동화의 성패는 입력 정보의 품질과 현장성에 달려 있다.
- 제안서 풀 버전보다 발표본·대면 설득·비언어 정보가 결과를 가를 수 있다는 점은 AX 컨설팅 영업·강의 설계에 직접 적용 가능하다.
원문 요지
- AWS, CLIWANT, LG Uplus 관계자가 Claude Bloom 여덟 번째 밋업에서 AI 시대 제안 경쟁력을 논의했다.
- 공개 RFP에는 고객의 진짜 속내가 제한적으로 담기므로, 영업 현장에서 숨은 니즈와 경제적 가치, 최종 의사결정자를 확인해야 한다고 설명했다.
- AI가 문서를 잘 만들어도 마지막 차별화는 현장 관찰, 고객 맥락, 발표 설득력에서 나온다는 메시지를 전한다.
관심사 매칭 근거
- 점수: 7/10
- 매칭 키워드: AI 시대 제안, AX 컨설팅, 입력 품질, RFP, 현장 맥락, 제안 자동화 리스크
- 왜 수집했는가: JYP Labs의 AX 컨설팅·교육 상품에서 “AI가 문서를 대신 쓰는 시대에 사람은 무엇을 설계해야 하는가”를 설명하는 강의/컨설팅 사례로 가치가 있다.
JYP Labs 운영체계 시사점
스킬화
- “RFP/고객자료 → 숨은 니즈 질문지 → 현장 확인 → AI 제안 초안 → 발표본 검증” 스킬 후보로 전환 가능하다.
강의화
- 모듈 후보: “AI가 제안서를 평준화한 뒤 남는 경쟁력: 입력 품질과 현장 맥락”.
- 실습: 같은 RFP를 두고 공개 정보만 넣은 AI 제안서와 현장 맥락을 추가한 제안서를 비교한다.
자동화
- Trigger: 신규 RFP/제안 요청 수신.
- Input: RFP, 고객 공개정보, 세일즈 메모, 미확인 질문 리스트.
- Output: 정보 공백표, 숨은 니즈 질문지, 제안서 초안, 발표본 체크리스트.
- Approval boundary: 고객 제출·가격·계약 조건·대외 발송은 사람 승인 필요.
운영체계 업데이트
- Planning Layer에 “입력 품질 진단” 단계를 넣고, Verification Layer에 “현장 맥락/의사결정자/경제적 가치 확인” 체크를 추가해야 한다.
주의점
- 행사 발언 요약 기반이라 세부 수치와 사례 사실관계는 확인 필요.
- AI가 닿지 못한다는 표현은 현재 시점 관찰로 보되, 향후 도구 발전에 따라 바뀔 수 있다.
연결되는 노트
- jyp-labs-ai-work-operating-system-plan.md — JYP Labs AI Work OS의 입력·계획·검증 루프.
- ax-탑다운-전환.md — AX 실행은 조직 의사결정과 고객 맥락 이해가 함께 필요하다.
- company-memory-as-markdown.md — 고객/제안 맥락을 반복 가능한 지식 자산으로 남기는 방식.
확인 필요
- 세션 발언 원문과 발표 자료는 별도 확인 필요.
- Bright Data MCP 구조화 도구가 현재 Hermes tool registry에 노출되지 않아 public LinkedIn JSON-LD 기반으로 수집했다.