Snowflake CoCo 프로필 사례, 월간 예측 1주에서 몇 시간으로

일주일 걸리던 월간 예측

Snowflake 영업재무팀은 매달 30건이 넘는 반복 분석을 영업 리더에게 제공합니다. 톱라인 예측, 영업 파이프라인, 커미션, 사업 성과 리포트가 여기에 들어가요. 이 중 예측이 가장 손이 많이 갔는데요. 이전 예측 이후 무엇이 바뀌었는지 설명하는 변동 분석이 같이 따라붙기 때문입니다.

예전에는 파이프라인 딜을 검토하고, CRM의 계정 메모를 읽고, 과거 추세와 비교하고, 현재 현장 동향을 확인해야 했어요. 이 작업을 여러 분석가가 나눠 맡았고, 일주일이 넘게 걸려서 한 달에 한 번만 돌릴 수 있었습니다. 지금은 CoCo의 톱라인 예측 스킬로 같은 분석을 몇 시간에 끝내요. 속도가 빨라지니 월중 업데이트도 발행하게 됐고, 어느 분석가든 스킬을 다시 돌려 시나리오를 시험할 수 있습니다.

똑똑한 AI도 우리 데이터를 모르면 헛돌아요

이 팀의 데이터는 매일 바뀝니다. 인증된 소스가 수십 개고, CRM에는 밤사이 수정된 딜이 반영되죠. 처음 AI를 붙였을 때는 비슷하지만 틀린 데이터 소스를 참조하거나, 경력 분석가라면 물을 필요가 없는 확인 질문을 되묻는 일이 생겼다고 해요. 둘 다 맥락 부족이 원인이었어요. 세션마다 AI가 팀이 알지만 적어 둔 적 없는 내용을 추측해야 했거든요.

GTM Finance 프로필에 담긴 것

프로필은 AI가 무엇을 답하기 전에 읽는 상시 맥락입니다. 그래서 프롬프트마다 같은 설명을 되풀이할 필요가 없어요. 프로필이 없으면 AI는 세션당 약 3단계를 올바른 데이터 소스를 찾고, 용어를 해석하고, 경력 분석가가 이미 아는 내용을 추론하는 데 씁니다. 프로필이 있으면 대화의 첫 단계가 곧바로 본 작업이 돼요.

사내 CoCo 사용 데이터(2026년 2-5월, 재무 사용자 44명)로 보면 차이가 분명합니다.

• 프로필이 있는 쪽은 답에 도달하기까지 평균 약 1.3단계, 없는 쪽은 약 3단계였어요.
• 프로필이 없을 때 단계가 하나 늘 때마다 약 0.05 크레딧(약 10센트)이 더 들었고, 그래서 5단계 세션은 1단계 세션의 약 3.5배 비용이에요.
• 모든 단계 수 구간에서 프로필이 있는 세션이 없는 세션보다 비용이 낮았습니다.

Snowflake는 이 효과를 '메모리 스케일링'이라 부릅니다. AI 에이전트가 환경에 대한 맥락을 쌓을수록 작업 단위당 비용이 내려가는 현상이에요.

분석가가 직접 스킬 36개를 만들었어요

기반이 깔리자 분석가들이 분석팀에 크게 기대지 않고 그 위에 직접 스킬을 만들기 시작했습니다. 스킬은 AI가 알아보고 요청 시 실행하는 재사용 워크플로이고, 만드는 데 기술 배경이 필요 없다고 해요. 두 달 만에 라이브러리가 시작용 스킬 3개에서 36개로 늘었고, 여러 엑셀 워크북이 팀 전체가 돌리는 공유 스킬이 됐습니다. 출시 석 달 뒤에도 초기 사용자의 87%가 매일 CoCo를 쓰고 있어요.

사례를 둘 소개하면 이렇습니다.

• Bookings BvA: 분석가가 CoCo에 'bookings bva'를 입력하고 몇 가지 파라미터 질문에 답하면, 딜 카테고리별 월말 변동 분석이 몇 분 안에 나옵니다. 어떤 기회가 밀렸고 왜 밀렸는지도 포함돼요.
• 영업 출장비 리포트: 보고 기간을 스스로 정하고, 리더별로 예산 대비 변동, 정책 외 지출, 상위 지출자 인사이트를 만든 뒤 리더에게 보낼 이메일 초안까지 씁니다. 두 팀이 몇 시간씩 하던 일이 약 15분으로 줄었어요.

분석가가 만들어도 통제는 유지돼요

분석가가 로직을 직접 쓰면 통제는 어떻게 되느냐는 우려가 따라옵니다. Snowflake는 세 가지로 선을 긋습니다.

• 분석팀이 단일 진실 소스를 인증하고, 어떤 데이터 소스를 왜 쓰는지 기술 가이드로 정의해요. 후속 질문과 애드혹 분석도 같은 소스를 쓰니 답이 일관되고 추적됩니다.
• 맥락 레이어는 중앙에서 소유합니다. 분석가는 프로필 위에서 만들고, 그 아래 데이터 소스와 용어는 분석팀이 정해요.
• 스킬은 공유되고 들여다볼 수 있습니다. 커미션 정산 스킬은 그것에 의존하는 팀이 볼 수 있어서, 한 사람 노트북의 스프레드시트보다 검토 위치가 강해요.

우리 팀에 적용하는 순서

원문이 제안하는 순서는 세 단계입니다. 마케팅이나 데이터 조직에도 그대로 옮겨 볼 수 있어요.

• 먼저 소스를 인증하세요. 팀이 답하는 질문마다 어떤 소스가 권위 있는지 정하고 이유를 적어 둡니다. 건너뛰면 이후 모든 워크플로가 어느 숫자가 맞느냐는 문제를 그대로 물려받아요.
• 다음은 용어와 출력 형식을 담습니다. 팀이 당연하게 여기는 정의가 바로 AI가 추론하지 못하는 부분이라, 한 번 중앙에서 정리해 두세요.
• 마지막으로 스킬 제작을 팀에 열어요. 순서를 거꾸로 하면 아무도 합의하지 않은 소스 위에서 빠른 워크플로만 늘어납니다.

자주 묻는 질문

Snowflake CoCo 프로필이란 무엇인가요?

AI가 답하기 전에 먼저 읽는 상시 맥락이에요. 데이터 소스, 용어, 업무 흐름을 담아 두기 때문에 매번 프롬프트에 같은 설명을 적지 않아도 됩니다. Snowflake 영업재무팀은 이를 'GTM Finance'라는 이름으로 만들었어요.

프로필을 쓰면 실제로 얼마나 효율이 좋아지나요?

Snowflake 사내 데이터(2026년 2-5월, 재무 사용자 44명) 기준으로 프로필이 있는 쪽은 답까지 평균 약 1.3단계, 없는 쪽은 약 3단계였습니다. 단계가 하나 늘 때마다 약 0.05 크레딧(약 10센트)이 더 들었고, 같은 단계 수라도 프로필이 있는 세션이 더 저렴했어요.

스킬을 만들려면 개발 지식이 필요한가요?

원문은 스킬 제작에 기술 배경이 필요 없다고 밝혔습니다. 분석가들이 두 달 만에 스킬 36개를 만들었고, 분석팀 의존도는 크게 낮아졌어요. 다만 그 밑바닥의 데이터 소스와 용어는 분석팀이 인증하고 관리합니다.

마케팅 팀도 같은 방식을 쓸 수 있나요?

원문은 이 접근이 재무에만 한정되지 않는다고 말합니다. 플랫폼 전문가가 기반을 깔고 현업 팀이 그 위에 스킬을 만드는 구조예요. 마케팅에서도 인증된 데이터 소스와 용어를 먼저 정리한 뒤 현업이 직접 워크플로를 만들게 하는 순서를 참고할 수 있습니다.