90일 미사용 계정 감사로 10만 달러 이상의 비용을 절감한 성과

Haggle Bot은 벤더 지출 내역과 계약서, 사용 데이터를 분석해 총 10만 달러 이상의 직접 비용 절감액을 식별했다. [IMG_0] Haggle Bot은 IT 팀으로부터 계정 할당 현황과 마지막 사용 날짜 데이터를 수집해 실제 지불 금액과 대조하는 SaaS 지출 감사를 수행했다. 이 과정에서 봇은 최근 90일 동안 활동이 없는 유료 계정 43개를 찾아내어 요금제 다운그레이드를 통해 14,220달러를 절감했다.

Haggle Bot은 또 다른 SaaS 제품의 상품 관리 단위인 SKU(Stock Keeping Unit)를 전수 조사해 활용되지 않는 항목들을 식별했다. 봇은 이를 통해 연간 85,662달러의 불필요한 지출을 찾아냈으며, 해당 제품이 월 단위 계약(month-to-month) 방식이었기에 즉각적인 비용 삭감을 이끌어냈다. Haggle Bot은 SaaS 갱신 시점에 갱신 견적서를 현재 연간 지출액과 비교 분석하여, 실제 사용량이 증명되지 않은 계정 증설 옵션을 거부하도록 권고했다.

6개 기업 툴 연동을 통한 125개 벤더 맵 구축과 자율성 범위

Haggle Bot은 Slack, Notion, Drive, Gmail, Hex, Ramp 등 6개 기업 툴의 접근 권한을 활용해 약 125개의 활성 벤더 맵을 구축했다. [IMG_1] 개발자는 봇에게 "벤더 지출을 학습해 근거 기반의 비용 절감안을 도출하라"는 직무 목적(Intent)을 정의했으며, 봇은 세부 워크플로우 설계 없이도 목적 달성에 필요한 데이터 소스와 수집 순서를 스스로 판단해 실행했다.

Haggle Bot은 내부 리서치와 담당자 조율 단계까지는 자율적으로 수행하지만, 재무적 위험이 따르는 특정 지점에서는 제어 경계를 유지한다. 봇은 지출 승인, 약관 수락, 외부 벤더 대상 메시지 발송 단계에서 반드시 사람의 명시적 승인을 받도록 설정되었다. 이러한 구조는 봇에게 명확한 역할과 도구 접근 권한만 부여하면 개별 작업 지시 없이도 시스템 간 복잡한 데이터 통합 업무를 지속할 수 있음을 입증했다.

담당자 추적부터 협상 레버리지 산출까지의 에이전트 워크플로우

Haggle Bot은 정보가 부족할 때 Ramp에 등록된 지출 소유자를 확인하고 메시지를 보내며, 적절한 맥락을 가진 엔지니어에게 도달할 때까지 핸드오프(Handoff) 과정을 스스로 추적했다. 봇은 첫 번째 답변이 불충분할 경우 작업을 중단하지 않고 추가로 필요한 정보를 식별해 능동적으로 탐색하는 과정을 반복했다. [IMG_2]

협상 단계에서 Haggle Bot은 현재의 사용량 데이터와 신뢰할 수 있는 대안 제품의 가격을 비교해 협상 레버리지를 산출했다. 봇은 내부적으로 수용 가능한 목표 가격을 설정하고 첫 제안가를 제시하는 협상 전략을 수립했다. 이후 Haggle Bot은 사람이 편집할 수 있는 응답 초안을 작성해 전달했으며, 사용자가 설정한 최소 유지 수량을 바탕으로 최종 협상을 진행했다.

Amazon·Costco 등 다수 플랫폼 교차 견적을 통한 구매 최적화

Haggle Bot은 매주 금요일 신규 입사자를 위한 기술 장비, 간식, 위생 용품 주문 시 Amazon, Costco, Uline, Walmart 등 여러 플랫폼을 동시에 탐색해 최저가를 찾는 교차 쇼핑을 수행했다. 봇은 최근 4회차 주문 견적서와 장바구니 내역, 건물별 좌석 배치도를 분석해 필요한 물량을 스스로 산출했다. [IMG_3]

Haggle Bot은 분석 결과를 운영팀이 수정 가능한 Google Sheet 형태로 제공하며, 운영팀이 '신규 입사자 수' 변수만 변경하면 품목별 필요 수량이 자동으로 업데이트되도록 설계했다. 봇은 동일 제품의 최저가를 찾지 못할 경우 성능이 동등한 타 브랜드의 대체 제품을 찾아 비교 시트에 추가했다. 이후 Haggle Bot은 동일 날짜의 경쟁사 가격을 근거로 Amazon 구매 담당자에게 비즈니스 할인 프로그램을 통한 가격 인하를 요청하는 이메일 초안을 작성했다.

에이전트 간 역할 분담과 인간의 개입 지점 및 실무 적용 기준

Haggle Bot은 가격 협상이 완료되면 실제 주문 실행을 'Amazon Bot'에게 위임했다. Amazon Bot은 기업 계정으로 로그인해 Gmail, Ramp, Google Sheets, Rippling, Vercel의 데이터를 대조하며 인원수와 사무실 도면을 확인해 주문을 처리했다. 이 프로세스를 통해 Haggle Bot은 14,629달러의 기술 장비 주문 비용을 6,143달러로 58% 낮추는 결과를 만들었다.

실무 적용 시 벤더와 주고받는 이메일의 톤(Tone) 조절과 정보 제공 수준 결정은 여전히 사람이 수행하며, 봇이 작성한 초안을 비즈니스 맥락에 맞게 수정하는 단계를 거친다. 에이전트 도입의 판단 기준은 단순 자동화가 아니라, 내부 툴 권한을 안전하게 개방하고 사람이 최종 승인하는 루프를 구축해 데이터 연결 비용을 최소화할 수 있는 환경인지 확인하는 것에 있다. 결과적으로 Grok Bot은 명확한 목적과 도구 접근 권한이 부여되었을 때, 사람이 개입하기 전까지 시스템을 넘나들며 업무를 진전시킬 수 있는 에이전트의 실무 가능성을 보여주었다.