워크숍 요약: 45분 만에 AI SDR 만들기

대부분의 영업팀은 반응적으로만 일하고 있습니다. 유입량은 많고, 응답 속도는 느리며, 아웃바운드로 나갈 인원이 부족합니다.

이 글에서는 라이브 워크숍 내용을 정리합니다.45분 만에 AI SDR 만들기 — AI SDR 에이전트를 만드는 방법과 배포 과정을 단계별로 안내합니다.

AI SDR 에이전트가 중요한 이유

ElevenLabs가 AI SDR 에이전트를 만들기 전 겪었던 문제들은 특별한 것이 아니었습니다.

주요 과제는 다음과 같았습니다:

1. 팀 성장 속도가 수요를 따라가지 못함
2. 높은 유입량으로 인해 아웃바운드 역량이 제한됨
3. 리드 응답 속도가 너무 느림
4. 영업시간 외에 들어온 리드는 답변이 늦어짐 (예: 금요일 저녁에 리드가 들어오면 월요일까지 기다렸다가, 다시 미팅은 수요일에 잡히는 경우)
5. 언어가 점점 장벽이 되고 있었음
   

이 문제를 자동화하는 것은 명확한 비즈니스 케이스가 되었습니다.

AI SDR 에이전트는 24시간 365일 작동하며, 70개 이상의 언어를 지원하고, 정해진 기준에 따라 리드를 선별하며, 통화 중 바로 캘린더에 미팅을 예약합니다. 별도의 인계 지연이나 시간대 문제도 없습니다.

현재 결과:

1. 이 에이전트는 풀타임 SDR 2명의 업무를 수행합니다
2. 선별 정확도는 88%입니다
3. 고객 만족도는 10점 만점에 평균 8.7점입니다

데모 1: 실제로 작동하는 AI SDR

시나리오: 잠재 고객이 영업 문의 폼을 제출한 후 ElevenLabs에 연락합니다. Jon이라는 에이전트가 전화를 받고, 선별 과정을 거쳐 미팅을 예약합니다.

시연 내용:

• Jon은 잠재 고객의 사용 사례를 파악했습니다: 매주 수천 건의 고객 전화를 처리하는 주문 상태 안내용 보이스 에이전트 구축
• 에이전트는 데이터 컴플라이언스 관련 보안 질문에 SOC 2 Type 2, HIPAA, GDPR, EU 데이터 거주, BAA 서명 가능 여부까지 빠짐없이 답변했습니다
• Jon은 선별 질문을 하나씩 했습니다: 현재 플랜, 예상 대화량, 도입 일정
• 잠재 고객이 모든 기준을 통과하자, 에이전트는 일정 예약 단계로 넘어갔습니다
• Jon은 잠재 고객의 시간대(런던)를 물어보고, 실시간 도구로 캘린더 가능 시간을 확인해 구체적인 시간대를 제안했습니다
• 잠재 고객이 화요일 오후 3시 15분을 선택하자, 통화 중 실시간으로 캘린더에 미팅이 예약되었습니다
• 마지막에 Jon이 만족도 점수를 요청했고, 잠재 고객은 10점 만점에 10점을 주었습니다. 에이전트가 이 점수를 자동으로 추출해 기록했습니다

중요한 이유: 이 과정은 사람 SDR 없이 자격 심사와 미팅 예약까지 모두 완료된 워크플로우입니다. 에이전트가 컴플라이언스 이슈를 처리하고, 여러 단계의 선별 과정을 거치며, 실시간 캘린더 연동과 CRM용 구조화된 데이터 수집까지 한 번의 대화로 해결했습니다. 통화 기록, 도구 사용 로그, 선별 결과, CSAT 점수까지 모두 플랫폼에서 바로 확인할 수 있습니다.

AI SDR의 핵심 구성 요소

시스템 프롬프트
에이전트의 목표, 성격, 환경, 가이드라인을 정의합니다. SDR 에이전트의 경우, 선별 기준을 명확히 하고, 에이전트가 다뤄야 할 내용과 다루지 말아야 할 내용을 구체적으로 지정하며, 운영 맥락을 설명합니다. 중요한 교훈: 시스템 프롬프트는 간결하게 유지하고, 논리는 워크플로우로 옮기면 오류가 줄고 에이전트의 예측 가능성이 높아집니다.

워크플로우
에이전트를 여러 노드로 나누고, 각 노드마다 목표와 인계 조건을 설정할 수 있습니다. 오케스트레이터 노드로 최적 경로를 결정하고, 선별 노드에서 올바른 질문을 순서대로 하며, 비영업 문의는 지원 라우팅 노드로, 도구가 필요한 일정 예약은 스케줄링 노드에서 처리합니다. 각 노드는 자체 LLM, 지식 베이스, 가이드라인을 가질 수 있습니다.

지식 베이스
에이전트가 정확하게 답변할 수 있도록 필요한 정보를 제공합니다. 제품 기능과 SDR 팀의 경험에서 나온 100개 이상의 FAQ를 불러올 수 있습니다.

도구
에이전트를 실제 시스템과 연결합니다. 일정 예약 에이전트는 캘린더 연동(cal.com)으로 실시간 가능 시간을 확인하고 미팅을 예약할 수 있습니다. 같은 프레임워크로 CRM 업데이트, 슬랙 알림, 데이터베이스 조회도 지원합니다.

분석 및 데이터 수집
런칭 전에 설정합니다. 성공 여부를 이진 지표로 정의하고, 구조화된 데이터(사용 사례, 대화량, 일정, 선별 결과), 통화 종료 시 자동 추출되는 CSAT 점수를 지정합니다. 모든 변수는 통화 후 기록 보기에서 확인할 수 있습니다.

베스트 프랙티스

1. 구축 전에 성공 기준을 정의하세요. '선별됨'이 무엇을 의미하는지 구체적으로 적어두세요. 명확하게 작성해야 합니다. 에이전트의 선별 기준은 신규 SDR에게 첫날 알려줄 기준만큼 명확해야 합니다.
2. 워크플로우 하나로 시작해 점진적으로 개선하세요. ElevenLabs 에이전트의 첫 버전은 모든 논리가 시스템 프롬프트에 있었습니다. 워크플로우로 옮기니 더 정확하고 관리가 쉬워졌습니다.
3. 작업에 맞는 LLM을 선택하세요. 단순한 오케스트레이션에는 가벼운 모델을, 도구 사용이나 복잡한 추론이 필요한 노드에는 더 강력한 모델을 사용하세요. 이렇게 구분하면 지연 시간이 줄어듭니다.
4. 각 언어에 맞게 네이티브로 복제된 목소리를 선택하세요. 다국어 배포 시, 해당 언어에 맞게 복제된 목소리를 사용하면 모든 언어에 동일한 목소리를 적용하는 것보다 품질이 훨씬 높아집니다.
5. 가이드라인은 초기에 설정하고, 점차 추가하세요. 한 잠재 고객이 에이전트에게 스파게티 레시피를 요청한 적도 있습니다. 모든 예외 상황을 미리 예측할 수는 없습니다. 모니터링 프로세스를 만들고, 배운 점을 반영해 가이드라인을 계속 업데이트하세요.
6. 동적 변수를 활용해 실시간으로 개인화하세요. 통화 시작 시 발신자의 이름, 회사, 현재 플랜 정보를 에이전트에 전달하면 대화가 더 자연스럽고, 추가 설명 요청도 줄어듭니다.
7. 도구 사용 중 음향 효과를 추가하세요. 에이전트가 캘린더를 확인하거나 CRM에 기록할 때 타이핑 소리나 짧은 오디오 신호를 넣으면, 어색한 침묵 없이 자연스러운 경험을 제공합니다.
   

전체 세션 시청하기

전체 세션 시청하기여기에서.