Webinar-terugblik: bouw een AI GTM Coach met Lovable & ElevenLabs

De meeste enablementteams hebben wel eens een rollenspelprogramma opgezet. Maar het is lastig om er een te organiseren dat vertegenwoordigers ook echt afmaken. En nog lastiger om er een te bouwen rond de unieke gesprekken die je team daadwerkelijk voert. 

In Live Workshop: Build an AI GTM Coach with Lovable & ElevenLabs, Morgan Jacobson (GTM Enablement bij Lovable) en Remy Khoung (GTM Enablement bij ElevenLabs) lieten zien hoe zij dit oplosten door een AI GTM Coach te bouwen.

Ze deelden hoe ze deze bij hun teams bij Lovable en ElevenLabs introduceerden, inclusief een kijkje achter de schermen en tactische lessen uit de bouw. 

Beperkingen van verkooprollenspellen 

Remy en Morgan liepen bij hun verkooprollenspellen steeds tegen deze beperkingen aan: 

1. Oefenpartners verschillen in kwaliteit, waardoor sessies soms meer een doorloop dan een echt gesprek met een koper worden
2. Er was geen objectieve meting totdat de vertegenwoordiger al tegenover een klant zat
3. Live sessies waren lastig te coördineren tussen tijdzones
4. Bij rollenspellen met collega's moeten vertegenwoordigers het risico nemen om onvoorbereid over te komen tegenover de mensen die hen beoordelen

Een vertegenwoordiger die let op hoe diegene overkomt op een manager, richt de aandacht op de ruimte in plaats van op de vaardigheid.

Door het publiek uit de oefening te halen, wordt echte herhaling mogelijk.

Om een aantal van deze problemen op te lossen, besloten ze een altijd beschikbare AI GTM Coach te bouwen die was getraind op de beste gesprekken met kopers. 

Hoe ze een AI GTM Coach bouwden 

ElevenAgents fungeerde als de onderliggende agent en Lovable als de front-end. 

De agent
De system prompt was het belangrijkste onderdeel van de agent. Het scenario, de regels over welke informatie de koper wel en niet uit zichzelf deelt en het beoordelingskader maakten allemaal deel uit van de instructies. De modelkeuze, taal en stem vormden de configuratie daarbovenop.

De front-end
Lovable verzorgde alles waarmee de vertegenwoordiger werkt: de rollenspelstudio, transcriptupload, de live scorecard, certificeringstrajecten en het toewijzen van oefeningen met voortgangstracking.

Drie keuzes achter de koperspersona

Drie keuzes bepaalden de opzet.

1. Gefaseerde informatieverstrekking. De AI-koper deelt niet uit zichzelf informatie, dus de vertegenwoordiger moet die verdienen met een standpunt of een scherpe vraag. Zo voorkom je ook dat een vertegenwoordiger de oefening afrondt met drie algemene vragen.
2. Gestructureerde beoordeling. De agent stapt aan het einde uit de rol en beoordeelt op basis van vastgestelde criteria. In de getoonde opzet waren dat technische nauwkeurigheid, geloofwaardigheid als koper en of de vertegenwoordiger het gesprek op het niveau van de koper voerde.
3. Leermodus. Een vertegenwoordiger die vastloopt, geeft dat aan. De agent pauzeert, leert de vaardigheid aan de hand van een concreet voorbeeld van een vraag of klantverhaal, en de oefening gaat verder. Daardoor voelt herhaald gebruik veilig in plaats van kwetsbaar.

Demo 1: De rollenspelstudio van Lovable

Scenario: Een vertegenwoordiger voert een discovery call met een AI-koper genaamd Sarah, van wie het team moeite heeft met consistente communicatie en te veel tijd nodig heeft om nieuwe vertegenwoordigers op te leiden. 

Wat werd getoond:

• De vertegenwoordiger die begint met een agenda, een standpunt inneemt over de moeilijkheid van het inwerken en vervolgens verder gaat dan het genoemde probleem naar de zakelijke impact, waarop de koper een verloren deal deelt
• Een live scorecard die tijdens het gesprek wordt ingevuld en een volledige scorecard aan het einde, beide in natuurlijke taal geconfigureerd volgens de eigen methodologie van het bedrijf
• Scenario's die worden gegenereerd door de Lovable-agent rechtstreeks te prompten, of door Claude via MCP te koppelen aan een bibliotheek met historische gesprekken en replica's te laten bouwen van de meest voorkomende gesprekken

Waarom dit belangrijk is: De kwaliteit van een rollenspel en die van de interface zijn twee afzonderlijke problemen, en de meeste programma's lossen alleen het eerste op.

Demo 2: De ElevenAgents-agent configureren 

Scenario: De agentlaag onder de interface, getoond via de configuratie van een ElevenAgents-opzet.

Wat werd getoond:

• De system prompt: scenario, regels voor informatieverstrekking en beoordelingskader, allemaal als instructies in gewone taal
• Een eerste bericht dat de toon zet en het scenario opent zodra de agent opneemt
• Taalkeuze uit meer dan 70 talen, waarbij één agent meerdere talen afhandelt of er één agent per taal is
• Stemkeuze uit meer dan 10.000+ stemmen, waarvan sommige beter presteren in bepaalde talen
• Een optionele kennisbank voor ICP- en personadocumenten

Waarom dit belangrijk is: Een rollenspel werkt alleen als de agent goed presteert. Dat komt door stemkwaliteit, lage latency en beurtwisseling, die samen in één stack zitten. 

Best practices voor het bouwen van een AI-rollenspelcoach

Schrijf het beoordelingskader vóór de prompt. Bepaal aan welke criteria vertegenwoordigers moeten voldoen en bouw daarna de agent om daarop te testen. Andersom werken levert een scorecard op die vertegenwoordigers als algemeen ervaren, en dat is de snelste manier om ze kwijt te raken. In de getoonde uitrol kwamen eerst vijf criteria en werd de agent daarop gebouwd.

Gebruik echte gesprekken voor de scenario's. Bedenk geen scenario's, maar koppel Claude via MCP aan een bibliotheek met historische verkoopgesprekken, laat de meest voorkomende samenvatten en bouw daar replica's van. 

Houd reacties in de prompt kort. Twee tot vier zinnen. Bij meer dan dat wijkt de agent vaker af. 

Stem het model af op de complexiteit van het gesprek. Een licht, snel model voor eenvoudige rollenspellen en iets capabelers wanneer het gesprek dat echt vereist, afgewogen tegen latency en kosten. 

Stem prompts af op regionale bezwaren.Uitrol in verschillende regio's was het makkelijke deel. De uitdaging was het afstemmen van prompts, omdat een Amerikaanse zakelijke koper anders reageert dan een koper in EMEA, India of Japan. Die gebruiken moeten samen met lokale vertegenwoordigers worden uitgewerkt en vastgelegd.

Benader adoptie als verandermanagement. Afstemming met het leiderschap, distributie onder leiding van VP's, een geloofwaardige scorecard en competitieve oefeningen. De opzet bouw je in een middag, maar ervaren vertegenwoordigers meekrijgen kost meer tijd. 

Bekijk de volledige sessie

Bekijk het volledige webinar hier.