Terugblik op workshop: een AI SDR bouwen in 45 minuten

De meeste salesteams zitten vast in een reactieve modus. Veel inkomende leads, trage reactietijden en te weinig vertegenwoordigers om proactief klanten te benaderen.

In dit artikel blikken we terug op de liveworkshop Bouw een AI SDR in 45 minuten — waarin we laten zien hoe je een AI SDR-agent bouwt en implementeert.

Waarom AI SDR-agenten belangrijk zijn

De problemen waar ElevenLabs tegenaan liep voordat we een AI SDR-agent bouwden, zijn niet uniek.

Enkele uitdagingen waren:

1. Het team groeide niet zo snel als de vraag
2. Het grote aantal inkomende leads beperkte de capaciteit voor proactieve benadering
3. De opvolgsnelheid van leads was te laag
4. Leads die buiten kantooruren binnenkwamen, kregen laat antwoord (bijvoorbeeld: een lead kwam op vrijdagavond binnen, wachtte tot maandag op antwoord en wachtte vervolgens weer op een afspraak die misschien op woensdag kon plaatsvinden)
5. Taal werd een belemmering
   

De businesscase om dit te automatiseren werd al snel duidelijk.

De AI SDR-agent is 24/7 actief, beheerst meer dan 70 talen, kwalificeert leads op basis van vastgestelde criteria en plant tijdens het gesprek direct afspraken in de agenda. Geen vertraging bij overdracht. Geen gedoe met tijdzones.

De resultaten tot nu toe:

1. De agent levert het werk van twee fulltime SDR's
2. De nauwkeurigheid van de kwalificatie is 88%
3. De klanttevredenheid is gemiddeld 8,7 op 10

Demo 1: de AI SDR in actie

Scenario: Een prospect neemt contact op met ElevenLabs na het indienen van een contactformulier voor sales. De agent, Jon genaamd, neemt het gesprek aan en doorloopt de kwalificatie voordat hij een afspraak inplant.

Wat werd getoond:

• Jon herkende de use case van de prospect: het bouwen van een spraakagent voor updates over de bestelstatus, die wekelijks duizenden klantgesprekken afhandelt
• De agent beantwoordde een beveiligingsvraag over gegevenscompliance en noemde daarbij SOC 2 Type 2, HIPAA, AVG, gegevensresidentie in de EU en de mogelijkheid om BAA's te ondertekenen — zonder te haperen
• Jon stelde de kwalificatievragen één voor één: huidig abonnement, verwacht gespreksvolume en tijdlijn
• Zodra de prospect aan alle criteria voldeed, ging de agent over naar het proces voor het inplannen van een afspraak
• Jon vroeg naar de tijdzone van de prospect (Londen), gebruikte een live tool om de beschikbaarheid in de agenda op te halen en bood specifieke tijdstippen aan
• De prospect koos dinsdag om 15.15 uur. De afspraak werd tijdens het gesprek realtime in de agenda gezet
• Aan het einde vroeg Jon om een tevredenheidsscore. De prospect gaf een tien op tien. De agent haalde die score automatisch op en registreerde hem

Waarom dit belangrijk is: Dit is een volledige workflow voor kwalificatie en het inplannen van afspraken, uitgevoerd zonder menselijke SDR in het gesprek. De agent behandelde een bezwaar over compliance, doorliep een kwalificatieproces in meerdere stappen, gebruikte een live agenda-integratie en verzamelde gestructureerde gegevens voor het CRM — allemaal in één gesprek. Het transcript van het gesprek, de logs van tool calls, de kwalificatiebeslissing en de CSAT-score waren direct daarna allemaal beschikbaar in het platform.

Belangrijke onderdelen van een AI SDR

System prompt
Bepaalt het doel, de persoonlijkheid, de omgeving en de guardrails van de agent. Voor een SDR-agent betekent dit dat je de kwalificatiecriteria duidelijk omschrijft, vastlegt wat de agent wel en niet moet bespreken en de context beschrijft waarin de agent werkt. Een belangrijke les in een vroeg stadium: houd de system prompt beknopt en verplaats logica naar Workflows om fouten te verminderen en de agent voorspelbaarder te maken.

Workflows
Hiermee kun je de agent opdelen in nodes, elk met een eigen doel en voorwaarden voor overdracht. Gebruik een orchestrator-node om het juiste pad te bepalen, een kwalificatienode om de juiste vragen in de juiste volgorde te stellen, een routeringsnode voor support voor bellers met vragen die niet over sales gaan, en een planningsnode met de tools. Elke node kan een eigen LLM, kennisbank en guardrails hebben.

Kennisbank
Geeft de agent alles wat nodig is om vragen nauwkeurig te beantwoorden. Laad productmogelijkheden en meer dan 100 veelgestelde vragen, gebaseerd op de ervaring van je eigen SDR-team.

Tools
Koppelen de agent aan echte systemen. De planningsagent kan een agenda-integratie (cal.com) gebruiken om de actuele beschikbaarheid te controleren en afspraken in te plannen. Ditzelfde framework ondersteunt CRM-updates, Slack-meldingen en databasezoekopdrachten.

Analyse en gegevensverzameling
Stel dit in vóór de lancering. Bepaal binaire successtatistieken, gestructureerde gegevenspunten (use case, volume, tijdlijn, kwalificatiebeslissing) en een CSAT-score die automatisch aan het einde van het gesprek wordt opgehaald. Na het gesprek is elke variabele zichtbaar in de transcriptweergave.

Best practices

1. Bepaal succes voordat je begint met bouwen. Leg vast wat "gekwalificeerd" betekent voor je specifieke use case. Wees precies. De kwalificatiecriteria in je agent zijn slechts zo goed als de criteria die je een nieuwe SDR op de eerste dag zou geven.
2. Begin met één workflow en verbeter die daarna iteratief. De eerste versie van de ElevenLabs-agent had alle logica in de system prompt. Door over te stappen op Workflows werd de agent nauwkeuriger en eenvoudiger te onderhouden.
3. Stem je LLM af op je taak. Gebruik een lichtgewicht model voor eenvoudige orchestratielogica. Gebruik een krachtiger model voor nodes die tools moeten gebruiken of veel redeneerwerk vereisen. Dit onderscheid verbetert de latency.
4. Kies stemmen die in elke taal native zijn gekloond. Bij meertalige implementaties levert een stem die native in een bepaalde taal is gekloond merkbaar betere resultaten op dan één stem toepassen voor alle talen.
5. Stel guardrails vroeg in en breid ze in de loop van de tijd uit. Een prospect vroeg de agent om een recept voor spaghetti. Je voorziet bij de lancering niet elke edge case. Bouw een monitoringsproces en werk je guardrails bij naarmate je meer leert.
6. Gebruik dynamische variabelen voor personalisatie tijdens runtime. Door aan het begin van een gesprek de naam, het bedrijf of het huidige abonnement van de beller aan de agent door te geven, voelt het gesprek relevanter en zijn er minder verduidelijkende vragen nodig.
7. Voeg geluidseffecten toe tijdens tool calls. Terwijl de agent de agenda controleert of gegevens naar een CRM schrijft, zorgen een typegeluid of korte audiocue ervoor dat de ervaring natuurlijk blijft in plaats van stil en ongemakkelijk.
   

Bekijk de volledige sessie

Bekijk de volledige sessie hier.