Lovable과 ElevenLabs로 AI GTM 코치 만들기: 웨비나 리뷰

Lovable과 ElevenLabs의 GTM Enablement 팀은 영업 역할극의 한계를 해결하기 위해 항상 사용할 수 있는 AI GTM 코치를 구축했다. 기존 역할극은 연습 파트너의 편차, 객관적 평가 부족, 시간대 조율 문제, 동료 앞에서의 부담 때문에 반복 훈련이 어려웠다.

구조는 ElevenAgents가 대화형 에이전트를 맡고, Lovable이 담당자가 사용하는 프론트엔드를 제공하는 방식이다. 에이전트의 시스템 프롬프트에는 시나리오, 구매자가 자발적으로 공개할 정보의 범위, 평가 기준이 포함되며, Lovable은 역할극 스튜디오, 녹취록 업로드, 실시간 스코어카드, 인증 경로와 과제 완료 추적을 제공한다.

구매자 페르소나는 세 가지 원칙으로 설계했다.

• 단계적 정보 공개: 담당자가 명확한 관점이나 날카로운 질문을 제시해야 구매자가 추가 정보를 공개한다.
• 구조화된 평가: 대화가 끝나면 기술적 정확성, 구매자 관점의 신뢰도, 적절한 수준의 피칭 여부를 기준으로 점수를 매긴다.
• 티칭 모드: 담당자가 막혔다고 말하면 에이전트가 대화를 멈추고 예시 질문이나 고객 사례로 기술을 설명한 뒤 역할극을 재개한다.

Lovable의 역할극 스튜디오에서는 메시지 일관성과 신입 담당자 교육에 어려움을 겪는 가상의 구매자와 discovery call을 진행했다. 실시간 스코어카드와 최종 평가표는 회사의 영업 방법론을 자연어로 설정할 수 있으며, Lovable 에이전트에 직접 프롬프트를 입력하거나 Claude와 MCP를 활용해 과거 통화 기록에서 빈번한 시나리오를 복제할 수도 있다.

ElevenAgents 설정에서는 시나리오와 정보 공개 규칙, 평가 기준을 자연어로 작성하고 첫 메시지로 대화의 분위기와 시작점을 정한다. 또한 70개 이상 언어, 1만 개 이상의 음성을 지원하며, ICP와 페르소나 문서를 선택적으로 지식 베이스에 연결할 수 있다.

구축 시에는 먼저 평가 기준을 정의한 뒤 프롬프트를 작성해야 한다. 역할극의 품질은 평가 루브릭뿐 아니라 음성 품질, 낮은 지연시간, 자연스러운 발화 순서 같은 에이전트 성능과 사용하기 쉬운 인터페이스에도 좌우된다.