인바운드 영업을 확장한 방법

매주 수백 건의 enterprise sales form이 들어오지만, 실제로는 대부분이 self-serve plan에 더 잘 맞는다. 기존에는 sales team이 수동으로 제출 내용을 검토해 enterprise 대화가 필요한 리드와 self-serve로 안내할 리드를 가려냈고, 정보가 부족한 경우에는 추가 확인까지 해야 해서 응답이 늦어졌다.

이 간극을 줄이기 위해 Agents Platform 위에 인바운드 AI SDR을 만들었고, 이름은 Jon이다. 목표는 리드가 폼을 제출한 직후 바로 미팅을 예약할 수 있게 만드는 것이며, 수동 검토 때문에 금요일 저녁에 들어온 리드가 월요일까지 기다려야 하는 문제를 없애는 데 초점을 맞췄다.

구축은 세 가지 축으로 이뤄졌다.

• Behavior: 시스템 프롬프트로 Jon의 성격과 역할을 정의했다. "warm, consultative sales representative"처럼 접근하기 쉬운 톤을 유지하게 했고, 미팅 예약이나 팀 메시지 전송 같은 행동 기준도 명시했다.
• Capabilities: 100개가 넘는 FAQ와 제품 문서 기반 지식베이스를 넣었다. 초기에는 저지연 모델로 시작했지만, 신뢰성과 tool calling이 부족해 더 강력한 LLM으로 바꿨다. 그 결과 연도 오인 같은 hallucination이 줄었고, 하루 호출 수와 평균 통화 시간을 물어 월 사용량을 추정하는 식의 추론도 가능해졌다.
• Data: 통화가 끝나면 리드의 사용 사례와 qualification 판단을 CRM에 직접 기록하고, 고객 만족도 같은 structured data도 남긴다. 통화 말미에는 1~10점 CSAT를 묻고, 가장 높거나 낮은 점수를 준 대화는 매일 검토한다.

운영하면서 얻은 교훈도 분명하다. 잘못된 disqualification을 피하는 것보다 잘못된 qualification이 낫다고 보고, false positives를 false negatives보다 선호하도록 튜닝했다. 또한 예외 상황을 모두 넣다 보면 시스템 프롬프트가 비대해져 오류 위험이 커지고, 여러 질문을 한꺼번에 묻는 습관 같은 문제가 더 고착된다. 사용자가 도중에 인사팀이나 담당자에게 바로 연결해 달라고 우회하려는 시도는 guardrail로 막았고, tool 실행 중 침묵이 길어지는 문제는 진행 상황을 알리는 force message 기능으로 완화했다.

성과도 빠르게 나타났다. 현재 38개국에서 24/7로 운영되며 주당 50+ calls를 처리해, 사실상 두 명의 SDR 역할을 한다. qualification 결정의 **78%**는 사람 개입 없이 끝나고, 남은 22%는 주로 실제로는 제외됐어야 할 리드를 잘못 통과시키는 false positive다. 반대로 false negative는 드물고, 통화를 너무 일찍 끊는 경우가 대부분이라 앞으로는 이런 incomplete case를 disqualify 대신 N/A로 처리할 계획이다.

평균 CSAT 8.7을 기록했고, 리드들은 여러 언어로 자연스럽게 대화한 뒤 즉시 회의까지 이어가는 경험에 높은 점수를 줬다. 다음 단계는 workflows 기능으로 더 복잡하고 동적인 대화를 다루고, outbound sales나 응답 없는 리드 재접촉까지 확장하는 것이다. 궁극적으로는 각 미팅을 적절한 AE의 캘린더로 자동 라우팅해, 음성이 기술의 기본 인터페이스가 되는 방향을 지향하고 있다.