웨비나 정리: Cars24가 Voice AI로 300만 분의 영업 통화를 자동화한 방법

Cars24는 인도, UAE, 호주에서 13개 언어로 동작하는 production voice agents를 운영하며, 3백만 분 이상의 영업 통화를 자동화했다. 월 4,000~4,500대를 팔고, 100,000+ inspections와 22,000+ test drives를 처리하는 규모에서 전화 상담은 앱보다 더 중요한 고객 접점이 됐다.

구매자의 **75%**가 첫 차 구매자라 의사결정 부담이 크고, 세일즈 퍼널도 30~45일에 걸친다. AI 도입 전에는 고객이 잘못된 팀으로 전화를 걸어 대기 시간이 늘고, 후속 연락이 누락되며, 지원과 판매가 뒤섞인 운영 비용이 커졌다.

지금은 **전체 콜의 25%**를 자동화했고, 세일즈의 거의 절반이 voice AI의 도움을 받으며, 통화 비용은 50% 줄었다. 단순한 리마인더부터 시작해 실제 고객 트래픽에 단계적으로 넣은 뒤, 긴 대화와 복잡한 전환까지 확장했다.

데모 1에서는 판매자를 상대로 힌디어 협상 에이전트가 경쟁 플랫폼과의 비교를 넘어 실시간 반박과 설득을 수행하며, 통화 중 전환 결정을 이끌어냈다. 데모 2에서는 일정이 밀린 고객에게 Sneha가 재예약을 진행하다가 업그레이드 의도를 감지하면 중간에 세일즈 에이전트로 컨텍스트를 넘겨, 고객이 1시간 뒤 콜백을 요청해도 대화 맥락을 잃지 않고 마무리했다.

기술적으로는 단일 프롬프트와 단일 에이전트의 한계를 피하기 위해 멀티 에이전트 오케스트레이션을 택했다. 작은 qualification agent가 초기 의도를 잡고, 더 큰 모델이 discovery를 맡고, 가격이나 금융이 나오면 loan 전담 에이전트가 붙는다. 이렇게 나누면 한 흐름의 수정이 다른 흐름을 깨지 않는다.

스택은 ElevenLabs Scribe v2 real-time STT, Flash 2.5 TTS의 V3 expressive mode, 대부분의 유스케이스에 쓰는 GPT-4.1 mini, 긴 discovery용 GPT-4o 계열, 24kHz PCM WebSockets, Twilio/Exotel/Plivo, HubSpot 연동, 그리고 대규모 데이터셋에서 지연과 비용을 낮추기 위한 Qdrant의 binary quantization으로 구성됐다. 직접 STT, LLM, TTS를 따로 묶는 방식보다 ElevenLabs Agents의 통합 오케스트레이션이 지연을 30~40% 줄였고, 그 감소가 전환의 30~40% 상승으로 이어졌다.

운영 원칙도 분명하다.

• 가장 실패 비용이 낮은 missed appointment reminders부터 시작한다.
• 시뮬레이션보다 **실제 고객 트래픽 10%**에서 먼저 검증한다.
• 2분 미만 통화는 4,000~5,000 token 안으로 프롬프트를 제한하고, 더 길어지면 새 에이전트를 만든다.
• 자주 묻는 답변은 KB가 아니라 프롬프트에 넣고, 나머지 **20%**만 tool call과 RAG로 처리한다.
• 첫 메시지는 미리 생성하고 uninterruptible하게 만들어 이탈을 줄인다.
• 모든 통화에 대해 100% evals를 돌리고, 실패 시 수동 검토한다.
• 배포는 **5% → 10% → 20% → 50% → 100%**로 올리며 각 단계마다 2일 hold를 둔다.
• 동의 없는 아웃바운드는 하지 않고, AI 여부를 묻는 고객에게는 virtual assistant라고 밝히며, 사람을 원하면 즉시 넘긴다.
• AI 비용은 비용 항목이 아니라 성과를 측정하는 투자로 다룬다.