지난 몇 개월 동안 저는 영업 BDR(Business Development Representative) 에이전트를 구축해 왔습니다. 대규모 소프트웨어 회사에서는 영업 기능이 일반적으로 여러 역할로 나뉘며, BDR은 아웃리치, 후속 조치 및 최종적으로 미팅 예약을 담당합니다. 이러한 리드는 실제 영업 프로세스를 처리하는 계정 담당자에게 전달됩니다.

저희 회사에서는 BDR과 계정 담당자 역할을 모두 처리하는 영업 담당자가 한 명뿐입니다. 이것이 우리가 Hubspot이나 Salesforce에서 받은 리드부터 미팅 예약까지 전체 프로세스를 처리하는 영업 BDR 에이전트를 구축하기로 결정한 이유입니다.

BDR 에이전트의 책임을 다음과 같은 다양한 작업으로 나누었습니다:

1. 리드 조사: 에이전트가 새로운 리드를 받으면 프로스펙트의 비즈니스를 이해하고 잠재적인 가치 제안을 파악해야 합니다.
2. 맞춤형 아웃리치: 에이전트는 조사 결과를 바탕으로 프로스펙트에게 개인화된 메시지를 작성해야 합니다.
3. 후속 조치: 프로스펙트가 즉시 응답하지 않는 경우가 많으므로 에이전트는 후속 조치를 취해야 합니다.
4. 프로스펙트 참여: 프로스펙트가 응답하면 에이전트는 질문에 답변하고 CRM에 정보를 기록할 수 있어야 합니다.
5. 미팅 예약: 마지막으로 에이전트는 영업팀의 일정 가용성을 확인하여 프로스펙트와 미팅을 예약할 수 있어야 합니다.

그러나 이 프로세스가 상당히 복잡하다는 것을 빨리 깨달았고, 심지어 이메일 수신함을 자율적으로 관리하고 이메일에 응답하는 에이전트를 구축하는 것도 어려운 과제라는 것을 알게 되었습니다. 이것이 AI 에이전트 구축 접근 방식에 대한 패러다임 전환으로 이어졌습니다.

처음에는 여러 작업을 자체적으로 처리할 수 있는 "슈퍼 에이전트"를 구상했습니다. 그러나 더 많은 에이전트를 구축하면서 전문화된 에이전트들이 협력하여 원하는 결과를 달성하는 것이 더 효과적일 수 있다는 것을 깨달았습니다.

이 접근 방식에는 다음과 같은 이점이 있습니다:

1. 업데이트가 쉬움: 전체 시스템을 변경하는 대신 특정 에이전트만 업데이트할 수 있습니다.
2. 복합적인 이점: 질문 답변 또는 미팅 예약과 같은 기본 기능은 영업, 마케팅, 지원 등 다양한 직무 기능에서 재사용할 수 있습니다.
3. 구축 비용 절감: 공통 기능을 재사용하여 새로운 에이전트를 구축하는 비용을 크게 줄일 수 있습니다.

영업 BDR 에이전트의 경우 이 팀 기반 접근 방식을 구현했습니다. "관리자 에이전트"는 다양한 하위 에이전트에게 작업을 분류하고 위임하며, 이메일 송수신, 일정 이벤트 생성, CRM에 정보 기록과 같은 핵심 작업을 수행합니다.

하위 에이전트에는 다음과 같은 것들이 포함됩니다:

1. 프로스펙트 연구원: 이 에이전트는 다양한 데이터 소스(예: Google, Apollo, LinkedIn)에 액세스하여 프로스펙트를 이해하고 가치 제안을 파악할 수 있습니다.
2. 수신함 관리자: 이 에이전트는 회사 데이터를 기반으로 프로스펙트의 질문에 응답할 수 있습니다.
3. 후속 조치 에이전트: 이 에이전트는 효과적인 후속 조치 방식으로 훈련되었습니다.

관리자 에이전트가 CRM에서 새로운 리드를 받으면 하위 에이전트에게 작업을 위임하고, 그들이 협력하여 전체 영업 BDR 프로세스를 완료합니다.

이 접근 방식은 이미 우리 영업팀에 약 20%의 미팅을 제공했으며, AI 직원과 인간 직원을 채택하는 것에 대해 몇 가지 흥미로운 관찰 결과가 있습니다:

1. 투명성: AI 직원의 경우 의사 결정 과정을 항상 추적할 수 있어 에이전트의 프롬프트와 행동을 타겟팅하여 조정할 수 있습니다.
2. 의사소통 장벽: 인간 직원과 달리 AI 에이전트는 동일한 "메모리" 또는 지식 베이스를 공유할 수 있어 의사소통 장벽이 없어 확장성과 기능 향상이 용이합니다.