영업 담당자가 직접 만든 AI 기반 B2B CRM 구축기
리드 확보의 어려움을 겪던 영업 담당자가 AI 코드 에디터(Cursor)를 활용하여 B2B CRM 구축을 시도
6명의 AI 에이전트(PM, BE, FE, QA, Ops, Ask)를 병렬 운영하여 E2E(End-to-End) 영업 자동화 솔루션 개발
인박스 문서, 키워드 트리거, 치트시트를 활용하여 에이전트 간의 협업 효율성을 높임
Deep Research를 통해 IR 담당자에게 접근하여 전환율(Conversion Rate)을 향상시키는 전략을 사용
Phase 1(영업 자동화) 완료 후, Phase 2(예약 관리), Phase 3(B2B 확장) 계획을 통해 지속적인 서비스 고도화(Service Enhancement)를 추진
AI 코드 에디터(Cursor)를 활용한 MVP 구축
본문에서는 영업 담당자가 AI 코드 에디터(Cursor)를 활용하여 B2B CRM의 MVP(Minimum Viable Product)를 빠르게 구축한 과정을 설명한다.
바이브 코딩(Vibe Coding): 기획자가 직접 코드를 작성하여 개발 리소스(Development Resource) 부족 문제를 해결
구글 로그인(Google Login) 기반 접근 권한: 팀원 및 임직원의 접근 권한을 관리하고, 편집 권한(Edit Permission)과 관리자 권한(Admin Permission)을 분리
E2E(End-to-End) 영업 자동화: 리드 발굴, 메일 발송, 회신 추적, 대시보드 관리 등 영업 프로세스 전반을 자동화하여 효율성을 극대화
병렬 에이전트(Parallel Agent) 구조 설계
프로젝트 진행 중 프롬프트(Prompt)가 길어지면서 발생한 문제를 해결하기 위해, 6명의 에이전트(PM, BE, FE, QA, Ops, Ask)를 병렬로 운영하는 구조를 도입했다.
역할 분담(Role Assignment): 각 에이전트에게 명확한 역할을 부여하고, MD 파일(MD File)을 통해 역할 정의
공통 룰북(Common Rulebook): 전체 프로젝트 컨텍스트를 담은 MD 파일을 모든 에이전트가 먼저 읽도록 설정하여 맥락 공유(Context Sharing)
확장성(Scalability) 확보: 신규 프로젝트에도 동일한 에이전트 구조를 복제하여 빠르게 시작 가능
협업 효율을 높이는 3가지 자동화 기법
에이전트 간의 협업 효율을 높이기 위해 인박스 문서, 키워드 트리거, 치트시트를 활용했다.
인박스 문서(Inbox Document): 각 에이전트의 작업 결과를 요약하여 보고하는 체계로, 작업 흐름(Workflow)을 한눈에 파악
키워드 트리거(Keyword Trigger): 반복 작업을 키워드 기반으로 정의하여, 단일 명령(Single Command)으로 자동화
치트시트(Cheat Sheet): 자주 사용하는 프롬프트, 작업 규칙, 개발 환경 설정 관련 정보를 정리하여, 에이전트의 작업 효율(Work Efficiency) 향상
Deep Research를 활용한 리드 확보 전략
무작위 기업 정보 검색 대신, Deep Research를 통해 고품질 리드를 확보하는 전략을 사용했다.
LLM(Large Language Model) 활용: ChatGPT, Gemini, Claude 등 LLM의 Deep Research 기능을 활용하여 기업 정보 및 담당자 연락처 수집
IR 담당자(IR Contact) 공략: 복지 담당자 대신 IR 담당자에게 접근하여 전환율(Conversion Rate)을 극대화
AI 기반 팔로업(Follow-up): 메일 발송 후 회신 여부를 추적하고, 다음 액션(Next Action)을 추천하여 영업 효율 증대
고객 맞춤형 자동화 도구 제안
고객의 운영 부담을 줄이고 락인(Lock-in) 효과를 만들기 위해, 고객 맞춤형 자동화 도구를 제안하는 전략을 사용했다.
기존 솔루션과의 병용: 기존 휴양소 시설을 대체하는 대신, 마이리얼트립 서비스와 고객사 내부 프로세스(Internal Process)에 맞는 자동화 도구를 함께 제안
운영 부담 제거: 예약 관리, 배정 업무 등 운영 리소스(Operation Resource)를 줄여 고객의 도입 장벽 완화
락인 효과(Lock-in Effect) 창출: 영업 담당자가 직접 자동화 도구를 만들 수 있도록 지원하여, 지속적인 서비스 이용 유도
