How we use ElevenAgents to save 1,200 hours a month in daily operations

일레븐랩스(ElevenLabs) 같은 유명 AI 기업에서는 사내 업무를 어떻게 처리하고 있는지 궁금하지 않으신가요?

전체 글 정리

1. 사내 업무를 척척 해내는 AI 에이전트

• 일레븐랩스에서는 내부 에이전트들이 일상적인 업무에서 한 달에 무려 1,200시간 이상을 아껴주고 있어요.
• 매달 5,000개가 넘는 질문에 답할 뿐만 아니라, 고객 맞춤형 데모를 직접 만들고 150개 이상의 티켓을 생성하는 등 실제 행동까지 처리한답니다.
• 처음에는 사내 메신저에서 사용자 유지 데이터나 문서 같은 내부 정보를 쉽게 찾기 위해 시작되었지만, 이제는 질문에 답하고 버그를 접수하는 등 직접 일까지 도맡아 하는 수준으로 발전했어요.

2. 팀별 활용 사례

• 영업팀: GTM 봇과 FDE 봇을 사용해 고객 질문에 답하고, 영국·프랑스·독일의 주요 고객 정보를 찾거나, prospects(잠재 고객)의 요구사항에 맞는 완전한 맞춤형 데모를 메시지 하나로 직접 조립해 만들어냅니다.
• 지원 및 엔지니어링팀: 트리아지 봇을 통해 지난 한 달간 150개의 새로운 티켓을 자동으로 생성했어요. 기능을 요청하거나 버그를 찾을 때 기존 티켓과 중복되는지 확인하고, 적절한 우선순위를 매겨 올바른 팀으로 연결해 준답니다.
• 제품 및 제품 마케팅팀: 특정 채널에서 데이터 관련 질문을 던지면 쓰레드 안에서 바로 분석 결과를 받아보고 추가 질문이나 토론을 이어갈 수 있어요.

3. 성공적인 운영을 위해 배운 점들

• 신뢰성이 생명: 내부 에이전트는 처음부터 정확하고 믿을 수 있어야 팀원들이 계속 사용하게 됩니다.
• 프롬프트보다 스키마 정리: 시스템 프롬프트를 복잡하게 수정하기보다, 불필요한 데이터 필드나 열을 제거해 모델이 헷갈릴 요소를 없애는 것이 답변 정확도 향상에 훨씬 큰 도움이 되었어요.
• 선택지 제한: 세일즈포스의 거래 단계 같은 항목은 정해진 값만 고를 수 있도록 미리 정의해서, 모델이 존재하지 않는 가짜 값을 지어내는 실수를 막았습니다.
• 작업 검증: 에이전트가 티켓을 만든 뒤 필드가 잘 설정되었는지, 올바른 팀으로 갔는지 스스로 검증하여 실수를 줄였습니다.

이용 방법 / 활용 방안

• 반복적인 사내 문의나 데이터 검색 업무가 있다면 AI 에이전트를 도입해볼 수 있어요.
• 개발 지식이 없더라도, AI에게 복잡한 설명 대신 꼭 필요한 핵심 데이터와 명확한 선택지만 제공하면 훨씬 정확한 답변과 업무 처리를 이끌어낼 수 있다는 점을 참고해 보세요.
• 우리 팀의 반복 업무 중 어떤 부분을 에이전트에게 맡기면 좋을지 가볍게 고민해보는 것도 좋겠죠?

여러분이라면 이 똑똑한 AI 에이전트를 일상 업무 어디에 가장 먼저 써보고 싶으신가요?