Siemens와 Salesforce가 Agentforce로 구축한 자율 리드 자격 검증 시스템

섹션별 상세

01

기존의 반응형 AI 에이전트는 리드 자격 검증에 필요한 능동적인 대화 유도가 어려워 전환율 저하를 초래했다.

02

SOMA 아키텍처는 SDR Agent와 Qualification Agent로 역할을 분리하여 초기 아웃리치부터 데이터 수집까지의 과정을 체계화했다.

03

Agent Script를 사용하여 AI가 다음 단계를 추측하는 대신 명시적인 다중 턴 논리를 따르게 함으로써 데이터 수집의 일관성을 확보했다.

04

Driven Q&A Pattern을 통해 BANT(Budget, Authority, Need, Timeline) 프레임워크를 엄격히 준수하며 대화의 흐름을 통제했다.

05

24시간의 유예 기간을 설정하여 리드가 추가 정보를 제공할 수 있도록 배려하고, 2개 이상의 긍정적 답변이 확인된 경우에만 영업 담당자에게 리드를 할당한다.

에이전트 스크립트(Agent Script): — Agentforce 내에서 에이전트의 대화 흐름과 논리를 결정론적으로 정의하는 도구. AI의 추측에 의존하지 않고 명시적인 상태 전환과 비즈니스 규칙을 실행하여 예측 가능한 결과를 보장한다.
BANT 프레임워크(BANT Framework): — 영업 리드의 자격을 평가하는 기준인 Budget(예산), Authority(결정권), Need(필요성), Timeline(일정)의 약자. B2B 영업에서 리드의 구매 가능성을 판단하는 핵심 지표로 활용된다.
SOMA 아키텍처(SOMA Architecture): — Single-Org Multi-Agent의 약자로, 단일 조직 내에서 여러 전문 에이전트가 협업하는 구조. 본 사례에서는 SDR Agent와 Qualification Agent가 각각의 역할을 수행하며 리드 처리 파이프라인을 최적화한다.