고객 통화 데이터를 AI 플레이북으로 만드는 법 — Encore AI 방식 실무 적용 가이드

Encore AI가 $30M을 유치하며 주목받은 이유는 단순합니다. 통화·메시지·CRM 데이터에서 잘 되는 영업 패턴을 뽑아 AI 에이전트의 플레이북으로 만든다는 것입니다.

B2B SaaS 조직에서 일하면서 느낀 건, 이 문제가 사실 도구보다 ‘프레임을 SOP로 굳히는 과정’이 없어서 생긴다는 점이었습니다. Encore AI 수준의 전용 플랫폼 없이도, 지금 있는 도구로 같은 흐름을 만들 수 있습니다.

왜 이걸 만들었나 — ‘잘 되는 콜’이 개인 기억 속에 묻히는 문제

영업 조직에서 반복적으로 마주치는 장면이 있습니다. 특정 AE가 같은 고객사 유형에서 유독 전환율이 높은데, 그 이유를 팀이 모릅니다. 당사자도 “그냥 흐름대로 했어요”라고 합니다.

통화 녹취는 쌓이고 있고, CRM 메모도 있습니다. 그런데 이 데이터가 한 번도 ‘패턴’으로 읽힌 적이 없습니다. SDR 온보딩 때는 감으로 전수하고, 고객사 담당자님이 바뀌면 처음부터 다시 시작합니다.

Encore AI가 $30M을 받은 이유가 정확히 여기 있습니다. 이 무형의 현장 지식을 구조화된 플레이북으로 만드는 파이프라인 자체가 없었던 겁니다.

트리거가 된 순간은 신규 AE가 같은 실수를 세 번째 반복하는 걸 보고 나서였습니다. 이미 팀 안에 답이 있었는데, 꺼내는 도구가 없었습니다.

준비물

• 통화 녹취 텍스트 또는 요약 (Otter.ai, Gong, Fireflies 등 STT 도구 출력 파일)
• CRM 메모·딜 노트 내보내기 (Pipedrive CSV 또는 HubSpot 내보내기)
• Claude API 키 또는 Claude.ai Pro 계정 (긴 컨텍스트 처리용)
• Notion 워크스페이스 (플레이북 SOP 페이지 작성 권한 포함)
• Zapier 또는 Make 계정 (CRM → Notion 자동화 연결 시 선택 사항)

1. 통화 데이터를 구조화된 인풋으로 정제하기

가장 먼저 할 일은 ‘분석 가능한 형태’로 데이터를 모으는 것입니다. STT 원문 그대로를 Claude에 던지면 노이즈가 너무 많습니다. 아래 형식으로 정제해 텍스트 파일로 저장합니다.

# 콜 메타데이터
날짜: 2025-07-15
AE: 익명A
고객사 유형: 중견 제조업 / 첫 미팅
결과: 다음 단계 확정 (데모 일정 잡힘)

# 콜 요약 (Otter.ai 자동 요약 붙여넣기)
- 고객 Pain: 수작업 발주 처리로 인한 오류율 문제
- AE 접근: 유사 업종 레퍼런스 먼저 언급 후 Pain 확인 질문
- 전환 포인트: "지금 방식으로 몇 건이나 처리하세요?" 질문 이후 대화 전환

# CRM 메모 (Pipedrive에서 복사)
담당자님 반응 긍정적. 현재 ERP 담당자 포함 2차 미팅 원함.

이 포맷으로 ‘잘 된 콜’ 10~15건, ‘이탈 콜’ 5~10건을 각각 분리해 준비합니다. 비교 인풋이 있어야 Claude가 패턴을 뽑아낼 수 있습니다.

2. Claude로 영업 패턴 추출 및 플레이북 초안 생성하기

정제한 콜 데이터를 Claude에 일괄 입력하고 아래 프롬프트 구조로 패턴 분석을 요청합니다. Claude.ai Pro의 프로젝트 기능을 쓰면 여러 파일을 컨텍스트로 유지할 수 있어 편리합니다.

# 역할
당신은 B2B 영업 콜 데이터를 분석하는 RevOps 전문가입니다.

# 인풋
- 성공 콜 데이터: [파일 목록]
- 이탈 콜 데이터: [파일 목록]

# 요청
1. 성공 콜에서 반복되는 질문 패턴, 전환 포인트, 레퍼런스 활용 방식을 추출하세요.
2. 이탈 콜과의 핵심 차이점을 3개 이하로 요약하세요.
3. 신규 AE가 재현할 수 있도록 단계별 플레이북 초안을 작성하세요.
   형식: 상황 트리거 → 권장 액션 → 예시 발화 → 주의 사항
4. 각 항목은 Notion 표에 바로 붙여넣을 수 있도록 마크다운 표 형식으로 출력하세요.

출력 결과는 그대로 Notion 페이지에 붙여넣고, 시니어 AE가 한 차례 검토해 사실 여부를 보정합니다. AI 초안을 현장 감각으로 한 번 거르는 이 과정이 핵심입니다.

3. Notion SOP 페이지로 팀 전파하고 CRM과 연결하기

Claude 출력을 Notion 플레이북 데이터베이스에 정리합니다. 아래 속성 구조를 권장합니다.

Notion DB 속성 구조:
- 고객 유형 (Select): 스타트업 / 중견 / 엔터프라이즈
- 단계 (Select): 첫 미팅 / 니즈 확인 / 데모 / 협상
- 트리거 상황 (Text): 어떤 맥락에서 쓰는가
- 권장 액션 (Text): 무엇을 해야 하는가
- 예시 발화 (Text): 실제 쓸 수 있는 문장
- 근거 콜 수 (Number): 몇 건의 콜에서 추출했는가
- 마지막 업데이트 (Date)

Zapier로 Pipedrive 딜 스테이지 변경 시 해당 단계의 Notion 플레이북 페이지 링크를 CRM 메모에 자동 첨부하도록 설정하면, AE가 딜을 진행하다가 자연스럽게 플레이북을 참조하는 구조가 만들어집니다. 플레이북이 별도 문서가 아니라 워크플로우 안에 붙는 것이 핵심입니다.

마무리

목표: B2B 영업 통화 데이터를 분석해 신규 AE가 재현 가능한 플레이북을 자동 생성하는 파이프라인을 구축한다.

기술 스택: STT 도구(Otter.ai 또는 Fireflies) 출력 텍스트, Pipedrive 또는 HubSpot CSV 내보내기, Claude API 또는 Claude.ai Pro 프로젝트 기능, Notion 데이터베이스, Zapier(선택).

단계 순서:
1. 성공 콜 10건 이상 + 이탈 콜 5건 이상을 정해진 메타데이터 포맷으로 정제 → 파일 저장 확인.
2. Claude에 대조 데이터 일괄 입력 후 패턴 추출 및 마크다운 표 형식 플레이북 초안 요청 → 출력 결과 검토.
3. 시니어 AE 1회 검토 후 Notion DB에 붙여넣기 → 속성 구조(고객유형/단계/트리거/액션/발화/근거콜수) 채우기.
4. Zapier로 CRM 딜 스테이지 변경 시 해당 Notion 플레이북 링크 자동 첨부 → 테스트 딜 1건으로 동작 확인.
5. 매월 신규 콜 데이터를 추가해 플레이북 버전 업데이트 → 근거 콜 수 증가 여부로 신뢰도 관리.

이 흐름의 핵심은 플레이북이 별도 문서로 존재하지 않는다는 점입니다. CRM 워크플로우 안에 붙어 있어야 AE가 실제로 씁니다.

Encore AI가 $30M을 받은 방향을 지금 당장 기존 도구로 시작할 수 있습니다. 첫 주에는 콜 데이터 정제와 Claude 분석만 해도 충분합니다. 🙂

글쓴이: YJ — 여행/레저 플랫폼부터 이커머스 SaaS까지 14년간 세일즈/Revenue Growth를 만들어왔습니다. 매일 업무에 AI를 쓰며 검증한 활용법을 기록합니다.