더 나은 잠재 고객을 찾고 자격을 검증하는 리드 생성용 Hermes Agent 구축기

리드 생성 (Lead generation)은 순식간에 엉망이 되곤 합니다. “DevOps 엔지니어를 채용 중인 SaaS 기업 찾기” 또는 “자동화 지원이 필요할 것 같은 B2B 팀 찾기”와 같이 명확한 목표로 시작하지만, 5분만 지나면 수많은 탭, 무작위 LinkedIn 페이지, 부적합한 기업들, 그리고 깔끔한 파이프라인에 전혀 반영되지 못하는 메모들에 파묻히게 됩니다. 이것이 제가 해결하고 싶었던 문제였습니다. 리드 생성을 거대한 스크래핑 (Scraping) 문제로 취급하는 대신, 저는 Hermes Agent를 조사 및 자격 검증 (Qualification) 레이어로 사용했습니다. 목표는 판단력을 대체하는 것이 아니었습니다. 목표는 지루한 부분들을 더 빠르고, 일관성 있으며, 덜 혼란스럽게 만드는 것이었습니다. 따라서 워크플로우는 다음과 같이 단순해졌습니다: 이상적인 고객 프로필 (Ideal Customer Profile, ICP) 정의 $\rightarrow$ 후보 기업 및 연락처 검색 $\rightarrow$ 웹의 컨텍스트로 정보 보강 (Enrich) $\rightarrow$ 명확한 규칙 세트로 자격 검증 $\rightarrow$ 더 나은 리드만을 깔끔한 결과물로 전송. 이것이 제가 가장 신경 쓰는 부분입니다. “AI가 리드를 찾았다”가 아니라, 더 나은 리드, 더 나은 근거, 그리고 더 적은 스팸(Junk)을 만드는 것입니다.

시스템이 하는 일
높은 수준에서 보면, Hermes 리드 생성 워크플로우는 도구를 갖춘 조사 보조원처럼 작동합니다. 다음과 같은 작업이 가능합니다:

• 기업 및 인물을 위해 웹 검색
• 기업 페이지 및 공개된 컨텍스트 읽기
• 자격 검증 패턴 추적
• ICP에 따라 리드 점수 산정
• 스프레드시트, CRM 또는 수동 검토를 위한 구조화된 출력 반환

이는 단발성 프롬프트 (One-shot prompt)보다 훨씬 유용합니다. 단일 프롬프트는 목록을 생성할 수 있지만, 도구를 사용하는 에이전트 (Agent)는 워크플로우를 생성할 수 있습니다.

아키텍처 다이어그램
흐름은 의도적으로 (좋은 의미에서) 단조롭습니다:

• 공개 소스에서 가능한 리드 수집
• 초기 단계에서 ICP 필터 적용
• Hermes가 각 후보를 조사하고 정보를 보강하도록 함
• 적합성 및 신뢰도 점수 산정
• 예외 케이스를 위한 인간 검토 단계 유지
• 근거가 첨부된 CRM 준비 완료 행(row) 내보내기

마지막 부분이 매우 중요합니다. 근거가 없는 리드 점수는 그리 도움이 되지 않기 때문입니다.

시스템이 특정 회사를 유망한 잠재 고객(prospect)이라고 판단한다면, 저는 왜 그렇게 생각하는지 알고 싶습니다. 예를 들어: 회사 규모가 일치함, 역할(role)이 일치함, 채용 신호(hiring signal)가 존재함, 공개된 기술 스택(public stack)이 유력한 사용 사례(use case)를 시사함, 타이밍 또는 통증 신호(pain signal)가 보임 등과 같은 이유 말입니다. 이렇게 되면 결과물은 단순히 장식적인 수준을 넘어 실제로 활용 가능한 데이터가 됩니다.

1단계: 엄격한 ICP(Ideal Customer Profile, 이상적 고객 프로필)로 시작하기
이 지점에서 대부분의 리드 생성(lead-gen) 워크플로우가 조용히 무너집니다. ICP가 모호하면 결과물도 모호해질 수밖에 없습니다. “자동화가 필요할 것 같은 회사를 찾아줘”라는 요청은 너무 광범위합니다. 더 나은 버전은 다음과 같습니다:

• B2B SaaS 기업
• 직원 수 20~300명
• 엔지니어링, DevOps 또는 플랫폼 역할 채용 중
• 제품 또는 인프라 복잡도가 높아 자동화, AI Ops 또는 워크플로우 정리(workflow cleanup)가 필요할 가능성이 높음
  이 정도면 Hermes가 작업하기에 충분합니다. 첫날부터 완벽한 엔터프라이즈 영업 플레이북(enterprise sales playbook)이 필요한 것이 아니라, 그저 명확한 경로(lane)가 필요할 뿐입니다.

2단계: 단순히 리스트를 만드는 것이 아니라, 리서치를 위해 Hermes를 사용하기
이것이 진정한 변화입니다. 대부분의 리드 생성 자동화는 데이터 추출(extraction) 단계에서 멈춥니다. 이름, 직함, URL을 가져온 뒤 스프레드시트에 모두 쏟아붓고 끝냅니다. Hermes는 한 단계 더 나아갈 수 있습니다. 리드가 유지할 가치가 있는지 결정하기 전에, 기업이나 개인에 관한 맥락(context)을 검색, 가져오기, 비교 및 요약할 수 있습니다. 예를 들어, 단순히 회사 이름만 반환하는 대신, 에이전트는 다음과 같은 신호(signals)를 찾을 수 있습니다:

• 플랫폼, 인프라, 데이터 또는 자동화 작업을 언급하는 채용 페이지
• 문서나 엔지니어링 블로그를 통해 확인할 수 있는 제품 복잡도
• 기업 단계 및 팀 규모
• 귀하가 관심을 갖는 역할이 실제로 존재하는지 여부
• 해당 비즈니스가 귀하가 원하는 시장 세그먼트(market segment)에 부합하는지 여부
  이를 통해 가공되지 않은 잠재 고객(raw prospects)을 맥락을 갖춘 후보자(candidates with context)로 전환할 수 있습니다.

3단계: 아웃리치(outreach) 전에 자격 검증(qualification) 로직 추가하기
이 단계가 시간을 가장 많이 절약해 주는 부분입니다. 저는 발견된 모든 리드가 동일한 비중을 갖기를 원하지 않습니다. 다음과 같은 질문에 답할 수 있는 가벼운 자격 검증 계층(qualification layer)을 원합니다:

• 이 회사가 올바른 유형의 회사인가?
• 이 담당자가 관련성이 있어 보이는가?
• 솔루션이 필요할 것 같다는 가시적인 신호가 있는가?
• 리드를 유지할 만큼 신뢰도(confidence)가 높은가, 아니면 검토가 필요한가?

이를 실행하는 실질적인 방법은 다음 요소들을 결합하는 것입니다:

• 기업 수준의 필터링을 위한 ICP (Ideal Customer Profile, 이상적 고객 프로필) 적합성
• 연락처 수준의 필터링을 위한 역할 (role) 적합성
• 공개 데이터로부터 얻은 통증 지점(pain) 또는 타이밍 신호
• BANT와 같은 프레임워크에서 영감을 얻은 간단한 자격 검증 (qualification) 규칙

저는 1차 조사 에이전트 (research agent)에 전체 엔터프라이즈 영업 방법론을 강제로 주입하려는 것이 아닙니다. 명백하게 부적합한 대상을 줄이기 위해 그 경량화된 버전을 사용하고 있습니다. 샘플 출력 객체는 다음과 같은 형태일 수 있습니다:

{ "company" : "ExampleCloud" , "contact" : "Jane Doe" , "role" : "Platform Engineering Manager" , "industry_fit" : true , "size_fit" : true , "signal" : "SRE 및 DevOps 역할 채용 중" , "score" : 84 , "confidence" : "high" , "reason" : [ "B2B SaaS ICP와 일치함" , "엔지니어링 채용 신호 존재" , "연락처의 역할이 잠재적 구매자/사용자와 일치함" ], "review_required" : false }

이는 맥락(context)이 전혀 없는 60개의 이름이 담긴 단순한 CSV 파일보다 훨씬 더 나은 인수인계 방식입니다.

자격 검증 루프 (Qualification loop) 다이어그램
이 루프가 중요한 이유는 놓친 부분을 검토할 때 시스템이 더 좋아지기 때문입니다. 몇 가지 예시는 다음과 같습니다:

• 일부 기업은 키워드에는 일치하지만, 중요하게 다루기에는 너무 초기 단계임
• 일부 연락처는 시니어 직함을 가지고 있지만, 적절한 직무가 아님
• 일부 페이지는 관련 있어 보이지만, 내용을 깊이 읽어보면 니즈(need)가 약함
• 점수 산정 프롬프트 (scoring prompt)가 너무 엄격하여 일부 좋은 리드를 놓침

이는 정상적인 과정입니다. 해결책은 첫 번째 버전이 완벽한 척하는 것이 아닙니다. 해결책은 거짓 양성 (false positives)과 거짓 음성 (false negatives)을 검토한 다음, 규칙을 더욱 정교하게 다듬는 것입니다.

Hermes가 가장 큰 도움을 주는 부분
이 워크플로를 구축한 후, 가장 가치 있는 성과는 화려하지 않았습니다. 매우 실용적이었습니다:

1. 리드당 더 빠른 조사: 기업당 10개의 탭을 여는 대신, Hermes는 첫 번째 유용한 맥락 계층을 수집하고 이를 요약할 수 있습니다.
2. 더 일관된 필터링: 사람은 지치고 일관성이 떨어집니다. 에이전트는 목록의 37번째 기업을 조사한다고 해서 지루해하지 않습니다. 기준이 명확하다면, 시스템은 매번 동일한 방식으로 기준을 적용합니다.

더 나은 아웃리치 (Outreach)로의 전환: 출력값은 단순히 "여기 리드 목록이 있습니다"에 그치지 않습니다. 대신 "여기 리드 목록이 있고, 이들이 왜 통과되었는지, 그리고 어떤 신호 (Signal)가 이들을 흥미롭게 만들었는지"를 제공합니다. 이는 개인화된 아웃리치 (Outreach)를 위한 훨씬 더 나은 시작점을 제공합니다.

4. 시간이 지남에 따라 더 쉬워지는 개선: 워크플로우 (Workflow)가 명시적이기 때문에, 다음과 같이 개별 단계를 개선할 수 있습니다:

• ICP (Ideal Customer Profile, 이상적 고객 프로필) 변경
• 검색 쿼리 (Search Query) 강화
• 스코어링 (Scoring) 규칙 조정
• 인리치먼트 (Enrichment)를 위한 프롬프트 (Prompt) 개선
• 신뢰도가 낮은 경우에만 인간의 확인 단계 (Human Checkpoint) 추가
  이는 모든 것을 형편없이 수행하는 모호한 프롬프트를 수정하려고 노력하는 것보다 훨씬 쉽습니다.

인간이 여전히 중요한 부분: 이 부분이 중요합니다. 모든 리드에 대해 에이전트 (Agent)가 최종 결정을 내리게 해서는 안 됩니다. 훌륭한 1차 리드 생성 (Lead-gen) 에이전트는 다음과 같은 작업을 도와야 합니다:

• 조사 (Research)
• 인리치먼트 (Enrichment)
• 필터링 (Filtering)
• 스코어링 (Scoring)
• 구조화된 출력 (Structured Output)
  하지만 인간은 여전히 다음 사항들을 소유해야 합니다:
• 최종 아웃리치 (Outreach) 우선순위
• 전략적 계정 선정 (Strategic Account Selection)
• 예외 케이스에 대한 미묘한 판단
• 공개된 웹에는 나타나지 않는 맥락에 의존하는 메시징
  은근히, 이것이 유용한 자동화와 게으른 자동화의 차이입니다. 조사 레이어 (Research Layer)를 잘 자동화한다면, 인간은 실제로 파이프라인 (Pipeline)을 움직이는 부분에 더 많은 시간을 할애할 수 있습니다.

다음에 개선하고 싶은 점: 이 시스템을 계속 밀어붙인다면, 다음 세 가지를 개선하고 싶습니다:

1. 더 나은 소스 혼합 (Source Mix): 서로 다른 리드 소스들은 다르게 작동합니다. 어떤 것은 광범위하지만 노이즈가 많고, 어떤 것은 신호가 높지만 규모가 작습니다. 세그먼트 (Segment)별로 소스 혼합을 계속 조정할 것입니다.

2. 더 강력한 스코어링 메모리 (Scoring Memory): 승인된 리드와 거절된 리드를 더 많이 검토할수록, 에이전트는 특정 니치 (Niche) 시장에서 "적합한 대상 (Good Fit)"이 실제로 무엇을 의미하는지 더 잘 배울 수 있습니다.

3. 더 깔끔한 다운스트림 통합 (Downstream Integration): 이상적인 최종 상태는 간단합니다. Hermes가 조사하고 자격을 검증하며, 강력한 리드만 앞으로 이동합니다. 출력값은 구조화된 CRM이나 시트 (Sheet)에 담기고, 아웃리치는 이미 더 나은 맥락이 첨부된 상태로 시작됩니다. 그것이 진정한 승리입니다. 더 많은 리드가 아니라, 더 나은 시작점 말입니다.

최종 의견: 리드 생성 (Lead Generation)을 위해 AI를 사용하고 싶다면, 대량 스크래핑 (Mass Scraping)이나 완전히 자동화된 아웃리치 (Outreach)부터 시작하지 마십시오.

저는 더 작은 질문부터 시작할 것입니다. '에이전트(Agent)가 현재의 수동 워크플로우 (Manual Workflow)보다 더 나은 잠재 고객을 찾고, 필터링하고, 설명하는 데 도움을 줄 수 있는가?'라는 질문 말입니다. 이것이 훨씬 더 유용한 문제입니다. 저에게 있어 Hermes는 이 목적에 잘 부합하는데, 단순히 텍스트 박스에 그치지 않기 때문입니다. Hermes는 검색하고, 정보를 가져오며, 여러 출처를 가로질러 추론하고, 메모리 (Memory)를 유지하며, 반복 가능한 워크플로우 (Repeatable Workflows)를 실행할 수 있습니다. 덕분에 단순한 양(Volume)보다 맥락 (Context)이 더 중요한 리드 생성 (Lead Generation) 워크플로우를 위한 견고한 기반이 됩니다. 솔직히 말해서, 이것이 핵심입니다. 목표는 자동화된 것처럼 보이는 것이 아닙니다. 목표는 질 낮은 리드를 뒤지는 데 시간을 덜 쓰고, 적절한 리드와 대화하는 데 더 많은 시간을 쓰는 것입니다. Hermes Agent Documentation, Hermes Agent Documentation https://hermes-agent.nousresearch.com/docs/ Hermes Agent Documentation, Features Overview https://hermes-agent.nousresearch.com/docs/user-guide/features/overview Hermes Agent Documentation, Scheduled Tasks (Cron) https://hermes-agent.nousresearch.com/docs/user-guide/features/cron Salesforce, BANT vs. MEDDIC: Comparing Sales Methodologies https://www.salesforce.com/blog/sales/bant-vs-meddic/ 6sense, The Perfect Guide to Lead Qualification https://6sense.com/blog/the-perfect-guide-to-lead-qualification/