This AI Agent Found Me 100 Web3 Clients While I Slept (Lessie AI)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Lessie AI가 Web3 고객 발굴과 이메일 접촉을 자동화하는 과정을 보여주지만, 제목의 ‘고객 100명 확보’를 실제 계약 성과로 확인해 주는 영상은 아니다.

📌 핵심 요점

1. 프리랜서·에이전시의 수작업 영업을 대체하는 도구로 Lessie AI를 소개한다. LinkedIn·Google·X에서 후보를 찾고 연락처를 정리하는 일을 자동화하는 것이 출발점이다.
2. 에이전트 모드는 검색 결과보다 목표 달성을 지향한다. 시연에서는 최근 6개월 내 투자받은 Web3 창업자·성장 담당자를 대상으로 적격 답변 10건을 목표로 설정하고, 매일 실행하도록 구성했다.
3. 후보 5명에 대한 적합·부적합 피드백으로 탐색 기준을 조정하고, 후보별 맞춤 이메일을 생성한다. 발표자는 이후 검색·발송·후속 연락이 자동으로 이어진다고 설명한다.
4. 중간 화면에서 제시한 수치는 검색 후보 670명, 적격 후보 64명, 접촉 44명, 이메일 열람 31명이다. 답변·상담·계약 건수는 이 수치에 포함되지 않는다.
5. 즉시 검색 모드는 후보별 적합 근거, 연락처 확인, 투자금액 열 추가, 이메일 작성과 내보내기를 지원한다. 후반에는 터미널에서 Stripe 엔지니어링 매니저를 찾는 연동 사례도 보여준다.

🧩 배경과 문제 정의

발표자는 프리랜서와 에이전시가 잠재고객을 찾기 위해 여러 플랫폼을 오가고, 이메일 주소를 추정하며, 스프레드시트를 채우는 과정을 문제로 제시한다. 기술을 구축할 줄 알아도 예산과 문제를 가진 고객에게 도달하지 못하면 수익으로 이어지기 어렵다는 설명이다.

영업 대상으로는 투자받은 Web3 스타트업을 선택한다. 투자 직후 성장·마케팅·커뮤니티 등에 외부 도움이 필요하다는 가정 아래, 다른 공급자보다 먼저 적합한 담당자에게 접근할 수 있는지를 시험한다. 영상은 제품 후원을 공개하며, 목표 기반 에이전트와 즉시 검색, 개발자용 연동 순서로 시연한다.

🕒 시간순 섹션별 상세정리

1. 수작업 고객 발굴의 병목과 시연의 목적

• LinkedIn·Google·X에서 후보를 찾고 연락처와 이름을 정리해도, 하루 결과가 불완전한 리드 십여 명에 그칠 수 있다는 문제를 제시한다. [00:24]
• AI에 목표를 맡기는 방식을 소개하고, 에이전트 모드와 즉시 검색 모드를 보여주겠다고 예고한 뒤 제품 후원을 공개한다. [01:07]
• 투자받은 Web3 스타트업의 외부 성장 지원 수요를 설명하며, 경쟁자보다 먼저 담당자를 찾을 수 있는지가 시험의 핵심이라고 드러낸다. [02:15]

2. 검색어 대신 성과 목표를 설정

• 목표 기반 에이전트가 후보 탐색, 자체 확인, 이메일 작성·발송, 후속 연락과 정기 보고를 수행한다고 보여준다. [02:38]
• 최근 6개월 내 투자받은 Web3 창업자·성장 담당자를 찾아 성장·마케팅 지원에 관한 적격 답변 10건을 얻도록 설정한다. [03:09]
• 투자 시점은 선호 조건, 지역은 전 세계로 지정하고, 발신 이메일과 자동 실행 모드를 선택해 매일 12시에 실행할 계획을 확인한다. [03:43]

3. 후보 피드백과 맞춤 이메일 검토

• 후보의 적합 여부를 판단하고 부적합 이유를 입력한다. 필요하면 LinkedIn 프로필을 직접 확인한 뒤 5건의 피드백을 제출한다. [04:10]
• 발표자는 피드백을 받은 에이전트가 실제 Web3 스타트업 창업자 중심으로 후보 목록을 다시 구성했다고 설명하고, 작업 시작을 요청한다. [04:43]
• 후보별 이메일 초안을 검토한다. Web3 성장 지원이나 이탈리아 DeFi 커뮤니티처럼 대상에 맞춘 내용을 개인화 사례로 보여준다. [05:39]

4. 진행 수치와 즉시 검색의 검증 근거

• 진행 화면에는 검색 후보 670명, 적격 후보 64명, 접촉 44명, 열람 31명이 드러난다. [05:57]
• 즉시 검색에서 Web3 창업자·성장 담당자를 요청한다. 발표자는 LinkedIn·X·GitHub·투자 뉴스 등 100개 이상 소스를 활용해 요청 조건과의 일치를 확인한다고 보여준다. [06:38]
• 후보 상세에서 연락처 확인, 인물 요약, 역할·업종·투자 관련 적합 근거와 경력을 살펴보고, 소셜 링크로 직접 검토하는 방법을 보여준다. [07:40]

5. 투자 정보 보강과 이메일·목록 활용

• 최근 투자 라운드 금액 열을 추가한다. 6,300만 달러 사례가 나타나지만, 다수 항목은 미공개로 표시된다. [08:27]
• 이메일 확인에 3크레딧을 사용하는 화면을 보여준 뒤, 후보를 선택해 개인화 이메일을 작성한다. [08:56]
• 검색 결과를 스프레드시트로 내보내거나 다른 사람에게 공유하는 기능을 보여준다. [09:05]

6. 터미널 연동과 성과 주장으로 마무리

• 개발자용 스킬과 MCP 지원 에이전트 연동을 소개하고, 터미널에서 Stripe의 엔지니어링 매니저를 검색한다. [09:49]
• 콜드 이메일 에이전트의 후보 선정과 통화 전 조사에 활용할 수 있다고 설명하며, 20크레딧 사용을 승인한 뒤 검색 결과를 확인한다. [10:19]
• 마지막에는 수백 명의 적격 리드, 연락처와 내보내기, 매일 검색·발송·후속 연락을 수행하는 에이전트를 성과로 요약한다. 최소 일주일 분량의 수작업을 10여 분에 처리했다고 주장하고 30% 할인 코드를 안내하며 마친다. [11:02]

🧾 결론

• 이 영상이 구체적으로 보여주는 가치는 잠재고객 조사부터 초기 접촉까지의 작업 연결이다.
• 사람이 목표와 후보 기준을 정하고 표본을 검토하는 과정이 자동 실행에 앞선다. 초기 판단의 품질이 중요한 운영 요소다.
• 발표자는 마지막에 수백 명의 적격 리드와 작업시간 단축을 주장하지만, 실제 고객 전환이나 반복 실행의 성과는 제시하지 않는다.

📈 투자·시사 포인트

• 발표자는 투자 직후 Web3 스타트업의 성장·커뮤니티·마케팅 수요를 영업 기회로 본다. 이는 영상의 타깃 선정 논리이며, 시장 전체의 수요를 검증한 자료는 아니다.
• 업무용 AI의 평가 기준을 검색 결과 수에서 적격 답변과 후속 영업 성과로 옮길 수 있다는 사례다.
• 도입 경제성은 절약한 조사시간과 연락처·검색 크레딧 비용을 함께 비교해야 한다. 영상에는 전체 캠페인 비용이나 계약당 비용이 없다.
• 터미널 및 기존 에이전트와의 연결은 사람 검색을 다른 업무 흐름에 포함하는 활용 가능성을 보여준다.

⚠️ 불확실하거나 확인이 필요한 부분

• 제목은 Web3 고객 100명을 내세우지만, 본문의 구체적 진행 수치는 적격 후보 64명과 접촉 44명이다. 실제 고객 100명이나 적격 답변 10건 달성은 확인되지 않는다.
• 제품의 후원을 받은 영상이다. ‘수작업 최소 일주일을 10여 분으로 단축했다’는 발표자의 비교에는 동일 조건의 측정이나 전체 자동 실행시간이 제시되지 않는다.
• 최근 6개월 내 투자 유치 조건은 설정 중 ‘preferred’로 선택됐다. 모든 후보가 이 조건을 반드시 충족하는지는 불명확하며, 투자금액 열에도 미공개 항목이 많다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 대상 업종·직무·투자 시점과 ‘적격 답변’의 판정 기준을 먼저 문장으로 정의한다.
• 투자 유치 조건을 필수로 적용할지 선호 조건으로 둘지 결정하고, 후보의 근거와 소셜 프로필을 표본 검토한다.
• 자동 발송 전 후보별 이메일 초안과 개인화에 사용된 정보를 확인하고, 부적합 후보의 이유를 피드백한다.
• 검색·적격 후보·접촉·열람·답변·상담·계약을 구분해 기록하고, 영상에서 공개되지 않은 전환 성과를 직접 측정한다.

❓ 열린 질문

• 적격 답변 10건이라는 목표는 실제로 달성됐으며, 얼마나 걸렸는가?
• 제목의 고객 100명은 잠재고객 목록, 답변자, 유료 계약자 중 무엇을 뜻하는가?
• 최근 투자 유치 조건을 필수로 바꾸면 후보 수와 정보 정확도는 어떻게 달라지는가?