같은 모델을 쓰는데 결과는 갈립니다. 한쪽은 문서 요약과 메일 초안 뽑기에서 멈추고, 다른 쪽은 사람 한 명이 종일 붙어 있던 업무를 통째로 넘깁니다. 차이를 만드는 건 더 좋은 AI도, 프롬프트 실력도 아닙니다. AI를 둘러싼 구조, 그러니까 AI 업무 자동화 시스템이 있느냐 없느냐입니다. 여기서 말하는 시스템은 거창한 게 아닙니다. 사람이 챗창을 열지 않아도 일이 알아서 들어오고, 처리되고, 끝나서 나가는 구조를 뜻합니다.
구독만으로 회사가 왜 안 바뀌는지는 기업 AI 도입이 구독만으로는 안 되는 이유에서 다뤘습니다. 이 글은 그다음 칸입니다. 그래서 그 시스템은 무엇으로 만들어져 있는가.
2026년 현재 실제로 돌아가고 있는 AI 업무 자동화 시스템을 뜯어보면 부품 목록은 대체로 비슷합니다. 일곱 개입니다. 아래에서 그 일곱 자리를 하나씩 열어보고, 각 자리에 오늘 당장 놓을 수 있는 가장 작은 형태까지 적었습니다.
’10명 몫’이란 정확히 무엇을 센 말인가
무엇을 세느냐에 따라 성립하기도 하고, 전혀 성립하지 않기도 합니다.
“직원 10명 몫”이라는 표현은 대개 사람 열 명이 사라진 자리로 읽힙니다. 잘 굴러가는 현장에서 실제로 벌어지는 일은 좀 다릅니다. 담당자 수는 그대로인데 그 담당자가 감당하는 건수가 크게 늘고, 예전엔 다음 날로 넘어가던 회신이 같은 날 안에 나갑니다. 사람이 줄어든 게 아니라 대기 줄이 사라진 겁니다.
그래서 이 말은 셈의 단위를 밝혀야 정직해집니다.
| 셀 때 성립하는 것 | 셀 때 성립하지 않는 것 |
|---|---|
| 처리 건수 | 최종 판단 |
| 대기 시간 제거 | 책임 귀속 |
| 동시 처리 | 관계 형성 |
| 가동 시간(밤·주말 포함) | 전례 없는 예외 대응 |
왼쪽 칸은 자리와 규칙만 갖춰지면 늘어납니다. 사람은 한 번에 한 건씩, 근무 시간 안에서만 처리하지만 시스템은 그 두 제약이 없습니다. 오른쪽 칸은 다릅니다. 아무리 정교하게 짜도 사람에게 남습니다. 이 글이 “10명 몫”을 계속 쓰는 건 왼쪽 칸 이야기를 할 때뿐입니다.
AI가 정말 직원 10명 몫을 할 수 있나요?
처리량과 대기 시간을 기준으로 세면 가능하고, 판단과 책임을 기준으로 세면 불가능합니다. 반복해서 들어오는 일감을 밤에도 주말에도 동시에 여러 건 처리하는 대목에서는 사람 여러 명 분의 산출이 나옵니다. 다만 그 결과에 최종 승인을 찍고 잘못됐을 때 책임을 지는 자리는 여전히 사람 몫입니다. 채용을 대체하는 이야기가 아니라, 같은 인원이 감당하는 폭이 넓어지는 이야기로 읽는 편이 실제에 가깝습니다.
챗창과 시스템은 어디서 갈라지나 — AI 업무 자동화 시스템의 7개 층 지도
챗창에서는 사람이 입구이자 출구입니다. 시스템화란 그 두 자리를 사람에게서 떼어내는 일입니다.
사람이 창을 열고, 상황을 설명하고, 나온 답을 복사해 메일함에 붙여 넣습니다. 이 방식에서는 사람이 자리를 비우면 처리량이 0이 됩니다. AI 업무 자동화 시스템은 그 사이에 일곱 개의 자리를 만들어 채워 넣은 구조입니다.
AI 업무 자동화 시스템은 무엇으로 구성되나요?
- 입구 — 일을 시작시키는 신호가 걸리는 자리
- 맥락 — 우리 회사 자료를 물려주는 자리
- 판단 기준 — 잘하는 직원의 기준을 글로 적어둔 자리
- 검수 — 어디서 멈추고 사람을 부를지 정해둔 자리
- 출구 — 결과가 실제 업무 도구에 꽂히는 자리
- 기록 — 무엇이 들어와 어떻게 처리됐는지 남는 자리
- 복제 — 이 틀을 옆 업무로 옮기는 자리
번호를 붙였지만 이건 만드는 순서가 아니라 부품 목록입니다. 일감 하나가 흘러가는 길을 그대로 따라 늘어놓았을 뿐입니다. 들어오고, 맥락을 얻고, 판단되고, 확인받고, 나가고, 남고, 옆으로 퍼집니다. 실제로는 3층부터 적기 시작하는 경우도 흔하고, 1층과 5층을 같은 날 붙이기도 합니다.
| 층 | 이 자리가 비면 | 이 자리에 놓이는 것 |
|---|---|---|
| 1. 입구 | 사람이 기억해서 시작해야 함 | 메일 수신·폼 제출·시각·상태 변화 |
| 2. 맥락 | 일반론만 나옴 | 그 업무에 필요한 사내 문서 묶음 |
| 3. 판단 기준 | 결과 품질이 매번 다름 | “이럴 땐 이렇게” 문장으로 적은 규칙 |
| 4. 검수 | 전량 확인하거나 사고가 남 | 멈춤 조건과 승인 자리 |
| 5. 출구 | 사람이 다시 옮겨 적음 | 메일함·시트·사내 시스템 연결 |
| 6. 기록 | 개선할 대상을 못 찾음 | 건수·재작업·소요 시간 로그 |
| 7. 복제 | 매번 처음부터 다시 만듦 | 업무별로 분리된 규칙 문서 |
1층. 입구 — 일을 스스로 시작시키는 방아쇠
사람이 창을 여는 순간은 시스템이 아닙니다. 일을 시작시키는 신호가 따로 있어야 합니다. 업계에서는 이걸 트리거(방아쇠), 즉 일을 시작시키는 신호라고 부릅니다.
입구가 없으면 처리량은 담당자의 기억력과 근무 시간에 묶입니다. 밤에 들어온 문의는 아침까지 그대로 쌓입니다. 도구가 아무리 좋아도 여는 사람이 없으면 아무 일도 일어나지 않으니까요.
입구를 붙이면 이 제약이 통째로 빠집니다. 신호가 걸리는 순간 일이 시작되고, 담당자가 회의 중이든 퇴근했든 상관없어집니다. 앞서 표의 “대기 시간 제거”가 실제로 발생하는 지점이 여기입니다.
사람이 시키지 않아도 AI가 일을 시작하게 하려면 무엇이 필요한가요?
방아쇠 하나를 연결하면 됩니다. 실무에서 쓰이는 건 네 종류가 거의 전부입니다. 메일이 특정 주소로 들어왔을 때, 신청 폼이 제출됐을 때, 정해진 시각이 됐을 때(매일 오전 9시 같은), 그리고 어떤 값의 상태가 바뀌었을 때(주문 상태가 ‘배송 준비’로 넘어가는 식).
가장 작은 시작은 이렇습니다. 지금 누군가 하루에 몇 번씩 “확인하러 들어가는” 화면을 하나 고릅니다. 문의 메일함일 수도 있고, 신청서가 쌓이는 시트일 수도 있습니다. 그 확인 행위 자체가 방아쇠 후보입니다. 사람이 눈으로 확인하던 조건을 그대로 문장으로 적어보세요. “○○ 주소로 메일이 오면”, “이 시트에 새 행이 생기면”. 이 문장 하나가 1층의 최소 형태입니다.
연결은 자동화 연결 도구(서로 다른 프로그램 사이에 신호를 전달해주는 서비스)로 붙입니다. 제품 이름은 중요하지 않습니다. 중요한 건 처음에 방아쇠를 하나만 두는 것입니다. 세 개를 동시에 붙이면 결과가 이상할 때 어디서 시작된 건인지 되짚기가 어려워집니다.
2층. 맥락 — 우리 회사 자료를 물려주는 연결
회사 자료를 물지 못한 AI는 일반론만 냅니다. 이 층이 비어 있으면 담당자가 매번 배경 설명을 손으로 붙여 넣게 되고, 입구를 자동화해 벌어들인 이득이 그 자리에서 반쯤 사라집니다.
사내 데이터 연결이 붙으면 답의 성격이 바뀝니다. “일반적으로 환불은…”이 아니라 “우리 정책상 구매 후 7일 이내에는…”으로 나옵니다. 근거 문서를 함께 표시하게 해두면 검수하는 사람이 맞는지 틀린지 몇 초 만에 확인할 수 있습니다. 이 확인 속도가 4층 검수 부담을 직접 낮춥니다.
AI가 우리 회사 자료를 보고 답하게 하려면 어떻게 하나요?
답을 만들기 전에 지정된 문서를 먼저 찾아 읽게 하면 됩니다. 이 방식을 RAG(검색 증강 생성)라고 부릅니다. 이름은 낯설지만 하는 일은 단순합니다. 질문이 들어오면 → 정해둔 문서 더미에서 관련 부분을 찾고 → 그걸 읽은 상태로 답을 씁니다.
최소 형태는 전사 데이터 통합이 아닙니다. 그 업무 하나에 필요한 문서 몇 개를 한 폴더에 모으는 것부터입니다. 고객 문의 응대라면 제품 매뉴얼, 환불·교환 정책, 그동안 잘 나갔던 답변 모음 정도면 출발선으로 충분합니다.
폴더를 만들 때 세 가지만 지키면 결과가 눈에 띄게 안정됩니다. 최신본 하나만 남길 것 — 구버전과 신버전이 같이 있으면 AI는 둘 다 근거로 씁니다. 파일 제목에 무슨 문서인지 적을 것. 그리고 표나 스캔 이미지 안에만 들어 있는 정보는 문장으로 옮겨둘 것. 사람은 표를 눈으로 읽지만 문서 검색은 그렇지 못한 경우가 많습니다.
3층. 판단 기준 — 잘하는 직원의 기준을 글로 적은 규칙
“10명 몫”의 대부분은 이 층에서 만들어집니다. 일 잘하는 직원과 그렇지 않은 직원의 차이는 속도가 아니라 기준이기 때문입니다. 같은 문의를 받아도 어떤 건 바로 처리하고 어떤 건 팀장에게 올리는, 그 갈림길의 감각입니다.
이 기준이 사람 머릿속에만 있으면 복제가 안 됩니다. 신입에게 전수하는 데 몇 달이 걸리는 것과 같은 이유입니다.
기준을 문장으로 옮겨두면 상황이 바뀝니다. AI가 그 문장을 따라 판단하고, 결과가 흔들릴 때 고칠 대상이 명확해집니다. “AI가 이상하게 답했다”가 아니라 “3번 규칙에 이 경우가 빠져 있었다”가 되니까요. 규칙 문서는 사람에게도 그대로 쓰입니다. 신입 교육 자료가 한 벌 생기는 셈입니다.
잘하는 직원의 판단 기준을 어떻게 글로 옮기나요?
가장 잘하는 사람 옆에 앉아서, 최근 처리한 건 5~10개를 놓고 “이건 왜 이렇게 했어요?”를 묻는 것부터 시작합니다. 처음부터 매뉴얼을 쓰라고 하면 대개 원론적인 문장만 나옵니다. 실제 건을 앞에 두면 다릅니다. “이건 금액이 커서 팀장한테 올렸고요”, “이 고객은 재구매 이력이 있어서 문구를 부드럽게 바꿨어요” 같은 말이 나옵니다. 그 말을 그대로 받아 적으면 그게 규칙입니다.
받아 적을 때는 “이럴 때는 이렇게 한다” 형식으로 고칩니다. 조건과 행동이 한 문장 안에 같이 있어야 AI가 따라갑니다.
- 나쁜 예: “고객이 화가 났으면 정중하게 응대한다.”
- 좋은 예: “환불 요청이 구매 후 7일을 넘겼으면, 정책 문구를 안내하고 예외 승인 요청으로 팀장에게 올린다.”
앞 문장은 사람에게는 통하지만 AI에게는 아무 지시도 주지 못합니다. ‘정중하게’의 경계가 없어서입니다.
규칙 문서가 잘 작동하려면 세 가지가 들어가야 합니다. 판단 조건이 눈에 보이는 값(금액, 날짜, 등급)으로 적혀 있을 것. 예외 상황이 목록으로 열거돼 있을 것. 그리고 어디에도 해당하지 않으면 처리하지 말고 멈추라는 지시가 마지막 줄에 있을 것. 세 번째가 빠지면 AI는 규칙에 없는 상황에서도 그럴듯한 답을 만들어냅니다.
한 번에 완성할 생각은 하지 않는 편이 낫습니다. 규칙은 4층 검수에서 걸린 것들이 문장으로 돌아오면서 두꺼워집니다.
4층. 검수 지점 — 어디서 멈추고 사람을 부를지
전량 검수도, 무검수도 실패합니다. 모든 건을 사람이 확인하면 처리량 이득이 그대로 지워지고, 아무도 안 보면 한 번의 사고로 시스템 전체의 신뢰가 무너집니다.
그래서 필요한 건 “검수를 할 것이냐 말 것이냐”가 아니라 어느 건에서 멈출 것이냐입니다. 이 설계를 휴먼 인 더 루프(자동으로 흘러가는 중간에 사람이 확인하고 통과시키는 자리를 두는 방식)라고 부릅니다.
멈춤 지점은 세 가지 기준으로 정합니다.
- 돈이 걸려 있는가 — 금액을 확정하거나 결제·환불을 발생시키는 건
- 되돌릴 수 있는가 — 한 번 나가면 취소가 안 되는 건
- 회사 밖으로 나가는가 — 고객·거래처가 직접 보는 건
셋 중 하나라도 해당하면 사람이 통과시킨 뒤에 나갑니다. 하나도 해당하지 않으면 그냥 흘려보내도 됩니다. 사내 문서 정리나 데이터 분류가 여기에 속합니다.
AI 자동화에서 사람 검수는 어디까지 해야 하나요?
처음에는 전량 검수로 시작하는 게 맞습니다. 다만 운영 방식이 중요합니다. 고치고 끝내는 게 아니라, 고친 내용을 3층 규칙 문서에 한 줄씩 적어 넣습니다.
이게 이 글에서 가장 강조하고 싶은 부분입니다. 검수를 고정 비용으로 두면 영원히 사람이 붙어 있어야 합니다. 검수를 학습 장치로 쓰면 다릅니다. 같은 유형의 수정이 세 번 반복됐다는 건 규칙에 그 경우가 빠져 있다는 뜻입니다. 그 문장을 채워 넣으면 다음 주부터 그 유형은 안 걸립니다.
몇 주 지나면 수정이 잦은 구간과 거의 손댈 게 없는 구간이 갈립니다. 그때 위의 3기준을 대입해 낮은 위험 구간부터 자동 통과로 풀어줍니다. 전량 검수에서 부분 검수로 내려가는 이 과정이, 사실상 시스템이 신뢰를 얻어가는 과정입니다. 처음부터 무검수로 시작해서는 이 신뢰가 쌓일 자리가 없습니다.
5층. 출구 — 결과가 실제 업무 도구에 꽂히는 자리
좋은 초안이 나오는 것과 일이 끝나는 것은 다릅니다. 결과가 화면에만 떠 있고 사람이 그걸 다시 복사해 옮겨 적는다면, 앞의 네 층이 벌어들인 시간이 마지막 지점에서 전부 반납됩니다.
출구는 결과물이 실제로 도착해야 할 곳에 자동으로 꽂히는 자리입니다. 메일 임시저장함일 수도, 시트의 새 행일 수도, 사내 시스템의 티켓이나 메신저 채널일 수도 있습니다.
이게 붙으면 비로소 한 건이 종료됩니다. 입구와 출구는 대칭이고, 둘 다 있어야 AI 업무 자동화 시스템이라는 말이 성립합니다. 하나만 있으면 자동화된 반쪽짜리 흐름이고, 사람은 여전히 그 반쪽에 매여 있게 됩니다.
AI가 만든 결과를 사람이 옮겨 적지 않게 하려면?
결과가 도착할 곳을 하나 정하고, 거기까지만 자동으로 밀어 넣으면 됩니다. 완전 자동 발송이 부담스럽다면 “임시저장함까지 자동, 발송 버튼만 사람”으로 시작하는 방법이 있습니다. 4층 검수와 자연스럽게 맞물리는 형태이기도 합니다.
시트를 쓰는 방식도 실무에서 잘 굴러갑니다. 처리 결과가 한 행씩 쌓이고, 담당자는 승인 열에 표시만 합니다. 표시된 행만 다음 단계로 넘어가게 해두면 됩니다. 결재 라인이 복잡한 조직에서도 이 방식은 대체로 통과됩니다. 기존 승인 절차를 없애는 게 아니라 그 앞까지의 손작업만 걷어내는 것이기 때문입니다.
여기서도 욕심을 줄이는 편이 낫습니다. 출구를 세 군데 만들면 어디로 갔는지 추적하기가 어렵습니다. 한 군데부터입니다.
6층. 기록 — 남지 않으면 개선되지 않는다
기록이 없으면 “쓰긴 쓴다”에서 멈춥니다. 좋아진 것 같기는 한데 무엇이 좋아졌는지 말할 수 없고, 그래서 무엇을 고쳐야 할지도 못 정합니다.
여기서 말하는 기록은 경영 지표가 아니라 운영 로그입니다. 로그란 무엇이 들어와 어떻게 처리됐는지 남는 자국을 뜻합니다.
로그가 쌓이면 시스템이 스스로 어디가 아픈지 알려줍니다. 특정 유형에서만 사람이 계속 손을 댄다면 3층 규칙에 그 경우가 빠진 것이고, 어느 날부터 갑자기 재작업이 늘었다면 2층 문서가 낡았거나 정책이 바뀐 것입니다. 원인을 짚을 수 있으면 고치는 건 어렵지 않습니다.
AI 업무 자동화 시스템은 어떤 기록을 남겨야 하나요?
세 가지 값이면 시작됩니다.
- 처리 건수 — 이 흐름이 실제로 몇 건을 소화했는가
- 재작업률 — 그중 사람이 손댄 비율은 얼마인가
- 건당 소요 시간 — 들어와서 나가기까지 얼마나 걸렸는가
여기에 입력·출력·검수 이력이 함께 남으면 문제가 생겼을 때 그 건만 꺼내 되짚을 수 있습니다.
최소 형태는 시트 한 장입니다. 대시보드도, 모니터링 도구도 필요 없습니다. 열은 여섯 개면 충분합니다. 날짜, 들어온 것, 나간 것, 사람이 고쳤는지 여부, 무엇을 고쳤는지, 걸린 시간. 5층 출구를 만들 때 이 한 줄이 자동으로 같이 적히게 해두면 별도 작업이 아예 생기지 않습니다.
이 중 실무에서 가장 쓸모 있는 값은 재작업률입니다. 이 시스템의 온도계 같은 역할을 합니다. 숫자가 내려가면 규칙이 자리를 잡은 것이고, 올라가면 어딘가 낡은 겁니다. 4층에서 검수 범위를 줄여도 될지 판단할 때도 이 값을 봅니다.
7층. 복제 — 1명 몫이 10명 몫으로 누적되는 지점
10명 몫은 업무 하나에서 나오지 않습니다. 문의 응대 하나를 아무리 잘 자동화해도 그건 그 업무만큼입니다. 숫자가 누적되는 건 같은 틀이 옆 업무로 옮겨 갈 때입니다.
AI 업무 자동화 시스템의 앞 여섯 층을 한 번 제대로 만들어두면, 다음 업무에서 다시 만들 게 별로 없습니다. 입구를 거는 방식도, 문서를 물리는 방식도, 검수 지점을 정하는 기준도, 로그를 남기는 형태도 그대로입니다. 갈아 끼우는 건 사실상 3층 판단 기준 하나입니다. 재사용되는 건 규칙이 아니라 틀이니까요.
자동화 하나를 다른 업무로 옮기려면 무엇을 바꾸나요?
규칙 문서와 문서 폴더를 갈아 끼웁니다. 나머지는 대개 그대로 씁니다.
그래서 첫 업무를 만들 때 해둘 일이 하나 있습니다. 업무에 따라 달라지는 값들을 흐름 안에 박아 넣지 말고, 바깥 문서로 빼두는 것입니다. 규칙 문장을 자동화 설정 화면 안에 직접 타이핑해두면 두 번째 업무를 만들 때 전부 다시 써야 합니다. 규칙을 별도 문서에 두고 그 문서를 가리키게 해두면, 다음 업무는 문서만 새로 쓰면 됩니다.
바깥으로 빼둘 것은 네 가지 정도입니다. 방아쇠 조건, 참조할 문서 폴더의 위치, 규칙 문서, 그리고 검수 기준. 이 넷을 한곳에 모아두면 두 번째 업무는 첫 번째보다 훨씬 빨리 세워집니다. 세 번째는 더 빨라집니다. 이 가속이 붙는 구간이 “10명 몫”이라는 표현이 실제로 어울리기 시작하는 지점입니다.
AI 업무 자동화 시스템이 못 하는 일
판단의 재료는 만들 수 있지만, 판단 자체와 그 책임은 옮겨지지 않습니다.
일곱 층을 다 채워도 넘어가지 않는 영역이 있습니다. 이걸 알고 설계하는 것과 모르고 부딪히는 것은 결과가 꽤 다릅니다.
최종 판단. 시스템은 근거를 모으고 초안을 만들고 선택지를 정리해 올려줍니다. 그중 무엇을 고를지는 사람이 정합니다. 특히 전례를 만드는 결정 — 이번에 이 고객에게 예외를 인정하면 다음 건들이 그 선을 따라옵니다. 이런 건 규칙 이전의 문제입니다.
책임 귀속. 잘못 나간 메일의 책임은 시스템이 지지 않습니다. 승인한 사람과 그 위의 결재 라인이 집니다. 자동화 범위를 넓힐 때 4층 검수 기준을 같이 손봐야 하는 이유가 여기 있습니다.
관계. 사과, 협상, 오래 거래한 상대에게 사정을 설명하는 일. 여기서는 내용만큼이나 “누가 말했는가”가 메시지의 일부입니다. 자동 생성된 문장으로 처리했다는 사실 자체가 상대에게 전달되는 신호가 됩니다.
전례 없는 예외. 규칙 문서에 없는 상황은 규칙으로 처리할 수 없습니다. 그래서 3층 마지막 줄에 “해당 없으면 멈춘다”를 넣고, 4층에서 사람을 부르는 겁니다.
AI로 자동화하면 안 되는 업무는 무엇인가요?
최종 판단이 필요한 일, 책임이 걸린 일, 관계가 결과를 좌우하는 일, 그리고 전례가 없는 예외 처리입니다. 다만 “그 업무 전체를 건드리지 말라”는 뜻은 아닙니다. 대개 그런 업무에도 자료를 모으고 정리하고 초안을 만드는 앞 단계가 있고, 그 앞 단계는 자동화 대상이 됩니다. 경계선을 그어두고 그 앞까지만 시스템에 맡기는 설계가 현실적입니다.
오늘 업무 하나로 시작하는 최소 체크리스트
AI 업무 자동화 시스템을 한꺼번에 세우려 들면 대개 아무것도 안 됩니다. 업무 하나를 골라 일곱 층에 한 줄씩만 놓는 게 실제로 굴러가는 방식입니다.
AI로 자동화하기 좋은 업무는 어떻게 고르나요?
세 가지를 물어보면 됩니다.
- 반복해서 생기는가 — 한 달에 몇 번 있는 일은 시스템을 만드는 품이 더 듭니다.
- 판단 기준을 글로 적을 수 있는가 — 담당자가 “그건 봐야 알아요”라고만 답하면 3층을 채울 수 없습니다.
- 틀렸을 때 되돌릴 수 있는가 — 첫 업무로는 되돌릴 수 있는 쪽이 안전합니다.
셋 다 “예”인 업무가 1순위 후보입니다. 하나라도 “아니오”가 나오면 두 번째 업무로 미루는 편이 낫습니다. 첫 시도에서 걸리면 조직 안에서 다음 시도를 꺼내기가 어려워지기 때문입니다.
고른 업무를 아래 표에 대입해보면 지금 무엇이 비어 있는지 보입니다.
| 층 | 오늘 채울 최소 한 줄 |
|---|---|
| 1. 입구 | 지금 사람이 확인하러 들어가는 화면 하나를 신호로 바꾼다 |
| 2. 맥락 | 그 업무에 필요한 문서 몇 개를 한 폴더에 모은다(최신본만) |
| 3. 판단 기준 | 최근 처리 건 5~10개를 놓고 “왜 그렇게 했는지”를 받아 적는다 |
| 4. 검수 | 돈·되돌리기·외부 노출 중 하나라도 걸리면 멈추게 한다 |
| 5. 출구 | 결과가 도착할 곳 한 군데를 정한다(임시저장함까지만도 가능) |
| 6. 기록 | 시트 한 장에 날짜·건수·고친 건수를 쌓는다 |
| 7. 복제 | 규칙 문서를 업무별 파일로 따로 둔다 |
일곱 줄이 다 채워지면 그게 첫 번째 AI 업무 자동화 시스템입니다. 규모는 작지만 구조는 완결돼 있고, 두 번째 업무부터는 이 틀을 복사해 3층만 바꾸면 됩니다.
여기까지가 업무 하나를 시스템으로 만드는 이야기입니다. 회사 전체를 어떤 순서로 바꿔갈지는 다른 층위의 질문이고, AX 전환 5단계 로드맵에서 이어집니다.
자주 묻는 질문 (FAQ)
Q1. AI가 정말 직원 10명 몫을 할 수 있나요? 처리 건수·대기 시간·동시 처리·가동 시간을 기준으로 세면 가능합니다. 최종 판단이나 책임을 기준으로 세면 성립하지 않습니다. 사람을 열 명 줄인다는 뜻이 아니라, 같은 인원이 감당하는 처리량이 크게 넓어진다는 뜻으로 이해하는 편이 정확합니다.
Q2. AI 업무 자동화 시스템은 무엇으로 구성되나요? 입구, 맥락, 판단 기준, 검수, 출구, 기록, 복제라는 7개 층으로 나눌 수 있습니다. 이 일곱 가지 AI 업무 자동화 구성 요소는 일감 하나가 들어와서 처리되고 나가기까지의 길을 따라 늘어놓은 부품 목록이며, 만드는 순서는 아닙니다. 어느 한 층이 비면 그 지점에서 사람 손이 다시 들어갑니다.
Q3. 사람이 시키지 않아도 AI가 일을 시작하게 하려면 무엇이 필요한가요? 일을 시작시키는 신호, 즉 트리거를 하나 연결하면 됩니다. 메일 수신, 폼 제출, 정해진 시각, 값의 상태 변화 중 하나를 고르면 대부분 해결됩니다. 지금 담당자가 하루에 몇 번씩 확인하러 들어가는 화면이 가장 좋은 후보입니다.
Q4. AI가 우리 회사 자료를 보고 답하게 하려면 어떻게 하나요? 답을 쓰기 전에 지정한 사내 문서를 먼저 찾아 읽게 하는 연결(RAG)을 붙입니다. 전사 데이터를 통합할 필요는 없고, 그 업무 하나에 필요한 문서 몇 개를 폴더에 모으는 것으로 시작합니다. 구버전을 지우고 최신본만 남기는 게 정확도에 가장 크게 영향을 줍니다.
Q5. AI 자동화에서 사람 검수는 어디까지 해야 하나요? 돈이 걸렸는가, 되돌릴 수 있는가, 회사 밖으로 나가는가. 이 세 기준 중 하나라도 해당하면 사람이 통과시킨 뒤 내보냅니다. 처음에는 전량 검수로 시작하되, 검수에서 고친 내용을 규칙 문서에 되먹여 자동 통과 범위를 점점 넓히는 방식이 좋습니다.
Q6. AI로 자동화하기 좋은 업무는 어떻게 고르나요? 반복해서 생기는가, 판단 기준을 글로 적을 수 있는가, 틀렸을 때 되돌릴 수 있는가. 이 세 가지에 모두 “예”가 나오는 업무가 1순위입니다. 하나라도 걸리면 첫 업무로는 피하는 편이 낫습니다. 첫 시도에서 실패하면 다음 시도를 꺼내기가 어려워집니다.
Q7. AI 업무 자동화 시스템은 어떤 기록을 남겨야 하나요? 처리 건수, 재작업률(사람이 손댄 비율), 건당 소요 시간 세 가지가 기본입니다. 여기에 입력·출력·검수 이력이 남으면 문제가 생긴 건만 꺼내 원인을 짚을 수 있습니다. 시트 한 장이면 충분하고, 재작업률이 가장 실용적인 지표입니다.
Q8. AI로 자동화하면 안 되는 업무는 무엇인가요? 최종 판단이 필요한 일, 책임이 귀속되는 일, 관계가 결과를 좌우하는 일, 그리고 전례가 없는 예외 처리입니다. 다만 그런 업무에도 자료를 모으고 초안을 만드는 앞 단계가 있고, 그 구간은 자동화할 수 있습니다. 경계선을 정해두고 그 앞까지만 맡기는 설계가 현실적입니다.
마무리 — 시스템은 모델이 아니라 자리의 문제입니다
같은 AI를 쓰는데 결과가 갈렸던 이유는 결국 일곱 자리에 무엇을 놓았느냐였습니다. 입구가 비어 있으면 사람이 시작해야 하고, 출구가 비어 있으면 사람이 옮겨 적어야 합니다. 판단 기준이 비어 있으면 결과가 매번 다릅니다.
AI 업무 자동화 시스템은 한 번에 완성되는 물건이 아닙니다. 업무 하나에 일곱 줄을 채우고, 검수에서 걸린 것을 규칙으로 되먹이고, 그 틀을 옆 업무로 옮기는 반복입니다. 구독이 출발선이었다면 이 일곱 자리를 채우는 것이 그다음 칸입니다.