- 많은 회사가 숫자를 보지 않고 목소리가 가장 큰 부서를 골랐다가 엉뚱한 곳에서 시작합니다.
- 모든 부서에서 같은 데이터, 즉 업무량과 걸리는 시간, 실수했을 때의 피해를 모아 비교하십시오.
- 좋은 출발점은 양이 많고 확인하기 쉬우며 틀려도 바로잡을 수 있는 업무입니다. 데모가 가장 그럴듯해 보이는 업무를 기준으로 삼으면 안 됩니다.
1. 많은 회사가 AI를 엉뚱한 곳에서 시작하는 이유
회의에서 어느 부서부터 시작할지 물으면, 대개 말을 가장 잘하는 사람이나 가장 급한 사람의 의견으로 답이 정해집니다. 그곳이 투자 효과가 가장 큰 곳이라는 보장은 없습니다. 모든 부서에서 같은 숫자를 모으고 데이터로 결정하는 편이 더 공정합니다.
많은 회사가 전 직원에게 AI 도구 계정을 사 주거나 웹사이트에 챗봇을 다는 것으로 시작합니다. 결과가 빨리 눈에 보이기 때문입니다. 그런데 어떤 업무가 실제로 비용을 잡아먹는지는 묻지 않습니다. 그 결과 직원들은 가끔 글을 쓸 때 AI의 도움을 받을 뿐이고, 견적서는 여전히 늦게 나가며, 주문은 여전히 두 번씩 입력하고, 관리자는 예전처럼 보고서를 손으로 만듭니다. 프로젝트는 최신식으로 보이지만 단위당 비용은 그대로입니다.
가장 중요한 업무 프로세스, 예를 들어 가격 책정이나 여신 심사, 생산 계획부터 시작하는 것도 흔한 실수입니다. 이런 업무는 영향이 크고 데이터가 복잡하며 예외가 많아서 테스트에 시간이 오래 걸립니다. 위험이 더 낮은 문서 준비나 데이터 점검 업무에서라면 더 빨리 시간을 아낄 수 있는데도 말입니다.
2. 대표 관점의 프로젝트 우선순위 공식
후보 업무마다 네 가지를 물으십시오. 얼마나 자주 하는지, 한 번에 시간이 얼마나 걸리는지, 맞고 틀림을 확인하기 쉬운지, 실수하면 피해가 얼마나 큰지입니다. 자주 하고 확인하기 쉬우며 실수해도 바로잡을 수 있는 업무가 가장 안전한 출발점입니다.
모든 부서의 업무 프로세스를 모은 뒤 여섯 가지 항목에 각각 1~5점을 매기십시오. 항목은 업무량, 1회당 소요 시간, 데이터의 표준화 정도, 답을 확인하기 쉬운 정도, 틀렸을 때의 위험, 업무 책임자의 준비 정도입니다. 앞의 네 항목과 준비 정도를 더한 다음 위험 점수를 빼십시오. 점수가 가장 높은 업무가 시범 운영 후보입니다.
| 질문 | 점수가 높은 경우 | 근거 |
|---|---|---|
| 얼마나 자주 발생합니까? | 매일 또는 한 달에 수백 번 | 업무 목록 또는 로그 |
| 시간이 얼마나 걸립니까? | 월 합계 40~80시간 초과 | 실제로 잰 소요 시간 |
| 데이터가 준비되어 있습니까? | 시스템 안에 있고 형식이 일정함 | 실제 데이터 샘플 |
| 결과를 확인할 수 있습니까? | 기준 답안이나 분명한 규칙이 있음 | 품질 체크리스트 |
| 틀리면 피해가 얼마나 큽니까? | 쉽게 고치거나 되돌릴 수 있음 | 위험 등급 |
| 책임자는 누구입니까? | 업무 절차를 바꿀 준비가 된 관리자가 있음 | 책임자 이름과 KPI |
감으로 평가하지 말고 5~10일 동안 시험 삼아 데이터를 모아 보십시오. 숫자를 보면 모두가 큰일이라고 생각한 업무는 한 달에 몇 번밖에 일어나지 않고, 한 번에 5분짜리 문서 검색이나 데이터 복사는 수천 번 일어나 더 많은 비용을 잡아먹는 경우가 많습니다.
3. 영업: 파는 시간보다 준비하는 시간이 더 많은 팀에 적합
영업은 결과가 매출과 바로 이어지기 때문에 좋은 출발점이 되는 경우가 많습니다. AI는 여러 채널로 들어오는 리드(잠재 고객)를 읽고, 고객이 원하는 것을 정리하고, 회사 정보를 확인하고, 질문을 준비하고, 제안서 초안을 쓰고, 회의를 요약하고, CRM에 기록하고, 후속 연락 일정을 잡는 일을 도울 수 있습니다. 시스템이 사람 대신 협상할 필요는 없습니다. 영업 담당자가 필요한 정보를 모두 챙긴 상태로 대화를 시작하고 후속 연락을 놓치지 않게 해 주면 됩니다.
리드는 많은데 팀의 응답이 느린 경우, 또는 견적서 형식은 반복되는데 만드는 데 시간이 오래 걸리는 경우가 알맞은 프로젝트입니다. 지표로는 리드를 받은 뒤 첫 응답까지 걸린 시간, 1인당 견적서 수, 후속 연락 완료율, 전환율을 보십시오. AI가 만들어 낸 메시지 수는 세어 봐야 의미가 없습니다.
4. 고객 서비스: 질문이 반복되고 답할 자료가 이미 있을 때 적합
고객이 처리 상태, 가격, 사용법, 정책처럼 같은 것을 자주 묻는다면 고객 서비스팀은 시간을 빨리 되찾을 수 있는 곳입니다. AI는 지식 베이스에서 답을 찾고, 시스템에서 처리 상태를 불러오고, 이력을 요약하고, 상담원을 위해 답변 초안을 쓸 수 있습니다. 자동 답변은 그다음 단계에서, 위험이 낮은 질문에만 허용하십시오.
시작하기 전에 지식이 여기저기 흩어져 있거나 서로 어긋나지 않는지 확인하십시오. 직원마다 답이 다르다면 기술보다 서비스 기준부터 바로잡아야 합니다. 표준 답변을 만들고, 내용별 책임자를 정하고, 검토 일정을 잡으십시오. 지식 베이스가 잘 갖춰져야 AI가 고객 수만큼 팀을 늘리지 않고도 서비스를 넓히는 데 도움이 됩니다.
첫 응대에서 해결한 질문의 비율, 건당 평균 처리 시간, 에스컬레이션한 건수, 만족도 점수를 측정하십시오. 봇이 종료한 건수만 세면 안 됩니다. 시스템이 건을 빨리 닫아도 고객이 같은 문제로 다시 문의할 수 있기 때문입니다.
5. 마케팅: 속도는 빨라지지만 인력 감축으로 이어진다는 보장은 없음
AI를 쓰면 팀이 광고, 글, 이미지, 캠페인 아이디어, 테스트용 시안의 초안을 훨씬 빨리 만들 수 있습니다. 하지만 콘텐츠를 더 많이 만든다고 회사의 이익이 늘지는 않습니다. 판매 채널이나 분명한 고객 데이터가 없으면 게시물만 늘고 성과는 그대로일 수 있습니다.
"빨리 쓰기"보다 가치가 큰 일은 매출 데이터를 캠페인 기획과 연결하는 것입니다. 고객이 구매하지 않은 이유를 정리하고, 업종별 메시지 묶음을 만들고, 제품 정보 한 세트를 여러 채널용 콘텐츠로 바꾸고, 테스트 결과를 모아 팀이 결정할 수 있게 돌려주는 일이 그 예입니다. 도구는 브리프에서 게시까지 걸리는 시간을 줄이면서도 브랜드의 목소리와 승인 절차는 지켜야 합니다.
제품이 분명하고 판매 채널이 제대로 돌아가는데 캠페인 제작 역량이 병목이라면 마케팅을 첫 부서로 고르십시오. 하지만 제품-시장 적합성(Product-Market Fit)을 아직 찾지 못한 것이 문제라면 콘텐츠를 더 빨리 만들어도 근본 원인은 해결되지 않습니다.
6. 회계, 구매, 백오피스: 자주 간과되는 비용 절감 영역
백오피스 업무에는 문서와 규칙이 많아 자동화와 AI를 함께 쓰기에 알맞습니다. 청구서 읽기, 필수 항목 확인, 발주서 대조, 비용 항목 분류, 누락 서류 알림, 현금 흐름 요약, 공급업체 견적서 취합 같은 일입니다. 시스템은 작업을 준비하고 이상한 건에 표시를 해 두며, 지급 승인과 중요한 장부 기록은 권한이 있는 사람이 계속 맡습니다.
시간과 오류를 분명하게 측정할 수 있다는 장점이 있지만, 재무 데이터와 접근 권한에는 주의해야 합니다. 데이터 관련 계약 없이 중요한 문서를 누구나 쓰는 공개 도구에 넣어서는 안 됩니다. 시스템은 역할별로 권한을 나누고, 이력을 남기고, 승인 단계 없이는 AI가 원본 데이터를 바꾸지 못하게 해야 합니다.
- 이메일로 받은 문서를 모으고 이름 붙이기
- 회계 담당자에게 넘기기 전에 빠진 것이 없는지 확인하기
- 항목을 대조해 차이가 나는 것만 알리기
- 승인된 데이터로 주간 요약 만들기
7. 운영 부서: 효과는 크지만 실제 업무 흐름을 알아야 하는 곳
운영 부서는 줄인 1분 1분이 곧바로 비용에 반영되기 때문에 AI로 가장 큰 이득을 볼 수 있습니다. 주문을 작업 지시서로 바꾸고, 원자재가 준비되었는지 확인하고, 작업 순서를 정하고, 현장 문제를 요약하고, 납기 지연 위험을 알리는 일이 그 예입니다. 다만 데이터가 여러 시스템에 흩어져 있고 현장 예외가 많아서 회의실에서만 설계해서는 안 됩니다.
개발팀이 주문 접수부터 납품까지 실제 업무를 따라가며 사람이 기다리는 지점, 같은 데이터를 다시 입력하는 지점, 직원이 경험에 기대어 판단하는 지점을 살펴보게 하십시오. 그다음 AI가 데이터를 준비하거나 알림을 보내는 일부터 시작합니다. 품질이 좋은 데이터와 시스템을 멈추는 분명한 방법이 갖춰지기 전에는 시스템에 일정 수립이나 작업 지시를 서둘러 맡기지 마십시오.
8. 14일 의사결정 일정
- 1~3일 차: 모든 부서의 팀장에게 반복 업무 목록을 받습니다. 부서당 다섯 개까지, 대략의 발생 횟수와 소요 시간을 함께 적게 합니다.
- 4~7일 차: 실제 데이터 샘플을 모으고 점수가 높은 업무의 소요 시간을 잽니다. 가상의 데이터로 평가하지 마십시오.
- 8~10일 차: 여섯 항목의 점수를 매기고 월간 소요 시간과 비용을 계산한 뒤 위험 요소를 적습니다.
- 11~12일 차: 1순위 업무 프로세스와 예비 후보를 고르고 책임자, KPI, AI가 해서는 안 되는 범위를 정합니다.
- 13~14일 차: 한 쪽짜리 목표를 씁니다. 예를 들어 30일 안에 견적서 작성 시간을 45분에서 10분으로 줄이되 오류율은 지금보다 높아지지 않게 한다는 식입니다.
대부분의 회사에서는 영업, 고객 서비스, 백오피스 문서 업무가 좋은 출발점입니다. 데이터를 구하기 쉽고 결과를 확인하기 쉽기 때문입니다. 그렇다고 정해진 규칙이 있는 것은 아닙니다. 결정은 자기 회사의 업무 프로세스에서 나온 숫자로 내려야 합니다.
요약: AI는 경영진이 관심을 보이는 것만으로는 부족하고, "업무가 준비된" 부서에서 시작해야 합니다. 첫 프로젝트는 업무량이 많고, 시간을 측정할 수 있고, 데이터가 충분하고, 답을 확인하기 쉽고, 위험을 통제할 수 있어야 합니다. 한 곳에서 성과를 낸 뒤 그 과정에서 얻은 교훈과 데이터, 신뢰를 바탕으로 더 복잡한 업무 프로세스로 넓혀 가십시오.
다른 회사의 사례보다 자기 회사의 데이터에서 출발점을 찾습니다
일상 업무가 어디서 막히는지는 각 부서가 가장 잘 압니다. 하지만 그 정보가 같은 형식으로 나란히 놓여 비교된 적은 거의 없습니다. 그래서 어느 부서부터 시작할지는 목소리가 큰 쪽으로 정해지기 쉽습니다. DNA Maker는 모든 부서에서 같은 데이터, 곧 월간 업무량, 실제 소요 시간, 표준 건의 비율, 데이터 준비 정도, 실수했을 때의 영향을 모아 비교를 더 공정하게 만듭니다. 그런 다음 모두가 함께 보는 기준으로 우선순위를 매깁니다.
저희가 우선순위를 정하는 방법
출발점이 정해지면 저희는 6~8주 안에 결과를 볼 수 있을 만큼 범위를 좁힌 시범 운영을 설계합니다. 지표는 미리 합의하고, 기준을 통과하지 못하면 물러설 길도 마련해 둡니다. 시스템과 함께 다음 프로젝트에서도 다시 쓸 수 있는 성과 측정 방법도 넘겨 드립니다. 두세 부서 사이에서 아직 결정하지 못했다면 저희와 함께 모든 부서에서 같은 데이터를 한 번 모아 보고, 답은 숫자에 맡기십시오.
SOFTWARE ENGINEERING GLOSSARY
소프트웨어 엔지니어링 용어집
첫 프로젝트를 고르고 성과를 측정하는 일을 분명하게 이야기할 때 도움이 되는 용어입니다.
| 용어 | 의미 | 쉬운 예시 | 개발팀에 물어봐야 할 질문 |
|---|---|---|---|
| Pilot | 확대하기 전에 효과를 입증하려고 범위를 제한해 진행하는 시범 프로젝트 | 고객 서비스팀 한 팀에서만 두 달 동안 시험합니다. | 이번 시범 운영은 어떤 숫자가 어느 수준에 도달해야 성공으로 봅니까? |
| KPI | 개선되었는지 판단하는 데 쓰기로 합의한 지표 | 평균 고객 응답 시간과 재처리 비율 | 이 KPI는 어느 시스템에서 측정하고, 누가 보고합니까? |
| Scope | 이번 단계에서 하기로 한 일과 하지 않기로 한 일의 경계 | 이번에는 제품군 하나만, 태국어로만 다룹니다. | 범위 밖에 있는 것은 무엇이고, 추가하려면 어떻게 해야 합니까? |
| Payback Period | 투자한 돈을 성과로 회수하는 데 걸리는 기간 | 매달 이만큼 절약하므로 몇 개월 만에 투자금을 회수하는지 계산합니다. | 이 숫자는 어떤 가정을 바탕으로 계산했습니까? |
| Data Readiness | 시스템에 필요한 데이터가 얼마나 빠짐없고 정확한지를 나타내는 준비 정도 | 고객 데이터의 모든 항목이 채워져 있는지, 아직 입력이 들쭉날쭉한지 | 데이터가 아직 준비되지 않았다면 무엇부터 해야 합니까? |