AI를 전사로 확대하는 조직 · 07 / 13

AI 정착을 위한 FDE(Forward Deployed Engineer) 팀

저희 시니어 엔지니어가 귀사 팀 옆에서 일하며 AI가 실제로 도움이 되는 일상 업무를 찾고, 귀사의 시스템과 데이터로 첫 활용 사례를 만들어 내부 인력이 직접 운영할 때까지 가르칩니다.

현장 사무실에서 노트북을 보며 웃는 젊은 엔지니어와 회색 작업복 차림으로 몸을 숙인 베테랑 두 명, 뒤에는 공정도 화이트보드.

자주 보는 문제

많은 조직이 같은 방식으로 시작합니다. 직원들에게 ChatGPT Enterprise나 Microsoft 365 Copilot 라이선스를 사 주고, 공급업체를 불러 하루 교육을 한 뒤 각자 써 보게 둡니다. 직원들은 이메일 초안을 두세 번 써 보고는 예전 방식으로 돌아갑니다. AI는 ERP나 회사 문서를 볼 수 없고, 고객 데이터를 넣어도 되는지 PDPA 기준으로 알려 준 사람이 없으며, 각 팀이 매일 하는 업무는 교육 내용에 없었기 때문입니다. IT팀이 만든 시범 프로젝트 하나는 시연에서 잘 돌아갔습니다. 하지만 현업 부서에 맡을 사람이 없고 IT팀도 본업으로 바빠서 실제 시스템과 연결된 적이 없습니다.

컨설턴트의 로드맵은 활용 사례의 순위를 잘 매겨 두었습니다. 그런데 계획을 실행하려면 코드를 쓰고, 시스템을 연결하고, 팀이 실제로 쓸 수 있을 때까지 옆에 앉아 있을 사람이 필요한데 회사 안에는 그럴 시간이 있는 사람이 없습니다. 라이선스 갱신 시기에 재무팀이 그동안 낸 돈으로 무엇을 얻었는지 물어도 숫자로 답할 수 있는 사람은 없습니다.

해결 방법

FDE(Forward Deployed Engineer)는 고객 조직 안으로 들어가 그 일을 매일 하는 사람들 옆에서 일하는 엔지니어입니다. 이 방식은 Palantir가 기업용 소프트웨어 분야에서 널리 알렸고, 지금은 OpenAI와 Anthropic 같은 AI 기업도 기업 고객과 함께 일하는 FDE 팀을 두고 있습니다. 저희 FDE는 방콕에 있는 귀사 사무실에서 일하거나, 귀사 팀의 채팅과 도구 안에서 일하거나, 두 방식을 섞습니다. 먼저 각 팀의 업무를 따라가며 누가 무엇을 반복하는지, 데이터가 어디에 있는지 보고 기준선을 함께 정합니다. 견적서 한 건을 쓰는 데 걸리는 시간이나 고객 서비스팀이 하루에 답하는 같은 질문의 수 같은 것입니다.

그다음 귀사가 쓰는 시스템 위에 첫 활용 사례를 만듭니다. ERP 재고 데이터로 재고 문의에 답하는 LINE OA 에이전트, SharePoint나 Google Drive에서 계약서와 사내 규정을 찾아 주는 도우미, 구매 품의서 초안을 쓰는 Copilot 에이전트 같은 것입니다. 동시에 AI를 안전하게 쓰기 위한 기반도 갖춥니다. 역할별 권한, 감사 로그, 어떤 데이터를 어떤 도구에 넣어도 되는지 PDPA에 맞춰 정한 규칙, 팀의 실제 질문으로 만들어 변경할 때마다 돌리는 평가 세트, 팀별 비용 대시보드입니다. 이미 계약한 라이선스에는 팀별 업무에 맞춘 프롬프트와 에이전트를 붙이고, 각 팀의 챔피언이 직접 만들고 고칠 수 있도록 가르칩니다.

일은 한 달 단위 같은 블록으로 진행합니다. 블록이 끝날 때마다 누가 어떤 업무에 쓰고 있는지, 기준선과 비교한 결과는 어떤지, 효과가 없어 중단한 것은 무엇인지 있는 그대로 보고합니다. 로드맵을 만드는 컨설팅과 범위가 고정된 개발 프로젝트의 중간에 있는 방식입니다. 내부 팀이 직접 운영할 수 있게 되면 끝낼 수 있고, 코드, 런북, 평가 세트는 모두 귀사에 남습니다. 제안은 FDE가 하고, 실제 운영에 올릴지는 귀사 책임자가 결정합니다. 돈, 고객 데이터, 법적 판단에 관련된 일은 매번 사람이 승인합니다.

시스템 작동 방식

업무가 들어오는 곳

팀별 일상 업무
이미 계약한 AI 라이선스
ERP·LINE OA·문서 저장소
멈춰 있는 로드맵과 AI 요청

AI가 하는 일

팀과 함께 일하며 기준선 설정
실제 시스템에 첫 활용 사례 구축
권한·로그·PDPA·평가 세트 정비
챔피언 육성과 인계

결과가 도착하는 곳

팀이 매일 쓰는 활용 사례
기준선 대비 사용 현황과 결과
팀마다 있는 챔피언
귀사의 코드·런북·평가 세트

도입 전과 후

도입 전

도입 후

전원에게 라이선스를 샀지만 석 달 뒤 쓰는 사람이 거의 없음

팀마다 자기 업무용 프롬프트와 에이전트가 있고 사용 현황도 보임

시범 운영이 IT팀에서 멈춰 실제 시스템과 연결된 적이 없음

첫 활용 사례가 실제 ERP와 문서로 돌아가고 기준선과 비교해 측정됨

컨설턴트의 로드맵은 서랍 속에 있고 만들 사람은 없음

내부 챔피언이 운영과 수정을 맡고 코드와 런북도 귀사에 있음

받게 되는 것

01
귀사 팀과 함께 일하는 FDE. 방콕 사무실과 팀이 쓰는 채팅·도구 안에서 일상 업무를 따라가며 AI가 실제로 도움이 되는 일과 지금 걸리는 시간을 목록으로 정리합니다
02
LINE OA, ERP, 문서 저장소, Microsoft 365 등 귀사의 시스템과 데이터 위에서 돌아가는 첫 활용 사례. 팀과 합의한 기준선(도입 전 수치)과 비교해 효과를 측정합니다
03
AI를 안전하게 운영하는 기반: 역할별 권한, 감사 로그, 태국 개인정보보호법(PDPA)에 맞춘 데이터 처리, 답변을 채점하는 평가 세트, 가드레일, 비용 대시보드
04
ChatGPT Enterprise, Microsoft 365 Copilot, Google Workspace의 Gemini 등 이미 계약한 라이선스 위에서 돌아가는 팀별 프롬프트와 AI 에이전트, 팀별 사용 현황 보고
05
직접 만들고 고칠 수 있을 때까지 저희가 가르친 팀별 챔피언, 그리고 귀사에 넘기는 코드, 운영 절차서(런북), 평가 세트. 저희 없이도 계속 운영할 수 있습니다