AI 자동화, 어디서부터 시작해야 할까 — 부서별 업무 감사로 우선순위 정하는 법

AI 자동화, 어디서부터 시작해야 할까 — 부서별 업무 감사로 우선순위 정하는 법

분기 전략 회의에서 대표가 "우리도 AI 도입해야 하는데, 대체 어디서부터 손대야 하나요?"라고 물어요. 부서장들은 서로 눈치만 봐요. 누구는 챗봇을, 누구는 문서 요약 도구를 말하지만, 정작 다음 주가 되면 아무 일도 일어나지 않죠.

AI 자동화는 도구가 아니라 업무 하나에서 시작해요. 반복적이고 규칙이 분명하며 리스크가 낮은 "업무 단위" 하나를 골라 감사(audit)하는 것, 그게 첫 수순이거든요.

한눈에 정리하면 이래요.

1. 부서가 아니라 반복 업무를 동사 단위로 목록화해요.
2. 반복성·규칙성·리스크 세 축으로 점수를 매겨요.
3. 반복·규칙이 높고 리스크가 낮은 업무 한둘로 4~6주 파일럿을 돌려요.

왜 "도구부터 사는" 접근은 대부분 실패하나요?

문제를 정의하기도 전에 솔루션부터 결제하기 때문이에요.

BCG가 2024년 약 1,000명의 임원을 조사했더니, AI에서 실질적 가치를 만들어낸 기업은 26%에 그쳤어요.¹ 나머지 대다수는 개념 검증(PoC)에 머물거나, 비싼 라이선스만 사두고 서랍에 넣어두죠. 원인은 기술이 아니라 순서예요. "무엇을 자동화할지" 정하지도 않고 "무엇으로 자동화할지"부터 골랐거든요.

McKinsey는 생성형 AI가 연간 2.6조~4.4조 달러의 경제적 가치를 더할 수 있다고 추정해요.² 하지만 이 숫자가 저절로 통장에 꽂히진 않아요. 🙂 어떤 업무에 붙이느냐에 따라 실현 여부가 갈리거든요.

근거	숫자로 보면
BCG 2024 조사 (임원 약 1,000명)	AI로 실질적 가치를 만든 기업 26%
McKinsey 추정	생성형 AI 연간 2.6조~4.4조 달러 가치
진짜 원인	기술이 아니라 순서 — "무엇으로"부터 고름

보충. 도구 선정은 나중 문제예요. 업무를 먼저 쪼개 보면, 오히려 무료 도구로 충분한 경우가 많거든요.

업무 감사란 무엇인가요?

업무 감사(Work Audit)는 부서의 일을 잘게 쪼갠 뒤, 각 업무가 AI 자동화에 맞는지 점수로 매기는 작업이에요. "영업팀에 AI를 깔자"가 아니라 "영업팀의 주간 실적 보고서 초안 작성"처럼 동사 단위까지 내려가는 게 핵심이죠.

클래스도산이 비개발자 대상 원데이 클래스를 운영하며 확인한 설계 원칙도 똑같아요. 업무를 작게 쪼갤수록 학습과 적용이 빨라지거든요. 5시간 안에 결과물 하나를 완성시키는 이유가 여기 있어요. 추상적인 "AI 역량"이 아니라 손에 잡히는 업무 하나에 붙이기 때문이죠.

3축 업무 감사: 목록화 → 채점 → 필터링

클래스도산이 쓰는 방법을 3축 업무 감사라고 불러요. 세 축은 반복성, 규칙성, 리스크예요. 반복성과 규칙성은 높을수록, 리스크는 낮을수록 좋은 후보고요.

1. 목록화 — 부서장에게 팀이 반복하는 업무를 동사 단위로 30개쯤 뽑게 해요. 회의록 정리, 견적서 초안, 문의 1차 응대처럼 구체적으로 적어요.
2. 채점 — 각 업무를 세 축으로 1~5점씩 매겨요.
3. 필터링 — 리스크가 높은 업무는 점수와 무관하게 1차 후보에서 빼요. 규제·개인정보·대외 신뢰가 걸린 일은 파일럿이 앉을 자리가 아니거든요.

우선순위를 가르는 기준은 무엇인가요?

세 축이 모두 유리한 업무가 1순위예요. 하나라도 어긋나면 뒤로 미루세요.

보고서 초안, 회의록 요약, 데이터 정리·분류, 사내 문서 검색처럼 매일 반복되고 규칙이 분명하며 틀려도 사람이 검수로 잡아낼 수 있는 일이 이상적이에요. Brynjolfsson·Li·Raymond의 콜센터 연구에서 생성형 AI 도우미는 상담원 생산성을 평균 약 14% 높였고, 특히 저숙련·신입 직원에게 효과가 컸어요.³ 규칙적이고 반복적인 업무일수록 초반 성과가 빠르게 보이거든요.

반대로 최종 판단, 대외 커뮤니케이션, 규제 민감 업무는 미뤄두세요. 계약 조건 확정이나 고객 항의 응대처럼 한 번의 오류가 신뢰나 법적 리스크로 번지는 일은, 조직이 AI 검수 체계를 갖춘 뒤에 다뤄야 안전해요.

우선순위	업무 예시	이유
먼저 (1순위)	보고서 초안, 회의록 요약, 데이터 정리·분류, 사내 문서 검색	반복·규칙이 높고, 틀려도 사람이 검수로 잡음
뒤로 미룸	최종 판단, 대외 커뮤니케이션, 규제 민감 업무	한 번의 오류가 신뢰·법적 리스크로 번짐

부서마다 감사를 어떻게 다르게 해야 하나요?

부서마다 데이터 성격과 리스크가 달라서, 같은 잣대를 들이대면 안 돼요.

파일럿은 어떻게 설계하고 성공을 판단하나요?

업무 12개, 기간 46주, 숫자 지표 하나로 좁히세요. 욕심내서 범위를 넓히면 십중팔구 흐지부지돼요.

성공 기준은 착수 전에 정해야 해요. "회의록 정리 시간을 건당 30분에서 10분으로 줄인다"처럼 측정 가능한 목표여야 하고요. 확산 조건도 미리 정해두세요. 목표 지표를 달성하고, 담당자가 계속 쓰겠다고 하며, 검수 부담이 절감 효과를 넘지 않을 때 다음 업무로 넓혀요.

설계 요소	기준
업무 수	1~2개
기간	4~6주
지표	숫자 지표 하나 (예: 회의록 정리 건당 30분→10분)
확산 조건	목표 달성 + 담당자 재사용 의사 + 검수 부담 < 절감 효과

흔한 실패 패턴과 피하는 법

세 가지가 반복해서 발목을 잡아요.

직원 저항은 "내 일자리를 뺏는다"는 신호로 읽힐 때 터져요. 자동화 대상을 다들 싫어하는 반복 잡무로 잡고, 남는 시간을 무엇에 쓸지 함께 그려보면 저항이 줄어들어요.

섀도우 AI는 회사가 안 정해주니 직원이 개인 계정으로 몰래 쓰는 현상이에요. 사내 데이터가 외부로 새는 통로가 되죠. 무작정 금지하기보다, 허용 도구와 입력 금지 데이터를 명문화하는 편이 안전해요.

데이터 거버넌스 공백은 "누가 어떤 데이터를 AI에 넣어도 되는가"가 비어 있을 때 생겨요. 파일럿을 시작하기 전에 이 한 줄부터 정하세요.

결론

거창한 로드맵보다 목록 한 장이 먼저예요. 이번 주 회의에서 부서장 한 명에게, 팀이 반복하는 업무 30개를 동사 단위로 뽑아오라고 시켜보세요. AI 자동화는 거기서 시작되거든요.

지금 할 일	내용
언제	이번 주 회의에서
누구에게	부서장 한 명에게
무엇을	팀이 반복하는 업무 30개
어떻게	동사 단위로 뽑아오게 하기

자주 묻는 질문 (FAQ)

Q. 전사 도입과 부서 단위 시작 중 무엇이 먼저인가요? A. 업무 단위 파일럿이 먼저예요. 반복적이고 리스크가 낮은 업무 하나에서 성과를 확인한 뒤 부서·전사로 넓히는 순서가 실패 확률이 낮아요.

Q. 업무 감사는 얼마나 걸리나요? A. 권장 방식은 부서 한 곳 기준 워크숍 반나절이에요. 업무 30개를 세 축으로 점수 매기는 자리를 잡으면 하루 안에 1차 후보가 나와요.

Q. AI 도입이 실패하는 가장 흔한 원인은 무엇인가요? A. 문제 정의 없이 도구부터 결제하는 순서예요. BCG 조사에서 실질 가치를 만든 기업이 26%에 그친 배경이기도 하죠.

Q. 파일럿 성공은 무엇으로 판단하나요? A. 착수 전에 정한 숫자 지표 하나예요. 처리 시간, 오류율, 담당자 재사용 의사를 4~6주 뒤에 확인하세요.

출처

Footnotes

1. BCG, "Where's the Value in AI?" (2024) — 조사 기업 중 26%만이 AI로 실질적 가치를 창출. https://www.bcg.com/publications/2024/wheres-value-in-ai ↩

2. McKinsey & Company, "The economic potential of generative AI: The next productivity frontier" (2023). https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier ↩

3. Erik Brynjolfsson, Danielle Li, Lindsey Raymond, "Generative AI at Work," NBER Working Paper No. 31161 (2023). https://www.nber.org/papers/w31161 ↩