클래스도산

AI·자동화 트렌드

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

글 · 클래스도산8분 읽기

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

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

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

한눈에 정리하면 이렇습니다.

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

왜 "도구부터 사는" 접근은 대부분 실패하나요?

문제를 정의하기 전에 솔루션을 결제하기 때문입니다.

BCG가 2024년 약 1,000명의 임원을 조사한 결과, AI에서 실질적 가치를 만들어낸 기업은 26%에 그쳤습니다.1 나머지 대다수는 개념 검증(PoC)에 머물거나 라이선스만 사두고 방치합니다. 원인은 기술이 아니라 순서입니다. "무엇을 자동화할지" 정하지 않은 채 "무엇으로 자동화할지"부터 골랐기 때문입니다.

McKinsey는 생성형 AI가 연간 2.6조~4.4조 달러의 경제적 가치를 더할 수 있다고 추정합니다.2 이 숫자는 저절로 손에 들어오지 않습니다. 어떤 업무에 붙이느냐에 따라 실현 여부가 갈립니다.

보충. 도구 선정은 나중 문제입니다. 업무를 먼저 쪼개 보면, 오히려 무료 도구로 충분한 경우가 많습니다.

업무 감사란 무엇인가요?

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

AX Lab이 비개발자 대상 원데이 클래스를 운영하며 확인한 설계 원칙도 같습니다. 업무를 작게 쪼갤수록 학습과 적용이 빨라집니다. 5시간 안에 결과물 하나를 완성시키는 이유가 여기 있습니다. 추상적인 "AI 역량"이 아니라 손에 잡히는 업무 하나에 붙이기 때문입니다.

3축 업무 감사: 목록화 → 채점 → 필터링

AX Lab이 쓰는 방법을 3축 업무 감사라 부릅니다. 세 축은 반복성, 규칙성, 리스크입니다. 반복성과 규칙성은 높을수록, 리스크는 낮을수록 좋은 후보입니다.

  1. 목록화 — 부서장에게 팀이 반복하는 업무를 동사 단위로 30개쯤 뽑게 합니다. 회의록 정리, 견적서 초안, 문의 1차 응대처럼 구체적으로 적습니다.
  2. 채점 — 각 업무를 세 축으로 1~5점 매깁니다.
  3. 필터링 — 리스크가 높은 업무는 점수와 무관하게 1차 후보에서 뺍니다. 규제·개인정보·대외 신뢰가 걸린 일은 파일럿의 자리가 아닙니다.

우선순위를 가르는 기준은 무엇인가요?

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

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

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

부서마다 감사를 어떻게 다르게 해야 하나요?

부서마다 데이터 성격과 리스크가 달라, 같은 잣대를 들이대면 안 됩니다.

부서좋은 1차 후보판단 기준(임계값)
영업제안서·견적 초안, 미팅 노트 정리반복 주 5회 이상 + 고객 실명 데이터 미포함
HR채용 공고 초안, 사내 규정 Q&A개인 평가·급여 데이터 배제 필수
재무정형 리포트 요약, 비용 분류최종 승인은 사람, AI는 초안까지만
CS문의 1차 응대, FAQ 자동화오답 검수 루프 + 에스컬레이션 규칙 존재

파일럿은 어떻게 설계하고 성공을 판단하나요?

업무 12개, 기간 46주, 숫자 지표 하나로 좁히세요. 범위를 넓히면 흐지부지됩니다.

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

흔한 실패 패턴과 피하는 법

세 가지가 반복해서 발목을 잡습니다.

직원 저항은 "일자리를 뺏는다"는 신호로 읽힐 때 터집니다. 자동화 대상을 싫어하는 반복 잡무로 잡고, 남는 시간을 무엇에 쓸지 함께 그리면 저항이 줄어듭니다.

섀도우 AI는 회사가 안 정해주니 직원이 개인 계정으로 몰래 쓰는 현상입니다. 사내 데이터가 외부로 새는 통로가 됩니다. 금지가 아니라 허용 도구와 입력 금지 데이터를 명문화하는 편이 안전합니다.

데이터 거버넌스 공백은 "누가 어떤 데이터를 AI에 넣어도 되는가"가 비어 있을 때 생깁니다. 파일럿 전에 이 한 줄을 정하세요.

결론

거창한 로드맵보다 목록 한 장이 먼저입니다. 이번 주 회의에서 부서장 한 명에게, 팀이 반복하는 업무 30개를 동사 단위로 뽑아오라고 지시하세요. AI 자동화는 거기서 시작됩니다.

자주 묻는 질문 (FAQ)

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

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

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

Q. 파일럿 성공은 무엇으로 판단하나요? A. 착수 전에 정한 숫자 지표 하나입니다. 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 ↩