직원들은 매일 바쁜데 대표가 확인하려는 자료는 제때 나오지 않습니다. AI를 도입하면 나아질 것 같아 상담을 받아보니, 어떤 곳은 챗봇을 제안하고 다른 곳은 시스템부터 바꿔야 한다고 말합니다. 이미 프로그램을 여러 개 쓰고 있다면 새로 무엇을 사야 하는지 더 판단하기 어렵습니다.
중소기업의 AI 도입은 일이 지연되는 원인을 구분하는 데서 시작하는 편이 좋습니다. 필요한 정보가 없으면 기록 방식을, 정보가 흩어져 있으면 시스템 간 연결을 살펴봐야 합니다. 직원들이 같은 상황을 다르게 처리한다면 업무 기준을 먼저 정해야 할 수 있습니다. 글을 읽고 분류하거나 여러 기록을 비교하는 일이 부담이라면 AI 적용을 검토할 수 있습니다.
실제 업무에는 이런 문제가 함께 섞여 있습니다. 하나의 기술로 모든 과정을 바꾸려고 하기보다, 어디에 무엇이 필요한지 나눠보면 투자할 범위가 명확해집니다. 중소기업 대표가 제안서를 받기 전에 살펴볼 것도 이 부분입니다.
AI 도입 전, 업무가 지연되는 원인부터 확인하기
예를 들어 식품을 가공해 여러 판매처에 공급하는 회사를 생각해보겠습니다. 대표는 다음 주 주문을 소화할 수 있는지 알고 싶습니다. 담당자는 판매처별 주문을 확인하고, 생산 가능한 수량을 묻고, 포장 자재가 충분한지 살펴봅니다. 도중에 주문이 바뀌면 앞서 모은 자료를 다시 고쳐야 합니다. 대표에게 최종 답을 전달하기까지 시간이 걸립니다.
이 상황을 단순히 보고서 작성이 느린 문제로 보면 AI 보고서 기능을 도입하기 쉽습니다. 하지만 문장을 쓰는 데 걸린 시간은 전체 과정의 일부일 수 있습니다. 생산 일정이 아직 정해지지 않았거나 판매 담당자가 수정 주문을 전달하지 않았다면, 보고서를 빨리 만드는 기능만으로는 답을 앞당기기 어렵습니다.
반대로 필요한 기록은 모두 있는데 담당자가 형식이 다른 요청서를 읽고 수량과 날짜를 추려내느라 시간을 쓰고 있을 수도 있습니다. 이 경우에는 내용을 읽어 정리하는 AI 기능을 시험해볼 이유가 있습니다. 같은 회사에서도 어느 구간을 보느냐에 따라 개선할 방법이 달라집니다.
먼저 최근 처리한 업무 한 건을 골라 시작부터 끝까지 따라가보세요. 담당자에게 무엇이 힘든지 묻는 데서 멈추지 말고, 실제로 어떤 화면을 열고 누구에게 연락하고 무엇을 다시 적는지 함께 보는 것이 좋습니다. 업무 이름만으로는 잘 보이지 않던 지연 원인이 그 과정에서 드러날 수 있습니다.
아직 기록하지 않은 정보는 AI도 찾아줄 수 없습니다
고객과 전화로 합의한 변경 사항을 담당자만 알고 있다면, 회사 자료를 검색하는 AI가 그 내용을 알려주기는 어렵습니다. 이전 문서를 정확히 찾아주더라도 현재 상황과는 다른 답이 됩니다. 이때는 변경 내용을 어디에 남길지 먼저 정해야 합니다. 검색 기능을 늘리더라도 남아 있지 않은 합의 내용을 확인하기는 어렵습니다.
가상 예시로 현장 서비스 회사의 작업 기록을 살펴보겠습니다. 작업 완료 여부는 기록하지만 추가 방문이 필요한 이유는 메신저 대화에만 남아 있다면, 본사는 완료된 건과 후속 조치가 남은 건을 구분하기 어렵습니다. 현장 직원이 남겨야 하는 최소한의 내용을 정하고 업무를 마칠 때 함께 기록하도록 해야 합니다.
기록 항목은 이후 누가 무엇을 판단하는지를 기준으로 고르는 편이 좋습니다. 본사가 다음 방문을 배정해야 한다면, 후속 작업의 필요 여부와 사유를 알아야 합니다. 반면 아무도 쓰지 않는 정보를 일단 모으기 시작하면 현장 직원에게 입력 부담만 더할 수 있습니다. 기록을 늘리는 작업에도 목적이 있어야 합니다.
AI를 이용해 음성 메모나 자유롭게 쓴 글에서 필요한 내용을 추려낼 수는 있습니다. 그래도 직원이 말하지도, 적지도 않은 사실을 대신 만들어서는 안 됩니다. 입력을 편하게 만드는 기능과 실제로 정보가 남도록 하는 운영 방식은 함께 검토해야 합니다. 새로 생긴 기록이 정확한지 확인할 사람도 필요합니다.
데이터가 흩어져 있다면 시스템 연결부터 검토하기
이번에는 필요한 정보가 이미 기록돼 있는 경우입니다. 고객 요청은 업무 관리 도구에, 처리 이력은 별도 프로그램에, 청구 내역은 회계 시스템에 있다고 해보겠습니다. 대표가 특정 고객의 현황을 보려면 담당자가 세 곳에서 자료를 찾아 합쳐야 합니다. 이 문제에서는 시스템 간 연결을 먼저 검토할 가치가 있습니다.
연결이 된다는 것은 화면 여러 개를 한 페이지에 나란히 놓는 것만을 뜻하지 않습니다. 각 시스템의 기록이 같은 고객과 같은 업무를 가리키는지 맞춰야 합니다. 고객 이름이 조금 다르거나 하나의 작업이 여러 건으로 나뉘어 등록됐다면, 그대로 합칠 경우 중복이나 누락이 생길 수 있습니다.
자료를 어떤 방법으로 가져올 수 있는지, 두 프로그램에서 이름이 다른 항목을 어떻게 맞출지, 변경 사항을 얼마나 자주 반영할지 확인해야 합니다. 프로그램 간에 정보를 주고받을 수 있는지, 파일로 가져와야 하는지에 따라 구축과 유지관리 방법도 달라집니다. 기존 업체가 제공하는 연동 기능만으로 해결할 수 있는 부분이 있는지도 먼저 확인할 수 있습니다.
AI는 연결된 내용을 질문에 맞게 찾아 설명하는 데 활용할 수 있습니다. 다만 설명이 자연스럽다는 사실과 기록이 정확히 연결됐다는 사실은 별개입니다. 대표가 고객의 미처리 업무를 물었을 때, 답변에 포함된 건이 실제 목록과 맞는지 확인할 수 있어야 합니다. 이 확인 없이 AI 답변 기능을 도입하면 직원이 매번 원래 목록과 답변을 대조해야 할 수 있습니다.
업무 기준이 없는 문제는 대표의 결정이 필요합니다
직원들이 같은 상황에서 서로 다른 답을 내놓는다면 회사 기준이 정리돼 있는지 살펴볼 필요가 있습니다. 긴급 요청은 어떤 조건에서 먼저 처리하는지, 고객의 추가 요구를 어디까지 받아들이는지, 할인이나 일정 변경을 누가 승인하는지가 예입니다. 대표의 판단을 받아야 하는 일과 직원이 스스로 처리할 수 있는 일이 구분돼 있어야 합니다.
가상 예시로 건설·인테리어 회사에서 공사 중 변경 요청을 받는 상황을 생각해보겠습니다. 어떤 담당자는 기존 계약에 포함된다고 보고, 다른 담당자는 추가 비용을 받아야 한다고 판단할 수 있습니다. 이전에 처리한 기록을 AI로 찾아보는 것은 도움이 될 수 있지만, 그 기록만으로 이번 계약의 기준이 결정되지는 않습니다. 당시 조건이 달랐거나 예외적으로 허용한 일이었을 수 있기 때문입니다.
먼저 계약 내용과 변경 범위를 확인하고 누가 판단할지 정해야 합니다. 이후 AI가 관련 조항과 과거 기록을 모아 검토를 돕도록 만들 수 있습니다. 이 순서라면 AI가 준비할 자료와 담당자가 결정할 사항이 분명해집니다. 회사 기준을 정하지 않은 채 AI에게 답을 정해달라고 하면, 직원은 그 답대로 고객에게 약속해도 되는지 다시 대표에게 물어야 합니다.
반복되는 결정을 모두 문서로 세세하게 정할 필요는 없습니다. 자주 발생하는 상황의 기본 원칙을 적고, 원칙에서 벗어나는 경우 누구에게 확인할지를 정하는 것부터 시작할 수 있습니다. 예외를 인정하는 이유도 기록하면 다음에 비슷한 일이 생겼을 때 판단 근거를 확인하기 쉬워집니다.
AI를 시험할 만한 구간은 어디일까
정보와 기준이 어느 정도 갖춰졌는데도 사람이 내용을 읽고 해석하는 데 많은 시간을 쓰는 구간이 있습니다. 자유로운 형식으로 들어오는 문의를 분류하거나, 여러 문서에서 같은 주제의 내용을 찾아 비교하거나, 작업 기록을 읽고 보고서 초안을 만드는 일이 그렇습니다. 이때 AI가 맡을 일을 구체적으로 정해 시험할 수 있습니다.
예를 들어 교육 서비스를 운영하는 회사에 수강 관련 요청이 다양한 문장으로 들어온다고 해보겠습니다. 일정 변경, 이용 안내, 결제 확인 등으로 분류하는 일에 AI를 적용할 수 있습니다. 분류 결과에 따라 담당자에게 전달하는 것은 정해진 규칙으로 처리하고, 실제 일정 변경이나 환불 결정은 회사 기준과 승인 절차에 따라 진행하도록 나눌 수 있습니다.
이 구성에서는 AI가 요청의 뜻을 파악하는 부분을 맡습니다. 시스템은 처리 상태와 전달 경로를 관리하고, 담당자는 판단이 필요한 요청을 확인합니다. 한 과정 안에서 역할이 구분돼 있으므로 문제가 생겼을 때도 어디를 고쳐야 하는지 살펴보기 쉽습니다. AI, 시스템, 담당자의 역할을 나누면 어느 부분을 개선할지 더 구체적으로 판단할 수 있습니다.
시험할 때는 평범한 요청뿐 아니라 여러 요구가 섞인 글이나 내용이 빠진 글도 포함해야 합니다. AI가 깔끔하게 분류한 결과만 보지 말고, 직원이 무엇을 수정했는지와 처리에서 빠진 건이 있었는지를 확인하세요. 기존 방식보다 도움이 되는지 판단하려면 검토와 수정에 걸린 시간도 함께 봐야 합니다.
NIST의 AI 위험관리 프레임워크는 AI가 지원할 구체적인 작업을 정의하고, 사용 맥락에 맞게 평가하며, 사람의 감독 역할을 정하도록 제시합니다. 도입을 검토하는 회사에서도 ‘AI가 무엇을 해주는가’와 함께 ‘어떤 업무 자료로 결과를 확인할 것인가’를 묻는 것이 좋습니다. NIST AI RMF의 작업 정의와 평가 기준
한 업무에서 여러 원인이 함께 나올 수 있습니다. 기록을 남기면서 시스템을 연결하고, 그 위에서 AI가 내용을 분류하도록 조합할 수 있습니다. 원인을 구분하면 기록 정비와 시스템 연결 중 무엇을 먼저 하고, 어느 단계에 AI를 쓸지 정할 수 있습니다.
AI 도입 제안서에서 확인할 기능과 준비 작업
업무를 나눠보고 나면 외부 업체의 제안도 더 구체적으로 검토할 수 있습니다. 챗봇, AI 에이전트, 맞춤형 시스템이라는 이름만으로는 비교하기 어렵습니다. 우리 회사의 어떤 자료를 사용해 어디까지 처리하며, 직원이 어떤 결과를 받아 확인하게 되는지 설명돼 있어야 합니다.
같은 기능을 제안해도 데이터 정리와 시스템 연동의 포함 여부에 따라 도입 범위가 달라질 수 있습니다. 시연에서는 준비된 자료를 사용했지만 회사에서는 직원이 매번 파일을 만들어 올려야 할 수도 있습니다. 직원이 파일을 준비하는 시간까지 포함해도 기존보다 일이 줄어드는지 확인해야 합니다.
대표가 상담 자리에서 물어볼 질문은 구체적일수록 좋습니다.
지금 담당자가 하는 작업 중 어떤 단계가 없어지고, 어떤 단계는 남습니까?
필요한 자료는 어디에서 가져오며, 내용이 바뀌면 어떻게 반영됩니까?
AI 결과가 불확실하거나 자료가 없을 때 직원에게 어떻게 알려줍니까?
담당자는 결과를 확인할 때 어떤 원문과 기록을 볼 수 있습니까?
도입 후 양식과 업무 기준이 바뀌면 누가 수정하고 관리합니까?
이 질문에 대한 답은 기능 설명보다 실제 도입 모습을 이해하는 데 도움이 됩니다. 모든 항목이 자동으로 처리돼야 좋은 제안인 것은 아닙니다. 초기에는 사람이 확인해야 하더라도 그 범위가 분명하고 담당자가 감당할 수 있다면 검토할 수 있습니다. 반대로 자동화 범위가 넓어 보여도 오류가 생겼을 때 처리 방법이 없다면 운영이 어려워질 수 있습니다.
도입 비용을 비교할 때도 같은 업무 범위를 기준으로 해야 합니다. 이용료만 낮고 자료 정리와 검수 부담이 큰 방식이 있을 수 있고, 초기에 연결 작업이 필요하지만 이후 반복 작업을 줄이는 방식도 있을 수 있습니다. 회사가 투입할 직원의 시간까지 포함해 설명을 받아야 서로 다른 제안을 비교하기 쉽습니다.
새로 개발하기 전에 현재 기능부터 확인할 수도 있습니다
검토 과정에서 이미 쓰는 프로그램의 기능으로 해결할 수 있는 일이 발견될 수도 있습니다. 정해진 항목을 모아 보는 보고서나 조건에 맞춰 알림을 보내는 기능이 대표적입니다. 직원들이 그 기능을 모르거나 설정이 업무와 맞지 않아 별도 파일을 만들고 있었다면, 설정과 사용 방식을 바꾸는 것부터 시험할 수 있습니다. 이런 개선을 위해 반드시 새로운 AI 시스템을 구축할 필요는 없습니다.
반면 기존 프로그램이 정보를 제공하더라도 직원이 매번 긴 설명을 읽고 판단해야 한다면 AI가 도울 부분이 남습니다. 우선 현재 기능으로 해결되는 범위를 확인하면, 추가 투자로 얻어야 할 효과도 더 분명해집니다. 도입 검토의 결과가 새 도구 구매가 아니라 기존 기능의 활용으로 이어져도 회사가 겪던 문제가 줄어든다면 의미 있는 개선입니다.
최근 지연된 업무 한 건으로 개선 순서를 정합니다
대표가 처음부터 기술 구성을 결정할 필요는 없습니다. 최근 일이 늦어졌거나 다시 처리했던 업무 한 건을 골라, 담당자와 함께 원인을 나눠보는 것으로 충분히 시작할 수 있습니다. 전체 소요 시간을 확인한 뒤, 자료 찾기·재입력·승인 대기 중 어디에 시간이 들었는지 나눠보세요.
필요한 기록이 없었다면 무엇을 남길지 정합니다. 기록을 찾고 합치는 데 시간이 걸렸다면 연결할 범위를 살펴봅니다. 판단 기준이 달랐다면 먼저 합의할 내용을 정리합니다. 자료가 준비돼 있는데 읽고 비교하는 일이 부담이었다면 그 부분을 AI로 시험합니다. 한 번에 여러 문제가 드러나더라도 모두 동시에 해결해야 하는 것은 아닙니다.
개선 범위는 다음 업무까지 이어서 잡는 것이 좋습니다. 요청 분류를 빠르게 했어도 담당자 배정이 늦으면 고객의 대기 시간은 줄지 않을 수 있습니다. AI가 처리한 단계의 시간과 업무 전체가 끝날 때까지의 시간을 함께 보면, 다음에 손볼 부분을 확인할 수 있습니다. 작은 범위로 시작하되 회사가 원한 결과를 놓치지 않는 방법입니다.
업무 기록을 남기는 간단한 틀도 만들 수 있습니다. ‘현재 처리 과정’, ‘시간이 걸리거나 되돌아가는 지점’, ‘먼저 바꿀 사항’, ‘개선 후 확인할 결과’를 한 장에 적어보세요. 이것이 정리되면 외부 업체에 무엇을 요청해야 할지도 구체적으로 말할 수 있습니다. 도입 제안이 그 문제를 해결하는지 검토할 기준도 생깁니다.
중소기업 AX를 시작할 때 AI와 시스템 개선 중 하나만 고를 필요는 없습니다. 회사가 겪는 문제에 맞춰 기록 방식, 시스템 연결, 업무 기준, AI 기능을 조합하면 됩니다. 어느 단계에서 왜 일이 늦어지는지 확인하면 새 기능이 필요한지, 기존 절차를 고치면 되는지 판단할 수 있습니다.
FlowOS와 상담할 때는 최근 지연된 업무의 요청서, 처리에 사용한 화면이나 파일, 담당자에게 다시 확인했던 내용을 준비해보세요. 기록 방식과 시스템 연결, 업무 기준 중 먼저 고칠 부분을 논의할 수 있습니다. 우리 회사에 필요한 개선을 검토하고 싶다면, FlowOS의 도입 방식을 살펴보세요.