자동화가 진짜 일 줄였는지 확인하기: 시간 절감, 오류 감소, ROI 측정

자동화는 만들었다고 끝나지 않는다. 오히려 그때부터가 시작이다. 많은 사람이 자동화를 만든 뒤 이런 착각에 빠진다. "이제 알아서 돌아가겠지." 하지만 실제 현장에서는 전혀 다른 일이 벌어진다. 어떤 자동화는 시간을 크게 줄여 주고, 어떤 자동화는 오히려 확인 업무를 늘린다. 어떤 자동화는 초반에는 편하지만 한 달 뒤 예외 상황이 쌓이며 손이 더 많이 간다.

그래서 자동화의 마지막 실력은 연결 능력이 아니라 측정 능력이다. 정말 일이 줄었는지, 빨라졌는지, 덜 틀리는지, 다시 손볼 일이 줄었는지를 숫자로 확인해야 한다. 숫자로 보이는 순간부터 자동화는 감상이 아니라 경영이 된다.

이번 장에서는 처리 시간, 응답 속도, 오류율, 재작업률, 만족도를 기준으로 자동화 성과를 측정하는 방법을 배운다. 그리고 그 숫자를 바탕으로 자동화를 더 낫게 고치는 방법까지 익힌다. 목표는 단순하다. "자동화를 만들었다"에서 끝나지 않고, "자동화 덕분에 일이 실제로 줄었다"까지 증명하는 것이다.

자동화의 성과는 느낌이 아니라 숫자로 확인해야 한다

자동화가 잘 돌아간다고 느끼는 것과 실제로 성과가 나는 것은 다르다. 예를 들어 메일 초안 자동화를 만들었는데 작성 시간은 줄었지만 검토 시간이 늘어날 수 있다. 고객 문의 분류 자동화를 만들었는데 분류 속도는 빨라졌지만 잘못 분류된 건이 많아 후속 대응이 꼬일 수도 있다.

이런 문제는 대부분 같은 이유에서 생긴다. 자동화를 만들 때는 "되느냐"에 집중하고, 운영 단계에서는 "얼마나 좋아졌느냐"를 보지 않기 때문이다. 그래서 자동화의 평가 기준을 미리 정해야 한다.

가장 먼저 기억할 원칙은 이것이다. 자동화의 성공은 기능 구현이 아니라 업무 결과 개선으로 판단한다. 즉, 다음 질문에 답할 수 있어야 한다.

• 처리 시간이 줄었는가

• 응답이 더 빨라졌는가

• 실수가 줄었는가

• 다시 손보는 일이 줄었는가

• 실제 사용자가 더 편하다고 느끼는가

이 다섯 가지가 이번 장의 중심 지표다. 어렵게 보일 수 있지만, 사실은 우리가 매일 느끼는 불편을 숫자로 바꾸는 과정일 뿐이다.

먼저 기준선을 잡아야 비교가 된다

자동화 성과 측정의 첫 단계는 자동화 이후가 아니라 자동화 이전이다. 비교 기준이 없으면 좋아졌는지 나빠졌는지 알 수 없다. 이 기준선을 보통 베이스라인이라고 부른다. 쉽게 말하면 "자동화 전의 평소 상태"다.

예를 들어 고객 문의를 정리하는 업무를 자동화했다고 하자. 자동화가 도입되기 전에는 하루 30건의 문의를 사람이 직접 읽고 분류하고 담당자에게 전달했다. 이때 한 건당 평균 6분이 걸렸고, 오분류가 하루 3건 있었으며, 누락 건도 주 2회 정도 발생했다면 이것이 기준선이다.

자동화 후 수치를 보기 전에 먼저 이전 수치를 간단히 적어 두어야 한다. 완벽한 데이터가 없어도 괜찮다. 처음에는 1주일만 손으로 기록해도 충분하다. 중요한 것은 "대충 빨라진 것 같다"가 아니라 "평균 6분에서 2분으로 줄었다"처럼 비교 가능한 상태를 만드는 것이다.

기준선을 잡을 때는 너무 많은 항목을 욕심내지 않는 것이 좋다. 처음에는 핵심 지표 3개만 기록해도 충분하다. 예를 들어 시간, 오류, 재작업 정도만 잡아도 상당히 많은 인사이트를 얻을 수 있다.

꼭 봐야 할 다섯 가지 핵심 지표

이번 장에서는 자동화 성과를 다섯 가지 관점으로 본다. 이 다섯 가지는 대부분의 사무 업무, 운영 업무, 고객 응대 업무, 프리랜서 업무에 공통으로 적용할 수 있다.

처리 시간: 한 건을 끝내는 데 걸리는 시간

처리 시간은 가장 직관적이다. 특정 업무 1건을 완료하는 데 몇 분이 걸리는지를 보면 된다. 예를 들어 제안서 초안 작성, 문의 분류, 회의록 정리, 세금계산서 발행 요청 처리처럼 한 건으로 쪼갤 수 있는 업무에 특히 잘 맞는다.

여기서 주의할 점은 시작과 끝의 기준을 분명히 정하는 것이다. "문의가 들어온 시점부터 담당자에게 전달될 때까지"인지, "초안 작성 시작부터 검토용 문서가 완성될 때까지"인지 범위를 정확히 정해야 숫자가 흔들리지 않는다.

처리 시간은 평균만 보면 위험할 수 있다. 평균은 빨라졌는데 유난히 오래 걸리는 예외 건이 숨어 있을 수 있기 때문이다. 그래서 가능하면 평균과 함께 가장 오래 걸린 상위 몇 건도 같이 본다. 자동화는 평균 개선도 중요하지만, 병목을 줄이는 데 더 큰 가치가 있다.

응답 속도: 상대가 기다리는 시간이 줄었는가

응답 속도는 특히 고객 대응, 내부 요청 처리, 승인 요청, 견적 회신 같은 업무에서 중요하다. 이 지표는 실제 사용자가 체감하는 변화와 가장 가깝다.

예를 들어 이전에는 문의 메일에 첫 답변이 나가기까지 평균 4시간이 걸렸는데, 자동화 후 접수 확인 메일과 1차 분류가 즉시 이루어져 20분 안에 담당자가 확인하도록 바뀌었다면 체감 성과가 매우 크다.

응답 속도는 단순히 빨라지는 것 자체보다, 대기 불안을 줄여 준다는 점에서 효과가 있다. 사람은 느린 처리보다 "언제 될지 모르는 상태"를 더 힘들어한다. 자동화가 접수 확인, 상태 안내, 예상 처리 시간 전달 같은 흐름을 만들어 주면 실제 업무량 이상의 만족도를 만든다.

오류율: 자동화가 실수를 줄였는가

오류율은 생각보다 자주 놓치는 지표다. 자동화가 빨라도 틀리면 다시 손이 간다. 예를 들어 AI가 메일을 잘못 분류하거나, 초안에 잘못된 수치를 넣거나, 회의 요약에서 액션 아이템을 빼먹는다면 결국 사람이 다시 수정해야 한다.

오류율은 업무에 따라 정의가 달라진다. 잘못된 카테고리 분류, 누락된 필수 항목, 잘못된 금액, 잘못 연결된 담당자, 템플릿 형식 불일치 등으로 정할 수 있다. 중요한 것은 "어떤 상태를 오류로 볼 것인가"를 팀 안에서 먼저 합의하는 것이다.

자동화의 성숙도가 올라갈수록 오류율은 더 중요해진다. 초반에는 시간을 줄이는 것만으로도 만족하지만, 실제 운영 단계에서는 정확도가 낮으면 신뢰가 깨진다. 신뢰가 깨지면 사람은 자동화를 덜 쓰고, 결국 자동화는 있어도 없는 상태가 된다.

재작업률: 다시 손보는 비율이 줄었는가

재작업률은 자동화의 진짜 효율을 보여 준다. 처음엔 잘 된 것처럼 보이지만 나중에 사람이 다시 수정, 확인, 정리, 전달해야 한다면 그 자동화는 반쪽짜리다.

예를 들어 AI가 작성한 초안 10건 중 8건을 사람이 크게 고쳐야 한다면, 초안 생성 자체는 자동화되었어도 업무는 거의 줄지 않았을 수 있다. 반대로 초안 10건 중 2건만 소폭 수정하면 된다면 자동화의 질이 높은 것이다.

재작업률은 특히 다음 같은 업무에서 유용하다.

• AI 초안 작성

• 분류 및 라우팅 자동화

• 데이터 추출 자동화

• 보고서 요약 자동화

• 계약서나 문서 검토 보조 자동화

이 지표는 "자동화 결과물을 사람이 얼마나 다시 만져야 하는가"를 보여 준다. 아주 실무적인 지표다.

만족도: 실제 사용자가 편해졌는가

만족도는 숫자로 잡기 어려워 보이지만, 꼭 필요하다. 자동화는 결국 사람이 쓰는 것이다. 팀원이 사용하기 어렵다고 느끼거나, 고객이 응답이 어색하다고 느끼거나, 본인이 자동화를 믿지 못해 매번 불안해한다면 성과는 오래가지 않는다.

만족도는 거창하게 설문 시스템을 만들 필요는 없다. 업무가 끝난 뒤 아주 짧게 물어봐도 충분하다. 예를 들어 "이 자동화가 실제로 시간을 줄였다고 느끼나요?", "결과물을 그대로 써도 될 정도로 신뢰하나요?", "이전 방식보다 편해졌나요?" 같은 질문 3개만 있어도 흐름이 보인다.

특히 창업자나 프리랜서는 자기 자신이 사용자이기도 하다. 이때 만족도는 감정이 아니라 지속 사용 가능성을 뜻한다. 내가 이 자동화를 다음 주에도 계속 쓸지, 다시 수동 방식으로 돌아갈지 판단하는 기준이 된다.

성과 측정표는 복잡할수록 실패한다

많은 사람이 측정의 중요성을 알게 되면 갑자기 거대한 대시보드를 만들고 싶어 한다. 하지만 실무에서는 간단한 표 하나가 가장 오래 간다. 자동화가 많지 않다면 스프레드시트만으로도 충분하다.

가장 기본적인 측정표는 다음 다섯 칸이면 된다.

• 업무명

• 자동화 전 수치

• 자동화 후 수치

• 변화 폭

• 다음 개선 아이디어

예를 들어 이렇게 적을 수 있다.

고객 문의 분류 업무, 처리 시간 6분에서 2분으로 감소, 오류율 10%에서 4%로 감소, 재작업률 40%에서 15%로 감소, 다음 개선 아이디어는 긴급 문의 키워드 규칙 추가.

이 정도만 있어도 운영 방향이 잡힌다. 자동화 성과 측정의 핵심은 정밀함보다 반복 가능성이다. 한 번 복잡하게 재는 것보다, 매주 같은 기준으로 계속 보는 것이 훨씬 중요하다.

시간 절감은 이렇게 계산한다

시간 절감은 가장 먼저 계산해 볼 수 있는 지표다. 계산식도 단순하다.

업무 1건당 절감 시간 × 일정 기간 동안 처리한 건수 = 총 절감 시간

예를 들어 회의록 정리 업무가 이전에는 1건당 40분 걸렸고, 자동화 후 검토 포함 15분이 걸린다고 하자. 한 건당 25분을 줄인 셈이다. 이 업무를 한 달에 20번 한다면 500분, 즉 약 8시간 20분을 절감한다.

여기서 중요한 포인트는 "순수 절감 시간"을 계산하는 것이다. 자동화 실행 시간만 볼 것이 아니라 사람이 개입한 시간까지 포함해야 한다. 자동화가 돌아가는 동안 시스템이 5분 더 쓰는 것은 문제가 아니다. 사람이 손을 떼고 다른 일을 할 수 있다면 그 시간은 절감된 것이다.

직장인에게 이 숫자는 야근 감소, 중요한 업무에 집중할 시간 확보로 연결된다. 창업자에게는 채용을 늦출 수 있는 여유가 된다. 프리랜서에게는 더 많은 프로젝트를 받을 수 있는 생산성으로 바뀐다.

오류 감소는 비용 절감과 직결된다

오류는 단순한 실수가 아니다. 오류는 시간과 신뢰를 동시에 태운다. 잘못 발송한 메일 하나, 잘못된 견적서 하나, 누락된 요청 하나가 후속 업무를 연쇄적으로 만든다.

오류 감소 효과를 보려면 오류 자체만 세지 말고, 오류 1건당 후속 처리 시간을 같이 적는 것이 좋다. 예를 들어 잘못 분류된 문의 1건을 바로잡는 데 평균 12분이 든다면, 하루 5건이 1건으로 줄었을 때 하루 48분이 절감된다. 여기에 고객 불만, 재설명, 담당자 혼선까지 고려하면 실제 가치는 더 크다.

즉, 오류율은 품질 지표이면서 동시에 시간 지표다. 그래서 자동화 성과를 평가할 때 시간 절감과 오류 감소를 따로 보면서도 함께 해석해야 한다.

재작업률을 보면 자동화의 진짜 품질이 보인다

재작업률은 특히 AI 자동화에서 중요하다. AI는 그럴듯한 결과물을 빨리 만들지만, "그대로 써도 되는 수준"과 "결국 사람이 다시 써야 하는 수준" 사이의 차이가 크다.

예를 들어 AI가 작성한 제안서 초안이 문장만 매끄럽고 실제 고객 상황을 반영하지 못한다면, 초안 생성 시간은 줄었어도 제안서 완성 시간은 크게 줄지 않을 수 있다. 반대로 핵심 구조와 문맥이 잘 맞아떨어진다면 수정만으로 끝날 수 있다.

재작업률은 다음처럼 계산할 수 있다.

재작업이 필요한 건수 ÷ 전체 자동화 처리 건수 × 100

여기서 재작업의 기준도 정해야 한다. 단순 오탈자 수정은 제외하고, 사람이 내용을 다시 판단하거나 구조를 크게 바꾸는 경우만 재작업으로 본다. 기준이 너무 넓으면 모든 일이 재작업이 되고, 너무 좁으면 현실을 못 본다.

ROI는 돈 계산이라기보다 판단 계산이다

ROI는 투자 대비 효과를 보는 지표다. 어렵게 느껴질 수 있지만, 핵심은 간단하다. 자동화를 만드는 데 들어간 비용보다 절감 효과가 큰가를 보는 것이다.

기본적인 생각은 이렇다. 자동화 도구 비용, 구축 시간, 유지보수 시간, 추가 검토 시간까지 포함한 전체 비용이 있다. 반대로 절감된 업무 시간, 줄어든 외주비, 감소한 오류 비용, 더 빨라진 응답으로 얻는 기회 가치가 있다. 이 둘을 비교하면 된다.

직장인은 직접 매출로 계산하기 어려울 수 있다. 그럴 때는 ROI를 돈으로만 보지 말고 "업무 여유 확보"와 "핵심 업무 집중도 상승"으로 해석해도 된다. 예를 들어 보고서 정리 시간을 줄여 팀장이 의사결정에 더 빨리 들어갈 수 있다면, 그 자체로 조직 ROI다.

창업자와 프리랜서는 비교적 직접적으로 계산할 수 있다. 한 달에 10시간을 줄이고, 그 시간을 영업이나 유료 작업에 쓸 수 있다면 시간당 단가를 곱해 효과를 산정할 수 있다.

간단한 계산 예시는 이렇다.

자동화 도구 비용이 월 10만 원이고, 유지 관리에 월 2시간이 들며, 내 시간의 가치를 시간당 3만 원으로 본다고 하자. 그러면 월 비용은 16만 원이다. 그런데 자동화 덕분에 월 12시간을 절감했다면 절감 가치는 36만 원이다. 이 경우 순효과는 20만 원이다. 아주 복잡한 회계 계산이 아니어도 충분히 의사결정이 가능하다.

성과 측정은 업무 단위로 해야 한다

자동화 전체를 뭉뚱그려 보면 어디가 좋은지 알기 어렵다. 그래서 업무 단위로 쪼개어 봐야 한다. 예를 들어 "고객 응대 자동화"라고만 하지 말고, 접수 확인, 문의 분류, 담당자 배정, 답변 초안 작성, 결과 공유처럼 나눠서 봐야 한다.

이렇게 쪼개면 같은 자동화 안에서도 효과가 다르게 보인다. 접수 확인은 완벽하게 자동화되어 큰 효과를 냈지만, 답변 초안 작성은 재작업률이 높아 기대만큼 이득이 없을 수 있다. 이 경우 전체 시스템을 갈아엎을 필요는 없고, 초안 작성 부분만 손보면 된다.

자동화 개선이 쉬운 사람은 늘 시스템을 덩어리로 보지 않고 단계로 본다. 측정 역시 마찬가지다.

실습: 내 자동화 성과표 만들기

이제 직접 측정표를 만들어 보자. 스프레드시트든 노션이든 종이든 상관없다. 중요한 것은 바로 적어 보는 것이다.

먼저 자동화한 업무 하나를 고른다. 그리고 다음 항목을 채운다.

• 업무 이름

• 처리 건수 기준, 예를 들어 하루 10건 또는 주 20건

• 자동화 전 처리 시간

• 자동화 후 처리 시간

• 자동화 전 오류율

• 자동화 후 오류율

• 자동화 전 재작업률

• 자동화 후 재작업률

• 사용자 만족도 또는 본인 만족도

• 다음 개선 아이디어 1개

예를 들어 프리랜서 디자이너라면 "고객 문의 접수 후 요구사항 정리" 업무를 넣을 수 있다. 이전에는 메일과 메신저 내용을 수동으로 읽고 브리프를 정리하느라 건당 25분이 걸렸는데, 자동화 후 8분이 걸린다고 적는다. 요구사항 누락률도 20%에서 5%로 줄었는지 본다. 만족도는 "이제 문의만 들어오면 바로 착수할 수 있어서 편하다"처럼 짧게 기록해도 된다.

이 실습의 목적은 멋진 보고서를 만드는 것이 아니다. 자동화 성과를 감으로 말하지 않고 데이터로 말하는 습관을 만드는 것이다.

측정 주기는 짧고 규칙적으로 가져간다

성과 측정은 3개월에 한 번 몰아서 보는 것보다 짧게 자주 보는 편이 낫다. 자동화는 작은 예외가 누적되며 품질이 변하기 때문이다. 처음에는 주간 단위가 가장 좋다.

주간 점검에서는 이런 질문을 던지면 된다. 이번 주에 자동화가 가장 많이 절약한 시간은 어디였는가. 어떤 단계에서 오류가 가장 많이 났는가. 사람이 꼭 다시 손댄 부분은 무엇이었는가. 사용자 불만은 어디에서 생겼는가.

월간 점검에서는 조금 더 크게 본다. 이 자동화를 계속 유지할 가치가 있는가. 자동화 범위를 넓혀도 되는가. 반대로 자동화하지 말아야 할 단계는 무엇인가. 이런 질문이 필요하다.

즉, 주간 점검은 조정, 월간 점검은 판단이다.

좋아진 숫자보다 나빠진 숫자가 더 중요하다

자동화를 운영하다 보면 대개 좋은 숫자만 보고 싶어진다. 하지만 진짜 개선 포인트는 나빠진 숫자에 숨어 있다. 처리 시간은 줄었는데 오류율이 올랐다면, 프롬프트가 너무 공격적으로 요약하고 있을 수 있다. 응답 속도는 빨라졌는데 만족도가 떨어졌다면, 자동 응답 문구가 지나치게 기계적일 수 있다. 초안 작성 속도는 빨라졌는데 재작업률이 그대로라면, 입력 템플릿이 부실할 수 있다.

성과 측정은 잘한 것을 칭찬하는 도구이기도 하지만, 더 중요하게는 잘못 설계된 부분을 찾는 도구다. 숫자가 나빠졌다는 것은 실패가 아니라 개선 위치가 드러났다는 뜻이다.

숫자가 흔들릴 때는 원인을 세 갈래로 본다

성과가 기대만큼 나오지 않을 때는 대개 세 가지 원인 중 하나다. 입력이 나쁘거나, 규칙이 부족하거나, 예외 처리가 약하다.

입력이 나쁘다는 것은 AI에게 들어가는 문서, 요청, 양식의 품질이 들쭉날쭉하다는 뜻이다. 이런 경우 같은 자동화라도 결과 품질이 불안정하다.

규칙이 부족하다는 것은 분류 기준, 우선순위, 금지 조건, 승인 조건이 명확하지 않다는 뜻이다. AI가 애매한 상황에서 흔들리기 쉽다.

예외 처리가 약하다는 것은 정상 흐름은 잘 작동하지만, 예상 밖의 상황에서 사람이 갑자기 많은 일을 떠안게 되는 상태다. 예를 들어 첨부 파일 형식이 다르거나, 필수 정보가 비어 있거나, 중복 요청이 들어올 때 자동화가 멈춘다면 여기에 해당한다.

숫자가 떨어질 때 무조건 모델 탓, 도구 탓부터 하지 말고 이 세 갈래로 점검하면 개선 속도가 빨라진다.

작은 실험으로 자동화를 계속 개선한다

자동화는 한 번 크게 바꾸기보다 작은 실험으로 개선하는 편이 안전하다. 예를 들어 문의 분류 정확도가 낮다면 프롬프트를 한 번에 전면 수정하지 말고, 긴급 문의 키워드 규칙만 먼저 추가해 본다. 메일 초안이 너무 딱딱하다면 문체 지침 한 줄만 바꿔 본다. 재작업률이 높다면 입력 양식에 필수 항목 두 개를 추가해 본다.

그리고 바꾼 뒤 다시 측정한다. 이 과정을 반복하면 자동화는 점점 실무에 맞는 형태로 다듬어진다. 결국 자동화의 실력은 거창한 설계보다 반복적인 조정에서 나온다.

직장인, 창업자, 프리랜서의 측정 포인트는 조금씩 다르다

같은 자동화라도 누구에게 쓰이느냐에 따라 중요 지표가 달라진다.

직장인은 보통 처리 시간과 오류 감소가 가장 중요하다. 팀 내 협업에서는 작은 오류 하나가 여러 사람의 시간을 잡아먹기 때문이다. 또한 상사나 동료를 설득하려면 "몇 시간을 줄였다"가 강력하다.

창업자는 응답 속도와 ROI를 더 민감하게 본다. 고객 응대가 빨라지면 매출 기회가 늘고, 인력 채용 전에 자동화로 버틸 수 있는 폭도 넓어진다.

프리랜서는 재작업률과 만족도가 특히 중요하다. 초안은 빨리 나왔는데 결국 밤에 다시 다 뜯어고쳐야 한다면 자동화는 도움이 안 된다. 반대로 결과물을 거의 그대로 활용할 수 있다면 수익성이 확 달라진다.

즉, 모든 지표를 다 보되, 내 역할에 맞는 우선순위를 가져야 한다.

자동화 성과 리뷰 미팅은 이렇게 한다

혼자 일하든 팀으로 일하든, 자동화는 정기적으로 리뷰하는 시간이 필요하다. 길게 할 필요는 없다. 15분이면 충분하다.

리뷰 순서는 단순해야 한다. 먼저 지난 기간 처리 건수와 절감 시간을 본다. 그다음 오류와 재작업이 늘었는지 본다. 마지막으로 다음 주에 바꿔 볼 항목 하나만 정한다.

여기서 중요한 것은 한 번에 많은 개선안을 내지 않는 것이다. 자동화 리뷰가 길어지면 결국 안 하게 된다. 항상 "이번 주에는 이것 하나만 바꾼다"로 끝내야 한다.

예를 들어 이렇게 정할 수 있다. 문의 분류 자동화에서 오분류가 반복되므로, 다음 주에는 환불 관련 키워드를 별도 우선순위 규칙으로 뺀다. 또는 회의록 자동화에서 액션 아이템 누락이 많으므로, 다음 주에는 출력 형식을 '결정 사항'과 '담당자별 할 일'로 강제한다.

이처럼 리뷰는 평가가 아니라 다음 실험을 정하는 시간이다.

자동화를 중단해야 할 때도 있다

모든 자동화가 유지할 가치가 있는 것은 아니다. 어떤 자동화는 만드는 재미는 있었지만 실제 성과가 거의 없다. 어떤 자동화는 예외가 너무 많아 사람이 오히려 더 많이 개입해야 한다. 어떤 자동화는 유지보수 비용이 절감 효과보다 커진다.

이럴 때는 미련 없이 축소하거나 중단해야 한다. 자동화를 멈추는 것도 실력이다. 중요한 것은 자동화 개수보다 실질적인 업무 절감이다.

특히 다음과 같은 경우는 중단 또는 재설계를 고민해야 한다.

• 재작업률이 계속 높아 사람이 사실상 처음부터 다시 하는 경우

• 오류가 적지 않게 발생해 신뢰를 잃은 경우

• 유지 관리 시간이 절감 시간과 비슷하거나 더 큰 경우

• 실제 사용자가 거의 쓰지 않는 경우

자동화는 많을수록 좋은 것이 아니라, 살아남는 것만 좋은 것이다.

실습: 내 업무 자동화의 ROI 한 번 계산해 보기

이제 아주 간단한 방식으로 직접 계산해 보자. 수학을 잘할 필요는 없다. 다음 순서대로 적으면 된다.

첫째, 자동화에 들어가는 월 비용을 적는다. 도구 사용료, 외주 비용, 내 유지 관리 시간을 포함한다.

둘째, 자동화로 줄어든 월 시간을 적는다. 한 건당 절감 시간에 월 처리 건수를 곱하면 된다.

셋째, 줄어든 시간을 금액 또는 가치로 바꾼다. 직장인은 내 시간의 가치를 팀 생산성으로, 창업자와 프리랜서는 시간당 단가나 창출 가능한 매출로 바꾸면 된다.

넷째, 비용과 가치를 비교한다. 가치가 더 크면 유지하고, 비슷하면 개선 포인트를 찾고, 비용이 더 크면 중단 또는 단순화한다.

이 계산은 완벽하지 않아도 괜찮다. 중요한 것은 자동화를 "좋아 보여서"가 아니라 "남는 장사인지"로 보는 눈을 갖는 것이다.

자동화는 측정하는 사람의 것이 된다

같은 도구를 써도 누구는 업무가 줄고, 누구는 손이 더 간다. 차이는 대부분 측정 습관에서 나온다. 자동화를 잘 쓰는 사람은 결과를 믿지 않고 확인한다. 잘된 부분만 보지 않고, 느려진 곳과 틀린 곳을 같이 본다. 그리고 작은 수정을 반복한다.

자동화는 완성품이 아니라 운영품이다. 오늘 잘 되던 흐름도 입력이 바뀌고, 고객이 바뀌고, 팀 방식이 바뀌면 금방 성능이 달라진다. 그래서 측정은 사후 관리가 아니라 자동화의 일부다.

우리가 원하는 것은 멋진 자동화 화면이 아니다. 진짜 목표는 퇴근이 빨라지는 것이다. 일을 덜 붙잡고, 덜 다시 하고, 덜 기다리고, 덜 확인하게 만드는 것이다. 그러려면 자동화가 만든 결과를 숫자로 확인해야 한다.

자동화는 만들고 끝나는 것이 아니라, 측정해야 계속 좋아진다. 이 문장을 기억하자. 자동화를 도입한 사람과 자동화로 실제 일을 줄인 사람의 차이는 바로 여기에서 벌어진다.

실행 체크리스트

이 장을 덮기 전에 지금 바로 아래 다섯 가지를 해 보자.

• 자동화한 업무 하나를 고른다.

• 자동화 전과 후의 처리 시간을 적는다.

• 오류율 또는 재작업률 한 가지를 함께 적는다.

• 이번 주에 바꿔 볼 개선 항목 하나만 정한다.

• 다음 주 같은 시간에 다시 측정하기로 캘린더에 넣는다.

이 다섯 줄만 실행해도 자동화는 더 이상 감이 아니라 시스템이 된다.

다음 장에서는 지금까지 만든 흐름을 직무별 실전 템플릿으로 정리하고, 내 업무 하나를 바로 줄이는 최종 프로젝트 형태로 완성해 본다. 이제 우리는 AI를 아는 사람이 아니라, AI로 실제 일을 줄이는 사람에 가까워지고 있다.