AI 도입 전 반드시 해야 할 업무 진단

AI 도입이 실패하는 가장 흔한 이유는 기술이 부족해서가 아니다. 대부분은 어떤 업무에 AI를 붙여야 하는지 모른 채 도구부터 구매하기 때문이다.

대표가 "우리도 AI를 써보자"고 말하면, 회사는 곧바로 챗GPT, 코파일럿, 자동화 도구, 사내 챗봇, 문서 요약 서비스부터 검토한다. 몇몇 직원은 신기해하며 써본다. 마케팅팀은 카피를 만들어보고, 영업팀은 이메일 초안을 써보고, 인사팀은 채용 공고를 다듬어본다. 그런데 한두 달이 지나면 이런 질문이 돌아온다.

"그래서 실제로 뭐가 좋아졌지?"

이 질문에 답하지 못하면 AI 도입은 '재미있는 실험'에서 멈춘다. 반대로 AI 도입 전 업무를 제대로 진단한 회사는 다르다. 어떤 업무가 반복되는지, 어디에서 시간이 새는지, 어떤 오류가 비용을 만드는지, 어떤 결정에 데이터가 필요한지, 어느 지점에서 사람이 반드시 검토해야 하는지를 알고 시작한다. 그러면 AI는 장난감이 아니라 운영 시스템의 일부가 된다.

이번 장의 목적은 명확하다. 회사의 실제 업무를 AI 관점에서 분해하고, 우선순위를 정하는 방법을 익히는 것이다. 좋은 AI 프로젝트는 좋은 업무 진단에서 시작된다.

AI를 붙이기 전에 업무를 먼저 해부하라

기업의 업무는 겉으로 보면 하나의 덩어리처럼 보인다. "영업한다", "고객 문의를 처리한다", "채용한다", "월말 결산을 한다", "신제품 캠페인을 준비한다"처럼 말이다. 하지만 AI를 적용하려면 이 표현은 너무 크다.

예를 들어 "고객 문의 처리"라는 업무를 생각해보자. 이 업무 안에는 고객 메시지를 읽는 일, 문의 유형을 분류하는 일, 과거 상담 이력을 찾는 일, 답변 초안을 작성하는 일, 환불 가능 여부를 확인하는 일, 고객에게 회신하는 일, 처리 결과를 CRM이나 상담 시스템에 기록하는 일이 섞여 있다.

이 중 어떤 일은 AI가 잘한다. 문의 유형 분류, 상담 이력 요약, 답변 초안 작성은 AI가 빠르게 처리할 수 있다. 하지만 환불 승인처럼 회사 정책과 고객 관계, 예외 상황이 얽힌 판단은 사람의 검토가 필요할 수 있다. 고객에게 최종 메시지를 보내는 일도 브랜드 톤과 법적 리스크에 따라 승인 절차가 필요하다.

즉, AI 도입의 출발점은 "이 업무를 AI로 대체할 수 있을까?"가 아니다. 더 정확한 질문은 이것이다.

"이 업무를 구성하는 작은 단위 중 어디에 AI를 삽입하면 속도, 품질, 확장성이 좋아지는가?"

업무를 해부하지 않으면 AI 적용 지점을 찾을 수 없다. 전체 업무를 통째로 자동화하려고 하면 위험하고 어렵다. 반대로 업무를 작은 단위로 쪼개면 AI가 맡을 수 있는 부분과 사람이 지켜야 할 부분이 선명해진다.

업무를 다섯 가지 유형으로 나누기

AI 관점에서 업무를 진단할 때는 먼저 업무의 성격을 구분해야 한다. 모든 업무가 같은 방식으로 AI화되는 것은 아니다. 어떤 업무는 자동화가 적합하고, 어떤 업무는 의사결정 보조가 적합하며, 어떤 업무는 초안 작성이나 검토 보조 정도가 적합하다.

실무에서는 다음 다섯 가지 유형으로 나누면 충분하다.

이 분류는 업무를 완벽하게 나누기 위한 것이 아니다. 실제 업무는 여러 유형이 섞여 있다. 예를 들어 제안서 작성은 창작 업무이면서 판단 업무이고, 고객 커뮤니케이션 업무이기도 하다. 중요한 것은 "이 업무를 AI가 대신할 수 있느냐"가 아니라 "이 업무의 어느 성격에 AI를 어떻게 붙일 수 있느냐"를 보는 것이다.

반복 업무에는 자동화가 잘 맞는다. 매일 같은 형식의 데이터를 옮기거나, 이메일을 분류하거나, 보고서 초안을 만드는 일은 AI와 자동화 도구의 결합으로 효과를 보기 쉽다.

판단 업무에는 AI를 '결정자'가 아니라 '분석 보조자'로 두는 편이 안전하다. AI가 근거 자료를 요약하고, 대안을 비교하고, 위험 신호를 표시할 수는 있다. 하지만 예산 집행, 인사 평가, 법적 판단, 고객 보상처럼 책임이 큰 결정은 사람이 최종 승인해야 한다.

창작 업무에서는 AI가 빈 화면의 부담을 줄인다. 기획자가 아무것도 없는 상태에서 시작하는 대신, AI가 여러 방향의 초안을 만들어주면 사람은 선택하고 다듬는 데 집중할 수 있다. 단, 브랜드 전략과 고객 이해까지 AI에게 전부 맡기면 결과물이 평범해지기 쉽다.

커뮤니케이션 업무에서는 속도와 일관성이 좋아진다. 고객 문의 답변, 영업 후속 메일, 회의 요약, 사내 공지문은 AI가 초안을 만들고 사람이 톤과 맥락을 조정하는 방식이 유용하다.

승인 업무에서는 자동화보다 구조화가 중요하다. AI가 승인에 필요한 정보를 모으고, 누락된 항목을 체크하고, 과거 유사 사례를 보여주는 방식이다. 최종 승인 버튼은 사람에게 남겨두되, 승인자가 더 빨리 판단할 수 있도록 만드는 것이 핵심이다.

업무 목록을 만드는 가장 현실적인 방법

업무 진단을 시작할 때 많은 회사가 거창한 프로세스 맵을 만들려고 한다. 하지만 처음부터 완벽한 업무 지도를 만들 필요는 없다. 오히려 너무 정교하게 시작하면 문서 작업에 지쳐 실제 AI 도입까지 가지 못한다.

가장 현실적인 방법은 부서별로 1~2주 동안 실제 업무를 기록하는 것이다. 이때 중요한 것은 직무기술서가 아니라 현장에서 실제로 반복되는 행동을 적는 것이다.

예를 들어 마케팅팀의 직무기술서에는 "콘텐츠 전략 수립"이라고 적혀 있을 수 있다. 하지만 실제 업무 기록에는 다음과 같은 항목이 나와야 한다.

이렇게 적어야 AI가 들어갈 자리가 보인다. "콘텐츠 전략 수립"이라는 큰 말만으로는 AI 적용 여부를 판단하기 어렵지만, "경쟁사 블로그 콘텐츠 확인"이나 "고객 리뷰 분석"은 AI로 요약, 분류, 패턴 추출을 할 수 있다는 사실이 바로 드러난다.

업무 목록을 만들 때는 담당자에게 "당신의 핵심 업무가 무엇입니까?"라고 묻는 것만으로 부족하다. 사람은 자신이 중요하다고 생각하는 업무는 잘 말하지만, 귀찮고 사소해서 매일 시간을 잡아먹는 업무는 잘 말하지 않는다. 그래서 질문을 바꿔야 한다.

"하루 중 반복해서 복사하고 붙여넣는 일은 무엇인가요?"

"자료를 찾느라 시간이 오래 걸리는 순간은 언제인가요?"

"실수가 나면 다시 처리해야 하는 업무는 무엇인가요?"

"누군가의 승인을 기다리느라 멈추는 지점은 어디인가요?"

"매번 비슷하게 작성하지만 표현만 조금 달라지는 문서는 무엇인가요?"

이 질문에 대한 답이 AI 도입 후보가 된다.

AI 적용 가능성을 평가하는 다섯 가지 기준

업무 목록을 만들었다면 이제 우선순위를 정해야 한다. 모든 업무에 AI를 한꺼번에 적용할 수는 없다. 시간, 예산, 보안, 데이터 품질, 조직 수용성을 고려해야 한다. 이때 다음 다섯 가지 기준으로 평가하면 좋다.

여기서 주의할 점이 있다. 앞의 네 기준은 높을수록 AI 적용 매력이 커진다. 반면 보안 민감도는 높을수록 신중해야 한다. 즉, 빈도와 소요 시간이 높다고 해서 무조건 먼저 자동화하면 안 된다. 고객 개인정보, 급여 정보, 계약 조건, 영업비밀이 포함되어 있다면 보안 검토와 접근 통제가 먼저다.

간단한 점수표를 만들어보자. 각 항목을 1점부터 5점까지 평가한다. 보안 민감도는 별도로 표시한다.

이 표를 만들면 논쟁이 줄어든다. AI 도입 논의가 감이나 취향이 아니라 기준에 따라 진행되기 때문이다.

어떤 팀장은 "우리 팀은 제안서 작성이 제일 힘드니 그것부터 AI화하자"고 말할 수 있다. 다른 팀원은 "고객 미팅 후 CRM 기록이 더 반복적이고 귀찮다"고 말할 수 있다. 이때 점수표를 놓고 보면 무엇을 먼저 해야 할지 더 명확해진다. 제안서 작성은 임팩트가 크지만 난이도도 높을 수 있고, CRM 기록 자동화는 작지만 빠른 성과를 낼 수 있다.

쉬운 자동화와 큰 성과 자동화는 다르다

AI 도입 초기에 가장 많이 생기는 착각은 "자동화하기 쉬운 업무가 가장 좋은 업무"라고 생각하는 것이다. 물론 쉬운 업무부터 시작하는 것은 중요하다. 빠른 성공 경험이 있어야 조직이 움직인다. 하지만 쉬운 업무만 자동화하면 성과가 작게 흩어진다.

예를 들어 회의록 요약은 많은 회사에서 빠르게 적용할 수 있다. 녹취 파일이나 회의 메모를 AI가 요약하고, 액션 아이템을 뽑아준다. 유용하다. 하지만 회사 전체 성과 관점에서 보면 회의록 요약만으로 매출이 크게 늘거나 비용 구조가 바뀌지는 않는다.

반면 고객지원 문의를 자동 분류하고, 우선순위를 매기고, 상담원에게 답변 초안을 제공하고, 처리 결과를 자동 기록하는 시스템은 구축 난이도가 더 높다. 그러나 문의량이 많은 회사라면 처리 속도, 고객 만족도, 상담원 생산성에 큰 영향을 줄 수 있다.

그래서 업무 진단에는 반드시 영향도·난이도 매트릭스가 필요하다.

낮은 난이도이면서 높은 영향도를 가진 업무는 가장 먼저 실행해야 한다. 예를 들어 반복적인 고객 문의 답변 초안 작성, 영업 미팅 요약 후 CRM 기록, 광고 소재 초안 생성처럼 데이터 접근이 쉽고 현업 체감 효과가 큰 업무가 여기에 해당한다.

높은 영향도이지만 난이도도 높은 업무는 전략 프로젝트로 분류한다. 예를 들어 사내 지식 검색 시스템, 계약 리스크 검토 자동화, 수요 예측 기반 재고 운영, 멀티 에이전트 기반 영업 지원 시스템은 성과가 크지만 데이터 정비, 보안 검토, 시스템 연동이 필요하다. 이런 업무는 파일럿으로 가능성을 확인한 뒤 단계적으로 추진해야 한다.

낮은 영향도이면서 낮은 난이도의 업무는 빠른 실험에 적합하다. 회의 제목 추천, 간단한 공지문 작성, 내부 행사 안내문 초안 생성 같은 업무다. 조직의 AI 감각을 키우는 데는 좋지만, 이것만으로 AI 성과를 주장하기는 어렵다.

낮은 영향도이면서 높은 난이도의 업무는 과감히 미루는 편이 낫다. 일부 임원이 보기에는 멋있어 보이지만 현업 성과와 연결되지 않는 프로젝트가 여기에 속한다. AI 도입 초기에 이런 프로젝트를 잡으면 예산은 쓰고 신뢰는 잃기 쉽다.

업무 흐름을 입력, 처리, 검토, 승인, 기록으로 쪼개기

업무 유형과 우선순위를 정했다면 이제 실제 업무 흐름 속에서 AI 삽입 지점을 찾아야 한다. 이때 가장 단순하면서도 강력한 틀이 있다.

입력 → 처리 → 검토 → 승인 → 기록

대부분의 기업 업무는 이 다섯 단계로 설명할 수 있다.

예를 들어 영업팀의 고객 미팅 후속 업무를 이 구조로 쪼개보자.

이렇게 보면 "영업을 AI로 자동화한다"는 막연한 표현이 구체적인 실행 과제로 바뀐다. AI는 영업 담당자를 대체하는 것이 아니라 미팅 이후의 정리, 분석, 기록 시간을 줄여준다. 담당자는 고객과의 관계 형성, 협상, 전략적 판단에 더 많은 시간을 쓸 수 있다.

이번에는 인사팀의 채용 업무를 보자.

이 흐름에서 AI는 채용 결정을 내려서는 안 된다. 하지만 서류 내용을 정리하고, 직무 요건과 비교하고, 면접 질문을 준비하는 데 도움을 줄 수 있다. 사람은 편향과 차별 가능성을 점검하고, 조직 적합성과 역할 기대치를 판단해야 한다.

이 구조의 장점은 모든 부서에 적용할 수 있다는 점이다. 마케팅 캠페인, 월말 결산, 계약 검토, 고객 상담, 개발 배포, 구매 승인까지 대부분의 업무는 입력, 처리, 검토, 승인, 기록의 흐름 안에서 분석할 수 있다.

부서별 AI 기회 지도를 만드는 법

업무 진단의 결과물은 두꺼운 보고서가 아니라 부서별 AI 기회 지도여야 한다. 이것은 각 부서의 주요 업무 흐름과 AI 적용 후보를 한눈에 볼 수 있게 만든 문서다.

AI 기회 지도에는 최소한 다음 정보가 들어가야 한다.

예를 들어 고객지원 부서의 AI 기회 지도는 이렇게 시작할 수 있다.

이 지도를 만들면 부서장은 AI 도입을 막연한 혁신 과제가 아니라 관리 가능한 업무 개선 과제로 볼 수 있다. 실무자는 "AI가 내 일을 빼앗는다"는 불안보다 "내가 귀찮아하던 일을 줄여준다"는 체감을 얻을 수 있다.

데이터 접근성이 낮으면 AI 성과도 낮다

AI 적용 가능성을 평가할 때 많은 회사가 놓치는 기준이 데이터 접근성이다. 업무가 반복적이고 시간이 많이 걸려도, AI가 참고할 수 있는 데이터가 흩어져 있거나 품질이 낮으면 성과가 나오기 어렵다.

예를 들어 사내 지식 챗봇을 만들고 싶다고 해보자. 문서가 잘 정리되어 있고, 최신 버전이 관리되고 있으며, 문서마다 담당자와 적용 범위가 명확하다면 AI는 꽤 유용한 답변을 할 수 있다. 하지만 문서가 개인 PC, 슬랙, 이메일, 구글 드라이브, 노션, 오래된 위키에 흩어져 있고 서로 다른 버전이 존재한다면 AI는 혼란스러운 답변을 내놓을 가능성이 높다.

AI는 마법사가 아니다. 엉킨 문서를 넣으면 엉킨 답변이 나온다. 낡은 정책 문서를 넣으면 낡은 답변을 한다. 출처가 불분명한 데이터를 넣으면 그럴듯하지만 위험한 답변을 할 수 있다.

그래서 업무 진단에는 반드시 데이터 진단이 포함되어야 한다. 다음 질문에 답해보자.

데이터 접근성이 낮은 업무는 AI 적용을 포기해야 한다는 뜻이 아니다. 다만 순서를 바꿔야 한다. 먼저 문서를 정리하고, 데이터 위치를 통합하고, 권한 체계를 만든 뒤 AI를 붙여야 한다. 이 단계를 건너뛰면 사내 AI는 직원들의 신뢰를 잃는다.

직원이 사내 챗봇에게 "우리 회사 환불 정책이 뭐야?"라고 물었는데, 2년 전 정책을 기준으로 답한다면 어떻게 될까. 한 번 틀린 답을 경험한 직원은 다시 묻지 않는다. AI 도입에서 신뢰는 기능보다 중요하다.

보안 민감도가 높은 업무는 자동화보다 통제가 먼저다

업무 진단에서 또 하나 중요한 기준은 보안 민감도다. AI가 처리하는 데이터에는 고객 정보, 직원 정보, 계약 조건, 재무 수치, 제품 전략, 소스코드, 내부 회의록 등이 포함될 수 있다. 이런 정보가 외부 도구에 그대로 입력되면 보안 사고로 이어질 수 있다.

따라서 보안 민감도가 높은 업무는 "AI를 쓸 수 있느냐"보다 "어떤 조건에서 쓸 수 있느냐"를 먼저 따져야 한다.

예를 들어 법무팀의 계약서 검토는 AI 적용 효과가 큰 업무다. 계약서를 요약하고, 불리한 조항을 표시하고, 표준 계약서와 다른 부분을 찾아낼 수 있다. 그러나 계약서에는 가격 조건, 고객명, 비밀 조항, 기술 정보가 들어 있다. 아무 AI 도구에나 업로드해서는 안 된다.

인사팀의 직원 만족도 분석도 마찬가지다. 자유 의견을 AI가 분석하면 조직의 불만 요인을 빠르게 파악할 수 있다. 하지만 개인이 식별될 수 있는 정보가 포함되어 있다면 익명화와 접근 제한이 필요하다.

보안 민감도가 높은 업무는 다음 원칙을 적용한다.

AI 도입은 속도만의 문제가 아니다. 통제되지 않은 속도는 사고를 만든다. 특히 기업 AI에서는 "빨리 자동화했는가"보다 "안전하게 반복 가능한가"가 더 중요하다.

업무 진단 워크숍 운영하기

이제 실제 회사에서 업무 진단을 어떻게 진행할지 살펴보자. 가장 좋은 방식은 부서별 워크숍이다. 한 부서당 2~3시간이면 1차 진단을 할 수 있다. 처음부터 완벽한 결과를 만들 필요는 없다. 중요한 것은 현업의 언어로 업무를 드러내는 것이다.

워크숍은 다음 순서로 진행하면 좋다.

워크숍에서 중요한 것은 "AI로 무엇을 할 수 있을까?"라는 질문으로 시작하지 않는 것이다. 그러면 대화가 도구 중심으로 흐른다. 대신 "우리 부서에서 시간이 가장 많이 새는 곳은 어디인가?", "실수가 반복되는 곳은 어디인가?", "고객이나 내부 직원이 자주 불만을 말하는 지점은 어디인가?"로 시작해야 한다.

AI는 문제를 해결하기 위한 수단이다. 문제가 선명하지 않으면 AI도 선명한 성과를 만들 수 없다.

워크숍을 진행할 때는 직급이 높은 사람만 모아서는 안 된다. 실제 업무를 매일 처리하는 실무자가 반드시 참여해야 한다. 팀장과 임원은 큰 흐름을 알지만, 반복 입력과 복사·붙여넣기, 승인 대기, 문서 검색의 고통은 실무자가 더 정확히 안다. AI 기회는 회의실의 전략 문서보다 현장의 귀찮음 속에서 발견되는 경우가 많다.

업무 진단 결과를 파일럿 후보로 바꾸기

업무 진단이 끝나면 여러 AI 후보가 나온다. 이때 욕심을 내서 모든 것을 동시에 추진하면 안 된다. 첫 번째 파일럿은 작고 명확해야 한다. 성과 측정이 가능해야 하고, 현업이 실제로 써볼 수 있어야 하며, 실패해도 회사 전체에 큰 위험을 주지 않아야 한다.

좋은 파일럿 후보는 다음 조건을 갖는다.

예를 들어 "전사 사내 지식 AI 구축"은 멋진 프로젝트지만 첫 파일럿으로는 클 수 있다. 대신 "고객지원팀의 배송·환불 FAQ 답변 초안 생성"처럼 범위를 좁히면 실행하기 쉽다. 이후 성과가 확인되면 제품 문의, 기술 문의, 클레임 대응으로 확장할 수 있다.

또 "영업 전 과정 자동화"보다 "미팅 녹취 요약 후 CRM 입력 자동화"가 첫 파일럿으로 적합하다. 영업 담당자가 체감하는 불편이 명확하고, 처리 시간 절감 효과를 측정하기 쉽기 때문이다.

첫 파일럿의 목적은 완벽한 AI 시스템을 만드는 것이 아니다. 조직이 AI를 업무 흐름 안에 넣는 감각을 익히는 것이다. 한 번 성공하면 다음 프로젝트는 훨씬 쉬워진다.

진단 없이 도입한 AI는 성과가 흩어진다

AI 도입은 새로운 도구를 설치하는 일이 아니라 업무 운영 방식을 다시 설계하는 일이다. 그래서 출발점은 언제나 업무 진단이어야 한다.

업무를 진단하지 않은 회사는 AI를 여기저기 흩뿌린다. 어떤 직원은 문서 요약에 쓰고, 어떤 직원은 이메일 작성에 쓰고, 어떤 직원은 아이디어 회의에 쓴다. 개별적으로는 편리할 수 있지만 조직 전체의 성과로 연결되기 어렵다. 반면 업무를 진단한 회사는 AI를 병목 지점에 집중시킨다. 시간이 많이 걸리는 곳, 오류가 잦은 곳, 고객 불만이 쌓이는 곳, 승인 대기가 긴 곳, 데이터가 방치되는 곳을 찾아 AI를 넣는다.

AI 성과는 도구의 개수에서 나오지 않는다. 적용 지점의 정확도에서 나온다.

이번 장에서 다룬 업무 진단의 핵심은 네 가지다.

• 업무를 반복, 판단, 창작, 커뮤니케이션, 승인 업무로 나누어 성격을 파악한다.

• 빈도, 소요 시간, 오류 비용, 데이터 접근성, 보안 민감도를 기준으로 AI 적용 가능성을 평가한다.

• 영향도·난이도 매트릭스로 쉬운 자동화와 큰 성과 자동화를 구분한다.

• 부서별 업무 흐름을 입력, 처리, 검토, 승인, 기록 단계로 쪼개 AI 삽입 지점을 찾는다.

AI 도입을 서두르는 회사일수록 이 과정을 건너뛰고 싶어 한다. 하지만 역설적으로, 빠르게 성과를 내는 회사는 먼저 멈춰서 업무를 본다. 어디가 막혀 있는지, 무엇이 반복되는지, 어떤 결정이 지연되는지, 어떤 기록이 누락되는지를 확인한다.

AI는 모든 업무에 똑같이 유용하지 않다. 그러나 제대로 찾은 업무에는 강력하다. 다음 장에서는 이렇게 진단한 업무 목록을 바탕으로, 좋은 AI 유스케이스를 어떻게 발굴하고 설계할지 살펴본다.