생성형 AI를 업무에 도입할 때 흔한 실수는 가장 중요한 일을 처음부터 통째로 맡기는 것입니다. 시작 단계의 목표는 완벽한 자동화가 아니라 어떤 작업에서 일관된 도움을 받을 수 있는지 확인하는 것입니다.
처음 맡길 일은 가장 멋진 일이 아니다
AI를 처음 쓰면 보고서 전체나 고객 대응 자동화처럼 눈에 띄는 일을 떠올리기 쉽다. 하지만 첫 실험에는 반복되고, 틀렸을 때 바로 알아차릴 수 있고, 외부로 바로 나가지 않는 일이 더 적합하다. 실제 회사 자료 대신 구조가 같은 합성 예제로 여러 번 시험하고, 생성 시간보다 검수와 원복 시간을 함께 기록한다.
허보람의 10년 경험을 AI에게 인수인계할 수 있나요?는 AI 도입의 어려움이 도구보다 업무 순서와 판단 기준을 설명하는 데 있었다고 말합니다. 처음부터 자동화를 목표로 하기보다 내가 무엇을 보고 이 결과를 승인하는가를 적는 것이 출발점입니다.
첫 작업을 고르는 2×2 기준
| 오류를 쉽게 발견 | 오류를 발견하기 어려움 | |
|---|---|---|
| 오류 영향이 낮음 | 첫 실험에 적합: 형식 변환, 분류, 아이디어 확장 | 합성 예제로만 탐색, 사람 검수 강화 |
| 오류 영향이 높음 | 초안 보조만 사용, 개별 승인 | 자동화 금지: 법적·인사·안전·결제 결정 |
업무가 자주 반복돼도 오류를 알아보기 어렵다면 첫 대상이 아닙니다. 반대로 자주 하지 않는 일이라도 결과 형식이 명확하고 검증이 쉬우면 작은 실험에는 적합할 수 있습니다.
1. 위험이 낮고 반복되는 작업을 고릅니다
처음에는 결과가 틀려도 즉시 발견할 수 있는 작업이 좋습니다.
- 이미 작성한 문장의 톤을 정리하기
- 회의 메모를 담당자와 기한으로 분류하기
- 표의 열 이름을 통일하기
- 아이디어를 여러 관점으로 확장하기
계약 조건 해석, 인사 평가, 최종 수치 보고처럼 오류 비용이 큰 작업은 나중으로 미룹니다. AI가 초안을 만들 수는 있어도 책임 있는 담당자의 검토가 필요합니다.
2. 실제 자료 대신 합성 예제로 먼저 시험합니다
예를 들어 고객 불만 이메일을 요약하려면 실제 고객 이름과 주문번호를 넣지 않습니다. 구조가 비슷한 가상 메시지를 만들어 원하는 출력 형식이 나오는지 확인합니다.
목적: 아래 가상 고객 문의를 담당 팀에 전달할 요약으로 바꿔줘.
입력: [개인정보를 제거한 합성 문의]
제약: 사실을 추가하지 말고 불확실한 내용은 ‘확인 필요’로 표시해.
출력: 문제 / 고객 요청 / 담당 부서 / 다음 행동의 4개 항목.
3. 결과보다 검증 과정을 기록합니다
같은 유형의 작업을 5번 시험하며 다음을 기록합니다.
- 수정 없이 사용할 수 있었는가?
- 어떤 오류가 반복됐는가?
- 입력을 어떻게 바꾸면 결과가 나아졌는가?
- 사람이 반드시 확인할 항목은 무엇인가?
이 기록이 쌓이면 팀의 프롬프트보다 중요한 사용 기준이 됩니다.
4. 반복 가능할 때만 범위를 넓힙니다
한 번 좋은 결과가 나온 것은 자동화가 아닙니다. 입력 형식이 조금 달라져도 결과 품질이 유지되는지 확인해야 합니다. 예외가 많다면 AI가 초안을 만들고 사람이 구조를 확정하는 보조 방식이 안전합니다.
첫 일주일을 실제 기록으로 남기는 예제
가상의 주간 회의 메모 분류를 첫 업무로 골랐다고 해보자. 목표는 회의록을 예쁘게 쓰는 것이 아니라 결정 / 담당자 / 기한 / 확인 필요 네 칸으로 나누는 일이다. 월요일에는 모든 정보가 있는 메모를, 화요일에는 담당자가 없는 메모를, 수요일에는 제안과 확정이 섞인 메모를 넣는다. 목요일에는 기한이 서로 충돌하는 문장을, 금요일에는 같은 형식의 새 메모를 넣어 재현성을 본다.
| 날 | 바꾼 입력 | 기대 결과 | 실제로 기록할 것 |
|---|---|---|---|
| 월 | 결정·담당·기한 모두 있음 | 네 칸을 정확히 분류 | 수정한 칸과 이유 |
| 화 | 담당자 없음 | 담당자를 만들지 않고 확인 필요 |
AI가 이름을 추측했는가 |
| 수 | “검토하자”와 “진행한다”가 섞임 | 제안과 확정을 분리 | 확정으로 잘못 바꾼 문장 |
| 목 | 기한 두 개가 충돌 | 하나를 고르지 않고 충돌 표시 | 사람이 다시 물을 질문 |
| 금 | 같은 구조의 새 메모 | 앞의 규칙을 다시 적용 | 전체 검수 시간 |
이 예제에서 성공은 다섯 번 모두 수정 없이 나온 상태가 아니다. 어떤 입력에서 흔들리는지 알았고, 담당자 추측과 기한 충돌을 사람이 확인하도록 범위를 정했다면 첫 실험의 목적을 달성한 것이다. 검수 시간이 기존 정리 시간보다 계속 길다면 AI에게 맡길 이유도 다시 묻는다.
잘 안 되는 경우
- 목표 없이 “정리해줘”라고만 요청했을 때
- 원자료에 누락과 모순이 있는데 AI가 해결해주길 기대할 때
- 결과를 확인할 담당자와 기준이 없을 때
- 개인정보와 사내 기밀을 그대로 붙여넣을 때
성공 여부를 기록하는 표
| 항목 | 기록 방법 | 실패 신호 |
|---|---|---|
| 초안 시간 | 시작부터 결과 생성까지 | 기존 방식보다 길어짐 |
| 검수 시간 | 원자료 대조와 수정 시간 | 생성 시간 절약보다 수정 시간이 큼 |
| 반복 오류 | 누락·과장·형식 오류 종류 | 같은 오류가 조건을 바꿔도 반복 |
| 예외 처리 | 보류·사람 전달 횟수와 이유 | AI가 예외를 정상 건처럼 처리 |
| 원복 가능 | 잘못된 결과를 되돌리는 방법 | 외부 발송·수정 뒤 복구가 어려움 |
자주 묻는 질문
어떤 업무부터 시작하는 것이 가장 안전한가요?
이미 작성한 문장의 형식 정리, 합성 회의 메모 분류, 공개 자료의 표 변환처럼 정답 범위를 설명하고 원문과 대조할 수 있는 작업이 좋습니다.
한 번 잘 나오면 자동화해도 되나요?
아닙니다. 입력 형식과 예외를 바꿔 반복 시험하고, 사람이 발견하지 못한 오류가 없는지 확인합니다. 한 번의 성공은 재현 가능성을 보여주지 않습니다.
AI 사용으로 줄어든 시간만 보면 되나요?
검수·수정·원복 시간과 오류 영향을 함께 봅니다. 생성은 빨라졌지만 검수 부담이 커졌다면 맡길 범위를 줄입니다.
사용 중인 서비스와 회사의 데이터 처리 정책을 먼저 확인하세요. 무료 개인용 계정과 조직용 계약은 데이터 관리 조건이 다를 수 있습니다.