AI 도입으로 회사가 실제로 할 수 있는 것들

1. 개요: AI는 업무 전체보다 업무 사이의 마찰을 먼저 줄입니다

많은 기업이 이미 AI를 쓰고 있습니다. McKinsey의 2025년 글로벌 조사에서는 응답자의 88%가 조직이 최소 하나의 업무 기능에서 AI를 정기적으로 사용한다고 답했습니다. 하지만 대다수 조직은 아직 실험 또는 파일럿 단계에 머물러 있고, 기업 전체의 EBIT 효과를 보고한 비율은 39%에 그쳤습니다. 즉 AI를 쓰는 것과 회사의 성과 구조가 바뀌는 것 사이에는 간격이 있습니다.

현장 커뮤니티에서도 같은 간격이 보입니다. 소규모 비즈니스 논의에서는 고객 앞 자동응답이 신뢰를 깎는다는 불만이 반복됩니다. 반대로 내부 업무에서는 이메일 triage, 문의 분류, 초안 작성, 회의 요약, 리포트 생성, 리드 정리, 리뷰와 피드백 분류 같은 구체적인 성공 사례가 나옵니다.

NBER가 소개한 고객지원 현장 연구도 같은 방향을 보여줍니다. AI가 상담원의 대화를 보조했을 때 전체 생산성은 약 14% 증가했고, 특히 경험이 적은 상담원의 향상이 컸습니다. 핵심은 AI가 고객을 혼자 상대한 것이 아니라 상담원이 제안을 선택하거나 무시할 수 있는 보조 도구였다는 점입니다.

2. 자동화: 반복 업무와 개선을 위한 데이터 수집부터 시작합니다

자동화 후보는 화려한 업무가 아니라 지루한 업무에서 나옵니다. Reddit의 AI 소규모 비즈니스 커뮤니티에서 반복적으로 나온 표현도 2-3개의 지루한 업무입니다. 실제 사례는 대부분 영업 통화 뒤 후속 이메일 초안, 반복 문의 답변 초안, 리드 의도 분류, 회의록 요약, 엑셀 데이터 리포트화, 긴 문서 요약, 고객 피드백 묶기처럼 작고 반복적인 일입니다.

여기서 중요한 기준은 AI가 할 수 있느냐가 아니라 검토 가능한 반복 단위로 자를 수 있느냐입니다. 고객 문의에 AI가 최종 답변을 자동 발송하게 하는 것은 위험하지만, 문의를 환불, 배송, 견적, 불만, 기술 문제로 먼저 분류하고 담당자가 확인할 초안을 붙이는 것은 훨씬 안전합니다.

자동화의 두 번째 가치는 데이터 수집입니다. 처음부터 완전 자동화를 만들 필요는 없습니다. 오히려 첫 달에는 AI가 처리한 결과보다 사람이 고친 흔적이 더 중요합니다.

• 어떤 문의 유형이 가장 많이 들어오는가
• AI 초안 중 사람이 가장 자주 고치는 부분은 무엇인가
• 어떤 경우에는 자동화하지 않고 보류해야 하는가
• 처리 시간이 긴 업무는 어디에서 막히는가
• 고객 불만은 어떤 채널에서 반복되는가

3. 연결성 강화: Notion, Obsidian, 사내 위키를 LLM이 읽게 합니다

AI 도입의 두 번째 효과는 연결성입니다. 많은 회사의 병목은 모르는 것이 아니라 어디 있는지 모르는 것입니다. 정책은 Notion에 있고, 고객 이슈는 Slack에 있고, 계약 조건은 Drive에 있고, 이전 의사결정은 회의록 어딘가에 있습니다. 직원은 매번 누군가에게 물어보고, LLM은 매번 맥락 없이 새로 시작합니다.

Notion은 AI Q&A를 사내 위키에 붙여 팀원이 자연어로 질문하고 관련 문서를 근거로 답을 찾는 흐름을 제시합니다. 핵심은 문서가 존재할 때만 답하고 출처를 함께 보여주는 것입니다.

Obsidian 쪽 커뮤니티에서는 조금 다른 니즈가 보입니다. 사용자는 인터넷 전체가 아니라 내 vault 기준으로 검색하고 답하게 하고 싶다고 말합니다. 또 다른 논의에서는 Obsidian vault를 단순한 폴더가 아니라 링크와 연결로 이루어진 graph로 다뤄야 한다는 요구가 나옵니다.

• Notion은 팀이 함께 보는 공식 지식과 절차를 담습니다.
• Obsidian 또는 markdown vault는 대표, PM, 운영자가 쌓는 판단, 회고, 실험 기록을 담습니다.
• LLM은 이 둘을 읽고 초안, 요약, 비교, 다음 액션을 만듭니다.
• 사람은 출처와 맥락을 확인하고 최종 판단을 합니다.

4. 패턴 파악: 소음에서 반복 신호를 찾습니다

AI가 정말 유용해지는 지점은 한 건 처리가 아니라 반복 패턴 파악입니다. ProductManagement 커뮤니티의 한 글은 고객 피드백이 이메일, 인터뷰, Gong, Jira, Slack, Zendesk에 흩어져 있고, PM은 그중 실제로 중요한 고객 trend를 찾고 싶어 한다고 말합니다.

댓글에서는 AI가 평균적인 요약은 잘하지만 맥락과 뉘앙스를 놓칠 수 있다는 지적도 같이 나옵니다. 동시에 모든 transcript를 사람이 일일이 보지 못하기 때문에 AI가 많은 수작업을 줄여주는 것은 분명한 장점이라는 의견도 있습니다.

따라서 AI에게 정답을 골라달라고 맡기기보다 반복 신호를 보이게 만들어야 합니다. 고객 피드백에서는 단순히 기능 요청을 세는 것보다 같은 불만이 여러 채널에서 반복되는지, 고가 고객과 이탈 고객에게서 같은 문제가 나오는지, 영업 실패 사유와 리뷰 불만이 같은 문제를 가리키는지를 봐야 합니다.

5. 사람을 빼는 대신 승인자와 개선 owner를 세웁니다

AI 도입 글에서 자주 빠지는 알맹이가 있습니다. 바로 사람의 역할 변화입니다. 자동화를 도입하면 직원은 편해지기만 하는 것이 아닙니다. 어떤 사람은 자신의 전문성이 무시된다고 느낍니다.

소규모 비즈니스 운영 논의에서는 새 시스템을 도입할 때 현장 직원을 배제하면, 겉으로는 간단해 보이던 접수, 정산, 고객 응대 절차에서 숨은 맥락이 사라질 수 있다는 사례가 나옵니다. 자동화 시즌에는 직원의 가치와 전문성을 다시 확인시키고, 오히려 그 사람이 자동화와 vendor 관계를 소유하게 해야 한다는 조언도 나옵니다.

AI가 업무를 가져가는 것처럼 보이면 저항이 생깁니다. AI가 반복 작업을 줄이고, 사람은 검토자, 개선자, owner가 된다는 구조를 만들어야 합니다.

• 자동 발송보다 검토 대기열을 먼저 만듭니다.
• 사람이 고친 내용을 다시 규칙으로 저장합니다.
• 업무 담당자를 AI 결과의 승인자가 아니라 업무 개선 owner로 세웁니다.

6. 첫 30일은 하나의 업무만 고릅니다

처음부터 전체 회사를 바꾸려 하지 않는 편이 좋습니다. 첫 30일은 하나의 업무만 고르는 것이 낫습니다. 기준은 단순합니다. 매주 반복되고, 사람이 지루해하고, 샘플 30건 이상을 모을 수 있고, 틀렸을 때 피해가 작고, 결과를 사람이 검토할 수 있어야 합니다.

1주차에는 반복 업무 하나를 고릅니다. 2주차에는 샘플을 모으고 민감 정보를 가립니다. 3주차에는 AI에게 최종 업무가 아니라 분류, 요약, 초안, 누락 항목 체크, 위험 신호 표시 같은 중간 산출물을 맡깁니다. 4주차에는 사람이 고친 흔적을 기준으로 완전 자동화해도 되는 부분, AI 초안과 사람 검토가 맞는 부분, 사람이 계속 해야 하는 부분을 나눕니다.

이 분류가 첫 AI 도입의 진짜 결과물입니다. 목적은 AI를 쓰는 회사가 되는 것이 아니라, 매주 반복되는 일을 줄이고, 흩어진 지식을 연결하고, 놓치던 패턴을 보는 회사가 되는 것입니다.