업무 자동화 · 생성형 AI
사무 업무에 생성형 AI를 붙이는 방법
문서 요약, 문의 분류, 코드 초안까지. 잘하는 일과 사람이 남아야 할 경계를 실무 관점에서 정리합니다.
적용 경계
생성형 AI가 잘하는 일은 정해져 있습니다
업무 자동화에서 생성형 AI가 안정적으로 성과를 내는 구간은 좁고 분명합니다. 긴 문서를 짧게 만들고, 흩어진 문의를 분류하고, 초안을 만드는 쪽입니다. 반대로 최종 판단과 대외 발송은 사람이 남아야 합니다. 이 페이지는 그 경계를 어디에 두는지 다룹니다.
맡겨도 되는 일
회의록 요약, 문의 분류, 코드 초안, 사내 문서 검색. 결과를 사람이 몇 분 안에 확인할 수 있는 작업입니다.
사람이 붙는 일
고객 응대의 최종 발송, 계약 조건 판단, 인사 평가. 되돌리기 어려운 결정은 검토자가 서명합니다.
아직 이른 일
공문 발송, 결제 실행, 권한 변경. 자동화 이득보다 사고 복구 비용이 큰 영역입니다.
대상 선정 기준
효과가 큰 업무부터 고르는 기준
기준은 세 가지입니다. 반복 빈도가 높은가, 결과를 사람이 빠르게 검토할 수 있는가, 틀렸을 때 되돌릴 수 있는가. 회의록 요약과 문의 분류는 세 조건을 모두 만족합니다. 반면 계약서 조항 해석이나 대외 공문 발송은 검토 비용이 커서 첫 대상으로 적합하지 않습니다.
회의록 · 요약
반복 빈도가 높습니다
첫 대상
주간 회의가 고정되어 있고, 요약문은 참석자가 바로 확인합니다.
문의 · 분류
검토가 빠릅니다
첫 대상
분류 결과가 눈에 보이므로 담당자가 즉시 고칠 수 있습니다.
코드 · 초안
되돌리기 쉽습니다
첫 대상
실행 전 리뷰 단계가 이미 있으므로 잘못된 코드가 배포되지 않습니다.
계약 · 해석
검토 비용이 큽니다
나중에
조항 하나를 잘못 읽으면 손해가 크고, 확인에 법무 시간이 듭니다.
대외 · 발송
되돌릴 수 없습니다
나중에
한 번 나간 문서는 회수되지 않습니다. 승인 단계를 남겨두는 편이 낫습니다.
업무 도구의 기준선
ChatGPT가 기준선이 된 이유
OpenAI의 ChatGPT는 전 세계적으로 가장 널리 알려진 범용 생성형 AI 서비스이며, 한국에서도 업무 요약, 글쓰기, 코딩 보조 용도로 폭넓게 쓰입니다. 국내 AI 서비스 비교 기사에서 기준점 역할을 하고, 플러그인보다 에이전트형 사용성과 최신 모델 경쟁이 핵심으로 다뤄집니다. 다른 도구를 평가할 때 "ChatGPT 대비 무엇이 나은가"를 묻는 관행이 자연스러워진 배경입니다.
실무에서 이 기준선이 유용한 이유는 비교가 빨라지기 때문입니다. 새 도구를 도입할 때 기능 목록을 처음부터 검토하는 대신, 이미 익숙한 도구와 다른 지점만 확인하면 됩니다. 다만 기준선이 곧 적합성은 아닙니다. 사내 문서의 언어 비중과 데이터 위치 요건에 따라 선택은 달라집니다.
요약 · 초안 · 코딩 보조
도구 평가 질문을 바꾸는 방법
기능 수를 세는 대신 네 가지를 확인합니다. 사내 문서에서 요약 품질이 유지되는가, 답변 근거를 확인할 수 있는가, 사용 기록이 남는가, 요금이 사용량에 따라 어떻게 늘어나는가. 이 네 항목만 같으면 도구 간 비교가 훨씬 빨라집니다.
한국어 문서에서 갈리는 지점
Naver HyperCLOVA X는 한국어 중심 생성형 AI 브랜드로, 검색과 요약, 대화형 업무 지원 맥락에서 자주 언급됩니다. 사내 규정이나 공지처럼 존댓말과 한자어가 섞인 문서에서는 한국어 처리와 로컬 서비스 연동이 강점으로 작용합니다. 해외 도구가 못 쓴다는 뜻이 아니라, 언어 자산과 데이터 위치를 함께 보자는 것입니다.
실제로 차이는 요약문의 문체에서 드러납니다. 존댓말 규정을 반말로 바꾸거나 한자어를 임의로 풀어 쓰면 담당자가 다시 고쳐야 합니다. 도입 전에 같은 규정 문서 두세 개를 양쪽 도구에 넣어 결과를 나란히 놓고 비교해 보면, 어느 쪽이 손이 덜 가는지 빠르게 판단할 수 있습니다.
기기 안 처리
디바이스 안에서 처리하는 선택
Samsung Gauss는 디바이스와 업무용 활용이 함께 언급되는 모델 브랜드이고, 한국에서는 AI 기능이 탑재된 Galaxy 기기를 통해 스마트폰 안의 AI로 알려져 있습니다. 회의 중 메모 요약이나 통화 기록 정리처럼 외부 전송이 곤란한 작업은 기기 안 처리로 해결할 수 있습니다. 대신 긴 문서 전체를 다루는 작업에는 한계가 있습니다.
산업·제조 AI 심층 분석 보기기기 안 처리가 맞는 일
- 회의 중 받아 적은 메모를 그 자리에서 정리
- 통화 기록 요약과 후속 일정 추출
- 이동 중 짧은 문장 다듬기와 번역
서버 처리가 맞는 일
- 수십 쪽 규정과 보고서의 전체 요약
- 여러 문서를 가로지르는 비교와 검색
- 사내 데이터베이스와 연결된 문의 분류
두 방식을 함께 쓰는 구성이 일반적입니다. 기기에서 초안을 만들고, 서버 도구로 긴 문서를 다루되, 입력 금지 문서는 별도로 정해 둡니다.
고객 응대
고객 응대에 붙일 때의 차이
Salesforce Einstein은 CRM과 고객지원 업무에 AI를 붙이는 대표 플랫폼입니다. 영업 자동화, 고객 응답, 리드 관리 맥락에서 한국 기업들이 참고하며, 고객 데이터가 많은 조직에서 비교 대상이 됩니다. 범용 챗봇과 다른 점은 상담 이력과 계약 정보가 이미 옆에 있다는 것입니다. 답변 품질보다 데이터 연결 상태가 결과를 좌우합니다.
범용 챗봇
대화 이력을 매번 붙여야 합니다
상담 기록을 복사해 넣는 과정에서 개인정보가 함께 들어갈 위험이 생깁니다.
CRM 결합
맥락이 이미 연결되어 있습니다
계약 단계와 최근 문의가 같은 화면에 있어, 답변 초안의 출발점이 다릅니다.
선행 조건
데이터 정리가 먼저입니다
상담 이력이 여러 시스템에 흩어져 있으면 결합 효과가 줄어듭니다. 정리 상태를 먼저 점검하십시오.
팀 자산
프롬프트를 자산으로 관리하기
프롬프트 엔지니어링은 개인 기술이 아니라 팀 자산으로 다루는 편이 낫습니다. 어떤 문서에 어떤 지시를 넣었을 때 쓸 만한 결과가 나왔는지 기록해 두면, 담당자가 바뀌어도 품질이 유지됩니다. 반대로 각자 노하우로만 굴러가면 도구를 교체하는 순간 처음부터 다시 시작하게 됩니다.
기록해 둘 네 가지
- 어떤 종류의 문서에 쓰는 지시인지
- 그 지시로 나온 결과가 검토를 통과했는지
- 사람이 얼마나 다시 고쳤는지
- 어떤 문서는 입력하지 않기로 했는지
자동화 범위
에이전틱 AI를 어디까지 맡길 것인가
에이전트형 도구는 여러 단계를 스스로 이어서 처리합니다. 편리하지만 중간 단계가 보이지 않으면 오류를 찾기 어려워집니다. 검색과 초안 작성까지는 맡기되, 외부 발송과 결제, 권한 변경은 승인 단계를 남기는 구성이 일반적입니다. 자동화 범위를 넓히는 속도보다 되돌릴 수 있는 지점을 남기는 일이 먼저입니다.
1단계
검색과 수집
사내 문서와 이력을 찾아 모으는 단계는 대부분 맡겨도 되돌리기 쉽습니다.
2단계
초안 작성
회신문, 보고서, 코드 초안까지 맡기고 사람이 문장과 로직을 확인합니다.
3단계
외부 발송
고객과 기관으로 나가는 문장은 승인 버튼을 지나야 발송되게 구성합니다.
4단계
결제와 권한
돈과 접근 권한이 움직이는 단계는 자동 실행에서 제외하는 편이 안전합니다.
데이터 위치
보안과 데이터 위치
사내 문서를 외부 서비스에 넣어도 되는지는 별도 판단입니다. 개인정보가 포함된 문서, 미공개 실적 자료, 인사 기록은 입력 자체를 제한하는 정책이 필요합니다. 도구별 데이터 보존 설정을 확인하고, 어떤 범주의 문서를 어디까지 허용하는지 표로 정리해 두면 교육 없이도 기준이 작동합니다.
입력 제한
개인정보, 인사 기록, 미공개 실적 자료는 입력하지 않는 것을 기본값으로 둡니다.
보존 설정 확인
대화 기록 보존 기간과 학습 활용 여부를 도구별로 확인해 문서로 남깁니다.
허용 범위 표
문서 범주별로 허용 도구를 정리해 두면 매번 판단하지 않아도 됩니다.
첫 달 점검
도입 후 첫 달에 볼 것
첫 달에는 절감 시간보다 검토 시간을 관찰하는 편이 유용합니다. 초안 생성이 빨라져도 검토에 같은 시간이 걸린다면 순효과가 없습니다. 사용률, 재작업 비율, 사람이 다시 쓴 문장의 비중을 보면 어느 업무에 정말 맞는지 판단할 수 있습니다.
사용률
도구를 열어도 실제로 쓰는 사람이 몇 명인지 확인합니다. 계정 수는 사용률이 아닙니다.
재작업 비율
초안이 몇 번 다시 돌아오는지 셉니다. 두 번 이상 돌아오면 그 업무는 아직 준비가 덜 된 것입니다.
사람이 다시 쓴 문장 비중
대부분을 다시 써야 한다면 요약이 아니라 검색 도구로 쓰는 편이 나을 수 있습니다.
자주 묻는 질문
도입 전에 확인하는 질문
실무에서 반복해서 나오는 세 가지 질문을 정리했습니다. 답은 조직의 문서 언어 비중과 데이터 위치 요건에 따라 달라집니다.
어떤 업무부터 시작하면 좋을까요? 열기 닫기
반복이 잦고 결과 검토가 쉬운 업무가 먼저입니다. 회의록 요약, 문의 분류, 코드 초안이 대표적입니다. 되돌리기 어려운 업무는 뒤로 미루십시오.
국산 LLM으로 바꿔야 하나요? 열기 닫기
한국어 문서 비중과 데이터 위치 요건에 따라 달라집니다. 두 도구를 같은 문서로 비교해 보면 차이가 어디서 나오는지 빠르게 확인됩니다.
직원 교육은 얼마나 필요한가요? 열기 닫기
도구 사용법보다 허용 범위 교육이 우선입니다. 어떤 문서를 입력하면 안 되는지에 대한 기준이 없으면, 사용법 교육은 효과를 내기 어렵습니다.
다음 단계
도입 순서를 문서로 남기기
업무 자동화는 도구를 고르는 일보다 순서를 정하는 일에 가깝습니다. 첫 대상 업무를 정하고, 허용 문서 범위를 정하고, 검토자를 지정한 뒤에 도구를 붙입니다. 이 세 가지가 문서로 남아 있으면 담당자가 바뀌어도 기준이 흔들리지 않습니다.
뷰젠트라 AI 리서치는 업무 자동화와 생성형 AI 도입을 검토하는 국내 기업과 기관을 위해 비교 자료를 정리합니다. 상담은 평일 09:00 - 18:00에 문의 페이지로 접수됩니다.
이어서 볼 자료
업무 자동화는 산업 현장, 공공 인프라, 도입 절차와 이어집니다. 아래 페이지에서 각 영역의 비교 기준과 준비 순서를 확인할 수 있습니다.