작은 자동화가 하나의 업무 흐름이 되기까지
간단한 조회와 기록 자동화에서 시작해, AI와 함께 업무 흐름 자체를 시스템으로 옮겨간 과정을 돌아봤습니다.
처음부터 큰 시스템을 만들 생각은 없었습니다.
시작은 훨씬 작았습니다.
반복해서 찾는 정보를 조금 빨리 조회하고 싶었고, 같은 내용을 여러 곳에 다시 적는 일을 줄이고 싶었습니다.
그래서 작은 자동화부터 만들기 시작했습니다.
1단계: 반복되는 질문을 줄이기
업무를 하다 보면 매번 비슷한 질문이 나옵니다.
- 이 건은 어떤 상태인가?
- 담당자는 누구인가?
- 이전에 비슷한 일이 있었나?
- 마지막으로 처리한 내용은 무엇인가?
처음에는 스프레드시트와 간단한 스크립트, GPT를 조합해서 이런 정보를 찾거나 정리하는 시간을 줄였습니다.
효과는 바로 보였습니다.
하지만 곧 다른 문제가 생겼습니다.
정보를 빨리 찾을 수 있게 됐는데, 원본 데이터가 여러 곳에 흩어져 있는 문제는 그대로였습니다.
2단계: 기록을 자동화하기
그다음에는 조회보다 입력 쪽을 봤습니다.
사람이 한 번 처리한 내용을 여러 시스템에 반복해서 입력하고 있었습니다.
그래서 이런 흐름을 실험했습니다.
업무 발생
→ 내용 구조화
→ 필요한 항목 추출
→ 기록 초안 생성
→ 사람이 검토
→ 시스템에 반영
여기서 AI는 글을 대신 써주는 역할보다 비정형 정보를 정형 데이터로 바꾸는 역할에서 더 유용했습니다.
긴 대화나 메모 안에서 업무 유형, 요청 내용, 조치 내용, 후속 작업 같은 정보를 뽑아내는 식입니다.
3단계: 자동화만으로는 부족했다
자동화가 늘어나면서 또 다른 문제가 보였습니다.
각각의 자동화는 편리했지만 전체 업무 흐름을 설명해주지는 못했습니다.
조회 자동화, 기록 자동화, 알림 자동화가 따로 존재하면 사용자는 여전히 여러 화면을 오가야 합니다.
그래서 질문이 바뀌었습니다.
자동화를 몇 개 더 만드는 게 아니라, 이 업무 자체를 하나의 흐름으로 만들 수 없을까?
이때부터 개별 기능이 아니라 업무 전체를 연결하는 운영 구조를 생각하기 시작했습니다.
4단계: 업무를 기능이 아니라 상태로 보기
운영 구조를 만들면서 가장 먼저 바꾼 것은 화면이 아니라 업무를 보는 방식이었습니다.
기존에는 기능을 중심으로 생각했습니다.
- 등록
- 조회
- 수정
- 출력
- 알림
하지만 실제 운영에서는 상태가 더 중요했습니다.
요청됨
→ 확인 중
→ 담당 배정
→ 처리
→ 검토
→ 완료
누가 지금 무엇을 해야 하는지가 보여야 했습니다.
이 관점으로 바꾸니 AI를 넣을 위치도 더 명확해졌습니다.
AI는 모든 단계를 대신하는 것이 아니라 입력 내용을 정리하고, 관련 정보를 찾아주고, 다음 행동을 제안하고, 반복 문서를 만들고, 사람이 판단해야 할 항목을 표시하는 식으로 각 단계 사이에 들어갈 수 있었습니다.
5단계: GPT에서 코드까지 연결하기
시스템을 직접 만들기 시작하면서 AI 활용도 다시 바뀌었습니다.
이제 GPT는 요구사항과 흐름을 정리하고, 코딩 에이전트는 실제 프로젝트를 읽고 구현했습니다.
현업 문제 발견
→ GPT와 구조화
→ 작업 단위 정의
→ 코드 구현
→ 테스트
→ 실제 사용자 흐름 확인
→ 수정
이 과정을 반복하면서 느낀 것은 하나입니다.
AI가 개발을 대신해준 것이 아니라, 아이디어와 실제 시스템 사이의 거리를 줄여줬다는 점입니다.
작은 자동화와 AX의 차이
자동화는 특정 작업을 빠르게 할 수 있습니다.
하지만 AX는 조금 더 넓은 질문을 해야 한다고 생각합니다.
“이 작업을 자동화할 수 있는가?“에서 끝나는 것이 아니라,
- 이 작업이 자동화되면 앞뒤 단계는 어떻게 달라져야 하는가?
- 사람은 이제 무엇을 판단해야 하는가?
- 어떤 정보가 시스템에 남아야 하는가?
까지 봐야 합니다.
지금도 작은 것부터 시작한다
- 자주 반복되는 일을 찾는다.
- 왜 반복되는지 본다.
- AI나 자동화로 한 단계를 줄여본다.
- 실제 사용해본다.
- 앞뒤 업무가 어떻게 달라졌는지 본다.
- 필요하면 시스템으로 확장한다.
제가 경험한 AX는 거창한 전략 문서보다 이런 식으로 시작됐습니다.
작은 자동화를 실제로 써보고, 그 결과 때문에 업무 구조를 다시 보게 되는 것.