NotesAX / AI / Data / Workflow

대화와 메모를 업무 데이터로 바꾸기

채팅, 메모, 문의 기록처럼 흩어진 비정형 정보를 AI로 구조화해 검색·분류·보고에 쓸 수 있는 데이터로 바꾸는 방법을 정리했습니다.

업무 기록은 생각보다 많이 남습니다.

채팅, 메일, 메모, 회의 내용, 문의 기록처럼 형태도 제각각입니다.

문제는 기록은 많은데 다시 쓰기 어렵다는 점이었습니다.

필요한 내용을 찾으려면 사람이 다시 읽어야 했고, 보고서를 만들려면 또 요약해야 했습니다.

그래서 비정형 기록을 그냥 보관하는 대신 업무 데이터로 바꾸는 흐름을 실험했습니다.

기록을 그대로 저장하면 검색만 좋아진다

처음에는 모든 기록을 한곳에 모으기만 하면 해결될 거라고 생각했습니다.

검색은 분명 편해졌습니다.

하지만 질문이 조금만 복잡해지면 다시 사람이 읽어야 했습니다.

  • 어떤 유형의 요청이 많았는가?
  • 같은 문제가 반복됐는가?
  • 처리되지 않은 건은 무엇인가?
  • 어느 단계에서 오래 머물렀는가?

단순 검색만으로는 이런 질문에 답하기 어려웠습니다.

AI가 잘한 것은 요약보다 구조화였다

처음에는 AI에게 긴 기록을 요약하게 했습니다.

그것도 유용했지만 더 가치 있었던 건 항목을 분리하는 일이었습니다.

예를 들면 이런 식입니다.

원문
→ 업무 유형
→ 대상
→ 요청 내용
→ 원인
→ 조치
→ 상태
→ 후속 작업

사람이 읽으면 자연스럽게 구분하지만 시스템 입장에서는 모두 한 덩어리의 문장입니다.

AI를 이용하면 이 문장을 일정한 구조로 바꿀 수 있습니다.

구조가 생기면 다음 일이 쉬워진다

데이터가 구조화되기 시작하면 활용 범위가 넓어집니다.

  • 기간별 건수 집계
  • 반복 이슈 탐지
  • 미완료 업무 조회
  • 유형별 보고서 생성
  • 유사 사례 검색
  • 다음 행동 추천

여기서 중요한 건 AI가 매번 모든 기록을 다시 읽지 않아도 된다는 점입니다.

한 번 구조화한 결과를 데이터로 남기면 이후 작업은 더 단순해집니다.

사람의 검토가 필요한 지점도 보였다

비정형 기록은 늘 명확하지 않습니다.

같은 문장 안에 요청과 조치가 섞여 있거나, 누가 무엇을 했는지 빠져 있을 수 있습니다.

그래서 완전 자동 저장보다 다음 구조가 더 잘 맞았습니다.

AI가 추출
→ 불확실한 항목 표시
→ 사람이 확인
→ 확정 데이터 저장

AI가 사람을 없애는 게 아니라 사람이 확인해야 할 범위를 줄이는 것입니다.

데이터 모델이 먼저였다

이 실험을 하면서 느낀 건 프롬프트보다 데이터 모델이 더 중요하다는 점입니다.

AI에게 무엇을 뽑으라고 할지 정하려면 먼저 이런 질문이 필요합니다.

  • 어떤 필드가 있어야 하는가?
  • 어떤 값은 반드시 사람이 확인해야 하는가?
  • 상태는 몇 단계로 나눌 것인가?
  • 같은 업무가 여러 기록에 등장하면 어떻게 연결할 것인가?

결국 AI는 데이터 모델을 대신 설계해주지 않습니다.

좋은 구조가 있어야 AI가 일관된 결과를 만들 수 있습니다.

AX 관점에서 본 변화

이전에는 기록을 남기는 것과 보고서를 만드는 것이 별개의 일이었습니다.

지금은 한 번 구조화한 기록이 검색, 집계, 보고, 후속 업무로 이어질 수 있습니다.

즉 기록의 목적이 보관에서 재사용으로 바뀐 것입니다.

저는 이런 변화가 작지만 실제적인 AX라고 생각합니다.