도구와 시스템의 차이에 대해 생각해 본 적이 있습니까?
도구는 우리가 작업할 때 사용하는 것입니다. 시스템 또한 유사하게 작업을 더 효율적으로 만듭니다.
일부 사람들은 시스템이 단순히 더 복잡한 도구라고 생각할 수도 있습니다.
그러나 작업을 두 가지 유형, 즉 반복 작업과 플로 기반 작업으로 분류하면 도구와 시스템 간의 구분이 놀라울 정도로 명확해집니다.
반복과 플로
반복 작업은 시행착오를 통해 점진적으로 결과물을 만들어내며, 상황에 따라 유연하게 조정해 나가는 과정입니다.
반복 작업에는 특정 작업에 적합한 도구를 선택할 수 있는 도구 키트가 유용합니다.
반면에 플로 기반 작업은 여러 단계를 거쳐 진행되며, 최종 단계에서 결과물을 생성합니다.
플로 기반 작업의 경우, 플로에 따라 작업을 안내하는 시스템이 있으면 생산성과 품질이 크게 향상됩니다.
플로 기반 작업 전환 및 시스템화
인간이 수행하는 대부분의 작업은 반복 작업이거나, 체계화된 플로 기반 프로세스의 구성 요소입니다.
반복 작업을 플로 기반 작업으로 전환하고 이를 시스템화하는 것은 생산성 및 품질 향상에 크게 기여합니다.
산업 혁명과 IT 혁명
산업 혁명과 IT 혁명은 반복 작업을 플로 기반 작업으로 전환하고 이를 시스템화하여 생산성과 품질을 크게 향상시킨 대표적인 사례입니다.
산업 혁명 이전에는 제조 작업이 반복 작업으로 수행되었으며, 인간은 도구를 능숙하게 사용하여 매번 배열과 절차를 자유롭게 변경했습니다.
IT 혁명 이전의 정보 처리 작업 또한 반복 작업이었으며, 인간이 도구를 사용하여 비표준화된 방식으로 진행했습니다.
이러한 프로세스를 공장 생산 라인 및 비즈니스 IT 시스템과 같이 시스템화함으로써 생산성과 품질이 향상되었습니다.
그러나 단순히 시스템화하는 것뿐만 아니라, 해당 반복 작업의 플로 기반 전환이 매우 중요합니다. 플로 기반 전환이 이루어졌기 때문에 시스템화가 가능했던 것입니다.
생성형 AI 혁명
생성형 AI를 업무에 활용하여 생산성과 품질 향상을 목표로 할 때, 단순히 AI를 도구로 사용하는 것만으로는 진정한 가치를 얻을 수 없습니다.
주요 목표는 반복 작업을 플로 기반 작업으로 전환하고, 그 플로 기반 작업을 시스템화하는 것입니다.
생성형 AI는 유연한 적응이 가능하므로 반복 작업을 처리할 수 있습니다. 그러나 인간이 수행하든 생성형 AI가 수행하든, 반복 작업의 생산성과 품질에는 한계가 있습니다.
이것이 플로 기반 전환과 시스템화를 목표로 하는 것이 중요한 이유입니다.
일각에서는 인간 작업자만으로도 플로 기반 전환을 통해 생산성과 품질을 향상시킬 수 있다면, 생성형 AI가 등장하기 전에도 그러한 시도가 이루어졌을 것이라고 주장할 수 있습니다.
하지만 인간 작업자를 전제로 한 플로 기반 전환은 실제로 매우 어려운 문제입니다. 인간 작업자는 업무 배정이나 내용의 변경에 즉시 적응할 수 없습니다.
반면에 작업자가 생성형 AI인 경우, 시행착오를 통해 배정과 작업 내용을 쉽게 재구성할 수 있습니다.
인간과 달리 생성형 AI는 이전 단계를 잊어버리고, 새로운 절차를 즉시 읽고 이해하며, 이를 기반으로 작업할 수 있습니다.
따라서 비즈니스에서 생성형 AI를 활용하는 주류적인 접근 방식은 반복 작업을 플로 기반 작업으로 전환하고 이를 시스템화하는 형태가 될 것입니다.
생성형 AI를 활용한 업무 효율성 향상
여기서 생성형 AI를 활용한 업무 효율성 향상 사례를 살펴보겠습니다.
예를 들어, 회사 규정에 대한 직원의 문의에 응대하는 작업을 생각해 봅시다.
생성형 AI를 사용하면 회사 규정을 검색하고 답변 초안을 작성할 수 있습니다.
하지만 생성형 AI가 오래된 규정을 참조하거나, 규정에 명시되지 않은 내용을 실수로 상상하여 답변을 제공할 가능성이 있습니다.
더욱이 문의는 이메일, 메신저 도구, 전화 통화, 구두 커뮤니케이션 등 다양한 형태로 들어옵니다.
따라서 문의를 처리하는 직원은 이전과 같이 문의를 받아야 합니다.
현장에서 즉시 답변할 수 있는 질문에 답변하고, 규정 확인이 필요한 질문의 경우 문의 내용을 생성형 AI에 입력하여 답변 초안을 생성함으로써 효율성을 높일 수 있을 것으로 생각됩니다.
또한, 자주 묻는 질문에 대해서는 회사 내부 홈페이지에 FAQ로 게시해야 합니다.
생성형 AI는 일반적인 질문과 답변을 입력하여 웹사이트 게시용 불릿 초안을 작성하는 데도 사용할 수 있습니다.
나아가 규정 개정이 필요할 때 생성형 AI를 활용하여 제안서 초안을 작성할 수 있습니다.
이러한 응용 프로그램은 문의 처리 작업의 특정 비율을 더 효율적으로 만들 수 있습니다.
그러나 이것은 단순히 문의 처리를 반복 작업으로 남겨두고 생성형 AI를 도구로 사용하는 것에 불과합니다.
결과적으로 효율성 향상은 매우 제한적입니다.
플로 기반 작업 전환
예시로 제시된 문의 처리 작업의 효율성을 극대화하려면 이 작업을 플로로 전환해야 합니다.
이를 위해서는 문의 처리 시 담당자가 수행하는 작업을 상세화하고 정형화해야 합니다.
- 다양한 채널을 통해 문의 접수.
- 이전에 답변했던 문의와 동일하고 관련 규정에 변경 사항이 없다면, 동일한 답변 제공.
- 새로운 문의 또는 규정 변경과 관련된 문의의 경우, 규정을 확인하고 답변 초안 작성.
- 답변 초안이 오래된 규정을 참조하거나 규정에 명시되지 않은 정보를 포함하고 있지 않은지 확인.
- 답변 전 승인이 필요한지 확인하고, 필요한 경우 승인 획득.
- 문의가 접수된 채널을 통해 답변.
- 문의 내용, 승인 결과, 답변 결과를 문의 이력 데이터에 등록.
- 문의 이력 데이터를 정기적으로 확인하고 자주 묻는 질문과 답변 업데이트를 위한 초안 작성.
- 승인 후 사내 홈페이지 업데이트.
- 규정 업데이트 시 참조되는 규정 데이터 업데이트.
- 동시에 과거 문의 이력 데이터에 관련 답변 및 규정 업데이트가 발생했음을 기록.
- 규정 변경으로 인해 자주 묻는 질문과 답변의 검토가 필요한지 확인하고, 필요한 경우 업데이트.
위에 설명된 바와 같이 수행되는 작업의 세부 사항을 명확하게 정의함으로써, 이러한 작업들을 연결하여 유연한 반복 작업을 보다 명확한 플로 기반 프로세스로 전환할 수 있습니다.
시스템화의 예시
이러한 업무 흐름을 생성함으로써 시스템화로 가는 길이 명확해집니다.
시스템화를 위해 직원 편의성을 다소 희생해도 괜찮다면, 문의 채널을 통합하는 것도 한 가지 방법입니다.
반대로, 직원 편의성을 최우선으로 한다면, 시스템은 모든 채널을 통해 문의를 받을 수 있는 기능을 유지해야 합니다.
기본적으로 시스템이 직접 문의를 받아야 합니다. 구두 문의의 경우에만 담당자가 시스템에 입력하도록 합니다.
문의가 접수되면, IT 시스템과 생성형 AI는 가능한 한 후속 작업을 흐름에 따라 실행해야 합니다. 초기에는 시스템 전반에 걸쳐 사람의 확인과 승인을 배치하고, 사람이 직접 수정할 수 있도록 해야 합니다.
그런 다음, 시스템을 사용하여 문의를 처리하는 과정에서 생성형 AI가 실수를 저지르면, 재발 방지를 위해 경고, 확인 사항, 실수 사례, 올바른 사례 등을 포함하여 생성형 AI에 대한 지침을 업데이트해야 합니다.
이를 통해 생성형 AI 오류를 줄일 수 있습니다. 생성형 AI에 대한 지침을 업데이트하는 이 과정은 반복적인 작업이 아닌 플로 기반 작업으로 전환될 경우 훨씬 더 효율적일 수 있습니다.
이러한 방식으로 플로 기반 작업을 시스템화함으로써, 겉보기에는 사람의 개입이 필요한 작업도 생성형 AI 중심의 시스템으로 대체될 수 있습니다.
흔한 오해
많은 사람들이 현재 생성형 AI의 비즈니스 적용이 그리 효과적이지 않거나 시기상조라고 생각합니다.
그러나 이들 중 상당수는 종종 두 가지 오해의 패턴에 빠집니다.
첫 번째 오해는 생성형 AI를 도구로 사용하는 데 중점을 두는 데서 비롯됩니다.
여기서 설명했듯이, 반복 작업에 생성형 AI를 도구로 활용하는 것은 비즈니스 효율성을 크게 높이지 않습니다. 이를 경험하거나 듣게 되면서 이러한 오해가 생겨납니다.
두 번째 오해는 생성형 AI가 반복 작업을 수행하도록 하는 데 중점을 두는 데서 비롯됩니다.
실제로 현재의 생성형 AI가 반복 작업을 수행하도록 시도하는 것은 잘 작동하지 않습니다. 결과적으로 생성형 AI는 인간이 수행하는 업무를 완전히 대체할 수 없으며, 이 점에만 집중하면 오해로 이어집니다.
결론
여기서 논의했듯이, 반복 작업을 플로 기반 작업으로 전환하고 이를 시스템화함으로써 단순한 도구보다 더 큰 효율성을 기대할 수 있습니다.
나아가, 반복 작업 자체를 완전히 처리할 수 없더라도 플로 기반 프로세스 내의 많은 개별 작업은 현재의 생성형 AI로 관리할 수 있습니다. 초기 오류가 많더라도 지침을 업데이트하여 지속적인 개선을 이룰 수 있습니다.
또는 필요에 따라 작업을 분할하여 초안 작성과 확인 작업을 분리하거나, 다단계 확인을 구현할 수도 있습니다.
이러한 방식으로 시스템화가 이루어진다면, 각 작업마다 개선이 진행되고 시간이 지남에 따라 운영이 더욱 효율화될 것입니다.
이는 공장 생산 및 IT 시스템 구현과 유사하게 메커니즘 자체의 지속적인 개선을 가능하게 하는 작업 방식입니다.
생성형 AI를 활용하려면 자신의 반복 작업을 개선하는 것을 넘어, 자신의 작업을 객관적으로 플로 기반 프로세스로 전환하고 시스템화해야 한다는 사고방식의 전환이 필요합니다.