도구와 시스템의 차이에 대해 생각해 본 적이 있는가?
도구는 우리가 작업을 수행할 때 사용하는 것이다. 시스템 또한 작업을 효율적으로 만든다.
어떤 사람들은 시스템을 단순히 더 복잡한 도구라고 생각할 수도 있다.
하지만 작업을 반복 작업과 플로우 작업이라는 두 가지 유형으로 분류하면, 도구와 시스템의 차이가 명확해진다.
반복 및 플로우
반복 작업은 유연한 시행착오를 통해 결과물을 점진적으로 만들어내는 과정이다.
반복 작업에서는 특정 작업에 따라 바꿔가며 사용할 수 있는 툴킷이 유용하다.
반대로 플로우 작업은 점진적으로 진행되어 최종 단계에서 결과물을 내놓는 과정이다.
플로우 작업에서는 작업 흐름을 안내하는 시스템이 있으면 생산성과 품질이 크게 향상된다.
플로우 작업 전환 및 시스템화
인간이 수행하는 많은 작업은 반복 작업이거나, 시스템화된 플로우 작업의 일부이다.
반복 작업을 플로우 작업으로 전환하고 이를 시스템화함으로써 생산성과 품질을 크게 향상시킬 수 있다.
산업 혁명과 IT 혁명
산업 혁명과 IT 혁명은 반복 작업을 플로우 작업으로 전환하고 이를 시스템화함으로써 생산성과 품질을 극적으로 향상시킨 대표적인 사례다.
산업 혁명 이전의 제조 작업은 인간이 도구를 능숙하게 사용하며 매번 배치와 절차를 자유롭게 변경하는 반복 작업으로 이루어졌다.
마찬가지로, IT 혁명 이전의 정보 처리 작업 또한 인간이 도구를 사용하여 비정형적이고 반복적인 방식으로 진행되었다.
이러한 과정들을 공장 생산 라인이나 비즈니스 IT 시스템처럼 시스템화함으로써 생산성과 품질이 크게 향상될 수 있었다.
그러나 단순히 시스템화뿐만 아니라 반복 작업의 플로우 작업 전환이 극히 중요했다. 애초에 플로우 작업으로 전환할 수 있었기에 시스템화가 가능했던 것이다.
생성형 AI 혁명
생성형 AI를 비즈니스 운영에 활용하여 생산성과 품질을 향상시키는 것을 목표로 할 때, 단순히 AI를 도구로 사용하는 것만으로는 진정한 가치를 발휘할 수 없다.
핵심 목표는 반복 작업의 플로우 작업 전환이며, 그 다음은 플로우 작업의 시스템화이다.
생성형 AI는 적응성이 뛰어나 반복 작업을 처리할 수 있다. 그러나 인간이 수행하든 생성형 AI가 수행하든 반복 작업의 생산성과 품질에는 한계가 있다.
따라서 플로우 작업 전환과 시스템화를 목표로 하는 것이 중요하다.
어떤 사람들은 인간 작업자를 위한 플로우 작업 전환이 생산성과 품질을 향상시킬 수 있다면, 생성형 AI의 등장 이전에도 그러한 노력이 이루어졌어야 한다고 주장할 수 있다.
그러나 인간 작업자를 전제로 한 플로우 작업 전환은 실제로 매우 어려운 문제다. 인간 작업자는 작업 할당이나 내용 변경에 즉시 적응할 수 없다.
반대로 작업자가 생성형 AI인 경우, 역할과 작업 내용을 반복적으로 재구성하기 쉽다.
생성형 AI는 인간과 달리 이전 단계를 잊어버릴 수 있으며, 새로운 절차를 즉시 읽고 이해하여 이를 기반으로 작업을 수행할 수 있다.
이러한 이유로 비즈니스에서 생성형 AI를 활용하는 주류 접근 방식은 반복 작업의 플로우 작업 전환과 그 후속 시스템화가 될 것이다.
생성형 AI를 활용한 업무 효율성
생성형 AI를 통해 달성할 수 있는 업무 효율성 사례를 살펴보자.
예시로, 사내 규정에 대한 직원 문의에 응대하는 업무를 고려해보자.
생성형 AI를 사용하면 사내 규정을 검색하여 답변 초안을 작성할 수 있다.
그러나 생성형 AI가 오래된 규정을 참조하거나, 규정에 없는 상상 속의 정보로 잘못된 답변을 생성할 가능성이 있다.
게다가 문의는 이메일, 메신저 도구, 전화, 대면 등 다양한 채널을 통해 들어올 수 있다.
따라서 문의를 처리하는 직원은 이전과 마찬가지로 문의를 접수해야 한다.
현장에서 답변할 수 있는 문의는 즉시 답변하고, 규정 확인이 필요한 문의는 생성형 AI에 문의 내용을 입력하여 답변 초안을 생성하도록 함으로써 효율성을 높일 수 있을 것이다.
또한, 자주 문의되는 내용은 사내 웹사이트에 자주 묻는 질문(FAQ)으로 게시해야 한다.
생성형 AI를 사용하면 대표적인 질문과 답변을 입력하여 웹사이트 게재용 목록형 초안을 생성할 수도 있다.
나아가 규정 개정이 필요할 때 문구 초안 검토에도 생성형 AI를 활용할 수 있다.
이러한 활용을 통해 문의 처리 업무의 일부를 간소화할 수 있을 것이다.
하지만 이는 문의 처리를 반복 작업으로 유지하고 생성형 AI를 도구로 사용하는 것에 불과하다.
결과적으로 이러한 접근 방식으로는 효율성 향상이 매우 제한적이다.
플로우 작업 전환
앞서 예시로 든 문의 응대 업무의 효율성을 극대화하려면 이 작업을 플로우 작업으로 전환해야 한다.
이를 위해서는 문의 처리 담당자가 수행하는 단계를 상세히 기술하고 문서화해야 한다.
- 다양한 채널을 통해 문의를 접수한다.
- 이전에도 답변했던 문의와 동일하고 관련 규정에 변경 사항이 없다면 이전과 같은 답변을 제공한다.
- 새로운 문의이거나 규정 변경이 관련된 문의인 경우, 규정을 검토하고 답변 초안을 준비한다.
- 답변 초안이 오래된 규정을 참조하거나 규정에 명시되지 않은 정보를 포함하고 있는지 확인한다.
- 답변 전에 승인이 필요한지 확인하고, 필요하다면 승인을 받는다.
- 문의가 접수된 채널을 통해 답변한다.
- 문의 내용, 승인 결과, 답변 결과를 문의 이력 데이터에 등록한다.
- 문의 이력 데이터를 주기적으로 확인하여 자주 묻는 질문 및 답변에 대한 업데이트 초안을 작성한다.
- 승인 후 사내 웹사이트를 업데이트한다.
- 규정이 업데이트되면 참조하는 규정 데이터를 업데이트한다.
- 동시에 과거 문의 이력 데이터에 관련 답변 및 규정 업데이트가 발생했음을 기록한다.
- 규정 변경으로 인해 자주 묻는 질문 및 답변에 대한 수정이 필요한지 확인하고, 필요하다면 업데이트한다.
이러한 작업 세부 사항들을 명확히 하고 서로 연결함으로써, 유연한 반복 작업을 명확한 플로우 작업으로 전환할 수 있다.
시스템화의 예시
작업을 플로우 작업으로 전환함으로써 시스템화의 길이 명확해진다.
시스템화 과정에서 직원 편의를 일부 희생하는 것이 허용된다면, 문의 채널을 통합하는 방법도 있다.
반대로 직원 편의가 최우선이라면 모든 문의 채널을 계속 개방해야 한다.
기본적으로 시스템이 문의를 직접 접수해야 한다. 구두 문의의 경우에만 사람이 시스템에 세부 정보를 입력하는 방식이 된다.
문의가 접수된 후에는 IT 시스템과 생성형 AI가 가능한 한 흐름에 따라 후속 작업을 수행한다. 초기에는 시스템 곳곳에 사람의 검토와 승인을 삽입하고, 사람이 수정할 수 있도록 해야 한다.
그리고 시스템을 사용하여 문의를 처리하는 과정에서 생성형 AI가 실수를 하면, 그 실수가 재발하지 않도록 AI에 대한 지침서에 주의할 점, 확인할 사항, 오류 사례 및 올바른 사례를 추가하여 업데이트해야 한다.
이러한 과정을 통해 생성형 AI의 오류를 줄일 수 있다. 이 AI 지침서를 업데이트하는 작업 자체도 반복 작업에서 플로우 작업으로 전환하면 더욱 효율적이 될 수 있다.
이러한 방식으로 플로우 작업으로 전환된 작업을 시스템화함으로써, 처음에는 인간의 개입이 필요하다고 보였던 작업들도 생성형 AI 중심의 시스템으로 대체할 수 있다.
흔한 오해
많은 사람들이 생성형 AI의 비즈니스 적용이 현재로서는 효과가 미미하거나 시기상조라고 생각한다.
그러나 이들 대부분은 종종 두 가지 유형의 오해를 하고 있다.
첫 번째 오해는 생성형 AI를 단순한 도구로 사용하는 데 집중하는 데서 비롯된다.
여기서 설명했듯이, 생성형 AI를 반복 작업의 도구로 활용하는 것은 비즈니스 효율성을 크게 높이지 못한다. 이러한 제한적인 결과를 경험하거나 목격하면서 이러한 오해가 발생한다.
두 번째 오해는 생성형 AI가 반복 작업을 수행하도록 하는 데 집중하는 데서 온다.
실제로 현재의 생성형 AI가 반복 작업을 수행하도록 시도하는 것은 종종 성공적이지 못하다. 결과적으로 사람들은 이러한 관찰에만 근거하여 생성형 AI가 인간이 수행하는 작업을 대신할 수 없다고 잘못 결론 내린다.
결론
논의했듯이, 반복 작업을 플로우 작업으로 전환하고 이를 시스템화함으로써 도구만 사용할 때보다 더 큰 효율성을 기대할 수 있다.
더욱이 생성형 AI가 반복 작업을 수행하지 못하더라도, 플로우 작업 프로세스 내의 많은 개별 작업을 처리할 수 있다. 처음에는 오류가 많더라도 지침을 업데이트함으로써 지속적인 개선을 달성할 수 있다.
또는 필요에 따라 작업을 분할하여 초안 작성과 검토를 분리하거나, 다단계 검토를 구현할 수도 있다.
이러한 방식으로 시스템화가 이루어지면, 작업이 수행될 때마다 개선이 진행되어 시간이 지남에 따라 업무가 더욱 효율적이 될 것이다.
이는 공장 생산 및 IT 시스템화와 유사하게, 메커니즘 자체의 지속적인 개선을 가능하게 하는 작업 방식이다.
생성형 AI를 효과적으로 활용하기 위해서는 사고방식의 전환이 필요하다. 즉, 자신의 반복 작업을 개선하려 하기보다, 자신의 작업을 객관적으로 플로우 작업으로 전환하고 시스템화해야 한다.