AI 업무자동화 제작 전에 반드시 정해야 할 5가지
AI 자동화를 만들기 전에 업무 범위, 데이터, 승인 기준, 예외 처리, 운영 지표를 먼저 정리해야 실패 확률을 줄일 수 있습니다.
AI 업무자동화는 “ChatGPT를 붙이면 끝”나는 프로젝트가 아닙니다. 실제 현장에서는 누가 요청을 시작하는지, 어떤 데이터를 써도 되는지, AI가 어디까지 판단해도 되는지, 실패했을 때 누가 확인하는지가 더 중요합니다.
이 기준이 정리되지 않은 상태에서 자동화부터 만들면 처음 며칠은 신기해 보여도 곧 예외 케이스, 권한 문제, 책임 소재, 품질 편차 때문에 다시 사람이 수습하게 됩니다.
좋은 AI 자동화는 사람을 없애는 것이 아니라, 사람이 판단해야 할 지점을 더 선명하게 만드는 설계입니다.
핵심 요약
- 자동화할 업무의 시작점과 끝점을 먼저 정합니다.
- AI가 사용할 데이터와 접근 권한을 분리합니다.
- AI 판단, 사람 승인, 자동 실행의 경계를 문서화합니다.
- 실패·예외·오답이 생겼을 때의 알림과 복구 흐름을 만듭니다.
- 운영 지표를 정해 “만들었다”가 아니라 “계속 좋아지는지” 확인합니다.
1. 자동화할 업무의 경계
가장 먼저 정해야 할 것은 “어떤 업무를 자동화할 것인가”가 아니라 “어디서 시작해서 어디서 끝나는가”입니다. 예를 들어 고객 문의 자동화라면 카카오톡 메시지 수신부터 답변 초안 생성까지만 할지, 견적 분류와 담당자 배정까지 할지, CRM 기록까지 할지 범위를 나눠야 합니다.
범위가 흐리면 프로젝트가 계속 커집니다. 처음에는 문의 답변 봇이었는데 중간에 견적서, 계약서, 일정관리, 결제 알림까지 붙으면서 핵심 성과를 확인하기 어려워집니다.
정해야 할 질문
- 업무가 시작되는 트리거는 무엇인가요? 폼 제출, 메일 수신, 파일 업로드, 채팅 메시지 중 무엇인가요?
- 자동화가 끝났다고 볼 수 있는 완료 상태는 무엇인가요?
- 처음부터 자동 실행할 구간과 초안만 만들 구간은 어디인가요?
2. 사용할 데이터와 접근 권한
AI 자동화의 품질은 모델보다 데이터 정리에 더 크게 흔들립니다. 같은 문의라도 상품 정보, 가격표, 과거 상담 기록, 내부 정책 문서가 어디에 있고 최신인지에 따라 답변 품질이 달라집니다.
여기서 중요한 것은 “많이 연결하기”가 아니라 “써도 되는 데이터만 정확히 연결하기”입니다. 개인정보, 계약서 원문, 내부 단가표처럼 민감한 자료는 접근 범위를 나누고 로그를 남겨야 합니다.
데이터 설계 체크
- AI가 참조해야 하는 공식 기준 문서는 무엇인가요?
- 최신 데이터와 오래된 데이터를 어떻게 구분하나요?
- 고객 개인정보나 내부 기밀이 포함된 자료는 어디까지 사용할 수 있나요?
- 답변에 근거 링크나 원문 출처를 남겨야 하나요?
3. AI가 판단할 기준과 사람이 승인할 기준
AI 자동화가 실패하는 흔한 이유는 AI에게 맡길 일과 사람이 결정할 일을 구분하지 않았기 때문입니다. 반복적인 분류, 요약, 초안 작성은 AI가 잘하지만 가격 확정, 계약 조건 변경, 클레임 대응처럼 책임이 큰 판단은 승인 단계가 필요합니다.
따라서 “AI가 바로 실행해도 되는 조건”과 “사람에게 넘겨야 하는 조건”을 숫자와 문장으로 정해야 합니다. 예를 들어 환불 문의는 금액이 5만 원 이하이고 정책에 명확히 해당하면 자동 초안, 그 외에는 담당자 승인으로 넘기는 식입니다.
승인 기준 예시
- 단순 FAQ: 자동 답변 가능
- 견적 요청: AI가 분류하고 담당자가 금액 확인
- 불만/클레임: AI가 요약하고 사람에게 즉시 알림
- 계약·정산·개인정보 관련 요청: 자동 실행 금지, 담당자 승인 필수
4. 예외 상황과 실패 처리
자동화는 정상 케이스보다 예외 케이스에서 실력이 드러납니다. AI가 답을 못 찾았을 때, 외부 API가 실패했을 때, 같은 고객이 여러 채널로 문의했을 때, 첨부파일이 깨졌을 때 어떻게 처리할지 정해두지 않으면 운영자가 매번 로그를 뒤져야 합니다.
특히 AI 답변이 틀릴 가능성을 전제로 설계해야 합니다. 답변 근거가 없거나 신뢰도가 낮으면 “모른다”고 표시하고 사람에게 넘기는 편이, 그럴듯한 오답을 내보내는 것보다 훨씬 안전합니다.
예외 처리에 필요한 것
- 실패했을 때 알림을 받을 담당자와 채널
- 고객에게 보여줄 임시 안내 문구
- 재시도 횟수와 중단 기준
- 오답/누락을 나중에 개선할 수 있는 로그 구조
5. 운영 지표와 개선 주기
AI 업무자동화는 배포가 끝이 아닙니다. 오히려 배포 후에 어떤 질문이 많이 들어오는지, 어느 단계에서 사람이 개입하는지, 어떤 문서가 부족한지 보면서 계속 다듬어야 합니다.
처음부터 거창한 지표가 필요하지는 않습니다. 자동 처리율, 사람 승인 비율, 답변 수정률, 처리 시간, 고객 재문의율 정도만 봐도 자동화가 실제로 일을 줄이고 있는지 확인할 수 있습니다.
처음 보면 좋은 지표
- 자동 처리율: 전체 요청 중 AI가 초안 또는 처리를 완료한 비율
- 승인/수정률: 사람이 얼마나 자주 고쳤는지
- 처리 시간: 자동화 전후 평균 소요 시간
- 예외 발생률: 사람에게 넘어간 케이스의 비율과 이유
- 문서 보강 항목: AI가 자주 못 찾는 기준과 자료
제작 전 체크리스트
HeyRatty는 이렇게 접근합니다
HeyRatty는 자동화 도구부터 고르지 않습니다. 먼저 실제 업무 흐름을 보고 반복되는 판단, 문서, 승인, 알림 구간을 분해합니다. 그다음 AI가 맡을 수 있는 일과 사람이 계속 책임져야 하는 일을 나눠 자동화 구조를 설계합니다.
필요하면 Notion, Slack, Google Workspace, Cafe24, CRM, 내부 문서 저장소처럼 이미 쓰고 있는 도구를 기준으로 작게 시작합니다. 처음부터 큰 시스템을 만드는 것보다, 한 업무에서 성과를 확인하고 다음 업무로 확장하는 편이 운영 리스크가 낮습니다.
AI 자동화를 만들기 전에 현재 업무 흐름을 한 번 정리해보고 싶다면, HeyRatty가 자동화 가능 구간과 우선순위를 함께 진단해드릴 수 있습니다.
FAQ
Q. 작은 회사도 AI 업무자동화가 필요한가요?
필요할 수 있습니다. 다만 처음부터 전사 자동화를 만들기보다 문의 분류, 견적 초안, 회의록 정리, 반복 보고서처럼 기준이 명확한 업무 하나부터 시작하는 것이 좋습니다.
Q. 모든 업무를 자동화하는 게 목표인가요?
아닙니다. 자동화의 목표는 사람이 해야 할 판단을 없애는 것이 아니라 반복 준비 작업을 줄이고, 중요한 판단에 더 빨리 도달하게 만드는 것입니다.
Q. 제작 전에 문서 정리가 꼭 필요한가요?
완벽한 문서가 필요하지는 않습니다. 다만 AI가 참조할 기준, 예외 처리 규칙, 승인 기준은 최소한 정리되어 있어야 안정적으로 운영됩니다.