AI가 잘 맞는 업무
모든 업무에 AI를 넣을 필요는 없습니다. 반복·대량·패턴이 있는 업무부터 적용하는 것이 ROI를 확인하기 쉽습니다.
- 사내 문서·매뉴얼 검색 및 Q&A
- 고객 문의 1차 분류·요약
- 반복 보고서·정산 데이터 정리
- 이미지·문서 분류 및 태깅
- ERP·WMS 데이터 기반 이상 탐지
도입 전 확인할 리스크
학습 데이터 품질, 환각(hallucination), 개인정보 포함 여부, 운영자 검수 프로세스가 없으면 자동화가 오히려 리스크가 됩니다.
AI 도입 후보를 어떻게 비교하나요?
| 기준 | 시범 적용 전 질문 | 검증 방법 |
|---|---|---|
| 반복성 | 같은 형식의 업무가 얼마나 자주 발생하나요? | 최근 실제 업무 표본 분류 |
| 데이터 | 근거 자료가 최신이며 접근 권한이 정리되어 있나요? | 원본 문서·권한·갱신 경로 점검 |
| 정답 확인 | 결과가 맞는지 사람이 판단할 수 있나요? | 대표 질문과 기대 결과 작성 |
| 실패 영향 | 잘못된 결과가 곧바로 외부 행동으로 이어지나요? | 승인 단계와 중단·복구 절차 확인 |
| 운영 효과 | 검수 시간을 포함해 업무가 줄어드나요? | 도입 전후 동일 업무의 처리 시간 비교 |
사내 문서 검색은 권한과 출처부터 설계하세요
사내 문서를 검색해 답변하는 RAG 프로젝트에서는 문서를 올리는 기능 외에도 문서 갱신, 삭제, 부서별 접근 권한과 출처 확인이 필요합니다. 답을 찾지 못했을 때 추측하지 않고 확인을 요청하는 흐름도 설계하세요. 공개 가능한 자료와 내부 전용 자료를 구분하고, 사용자가 볼 권한이 있는 자료만 답변 근거로 쓰는지 검수합니다.
시범 적용의 완료 기준을 먼저 정하세요
실제 업무의 대표 질문, 애매한 질문, 답이 없는 질문, 접근 권한이 없는 질문을 구분해 평가 자료를 준비합니다. 정확한 답변 비율만 보지 말고 출처 일치, 처리 시간, 사용 비용, 사람의 재검수 시간도 기록하세요. 자동화 대상 업무가 바뀌거나 문서가 갱신되면 같은 평가 자료로 다시 확인할 수 있어야 합니다.
작성팀 소개
TOPPING 기술팀 · 개발 · 아키텍처 · QA
웹·앱·백엔드·IoT·데이터 연동을 수행하는 TOPPING의 개발·아키텍처 담당 팀입니다. 시스템 구조 설계, 기술 검수, 인수인계와 운영 안정화를 담당합니다.
