광고
AI 실무 활용

더 좋은 AI로 바꿔도 결과가 똑같다면

프로필
2026.11.09 08:00
204
0
1
  • 한눈에 보는 핵심요약
  • AI 도구를 바꿔도 성과가 그대로인 이유를 맥락의 부재에서 짚고, 오늘의 기록 하나부터 한 공간에 쌓는 방법을 정리했습니다.

AI 전환의 성패를 가르는 데이터 축적

 

요즘 AI 관련 콘텐츠마다 "이제 도입 안 하면 늦는다"라는 경고가 붙습니다. 작은 회사들도 그 말에 밀려 움직입니다. TF를 꾸리고, 외부 강사를 초빙하고, 챗GPT 팀 요금제를 결제하고, 젬스(Gems)와 GPTs까지 만들어 봅니다. 그런데 한 달, 두 달이 지나도 업무량은 그대로입니다.

이때 흔히 나오는 진단은 직원의 활용 능력 부족, 모델 성능의 한계, 교육의 부재입니다. 그러나 1년 반 동안 100명 넘는 소기업 경영자를 만나 확인한 결과, 성과를 낸 팀과 그렇지 못한 팀의 차이는 다른 곳에 있었습니다. AI가 참고할 회사 데이터가 한 공간에 축적되어 있는가, 아니면 개인의 머릿속과 메신저와 PC에 분산되어 있는가였습니다.

도구의 순위는 매달 바뀝니다. 어제는 챗GPT, 오늘은 클로드라는 식입니다. 그러나 우리 회사가 어떤 곳이고 누구를 상대하며 어떤 제안서를 써왔는지 건네주지 못하는 한, 어떤 도구를 써도 출력물은 평균값에 머뭅니다. 이 사실을 놓친 채 도구만 교체하는 운영이 작은 회사가 가장 자주 빠지는 함정입니다.

 

정의: AI 전환의 병목은 '맥락의 부재'다

AI는 우리 회사가 누구를 상대하는지, 어떤 기준으로 답해왔는지, 어떤 고객과 무슨 약속을 했는지 알지 못합니다. 인터넷에서 학습한 일반적인 마케팅 문법과 회의록 양식, 응대 매뉴얼만 갖고 있을 뿐입니다. 그래서 조직의 AI 활용을 결정짓는 변수는 모델 성능이 아니라 "우리 회사 데이터를 AI에 어떤 방식으로 넘길 것인가"로 정의되어야 합니다.

개인과 조직은 출발점이 다릅니다. 개인은 자기 머릿속 맥락을 그때그때 입력할 수 있지만, 조직은 판단 기준과 고객 이력과 자료가 각기 다른 구성원의 손에 흩어져 있습니다. 이를 매번 수집해 전달하는 것은 현실적으로 불가능합니다.

 

근거: 맥락이 없으면 사람이 다시 일한다

현장에서 반복되는 장면은 세 가지입니다. 첫째, 마케팅 글쓰기. 초안은 빨리 나오지만 톤이 브랜드와 어긋납니다. 타겟은 30대 1인 기업 사장님인데 글은 대기업 관리자를 향해 있습니다. 10번, 20번 피드백을 돌리고 나면 사람이 처음부터 쓰는 편이 빨랐다는 결론에 이릅니다.

둘째, 회의록. 요약은 깔끔하지만 "왜 그 이야기가 나왔는지"가 누락돼 있습니다. 반대의 배경, 안건의 계기, 결정이 미뤄진 사정을 알려면 결국 사람에게 다시 물어야 합니다. 셋째, 고객 응대. 작년에 같은 문제로 항의했던 고객, 당시 환불 대신 추가 서비스를 약속했던 이력을 AI는 모릅니다. 담당자가 슬랙과 노션과 구글 드라이브를 오가며 기록을 찾은 뒤에야 답변이 완성됩니다.

결국 채팅창을 열 때마다 회사 소개와 말투와 고객층을 다시 설명하게 됩니다. 대화가 길어져 새 창을 열면 같은 설명을 또 입력해야 합니다. 업무를 줄이려 도입한 AI에 맥락을 공급하는 업무가 하나 더 생기는 구조입니다. 맥락 없이 나온 결과물은 겉보기에 그럴듯해도, 그것으로 매출을 만들거나 고객을 응대하거나 신규 사업을 추진하기는 어렵습니다.

 

내부 문서를 근거로 마케팅 전략을 답하는 AI 화면

 

예시: 축적한 팀과 그렇지 않은 팀의 격차

데이터가 축적되지 않는 이유는 게으름이 아니라 구조입니다. 고객 DB는 경영자의 핸드폰 연락처에, 상담 이력은 메신저 방마다, 리뷰는 인스타 DM과 스마트스토어에 흩어져 있습니다. 기획서는 기획자의 구글 드라이브에, 제안서는 디자이너의 노트북에, 프로젝트 이력은 경영자의 기억 속에 있습니다. 회의 기록은 채널마다 제각각이고, 고객별 약속 사항은 영업 담당자의 메모에, 환불·교환 기준은 어느 노션 페이지 한구석에 있습니다. 이를 한 번에 모으는 데만 며칠이 걸리고, 모델이 바뀌면 같은 작업이 반복됩니다. 그렇게 "AI는 좋은 거 같긴 한데, 우리 회사가 쓰기엔 아직 좀…."이라는 유보적 결론이 나지만, 원인은 도구가 아니라 그 앞단의 데이터입니다.

도구가 여러 개로 쪼개져 있으면 사람이 도구 사이를 오가며 자료를 나릅니다. 메신저에서 상담 이력을 긁어 오고, 드라이브에서 제안서를 찾아 첨부하고, 협업 툴에서 회의 기록을 복사해 붙이는 식입니다. 이 반복이 굳어지면 AI 도입은 사람의 일을 늘리는 방향으로 고착됩니다.

반면 데이터를 한 워크스페이스에 모은 팀의 변화는 구체적입니다. 글쓰기는 매번 10분씩 들던 맥락 설명 없이 AI가 브랜드 가이드와 기존 발행 글, 고객 리뷰를 직접 참조해 초안을 냅니다. 상담은 건당 평균 20분 걸리던 이력 검색 대신, 고객 이름 하나로 상담 기록과 약속 사항, 환불 기준까지 묶인 초안을 받습니다. 회의록은 프로젝트, 고객 페이지와 연결되어 "이 결정이 왜 나왔는지"까지 답이 나옵니다. 인당 월 3만 원 수준이면 갖출 수 있는 환경입니다.

 

실행 팁: 오늘의 기록 하나부터 한 공간에

거창한 AX 프로젝트나 전사 자동화부터 시작할 필요는 없습니다. 실행 원칙은 세 가지입니다. 첫째, 오늘 발생한 고객 문의 한 건, 회의 기록 한 장부터 한 공간에 담기 시작할 것. 둘째, 특정 도구에 맞춘 준비가 아니라, 어떤 모델을 붙여도 같은 품질이 나오는 데이터 축적을 목표로 할 것. 셋째, AI를 잘 다루는 사람을 뽑는 것보다 사람 손을 거치지 않고 처리되는 구조를 우선할 것. 인원이 적은 조직일수록 이 순서가 중요합니다.

 

워크스페이스에서 신규 고객사 현황을 확인하는 화면

 

도입 자체는 아무것도 바꾸지 못합니다. 능숙한 직원 한 명이 조직을 바꾸지도, 구독 개수가 생산성을 올리지도 않습니다. 차이는 회사가 AI에 넘겨줄 맥락을 어떤 형태로 어디에 쌓아두는가에서 발생합니다. 축적한 회사는 1년 뒤, 2년 뒤 어떤 모델이 나와도 첫날부터 활용할 수 있고, 그렇지 않은 회사는 매번 준비를 처음부터 반복하며 격차를 키웁니다. AI는 잘 쓰는 회사가 아니라 잘 쌓아둔 회사에서 일합니다.

 

gongysd.com ⓒ공여사들, '일의 구조'를 만듭니다.

 

#AI도입 #AX #기록
이 글에 대한 의견을 남겨주세요!
서로의 생각을 공유할수록 인사이트가 커집니다.
광고

    추천 콘텐츠

    관련 콘텐츠가 없습니다.

    마케팅으로 생각하다

    전체 보기 →