KS C&C AI 혁신센터에서는 심사 서류를 분석해 보고서를 작성하고, 고객 문의 내용을 파악해 담당자를 연결하며, 매출·매입 데이터를 확인해 지급이 필요한 건을 알려주는 다양한 프로젝트를 진행해 왔습니다.
AI를 단순한 정보 검색이나 문서 작성 도구로 활용하는 데 그치지 않고,
실제 업무 과정에 직접 연결해 활용하고 있는 것입니다.
이번 인터뷰에서는 김동하 연구원과 함께 KS C&C가 AI를 실제 업무에 어떻게 적용하고 있는지,
그 과정에서 AI와 사람의 역할을 어떻게 나누고 있는지 이야기를 들어보았습니다.
Q1. 안녕하세요, 김동하 연구원님! 기업부설연구소 내 AI 혁신센터는 어떤 역할을 담당하는 조직인가요? 지금까지 어떤 AI 기술과 솔루션을 연구하거나 개발했나요?
안녕하세요. AI 혁신센터 김동하입니다.
AI 혁신센터는 AI를 활용할 수 있는 새로운 솔루션을 발굴하고, 이를 실제 업무에 적용할 수 있는 형태로 연구·개발하는 조직입니다.
AI 기술 자체를 연구하는 데 그치지 않고, 회사에서 발생하는 다양한 업무를 어떻게 더 효율적으로 처리하고 자동화할 수 있을지 함께 고민하고 있습니다.
현재는 RAG, AI 모델 학습 및 활용, AI Agent 등 다양한 기술을 연구하고 있으며, 이를 실제 업무에 적용하는 프로젝트도 진행하고 있습니다.
대표적으로 사내 규정 및 업무 지식 기반 챗봇, 렌탈 심사보고서 생성 AI Agent, 고객 문의 접수 및 담당자 연결 AI Agent, 매출·매입 대금 알림 AI Agent 등을 개발했습니다.
궁극적으로는 AI를 실제 업무에 자연스럽게 연결해 반복적인 업무를 줄이고, 직원들이 보다 중요한 업무에 집중할 수 있는 환경을 만드는 것을 목표로 하고 있습니다.
Q2. AI 혁신센터는 어떤 목표를 가지고 연구·개발을 수행하는 조직인가요?
AI 혁신센터는 새로운 AI 기술을 연구하는 것에서 끝나는 것이 아니라, 실제 업무에 적용해 업무 방식을 개선하는 것을 목표로 하고 있습니다.
사람이 반복적으로 처리하거나 많은 시간을 들여야 하는 업무를 살펴보고, 그 과정에서 AI가 어떤 역할을 할 수 있는지 분석합니다. 그에 맞는 기술과 솔루션을 찾아 실제 업무에 적용하는 것까지 연구하고 있습니다.
현재는 RAG, AI Agent, 생성형 AI 등 다양한 기술을 연구하고 있으며, 회사의 업무 환경에 맞게 활용할 수 있는 방법을 계속 찾고 있습니다.
AI 자체를 개발하는 것보다 AI가 실제 업무에서 어떤 역할을 할 수 있는지, 이를 통해 업무를 어떻게 더 효율적으로 바꿀 수 있는지를 고민하는 것이 AI 혁신센터의 중요한 목표입니다.
SECTION 2. 사내 규정 및 업무 지식 기반 챗봇
Q3. AI 혁신센터에서는 사내 지식 기반 챗봇도 개발하셨는데요. 이 챗봇은 어떤 배경에서 시작된 프로젝트인가요?
기존의 GPT나 Claude와 같은 범용 AI 서비스는 다양한 질문에 답변할 수 있지만,
우리 회사의 사내 규정이나 업무 방식, 내부에서 축적된 지식까지 정확하게 반영하기에는 한계가 있습니다.
그래서 회사가 보유한 사내 규정과 업무 지식을 AI가 활용할 수 있도록 RAG 기술을 적용한 사내 지식 기반 챗봇을 개발했습니다.
직원들이 회사의 규정이나 업무 관련 정보를 필요할 때 직접 문서를 찾아보지 않아도,
내부 자료를 바탕으로 필요한 내용을 빠르게 확인할 수 있도록 하는 것이 이 챗봇의 주요 목적입니다.
Q4. 사내 챗봇은 어떤 문서와 정보를 기반으로 답변하도록 개발되었나요?
사내 챗봇은 회사 내규와 노동법 관련 법률을 기반으로 답변할 수 있도록 개발했습니다.
휴가, 근무제도, 복리후생처럼 직원들이 회사 생활을 하면서 자주 궁금해하는 내용이 사내 규정이나 근로 관련 법률에 많이 포함되어 있기 때문에 이 자료들을 우선적으로 활용했습니다.
기존에는 이런 문의가 들어오면 경영지원팀에서 관련 규정이나 법률을 직접 찾아 확인하고 답변해야 했지만, 챗봇을 이용하면 직원들이 필요한 내용을 먼저 직접 확인할 수 있기 때문에, 정보를 찾는 시간을 줄이는 동시에 경영지원팀의 반복적인 문의 대응 업무도 줄일 수 있습니다.
Q5. 임직원이 질문을 입력하면 챗봇은 어떤 과정을 거쳐 답변을 제공하나요?
임직원이 챗봇에 질문을 입력하면 질문의 내용을 분석한 뒤, 사내 규정과 노동법 등 미리 구축해 둔 지식 데이터에서 관련성이 높은 내용을 검색합니다.
이 과정에는 RAG기술을 적용했습니다. 검색된 문서를 AI 모델에 함께 전달하고, AI가 해당 내용을 바탕으로 답변을 생성하는 방식입니다.
예를 들어 휴가와 관련된 질문을 입력하면 챗봇이 관련 사내 규정이나 노동법 내용을 찾아 답변에 활용합니다. 일반적인 AI 지식에만 의존하는 것이 아니라, 회사에서 제공한 실제 규정과 법률을 근거로 답변하도록 구성했습니다.
챗봇 서비스는 Java 기반으로 챗봇 서비스를 개발했으며, 오픈소스 AI 모델과 검색 기술을 RAG 방식으로 결합해 사내 규정과 관련 법률 정보를 검색하고 이를 바탕으로 답변을 생성하도록 구성했습니다.
Q6. 그럼 잘못된 답변이나 오래된 규정을 안내하지 않도록 어떤 검증 과정을 적용했나요?
잘못된 답변을 줄이기 위해 AI가 임의로 내용을 만들어내기보다는, 검색된 사내 규정과 노동법 등 제공된 정보를 바탕으로 답변하도록 프롬프트를 구성했습니다.
질문과 관련된 근거가 충분하지 않을 경우에는 AI가 임의로 판단하거나 답변을 생성하지 않도록 범위를 제한했습니다.
사내 규정이나 법률은 변경될 수 있기 때문에 챗봇이 사용하는 지식 데이터도 업데이트할 수 있도록 구성했습니다.
새로운 규정이 생기거나 관련 법률이 변경되면 기존 문서를 교체하거나 새로운 문서를 추가해 최신 정보를 반영할 수 있습니다.
Q7. 사내 챗봇 개발 과정에서 가장 어려웠던 부분은 무엇이었나요?
가장 어려웠던 부분은 RAG 기술을 실제 서비스에 적용하면서, 사용자의 질문과 관련된 문서를 얼마나 정확하게 찾아 AI에게 전달할지를 구현하는 과정이었습니다.
RAG는 AI 모델의 성능도 중요하지만, 질문과 관련된 정보를 제대로 검색하지 못하면 답변의 정확도도 떨어집니다. 사내 규정이나 노동법처럼 비슷한 내용이 여러 문서에 나뉘어 있는 경우에는 어떤 문서를 우선적으로 검색할지, 어느 범위까지 AI에게 전달할지를 계속 조정해야 했습니다.
처음 적용하는 기술이었던 만큼 문서를 검색하고, 검색 결과를 AI 모델에 전달하고, 최종 답변을 생성하는 전체 과정을 하나씩 테스트하면서 적절한 방식을 찾아갔습니다. 이 과정에서 검색 품질이 AI 답변에 얼마나 큰 영향을 주는지도 직접 확인할 수 있었습니다.
Q8. 사내 챗봇이 실제 업무에 적용되면 어떤 변화가 기대되나요?
임직원들은 회사 규정이나 업무 관련 정보를 훨씬 쉽게 확인할 수 있습니다. 기존에는 궁금한 내용이 있으면 관련 문서를 직접 찾아보거나 경영지원팀에 문의해야 했지만, 챗봇에서는 자연어로 질문하는 것만으로 필요한 내용을 확인할 수 있습니다.
경영지원팀에서도 반복적으로 들어오는 사내 규정이나 노동법 관련 문의에 일일이 답변해야 하는 부담을 줄일 수 있습니다. 기본적인 문의는 챗봇이 먼저 안내하고, 담당자는 별도의 확인이나 판단이 필요한 업무에 더 집중할 수 있습니다.
직원들이 필요한 정보를 찾는 시간을 줄이고, 경영지원팀의 반복적인 문의 대응 업무도 함께 줄이는 것이 가장 큰 변화라고 생각합니다.
SECTION 3. 렌탈 심사보고서 생성 AI Agent
Q9. 사내 챗봇 외에도 렌탈 심사보고서 AI Agent를 개발하셨는데요. 이 프로젝트는 어떤 배경에서 시작되었나요?
KS C&C의 자회사인 KS렌탈서비스는 렌탈 심사를 진행할 때 고객이 제출한 여러 자료를 확인하고, 필요한 정보를 정리한 뒤 이를 바탕으로 심사 판단을 내리는 과정을 거칩니다.
기존에는 담당자가 여러 자료를 직접 확인하고 정리해야 했기 때문에 업무에 많은 시간이 들었고, 담당자에 따라 자료를 확인하거나 판단하는 방식에 차이가 생길 수 있다는 어려움도 있었습니다.
이런 업무를 조금 더 효율적으로 처리하기 위해 렌탈 심사보고서 AI Agent를 개발했습니다.
AI가 심사 자료에서 필요한 정보를 먼저 찾아 정리하고 보고서 작성까지 지원하면,
담당자는 반복적인 자료 확인보다는 최종 검토와 판단에 더 집중할 수 있다고 봤습니다.
Q10. 렌탈 심사보고서 AI Agent는 어떤 업무를 자동화하나요?
렌탈 심사보고서 AI Agent는 심사 자료에서 필요한 정보를 추출하고, 추출된 정보를 활용해 심사보고서를 작성하는 과정까지 자동화했습니다.
기존에는 렌탈 심사 담당자가 고객의 심사 관련 서류를 직접 확인하면서 필요한 데이터를 찾아 정리하고, 그 내용을 바탕으로 정해진 양식의 심사보고서를 작성해야 했습니다.
AI Agent를 활용하면 여러 자료를 일일이 확인할 필요 없이 심사 문서를 시스템에 업로드하는 것만으로 필요한 정보가 자동으로 추출됩니다. 추출된 데이터는 기존에 심사 담당자가 사용하던 보고서 형식에 맞춰 정리되고, 렌탈 심사보고서까지 자동으로 생성됩니다.
어떤 데이터를 추출할지는 실제 렌탈 심사 담당자들과 인터뷰를 진행해 정했습니다. 심사 과정에서 어떤 정보를 중요하게 확인하는지, 어떤 항목이 실제 판단에 필요한지를 먼저 파악한 뒤 해당 정보를 문서에서 자동으로 추출할 수 있도록 구성했습니다.
자료를 확인하고 데이터를 정리한 뒤 보고서를 작성하는 반복적인 과정은 AI Agent가 맡고, 담당자는 생성된 내용을 검토하고 최종 판단하는 데 집중할 수 있도록 설계했습니다.
Q11. AI 모델은 추출된 데이터를 활용해 어떤 방식으로 심사보고서를 생성하나요?
먼저 OCR과 AI를 이용해 업로드된 심사 서류에서 필요한 정보를 추출하고,
해당 데이터를 활용해 심사보고서를 작성합니다.
보고서를 생성할 때는 AI가 임의로 내용을 작성하는 것이 아니라 기존에 심사 담당자들이 작성한 보고서의 형식과 작성 방식을 참고하도록 했습니다.
기존 심사보고서를 활용해 GPT-4o 모델을 파인튜닝하고, 심사 담당자들이 어떤 정보를 중요하게 보는지, 내용을 어떤 방식으로 정리하는지를 모델에 반영했습니다.
새로운 심사 자료가 들어오면 문서에서 추출한 정보를 바탕으로 기존 심사보고서의 작성 방식과 유사한 형태의 보고서를 자동으로 생성합니다.
담당자가 처음부터 자료를 정리하고 보고서를 작성해야 하는 과정을 줄일 수 있도록 구성했습니다.
Q12. 구축 과정에서 예상치 못했던 어려움이 있었나요? 그리고 어떻게 해결하셨나요?
구축 과정에서 가장 어려웠던 부분은 고객이 제출하는 다양한 형태의 서류에서
필요한 정보를 정확하게 찾아내는 일이었습니다.
정해진 양식의 문서만 들어오는 것이 아니라 여러 종류의 비정형 문서를 다루다 보니, AI가 정보를 잘 찾아내는 경우도 있었지만 사람의 눈으로 봐도 내용을 확인하기 어려운 문서나 데이터도 있었습니다.
이런 부분까지 AI에게 100% 맡기기에는 정확성 측면에서 한계가 있었습니다.
그래서 AI가 먼저 필요한 정보를 추출하고 중요한 내용은 담당자가 다시 확인할 수 있는 과정을 추가했습니다. 예를 들어 AI가 특정 데이터를 추출하면 담당자가 해당 데이터를 클릭해 원본 문서의 어느 부분에서 가져온 정보인지 바로 확인할 수 있도록 구성했습니다. AI가 추출한 내용과 원본 문서를 직접 비교할 수 있게 만든 것입니다.
이렇게 AI가 반복적인 정보 확인을 먼저 처리하되, 중요한 정보는 사람이 다시 검토할 수 있도록 해 정확성과 신뢰성을 함께 확보하려고 했습니다.
이번 프로젝트를 진행하면서 모든 과정을 AI에 맡기는 것보다, AI가 잘하는 부분과 사람이 확인해야 하는 부분을 나눠 업무를 설계하는 것이 실제 업무에서는 더 중요하다는 점을 확인할 수 있었습니다.
Q13. 기존 심사보고서 작성 방식과 비교했을 때 어떤 업무 변화가 기대되나요?
가장 기대하는 변화는 보고서를 작성하는 과정에서 발생할 수 있는 담당자별 편차를 줄이고
보다 일관된 방식으로 심사 업무를 지원할 수 있다는 점입니다.
사람이 직접 보고서를 작성하다 보면 같은 자료를 보더라도 담당자의 경험이나 판단 기준에 따라 정보를 정리하거나 표현하는 방식에 차이가 생길 수 있습니다.
최종적인 심사 판단은 사람이 하지만, AI Agent가 자료에서 필요한 정보를 추출하고 일정한 형식으로 정리하면 보고서 작성 과정에서 발생하는 편차를 줄이는 데 도움이 될 수 있습니다.
업무에 걸리는 시간도 줄일 수 있습니다. 기존에는 담당자가 여러 서류를 직접 확인하고 필요한 정보를 정리한 뒤 보고서까지 작성해야 했지만, AI Agent가 이 과정을 먼저 처리하면 담당자는 생성된 자료와 보고서를 검토하고 최종 판단하는 데 더 많은 시간을 쓸 수 있습니다.
AI가 사람을 대신해 심사를 결정하는 것이 아니라, 반복적인 자료 확인과 보고서 작성을 지원하고 최종 판단은 담당자가 맡는 방식입니다. 이 역할을 명확하게 나누는 것이 이번 AI Agent에서 중요하게 본 부분입니다.
SECTION 4. 고객 문의 접수 및 담당자 연결 AI Agent
Q14. 고객 문의 접수 및 담당자 연결 AI Agent는 어떤 배경에서 개발하게 되었나요?
고객 문의가 접수되면 담당자가 내용을 확인하고, 어떤 유형의 문의인지 판단한 뒤 적절한 담당자에게 전달하는 과정이 필요합니다.
문의가 많아질수록 이런 작업을 반복해서 처리해야 하기 때문에 담당자의 업무 부담이 커질 수 있고, 문의를 분류하거나 전달하는 과정에서 대응이 늦어지는 경우도 생길 수 있습니다.
그래서 고객 문의 내용을 AI가 먼저 읽고 문의 유형을 판단한 뒤, 적절한 담당자에게 연결해주는 방식으로 업무를 구성했습니다.
고객 문의가 담당자에게 전달되는 시간을 줄이고, 직원들이 반복적인 문의 분류와 전달 업무에 쓰는 시간을 줄이는 것이 이 AI Agent를 개발한 주요 목적입니다.
Q14. 고객이 홈페이지에 문의를 등록한 이후 어떤 과정이 자동으로 진행되나요?
고객이 홈페이지에 문의를 등록하면 해당 내용이 시스템에 저장되고, 자동화 프로그램이 문의 내용을 AI에게 전달합니다.
AI는 고객이 작성한 내용을 읽고 어떤 유형의 문의인지 판단합니다.
판단된 문의 유형을 기준으로 적절한 담당자를 찾아 문의 내용을 메일로 전달합니다.
AI의 판단만으로 모든 문의를 바로 처리하지는 않습니다. 기존 담당자가 판단한 문의 유형과 AI가 판단한 유형을 비교해 두 결과가 일치하면 자동으로 담당자에게 전달하고, 서로 다른 경우에는 담당자가 다시 확인할 수 있도록 별도의 화면을 보여줍니다.
AI가 먼저 문의를 분류하고, 판단이 명확하지 않은 경우에는 사람이 다시 확인하는 방식으로 구성했습니다.
Q15. AI Agent는 고객 문의 내용에서 어떤 정보를 분석하나요?
AI Agent가 가장 중요하게 보는 것은 고객의 문의가 어떤 업무에 해당하는지 문의 유형을 판단하는 것입니다.
고객이 작성한 내용을 읽고 문의의 목적과 핵심 내용을 파악한 뒤, 어떤 업무 영역에 해당하는지 분류합니다. 이 결과를 기준으로 해당 문의를 처리할 담당자를 연결하도록 구성했습니다.
단순히 문의 내용을 읽는 데서 끝나는 것이 아니라 이 문의는 어떤 업무에 해당하고 누가 처리해야 하는가 까지 판단하는 역할을 합니다.
Q16. UiPath를 활용해 고객 문의 처리의 End-to-End 흐름을 구현한 이유는 무엇인가요?
이번 프로젝트에서는 고객 문의가 접수되는 순간부터 담당자에게 전달되는 과정까지 End-to-End로 하나의 흐름으로 연결하고 자동화하기 위해 UiPath를 활용했습니다.
저희 회사가 UiPath 파트너이기도 하고, 기존에 보유하고 있는 자동화 기술을 AI와 결합해 실제 업무에 적용해보자는 목적도 있었습니다.
고객 문의가 들어오면 시스템에서 내용을 가져오고, AI에 분석을 요청한 뒤 그 결과에 따라 담당자에게 메일을 보내는 과정까지 여러 작업이 이어져야 합니다.
UiPath를 활용해 이렇게 각각 나뉘어 있는 작업을 하나의 End-to-End 업무 흐름으로 연결했습니다.
AI가 문의 내용을 분석하고 판단한다면, UiPath는 그 판단 결과에 따라 필요한 작업을 실제로 실행하고 다음 단계로 이어주는 역할을 합니다.
Q17. 고객 문의 AI Agent가 실제 업무에 적용되면 어떤 효과를 기대할 수 있나요?
가장 기대하는 효과는 고객 문의가 담당자에게 전달되는 시간을 줄이고 직원들의 반복적인 업무 부담을 줄일 수 있다는 점입니다.
기존에는 담당자가 고객의 문의 내용을 직접 확인하고 문의 유형을 판단한 뒤, 적절한 담당자를 찾아 전달해야 했습니다. AI Agent가 이 과정을 먼저 처리하면 반복적으로 발생하는 문의 확인과 분류 업무를 줄일 수 있습니다.
AI의 판단과 사람이 판단한 내용이 다를 경우에는 담당자가 다시 확인하도록 구성했습니다. 모든 문의 처리를 AI에게 맡기는 것이 아니라, AI가 먼저 분류하고 필요한 경우 사람이 확인하는 방식입니다.
고객 입장에서는 문의가 보다 빠르게 담당자에게 전달될 수 있고, 직원들은 반복적인 문의 확인과 분류에 쓰는 시간을 줄여 실제 고객 대응이 필요한 업무에 더 집중할 수 있습니다.
SECTION 5. 매출·매입 대금 알림 AI Agent
Q18. 매출·매입 대금 관리 업무에는 왜 AI Agent를 적용하게 되었나요?
경영지원 업무에서는 여러 계약과 거래를 관리하면서 고객에게 받을 대금과 외부 업체에 지급해야 할 대금을 함께 확인해야 합니다.
담당자는 여러 자료를 직접 확인하면서 고객에게 대금이 입금됐는지, 해당 계약과 연결된 매입 비용이 있는지, 이미 지급한 건은 아닌지, 지급 시기가 언제인지 등을 하나씩 확인해야합니다.
경영지원부서는 이 업무 외에도 회계, 자금 관리, 세금계산서 등 여러 업무를 함께 처리하고 있기 때문에, 매번 자료를 찾아 비교하고 지급 대상을 확인하는 데 많은 시간을 쓰는 것이 부담이 될 수 있습니다.
그래서 담당자가 직접 찾아다니지 않아도 AI가 먼저 확인해서 알려줄 수 없을까?
라는 생각에서 이 AI Agent를 개발했습니다.
AI가 매출·매입 데이터를 확인해 지급이 필요한 대상을 먼저 찾아 담당자에게 알려주면 반복적인 확인 업무를 줄일 수 있고, 지급해야 할 건을 놓치는 것도 예방할 수 있습니다.
Q19. 매출·매입 대금 알림 AI Agent는 어떤 업무를 수행하나요? 매출·매입 데이터 확인부터 알림 대상 선정, 알림 내용 작성, 담당자 전달까지 전체 업무 흐름을 단계별로 설명해 주세요.
전체 과정은 크게 자료를 수집하고 → AI가 데이터를 확인하고 → 지급이 필요한 대상을 찾은 뒤 → 담당자에게 알려주는 방식으로 진행됩니다.
먼저 정해진 주기에 따라 필요한 매출·매입 관련 자료를 자동으로 수집합니다.
수집된 자료는 한곳에서 확인할 수 있도록 정리되고, 최신 데이터도 자동으로 반영됩니다.
그다음 AI Agent가 데이터를 확인합니다. 예를 들어 지급 예정일이 가까워졌고 아직 지급하지 않은 매입 건을 찾아줘 라고 요청하면, AI가 이 요청을 이해하고 어떤 조건의 데이터를 찾아야 하는지 판단합니다.
그 조건을 기준으로 실제 데이터베이스에서 해당하는 데이터를 조회합니다.
AI가 단순히 숫자를 계산하는 것이 아니라, 사용자의 요청을 이해하고 필요한 조회 조건을 만들어 데이터를 찾도록 구성한 것이 이 과정의 핵심입니다.
조회가 끝나면 AI가 지급 대상 정보를 정리하고, UiPath Maestro가 해당 내용을 담당자에게 메일로 자동 전달합니다. 담당자는 전달받은 내용을 확인한 뒤 필요한 지급 업무를 처리합니다.
기존에는 담당자가 직접 여러 데이터를 확인하면서 지급할 건을 찾아야 했다면, 이제는 AI가 먼저 지급이 필요한 대상을 찾아 담당자에게 알려주는 방식으로 바뀐 것입니다.
Q20. UiPath Maestro를 활용해 대금 알림 프로세스를 구성한 이유는 무엇인가요?
이번 업무는 AI에게 질문하고 답변을 받는 것에서 끝나는 것이 아니라, 데이터를 가져오고 분석한 뒤 그 결과를 담당자에게 전달하는 과정까지 여러 단계가 이어져야 합니다.
이 과정을 하나의 흐름으로 연결하고 관리하기 위해 UiPath Maestro를 활용했습니다.
Maestro를 이용하면 데이터 수집, AI 분석, 결과 전달처럼 각각 나뉘어 있는 작업을 하나의 업무 흐름으로 연결할 수 있습니다. 전체 진행 과정을 화면에서 확인할 수 있어 현재 업무가 어느 단계에 있는지 파악하고 관리하기에도 편리합니다.
이 프로젝트에서 중요하게 본 부분은 AI를 단독으로 사용하는 것이 아니라, AI가 판단하고 필요한 작업은 자동화 도구가 실행하면서 하나의 업무가 처음부터 끝까지 이어지도록 만드는 것이었습니다.
UiPath Maestro는 AI와 자동화 기술을 연결해 이러한 업무 과정을 하나의 프로세스로 구성하고 관리하는 역할을 합니다.
Q21. 해당 AI Agent를 통해 어떤 업무적 효과를 기대할 수 있나요?
반복적인 자료 확인 업무를 줄이고 지급해야 할 건을 놓칠 가능성을 낮출 수 있다는 점입니다.
기존에는 담당자가 여러 자료를 직접 확인하고 계약번호 등을 하나씩 비교하면서 지급 대상인지 확인해야 했습니다. AI Agent가 정기적으로 데이터를 확인하고 지급이 필요한 대상을 먼저 찾아 알려주기 때문에, 담당자가 반복적으로 자료를 찾아 비교하는 업무를 줄일 수 있습니다.
여러 자료를 사람이 직접 확인하는 과정에서 발생할 수 있는 실수나 지급 누락의 가능성을 줄이는 데도 도움이 됩니다.
담당자는 AI가 보내준 알림을 확인하고 실제 지급 여부를 검토하면 됩니다. 데이터를 일일이 찾아 확인하는 데 시간을 쓰기보다 의사결정이나 관리처럼 더 중요한 업무에 집중할 수 있습니다.
이 Agent의 핵심은 사람이 하던 업무를 모두 대신하는 것이 아니라, 사람이 직접 찾아야 했던 정보를 AI가 먼저 찾아서 알려주는 것입니다. 담당자가 필요한 내용을 놓치지 않고 보다 안정적으로 업무를 처리할 수 있도록 지원하는 역할입니다.
SECTION 6. AI 혁신센터가 바라보는 업무의 변화와 앞으로의 방향
Q22. 지금까지 진행한 프로젝트에서 공통적으로 중요하게 본 부분은 무엇인가요?
지금까지 진행한 프로젝트마다 활용한 AI 기술과 적용 방식은 조금씩 다르지만 공통적으로 AI를 실제 업무 과정에 연결한다는 점은 같습니다.
사내 챗봇에서는 회사의 규정과 업무 지식을 AI가 찾아 답변하도록 했고, 렌탈 심사에서는 여러 서류에서 필요한 정보를 추출하고 심사보고서를 작성하도록 했습니다.
고객 문의에서는 문의 내용을 분석해 적절한 담당자를 연결하고, 매출·매입 대금 관리에서는 지급이 필요한 대상을 AI가 먼저 찾아 알려주도록 구성했습니다.
프로젝트마다 대상 업무는 달랐지만, 사람이 직접 찾고 정리하던 일을 AI가 먼저 처리하고 필요한 부분은 사람이 다시 확인하는 구조를 공통적으로 적용했습니다.
AI가 모든 업무를 대신하는 것이 아니라 반복적으로 확인하고 정리하는 업무를 먼저 처리하고, 사람은 판단이나 의사결정이 필요한 업무에 집중할 수 있도록 만드는 것이 저희가 중요하게 보고 있는 부분입니다.
Q22. 여러 프로젝트를 진행하면서 AI 혁신센터가 쌓은 기술과 경험은 무엇인가요?
여러 프로젝트를 진행하면서 AI 기술 자체를 활용하는 방법뿐만 아니라, 실제 업무에 AI를 적용하기 위해 어떤 부분을 함께 설계해야 하는지에 대한 경험을 쌓았습니다.
RAG를 활용해 회사 내부의 지식을 AI가 검색하고 활용할 수 있도록 만드는 방법, 여러 문서에서 필요한 정보를 찾아내는 기술, AI Agent와 자동화 기술을 연결해 하나의 업무 흐름으로 구성하는 방법 등을 프로젝트를 통해 직접 적용해봤습니다.
AI가 모든 상황에서 항상 정확하게 판단할 수 있는 것은 아니기 때문에, 어떤 업무는 자동화하고 어떤 부분에서는 사람이 확인해야 하는지도 함께 고민했습니다.
실제 업무에 AI를 적용할 때는 기술 자체보다 이런 업무 구조를 설계하는 과정도 중요하다고 생각합니다.
지금은 새로운 업무를 검토할 때 AI를 어디에 적용하면 효과적인지, 반복적으로 처리하고 있는 업무를 어떤 방식으로 줄일 수 있을지를 함께 고민하고 있습니다.
Q23. AI 혁신센터가 만들고 싶은 업무 환경은 어떤 모습인가요?
직원들이 자료를 찾고, 내용을 정리하고, 반복적으로 분류하거나 정해진 형식의 문서를 작성하는 데 많은 시간을 쓰지 않는 환경을 만들고 싶습니다.
이런 반복적인 업무는 AI가 지원하고, 최종 판단이나 중요한 의사결정, 사람과의 소통처럼 경험과 전문성이 필요한 부분에는 직원들이 더 집중할 수 있어야 한다고 생각합니다.
AI가 사람을 대신하는 회사보다는 직원 한 명 한 명이 AI를 업무 파트너로 활용하는 환경에 가깝습니다.
필요한 정보를 찾아주고 반복적인 업무를 먼저 처리하면서, 사람이 판단해야 할 때는 필요한 정보를 정리해 제공해주는 것이 저희가 생각하는 AI의 역할입니다.
Q24. 앞으로 AI 혁신센터에서는 어떤 분야를 더 연구하고 싶으신가요?
앞으로는 개별 업무를 자동화하는 것에서 더 나아가, 여러 시스템과 업무를 서로 연결하고 실제 업무 처리까지 이어갈 수 있는 AI Agent 분야를 더 연구하고 싶습니다.
현재는 하나의 업무 단위를 AI로 자동화하는 프로젝트를 주로 진행하고 있지만, 앞으로는 AI가 여러 시스템에서 필요한 정보를 찾고 각각의 업무 단계를 연결할 수 있는 형태로 발전시켜보고 싶습니다.
회사에 축적되는 데이터와 업무 지식을 AI가 더 효과적으로 활용할 수 있는 방법도 계속 연구할 계획입니다.
직원이 업무를 처리하기 위해 여러 시스템을 직접 찾아다니기보다, AI에게 업무를 요청하면 필요한 정보를 찾고 다음 단계까지 자연스럽게 이어갈 수 있는 환경을 만드는 것이 앞으로 연구하고 싶은 방향입니다.
Q25. AI 도입을 고민하고 있는 기업에 전하고 싶은 말이 있다면 말씀해 주세요.
AI를 도입한다고 해서 처음부터 크고 복잡한 시스템을 만들 필요는 없다고 생각합니다.
저희도 여러 프로젝트를 진행하면서 먼저 우리 회사에서 사람이 반복적으로 하고 있는 일이 무엇인가?를 찾아보는 것부터 시작했습니다.
매일 같은 자료를 확인하거나, 내용을 분류하거나, 정해진 형식으로 문서를 작성하는 것처럼 사람이 많은 시간을 쓰는 업무부터 하나씩 AI에 맡겨보는 것도 좋은 출발점이 될 수 있습니다.
AI가 모든 일을 완벽하게 처리할 것이라고 생각하기보다는, AI가 잘할 수 있는 부분과 사람이 판단해야 하는 부분을 나누고 함께 일할 수 있는 구조를 만드는 것이 중요합니다.
AI 도입에서는 어떤 기술을 사용할지보다 우리 회사에서 반복적으로 시간이 많이 드는 업무가 무엇인지 먼저 찾아보는 것이 더 중요하다고 생각합니다.
이번 인터뷰에서는 사내 지식 기반 챗봇부터 렌탈 심사보고서, 고객 문의 처리, 매출·매입 대금 관리까지
KS C&C AI 혁신센터가 실제 업무에 AI를 적용한 다양한 사례를 살펴봤습니다.
앞으로 AI 혁신센터가 실제 업무에 AI를 어떻게 적용하고, 또 어떤 변화를 만들어갈지 계속 소개해드리겠습니다. 앞으로의 새로운 프로젝트도 기대해 주세요!