매일 반복되는 엑셀 수작업에 인력과 시간을 너무 쏟고 계시지 않으신가요? 인바운드 여행사인 S여행사의 경우, 고객에게 보낼 일정표와 견적서 문서를 만들 때 이 문제가 가장 심각하게 두드러졌습니다. 문서에 들어가는 호텔이나 식당의 데이터가 사내에 이미 다 있는데도, 실무자는 매번 새롭게 단가를 조회하고 인원별로 금액을 계산하며 반나절을 허비하곤 했습니다.
자동화로 눈을 돌리게 된 계기
회사의 운영 책임자께서는 이런 비효율적인 업무 방식을 AI와 자동화 기술로 개선할 수 있을 거라 생각하셨습니다. 매일 쏟아지는 수많은 견적 요청을 전부 수작업으로 처리하다 보니, 자연스럽게 고객 응대 속도가 늦어지고 실무진의 피로도도 높았습니다. 엑셀 화면과 다른 서류들을 듀얼 모니터에 띄워 놓고 숫자들을 하나하나 대조하며 맞춰야 하는 상황이 반복되면서, 엑셀 자동화라는 키워드를 진지하게 찾아보게 되셨다고 합니다.
실제로 국내 근로자들은 데이터 관리나 정기 보고서 작성과 같은 비전략적인 문서 행정 업무에 연간 250억 시간 이상을 허비하고 있다는 조사 결과가 있습니다. 이러한 단순 반복 작업을 기술의 힘을 빌려 해결하면, 직원들이 고객 응대나 새로운 상품 기획처럼 조금 더 핵심적인 업무에 집중할 수 있을 거라는 기대가 있었습니다. 그래서 기존의 익숙한 업무 흐름과 엑셀 산출물 형태는 그대로 유지하면서도 중간의 번거로운 과정만 시스템화하고자 센티프에 도움을 요청해 오셨습니다.
도입 후 달라진 업무 처리량
현재 맞춤형 자동화 시스템이 도입된 이후, S여행사는 동일한 인원으로도 하루에 처리할 수 있는 견적 업무량이 크게 증가했습니다. 예전에는 담당자가 일일이 사내 데이터베이스를 검색해 단가를 찾고 엑셀 표에 행과 열을 추가하느라 반나절이 걸렸던 작업이 이제는 시스템 안에서 매끄럽게 처리됩니다. 정보 조회와 계산을 기계가 대신 수행하면서, 실무자가 피로로 인해 수치를 잘못 입력하거나 누락하는 실수도 자연스럽게 사라졌습니다.
생성형 AI와 자동화 도구를 실무에 적극적으로 도입한 근로자들이 하루 평균 1.5시간의 업무 시간을 단축하고 있다는 조사처럼 현장의 변화는 뚜렷했습니다. 단순히 작업 속도만 빨라진 것이 아니라, 고객에게 정확한 견적서가 도달하는 응대 시간이 단축되면서 고객사의 만족도 역시 덩달아 높아졌습니다. 결과적으로 관광 성수기에 갑작스럽게 견적 요청이 폭증하더라도 인력의 무리한 충원 없이 유연하고 안정적으로 대응할 수 있는 단단한 업무 환경이 만들어졌습니다.
자동화 적합성 판단 스펙트럼
이처럼 우리 회사에도 AI 기반의 자동화를 도입해 실질적인 효과를 보려면, 가장 먼저 대상 업무가 시스템화하기에 적합한지부터 차분히 판단해야 합니다. 세상의 모든 업무를 시스템이 대신할 수 있는 것은 아니며, 각 업무의 성격은 철저한 '규칙형'에서 복잡한 '판단형'에 이르는 하나의 긴 스펙트럼 위에 놓여 있습니다. 데이터의 특정 위치를 복사해 정해진 칸에 정확히 붙여넣거나, 사전에 정해진 수식에 따라 결과값을 도출하는 업무는 완벽한 규칙형에 가깝습니다.
이러한 규칙형 업무는 변수가 적기 때문에, 기존의 일반적인 프로그래밍 방식만으로도 빠르고 안정적인 자동화 시스템을 구축할 수 있습니다. 반면, 문서에 담긴 상황의 맥락을 깊이 있게 읽어내고, 예외 사항을 고려해 담당자의 경험으로 결정을 내려야 하는 업무는 판단형에 속합니다. 과거에는 이런 판단형 업무를 컴퓨터가 온전히 처리할 수 없었기 때문에, 규칙형 작업과 섞여 있는 중간 과정에서 번번이 사람의 개입을 거쳐야만 다음 작업으로 넘어갈 수 있었습니다.
판단형 업무의 벽을 넘은 AI
하지만 최근 거대 언어 모델과 시각 인공지능이 문서 내의 맥락을 폭넓게 이해하게 되면서 상황이 크게 달라졌습니다. 인공지능이 사람 고유의 영역으로 여겨졌던 판단형 업무 중 일부를 수행할 수 있게 되면서, 업무 자동화가 가능한 스펙트럼이 과거와 비교할 수 없을 만큼 넓어진 것입니다. 사람이 자연어로 길게 적어 놓은 설명 글에서 회사가 꼭 확인해야 할 특수 조건만 짚어내거나, 형식이 제각각인 서류들을 읽어 들이고 공통된 양식에 맞춰 데이터를 정규화하여 분류하는 작업이 대표적인 예입니다.
기존의 엑셀 매크로나 단순 스크립트 방식으로는 예외 상황이 발생할 때마다 시스템이 멈추거나 오류가 나기 일쑤였습니다. 이제는 AI가 1차적으로 비정형 데이터를 읽고 분류 및 요약해 주면, 실무자는 그 결과를 가볍게 눈으로 확인하고 검토하기만 하면 됩니다. 기존 업무 방식에 인공지능을 접목함으로써 사람의 직관이나 독해력이 필요했던 일들을 시스템이 맡게 되었고, 이를 통해 실질적인 업무 시간 단축이 실현되고 있습니다.
자동화의 첫 단추 고르는 법
막상 우리 회사의 업무에 시스템을 도입하려고 하면 수많은 일상 업무 중 어떤 것부터 시작해야 할지 막막하게 느껴지실 수 있습니다. 이때 가장 좋은 출발점은 하루 혹은 일주일 단위로 발생 빈도가 매우 높으면서도, 결과물을 실무자가 직관적으로 검증하고 확인할 수 있는 업무입니다. 작업의 규칙이 어느 정도 뚜렷하게 잡혀 있고, 과거에 수작업으로 처리하며 쌓아둔 결과 데이터가 사내에 잘 보관되어 있다면 아주 훌륭한 시스템 구축 후보가 됩니다.
처음부터 회사의 모든 업무 과정을 통째로 자동화하려고 욕심을 내면 시스템의 덩치가 너무 커지고 현장 도입에 실패할 확률도 그만큼 높아집니다. 대신, 작고 명확한 단위의 자동화를 먼저 떼어내어 구현해 보시기를 권장합니다. 현장의 직원들이 지루한 수작업이 줄어드는 편리함을 직접 경험하고 나면, 점차 예외가 많고 판단이 더 필요한 복잡한 업무로 범위를 넓혀갈 때 훨씬 더 긍정적으로 적응할 수 있습니다.
실제 센티프가 구축한 S여행사의 프로젝트에서도, 일정표 이미지를 읽고 분석하는 판단형 작업과 정해진 견적서 양식을 채우는 규칙형 작업을 성공적으로 결합했습니다. 시각 인공지능이 고객이 보낸 일정표 이미지를 통째로 판독해 일정과 인원 조건을 읽어내면, 사내 데이터베이스의 단가와 매칭하여 금액을 정확히 찾아 채워 넣습니다. 나아가 산출된 데이터의 행과 열 좌표를 계산해 섹션별 행 수가 고정된 원 서식 그대로의 엑셀 파일로 직접 기입하여 출력함으로써, 담당자가 결과물을 다시 수정해야 하는 번거로움을 최소화했습니다.
