실용적이고 인간 중심적인 AI로 ‘엉성한 업무’에서 벗어나세요

“AI 슬롭” 문제는 상당한 문화적 화두를 불러일으켰습니다. 언론의 관심 지난 몇 년간 LLM(로컬 라이프마커) 및 기타 AI 콘텐츠 생성기의 사용이 급증함에 따라, 사람들은 저품질 이미지와 수준 이하의 글이 소셜 미디어 피드를 가득 채울 때 이를 알아차립니다.

AI의 허술함 덕분에 우리는 이제... 신뢰할 가능성이 낮다 AI가 생성한 것이 아니더라도 AI가 생성한 것으로 의심되는 광고 콘텐츠가 있으며, 독자들은 LLM이 생성한 콘텐츠의 특징적인 징후들을 포착하고 있습니다. 예를 들어 다음과 같은 것들이 있습니다. 하이픈(-)의 과도한 사용하지만 안타깝게도 "workslop"(업무 중 부실한 결과물을 방치하는 행위)이라는 말도 이제 유행어가 되었습니다.

워크슬롭이란 무엇이며, 재무 책임자는 왜 워크슬롭에 관심을 가져야 할까요?

모든 CFO는 예산 차이를 추적하거나 설명할 수 없는 이상 현상을 조정하는 데 몇 시간을 허비하는 좌절감을 잘 알고 있습니다. 오늘날 기업 환경에서 AI의 가능성은 도처에 있지만, 생산성을 저해하는 새로운 요소인 업무 부실 또한 만연해 있습니다.

워크슬롭(Workslop)은 겉보기에는 그럴듯하지만 내용, 맥락, 유용성이 부족한 자동화 부산물입니다. 새로운 정보를 제공하지 않으면서 하이픈(-)으로 도배된 기사, 해답보다는 더 많은 질문을 던지는 뻔한 보고서, 명확성 대신 마찰을 일으키는 승인 워크플로와 같습니다. AI가 생성한 콘텐츠가 재무팀의 업무량을 줄이는 것이 아니라 오히려 늘리는 것입니다.

업무 태만은 대개 콘텐츠 품질 저하와 관련이 있습니다. 이는 브랜드 가치를 떨어뜨리고 신뢰도를 저하시키며, 사람들이 더 이상 관심을 기울이지 않는다는 인상을 줍니다. 하지만 업무 태만이 ERP와 같은 비즈니스 애플리케이션에까지 영향을 미치기 시작하면 생산성과 신뢰도에 더욱 심각한 악영향을 미칩니다.

AI 시스템이 충분한 인간의 입력, 맥락 또는 감독 없이 결과를 생성할 때 업무 효율성 저하(Workslop)가 발생합니다. 재무 책임자에게 이는 자동화되었어야 할 작업을 명확히 하거나, 수정하거나, 재작업하는 데 귀중한 시간을 허비하게 된다는 것을 의미합니다.

그 결과는 무엇일까요? 효율성 저하, 자동화에 대한 신뢰도 하락, 그리고 수동적인 대응 모드에 갇힌 재무 기능입니다. 여러분은 조직이 AI에 충분히 투자하지 않았기 때문에 업무 효율성 저하의 영향을 받지 않을 거라고 생각할 수도 있지만, 이미 그런 현상은 도처에 존재합니다.

최근 HuffPost 이 기사는 스탠포드 대학교의 연구 결과를 인용하여 근로자의 절반 이상이 직장에서 '업무 태만'을 경험했다고 답했다고 밝혔습니다. 업무 태만은 해당 근로자들을 짜증나게 할 뿐만 아니라, 인공지능을 업무 환경에 도입하는 핵심적인 장점인 생산성 향상과 탁월한 품질 달성을 저해할 위험이 있습니다.

다행히 실용적이고 인간 중심적인 AI 접근 방식을 통해 업무상의 비효율성을 최소화하거나 완전히 없앨 수 있습니다. 이 글에서는 업무상의 비효율성 문제의 현황, 직장에서 AI 기술을 보다 신중하게 적용하는 방법, 그리고 민첩하고 반복적인 AI 배포를 달성하기 위한 몇 가지 팁을 살펴보겠습니다.

워크슬롭이 문제가 아니라 단지 초안이라면 어떨까요?

솔직히 말해서, 2026년이 거의 다가왔고 인공지능(AI)은 매우 흥미로운 기술입니다. 시간을 절약하고 생산성을 향상시킬 수 있는 엄청난 잠재력을 가지고 있기 때문에, 고용주가 기술 도입을 장려하든 안 하든 사람들은 AI를 사용할 것입니다. 문제는 직원들이 최상의 결과를 얻기 위해 필요한 적절한 교육과 노력을 기울여 AI를 활용할 것인가 하는 점입니다.

워크슬롭(Workslop)은 사용자가 AI에 충분하거나 잘 구조화된 입력을 제공하지 않을 때 발생합니다. AI를 통해 최상의 결과를 얻으려면 대화를 지속적으로 이어가야 합니다. 질문을 다시 작성하거나 요구 사항을 구체화해야 합니다. 이러한 상호 작용 과정을 통해 더 많은 맥락과 피드백이 제공되고 더 나은 결과를 도출할 수 있습니다.

저는 하루 일과를 마치고 해야 할 일 목록을 업데이트하기 위해 답장하지 않은 이메일을 요약하고 약속한 사항을 표시하는 AI 프롬프트를 만들었는데, 이 과정에서 이 사실을 직접 경험했습니다. 훌륭한 아이디어처럼 들렸지만, 초기 버전은 너무 과장되고 무거워서 실제로는 전혀 쓸모가 없었습니다.

LLM 과정에서 예측 가능하고 실용적인 결과물을 얻기까지 많은 다듬기 작업, 피드백 및 코칭이 필요했습니다. 효과적인 결과를 얻기 위해서는 저의 필요 사항, 정보 처리 방식 및 집중 시간을 명확히 파악해야 했습니다.

제 첫 번째 초안은 솔직히 말해서 "엉성한 작업물"이라고 부르는 게 맞겠지만, 여러 번 다듬는 과정을 거쳐 유용한 AI 도구를 만들 수 있었습니다. 하지만 만약 제가 첫 번째 버전에서 멈추고 사용자 친화적이지 않은 첫 번째 초안에 머물렀다면 어땠을까요? 그랬다면 생산성을 저해하는 엉성한 작업물과 씨름해야 했을 겁니다.

여러 당사자가 관련된 더 복잡한 프로세스로 확대해 보면, 아무리 좋은 의도로 AI를 적용하더라도 제대로 된 교육, 끈기, 그리고 탄탄한 기반이 없다면 오히려 업무 효율을 떨어뜨릴 수 있다는 것을 쉽게 알 수 있습니다.

인공지능이 실질적인 가치를 창출할 수 있다는 점에는 의심의 여지가 없습니다. 하지만 리더로서 우리는 직원들이 성공할 수 있도록 필요한 노하우, 지원, 그리고 협력 체계를 갖춰야 합니다. 보고서 최전선 작업 현장의 상황을 보면 아직 해야 할 일이 많다는 것을 알 수 있습니다.

인간 중심적 인공지능 접근법이란 무엇이며, 어떻게 하면 그 경지에 도달할 수 있을까요?

그렇다면 인간 중심적인 AI 접근 방식이란 무엇일까요? 그리고 AI를 업무 흐름에 통합할 때 더 나은 결과를 얻을 수 있는 실질적인 방법은 무엇일까요?

직장에서 AI 도입을 지지하는 사람들에게 좋은 출발점은 AI의 목표가 사람을 대체하는 것이 아니라는 점을 인식하는 것입니다. AI의 목표는 인간을 이해함으로써 마찰을 줄이고 지능을 향상시키는 것입니다. 즉, 인간의 필요, 일상의 불편함, 판단력, 그리고 목표를 이해하는 것입니다.

인간 중심적이고 품질 높은 AI를 업무 환경에 도입하기 위한 두 가지 교훈이 있습니다. 첫째, 생성형 AI를 사용하는 팀에게 더 나은 결과를 얻기 위해 필요한 교육과 시간을 충분히 제공해야 합니다. 이를 통해 강력한 맥락과 개선 과정을 거칠 수 있습니다.

AI 기능을 제공하는 시스템을 선택할 때는 기술 파트너가 팀의 요구 사항을 제대로 이해하고 있는지 확인해야 합니다. 즉, 팀의 일상적인 운영 환경, 효과적인 부분, 그리고 여전히 불편하게 느껴지는 부분을 파악해야 합니다.

직장에서 인간 중심 AI는 어떤 모습일까요?

인공지능은 독립적으로 활용되어 사람들의 업무를 더 쉽게 만들거나, 기존 기술의 부족한 부분을 보완하는 데 사용될 수 있습니다. 예를 들어 광학 문자 인식(OCR) 기술은 이미지 속 텍스트를 읽고 검색할 수 있는 텍스트로 변환하는 기술로, 종이 영수증이나 송장을 경비 보고 소프트웨어에 입력하는 등의 작업을 간소화하는 데 오랫동안 사용되어 왔습니다.

하지만 OCR을 정기적으로 사용하는 사람이라면 누구나 알듯이, OCR이 항상 광고처럼 작동하는 것은 아닙니다. 예를 들어, 움직이는 기차에서 영수증 사진을 찍었는데 영수증이 구겨져서 정보가 가려질 수도 있고, 영수증에 누군가 알아보기 힘든 글씨로 적혀 있을 수도 있습니다. 또는 날짜가 유럽식 형식인데 시스템이 미국식 형식만 인식하는 경우도 있을 수 있습니다.

OCR이 데이터를 정확하게 변환하지 못하는 이유는 무수히 많습니다. OCR은 한계가 있는 기술이기 때문입니다. AI와 같은 더욱 정교한 기술을 통합하면 이러한 한계를 극복하고, 궁극적으로 데이터를 수동으로 입력해야 하는 번거로움을 없앨 수 있습니다.

이는 인간 중심 AI가 가능하게 할 수 있는 일의 시작에 불과합니다. AI의 역량을 고려할 때, 새로운 애플리케이션은 업무상의 불편함을 훨씬 더 많이 해소할 수 있습니다. 예를 들어, 적절한 안내 메시지와 심층적인 과거 거래 데이터 패턴 인식을 통해 AI는 사용자의 상황을 중심으로 비용 센터, 프로젝트 정보 등을 추론하여 청구서에 페이지의 입력란을 넘어 더 많은 맥락을 제공할 수 있게 될 것입니다.

인간 중심의 AI는 회사 ERP 시스템과 같은 시스템 외부의 작업을 사람들에게 맡김으로써 직장 내 마찰을 줄일 수도 있습니다. 대부분의 업무는 ERP 시스템에 등록되어 있지 않지만, 근무 시간표 승인이나 직원 요청 처리와 같은 특정 작업을 수행하기 위해 ERP 시스템(및 기타 시스템)에 로그인해야 합니다.

만약 인공지능 에이전트가 사용자가 이미 사용하고 있는 프로그램에서 의사 결정을 내리는 데 필요한 관련 맥락과 함께 이러한 작업을 사용자에게 가져다준다면 어떨까요? 이는 업무 프로세스를 원활하게 진행하고 직원들이 더욱 집중할 수 있도록 도울 수 있습니다. 이러한 유형의 인간 중심적 인공지능은 데이터 입력이나 여러 시스템에 로그인하는 것과 같은 부가가치가 없는 작업을 없앨 수 있습니다.

인간 중심 AI는 금융 기능을 어떻게 혁신하고 있는가?

AI에 대한 민첩하고 반복적인 접근 방식은 이미 금융 기능을 크게 변화시키고 있습니다. 금융 전문가들이 스프레드시트와 분석에 몰두하다 보면, 맥락을 파악하는 능력을 키우기 어려울 수 있습니다. 따라서 맥락을 제공하는 데 도움을 줄 AI 에이전트를 구축하는 것은 어떨까요?

예를 들어, 이상치와 변칙 현상은 재무 전문가들에게 만성적인 골칫거리인데, AI는 기업 지출 급증에 대한 맥락을 제공하여 이러한 문제를 해결하는 데 도움을 줄 수 있습니다. 잘 설계된 에이전트는 재무 분석가가 모든 스프레드시트를 뒤져 변동 사항을 발견하기 전에 잠재적인 문제를 미리 알려줄 수 있습니다.

이와 마찬가지로, 민첩하고 반복적인 AI는 인사 부서에서 문제가 불거지기 전에 이상 징후를 감지할 수 있습니다. 급여 지급 후 급여에 차이가 발생하여 직원이 이의를 제기할 경우, 인사팀 담당자는 모든 업무를 제쳐두고 차이의 원인을 파악하기 위한 정밀 분석을 수행해야 합니다. 이는 바쁜 인사팀에게는 상당한 어려움이 될 수 있습니다.

정교하게 설계된 AI 에이전트는 직원들에게 영향이 미치기 전에 이상 징후를 감지하여 인사 담당자에게 상황을 알리고 맥락 정보를 제공할 수 있습니다. 이러한 방식으로 팀 구성원들은 문제 해결에 시간을 낭비하기보다는 생산성 극대화에 집중할 수 있으며, 운영이 더욱 원활하게 진행될 수 있습니다.

마찰과 업무 지연 제거: DIY 에이전트 또는 공급업체 AI?

업무 효율화를 피하고 AI를 통해 실질적인 가치를 얻는 가장 좋은 방법은 업무에서 매일 마주하는 사소한 불편함을 줄이는 방법을 찾는 것입니다. 특히 재무 및 인사 담당자를 포함한 많은 직원에게 시스템에 데이터를 입력하는 것은 귀찮은 일인데, 이는 적절한 자동화를 통해 없앨 수 있는 경우가 많습니다.

콘텐츠 제작자에게 타이핑은 업무의 일부이지만, AI를 효과적으로 활용하려면 교육, 협업, 그리고 직원 지원을 위한 정책이 필요합니다. 공예 아이디어 의미 있는 콘텐츠를 생성하고 동료들에게 추가적인 업무 부담을 주지 않는 것들.

업무 자동화를 위한 최적의 솔루션은 직무와 산업에 따라 다르지만, AI를 업무 환경에 통합하려는 리더들은 종종 자체적으로 에이전트를 개발할지, 아니면 공급업체로부터 기성 AI 솔루션을 도입할지 결정해야 합니다.

풍부한 IT 자원을 보유하고, AI 전문가에 대한 자유로운 접근이나 시스템 통합업체와의 계약 등 유리한 입지를 갖춘 기업의 경우, 가능성은 무궁무진합니다. 이러한 경우, 고객이 AI 솔루션을 직접 구축하는 데 사용할 에이전트 구축 기술을 제공하는 업체가 효과적일 수 있습니다.

하지만 많은 기업은 이러한 자원에 접근할 수 없으며, 설령 접근할 수 있다 하더라도 적절한 교육과 자원 없이 자체적으로 AI 에이전트를 구축하려다 보면 나중에 발생할 수 있는 문제점들이 빠르게 드러날 수 있습니다.

보안 또한 매우 중요한 고려 사항입니다. 사람들이 인공지능을 사용하게 될 것이라는 점을 명심해야 합니다. 즉, 리더는 직원들이 안전하고 투명하게, 그리고 혼란을 야기하지 않고 인공지능을 사용할 수 있도록 보장해야 할 책임이 있습니다.

공급업체를 선정할 때 무엇을 고려해야 할까요?

많은 기업에게 있어 벤더에서 제공하는 AI 기반 시스템은 훌륭한 선택이지만, 모든 제품이 똑같이 만들어진 것은 아니라는 점을 기억해야 합니다. 업무 효율을 높이고 AI를 통해 진정한 가치를 얻는 가장 좋은 방법은 기업을 최대한 잘 이해하는 시스템을 찾는 것입니다.

예를 들어, AI 기반 ERP 시스템으로 운영 효율성을 개선하는 것이 목표라면, 잠재적 공급업체에게 다음과 같은 질문을 고려해 보세요.

• 해당 제품이 직원들이 가장 자주 겪는 마찰을 해소해 줍니까?
• 직원들이 직면하는 가장 어려운 문제들을 해결해 줄 수 있습니까?
• 조직 내 다양한 ​​수준의 전문성을 가진 구성원들을 수용할 수 있습니까?
• 인간 참여를 유지하고 책임성과 투명성을 보장하는 데 도움이 되나요?

콘텐츠 생성, 워크플로 자동화 또는 질문 답변 등 어떤 시스템을 사용하든 결과의 품질은 시스템이 사용자의 상황을 얼마나 잘 이해하고 있는지에 달려 있습니다. 기술 파트너에게 AI 솔루션이 어떻게 인간 중심적이며 실질적인 가치를 제공하는지 문의해 보세요.

워크슬롭은 불가피한가?

벤더가 누구든, 자체 에이전트를 구축하든, 즉시 사용 가능한 자동화 기능을 통해 불편함을 해소해주는 솔루션을 사용하든 관계없이, AI가 안전하고 투명하며 가치를 창출하도록 보장하는 것은 리더의 책임입니다.

인간 중심적인 AI는 단순히 실제 문제를 해결하고 사람들의 업무를 더 쉽게 만들어주는지 여부로만 정의되는 것이 아니라는 점을 명심해야 합니다. 실용적이고 인간 중심적인 AI는 궁극적으로 결과에 대한 책임은 우리 인간에게 있기 때문에 인간을 참여시키는 것 또한 중요합니다.

업무 효율성 저하는 AI 진화의 불가피한 단계일 수 있지만, 재무 기능에 영구적으로 자리 잡아야 하는 것은 아닙니다. CFO는 인간 중심의 접근 방식, 교육 투자, 그리고 비즈니스 맥락을 이해하는 공급업체 선정 등을 통해 ERP 시스템에서 새로운 차원의 생산성과 전략적 가치를 창출할 수 있습니다.

차세대 ERP 혁신은 비즈니스를 당신만큼 잘 이해하고 통찰력을 제공하며, 일상적인 작업을 자동화하고 재무 책임자가 가장 중요한 일에 집중할 수 있도록 지원하는 AI에 의해 주도될 것입니다.

금융의 미래는 풍부한 맥락, 민첩성, 그리고 인간 중심의 접근 방식을 특징으로 합니다. 여러분은 오늘날 활용할 수 있는 도구를 통해 미래를 준비할 자격이 있으며, 실용적이고 인간 중심적인 AI를 통해 비효율적인 업무 방식을 탈피하고 미래로 나아갈 수 있습니다.