🔑 인수인계가 안 되는 회사는, AI 도입도 막힙니다 『AI 시그널 4호』

안녕하세요. 이번 『AI 시그널』 4호에서는 AI 도입 전에 먼저 확인해야 할 업무 하나를 이야기해보려고 합니다. 바로 인수인계가 어려운 업무입니다.

AI로 바꿀 업무를 고를 때는, 그 일이 사람에게 얼마나 잘 넘어가는지부터 보면 됩니다. 담당자가 내일 그만둔다고 했을 때 후임이 사흘이면 이어받을 수 있는 일은 AI도 비교적 빨리 배웁니다. 반대로 후임이 몇 달씩 헤매는 일이라면, AI에게도 어렵다고 보는 편이 맞습니다.

이유는 단순합니다. 후임에게 넘겨줘야 할 판단 기준과 AI에게 알려줘야 할 업무 맥락이 결국 같기 때문입니다. 이번 호에서는 인수인계가 어려운 일이 왜 AI에게도 어려운지, 그리고 이를 어떻게 해결해야 하는지를 다룹니다.

담당자가 떠나면 일이 멈추는 회사

정산 담당자가 일주일 휴가를 갔습니다. 대신 맡은 직원이 시트를 열었습니다. 입금 내역도 있고, 거래처별 정산표도 있고, 지난달 처리 기록도 있습니다. 파일은 다 넘어온 것처럼 보입니다.

그런데 막상 일을 하려니 알 수 없는 것들이 나옵니다. 이 거래처는 왜 세금계산서를 다음 달에 끊는지, 이 항목은 왜 매번 예외 처리하는지, 이 금액은 왜 대표 확인을 한 번 더 받아야 하는지 어디에도 없습니다. 결국 휴가 중인 담당자에게 전화가 갑니다.

결국 넘어가지 않은 건 파일이 아니라, 그 파일을 보고 어떻게 판단해야 하는지에 대한 기준이었습니다. 매뉴얼에 적힌 규칙은 아니지만 오래 일하다 보니 담당자 머릿속에 쌓인 기준들, 이런 지식을 암묵지라고 부릅니다.

"우리는 ERP도 있고 그룹웨어도 있는데"라고 생각하실 수 있습니다. 맞습니다. 굵은 줄기는 시스템이 덮고 있습니다. 주문이 들어오고, 결재가 올라가고, 급여가 나가는 일은 시스템 안에 있습니다.

그런데 실제 업무는 그 줄기에서 뻗어 나온 잔가지에서 자주 막힙니다. 이 거래처만 따로 두는 예외, 이 팀만 쓰는 양식, 몇 년째 말로만 이어져 온 처리 방식 같은 것들입니다. 시스템에 자리가 없으니 엑셀과 메모와 카톡에 흩어집니다. 회사는 시스템으로 돌아가는 것처럼 보이지만, 실제 일은 잔가지에서 멈추고 있었던 겁니다.

AI 도입이 성과를 내지 못하는 가장 큰 이유

MIT가 기업들의 생성형 AI 도입 사례 300건을 분석한 보고서에서도 비슷한 이야기가 나옵니다. AI 파일럿의 95%가 손익에 잡히는 성과를 내지 못했습니다. 모델이 부족해서가 아니었습니다. 도구가 회사의 맥락을 기억하지 못하고, 실제 업무 흐름에 맞춰 나아지지 못했기 때문입니다.

생각해보면 당연합니다. AI는 적혀 있는 것을 먼저 배웁니다. 그런데 회사 지식의 큰 부분이 사람 머릿속에만 있다면, AI에게 줄 수 있는 재료는 그만큼 줄어듭니다. 그러면 결과는 뻔합니다. AI는 그럴듯하지만 일반적인 답을 합니다. 직원들은 두어 번 써보고 "우리 일은 잘 모르네" 하고 돌아갑니다.

후임이 석 달을 헤매는 이유와 AI가 우리 일을 못 배우는 이유는 같습니다. 넘겨줄 것이 문서로 존재하지 않기 때문입니다.

3가지 암묵지 중 AI 도입에서 가장 중요한 유형은?

여기서 많은 회사가 이런 결론으로 갑니다. "그건 원래 사람만 할 수 있는 일이지." 절반만 맞는 말입니다. 암묵지를 전부 같은 덩어리로 보면 손댈 수 없어 보입니다. 하지만 나눠보면 다릅니다. 영국의 과학사회학자 해리 콜린스는 암묵지를 세 가지로 나눴습니다.

1. 문서화 가능한 판단 기준
   거래처별 예외 처리 기준, 광고 중단 기준, 지출 분류 기준처럼 담당자에게 물으면 설명할 수 있지만 문서로는 남아 있지 않은 지식이 대표적입니다.
2. 경험을 통해 체득되는 감각
   현장에서 기계 소리만 듣고 이상을 알아채는 감각, 미팅 분위기를 읽는 눈처럼 설명만으로는 전달하기 어려운 감각입니다.
3. 조직의 맥락 속에서 형성되는 판단
   "이런 건 우리 회사 톤앤매너와 맞지 않는다"는 기준처럼, 조직 내 경험들의 축적으로 얻을 수 있는 지식입니다.

이 구분이 중요한 이유는 해결 방법이 달라지기 때문입니다. 둘째와 셋째는 문서로 완전히 옮기기 어렵지만, 첫째는 꺼내서 정리할 수 있습니다. 실제로 인수인계가 끊기거나 AI가 기대만큼 답하지 못하는 경우도 대개 이 첫째 유형에서 시작합니다. 담당자가 모르는 게 아니라, 기준이 회사 안에 남아 있지 않은 상태인 겁니다.

AI 도입 전에 먼저 봐야 하는 지점이 바로 '문서화 가능한 판단 기준'인 것이죠.

판단기준 암묵지를 캐내는 법

판단 기준을 대략적으로 적어내기는 쉽습니다. 다만 담당자의 경험과 감에서 비롯된 판단 기준을 문서화하는 것이 어렵습니다. 특히 매일 하는 일일수록 그런 경향이 강해집니다. 당연하게 해오던 판단은 담당자에게도 "일"이 아니라 "습관"처럼 느껴지기 때문입니다.

그래서 진단은 업무를 전부 늘어놓는 데서 시작합니다. 부서별로 실제로 무슨 일을 어떤 순서로 하는지 적고, 성격이 비슷한 것끼리 묶습니다. 그다음 업무마다 이런 질문을 봅니다.

• 매번 같은 방식으로 반복되는가?
  
• 다루는 데이터가 정해진 형태인가?
  
• 언제 시작해야 하는지가 분명한가?
  
• 여러 사람에게 걸쳐 있는가?
  
• 지금 바로 자동화할 수 있는가, 아니면 먼저 정리해야 할 기준이 있는가?
  

실제로 진단을 해보면 이런 목록이 자주 나옵니다. 콘텐츠 소재를 고르는 기준, 고객 문의에 어디까지 답할지의 기준, 지출을 어느 항목으로 분류할지의 기준, 광고를 끄는 수치, 대표 확인을 받아야 하는 예외 조건. 하나같이 매일 쓰는 판단인데, 어디에도 적혀 있지 않은 것들입니다.

무엇부터 꺼낼지는 복잡하게 볼 필요가 없습니다.

얼마나 자주 반복되는가 × 한 번에 얼마나 오래 걸리는가 × 멈추면 얼마나 영향을 받는가

이 세 가지를 곱해보면 먼저 손댈 일이 보입니다. 다 꺼낼 수는 없고, 다 꺼낼 필요도 없습니다. 중요한 것은 모든 업무를 문서화하는 것이 아니라, AI가 배우려면 반드시 기준이 필요한 업무부터 고르는 것입니다.

왜 "문서로 써주세요"로는 부족할까

그렇다면 이렇게 골라낸 업무에서 담당자 머릿속의 판단 기준은 어떻게 꺼내야 할까요?

핵심은 담당자에게 "아는 걸 문서로 써주세요"라고 맡기는 것이 아닙니다. 그렇게 하면 너무 당연해서 빠뜨리거나, 반대로 너무 자세해져서 실제로 쓰기 어려운 문서가 되기 쉽습니다.

먼저 해야 할 일은 업무 흐름을 펼쳐놓고, 그 안에서 담당자가 멈춰서 판단하는 순간을 찾는 것입니다. 어떤 순서로 일이 흘러가는지 보고, 어디에서 예외가 생기는지, 어디부터 실무자가 결정하고 어디부터 리더가 봐야 하는지 표시해야 합니다.

그다음 그 판단을 질문 형태로 바꿉니다. "이 경우에는 무엇을 확인하는가?", "어떤 조건이면 예외로 처리하는가?", "어디까지는 실무자가 결정할 수 있는가?"처럼 담당자가 머릿속으로 하던 질문을 밖으로 꺼내는 겁니다.

이 질문에 답이 쌓이면 비로소 기준이 생깁니다. 그리고 기준이 생기면 그때부터 인수인계도, AI 활용도 훨씬 쉬워집니다. 아래에서는 저희가 실제로 해결했던 지출결의 업무 사례를 통해, 기준을 어떻게 꺼내고 시스템으로 옮겼는지 살펴보겠습니다.

NextGenAI 사례: 담당자 머릿속 기준을 AI와 공유하는 법

저희가 이 사례에서 가장 중요하게 접근했던 지점은 '판단 기준 암묵지'를 최대한 끌어내는 것이었습니다. 한 경영지원 담당자는 지출을 처리할 때마다 증빙이 맞는지, 어느 항목으로 분류해야 하는지, 추가 확인이 필요한 지출인지 반복해서 판단하고 있었습니다. 문제는 그 기준이 담당자 머릿속에만 있고, 어디에도 정리되어 있지 않았다는 점입니다.

그래서 처음부터 자동화 시스템을 만들지 않았습니다. 먼저 담당자가 실제로 지출을 검토할 때 어떤 순서로 보는지 따라갔습니다. 단순히 "증빙을 확인한다"에서 끝내지 않고, 어떤 증빙이면 반려하는지, 어떤 거래처는 예외로 보는지, 어떤 금액부터 대표 확인을 받아야 하는지 하나씩 꺼냈습니다.

그다음 그 기준을 체크리스트와 분류 규칙으로 바꿨습니다. "이 지출은 어느 항목인가?", "증빙에 빠진 정보는 없는가?", "추가 승인이 필요한 조건인가?"처럼 담당자가 머릿속으로 하던 판단을 밖으로 꺼낸 겁니다.

이후에는 그 기준을 바탕으로 지출결의를 자동 분류해서 정리할 수 있는 시스템을 만들었습니다. 실무자는 필요한 정보를 입력하고, AI는 정리된 기준에 따라 확인해야 할 부분을 보여줍니다. 중요한 건 AI가 사람의 판단을 대신한 것이 아니라는 점입니다. 담당자 머릿속에 있던 기준을 회사가 함께 볼 수 있는 명시지로 바꾼 것입니다.

리더가 확인해야 할 암묵지 신호

원활한 인수인계가 가능한 업무는 AI 자동화로 큰 성과를 얻을 수 있습니다. 하지만 기준이 정리되어 있지 않으면 AI는 결국 일반적인 답만 하고, 도입 후에도 사용하지 않는 툴로 전락하게 되죠.

따라서 AI 도입을 고려하는 리더분들이라면 우리 조직의 '암묵지가 무엇인지' 파악하는 과정이 반드시 필요합니다.
아래 질문들로 파악해보실 수 있습니다.

• 누가 한 달 자리를 비우면 멈추는 업무가 있는가?
  
• 새로 온 직원이 혼자 처리하기까지 오래 걸리는 업무는 무엇인가?
  
• 그 업무에서 담당자가 매번 판단하는 기준은 어디에 남아 있는가?
  
• 내가 직접 봐야만 넘어가는 결재가 있다면, 그 이유는 권한 때문인가, 기준이 없기 때문인가?
  

NextgenAI는 무작정 AI를 도입하는 접근을 지양합니다. 대신 조직 안에 숨어 있는 업무 흐름과 판단 기준을 먼저 찾고, 이를 명문화한 뒤 AI가 실제 업무에 쓰일 수 있는 구조로 연결합니다. 그래야 AI가 우리 회사의 방식으로 일하는 시스템이 될 수 있기 때문입니다.

👇 아래에서 전사 AI 도입비용을 계산해보고, 무료 상담을 받아보세요!