AI 를 업무에 활용하기 시작하면,
점점 조금씩,
할 수 있는 일들이 늘어납니다.
글을 쓰다.
확인해 보겠습니다.
자료를 만들어야 한다.
문의 사항을 정리합니다.
데이터를 정리합니다.
역할별로 여러 AI 를 활용하면,
그런데,
회사 내에 AI 직원이 늘어나고 있는 것처럼 보입니다.
하지만 최근에는
KURUM AI OFFICE 를 설립하면서,
AI 직원의 '인원수'보다,
더 중요한 일이 있지 않을까요.
그것은,
AI 직원들이 어제부터 더 나은 업무를 수행할 수 있는 기업이 되었는가.
그렇습니다.
AI 직원 수가 늘어나더라도 같은 실수를 반복한다면 그것은 의미가 없습니다.
예를 들어,
AI 직원이 10 명이라고 가정해 봅시다.
영업 담당자.
조사 담당자입니다.
문서 작성 담당자.
분석 담당자.
기획 담당자.
각자,
많은 업무를 처리해 주십니다.
처음에는
그런 회사는 상당히 진보해 보입니다.
그런데도,
어제와 같은 실수를 반복한다.
동일한 곳에서 헤매는 것입니다.
매번 같은 확인을 사람에게 물어봐야 한다.
동일한 수정이 반복되다.
이렇게 되면,
AI 직원도 늘어나고 있습니다.
회사는 아직 충분히 지혜를 기르지는 못했습니다.
중요한 것은,
昨日の仕事から何かを学んで、
오늘의 업무에 반영할 수 있는 사항들.
그렇다고 생각합니다.
AI 직원들은 '성장한다'는 표현보다는 회사가 개선될 수 있는 환경을 조성한다.
사원이라면,
직업 경험을 쌓는 과정에서,
점점 익혀나갑니다.
이 고객에게는,
이 표현이 더 좋습니다.
이 자료는,
여기부터 먼저 확인하는 것이 좋습니다.
이 작업에서는,
이러한 실수가 자주 발생합니다.
이 상사는
이 부분을 중시해야 한다.
그런 일을,
점점 더 배우겠습니다.
AI 직원인 경우에도,
동일하게도,
일을 할 때마다 개선될 수 있다면 이상입니다.
다만,
AI 에만 맡기는 것이 아니라, 그 개선 작업을 직접 수행해야 한다는 뜻입니다.
회사 측에서도 학습 체계를 구축하고 있습니다.
중요하다고 생각합니다.
어제 업무를 오늘에 반영하기 위해 필요한 사항들
AI 직원들이,
어제보다 더 좋은 일을 하려면,
최소에는,
어제 일한 일
어떤 것이 좋았는지.
어떤 잘못을 저지른 것인지.
어디를 수정했는지.
왜 수정했는지.
누가 인간을 승인했는지.
무엇을 맡겨서는 안 되었는지.
이러한 정보는,
어딘가에 남아있어야 합니다.
그리고,
이 일을 할 때,
이를 참조할 수 있어야 합니다.
이것이 없다면,
매번,
대략 첫 번째 작업과 동일합니다.
「기업의 기억」이 AI 직원의 성장 자료가 될 수 있습니다.
어제 노트에서는,
회사에 대한 기억을 썼습니다.
AI 에는 회사의 일을 기억하게 하는 것이 아니라,
회사 측에서는,
판단 근거.
수정 사유.
성공.
실패.
승인 이력.
고객별 주의사항.
그들을 남겨두는 것입니다.
그것을,
사람과 AI 모두 사용할 수 있도록 한다.
이러한 '회사의 기억'이 있다면,
AI 직원들은
매번 처음부터 일을 시작하지 않고,
과거의 업무 경험을 바탕으로,
다음 업무는 가능합니다.
즉,
회사의 기억은,
AI 직원 양성을 위한 자료가 됩니다.
그렇습니다.
결과물만 남기더라도 성장에 연결되기 어렵습니다.
예를 들어,
AI 가 제안서를 작성했습니다.
사람이 수정했습니다.
완성본이 완성되었습니다.
그리고,
완성판만 저장합니다.
이것은,
일반적인 업무에서는 흔히 일어나는 일이라고 생각합니다.
하지만,
AI 직원을 양성하는 방안을 고려한다면,
완성판만으로는 조금 부족합니다.
수정된 이유는 무엇입니까.
어떤 문제가 있었는지.
어디가 좋았는지.
다음 번에도 같은 규칙을 적용해야 할까.
그렇게까지 남아있었다면,
다음번 업무에 활용 가능합니다.
반대로,
완성본만 보여줘도,
AI 는
어디가 달라진 걸까.
왜 변했을까.
알 수 없는 점이 있습니다.
그래서,
결과물뿐만 아니라 개선의 근거까지 남기세요.
이 부분이 중요하다고 생각합니다.
평가하는 시스템도 필요해집니다.
AI 직원들이
어제보다 더 나은 일을 할 수 있었는지.
그 사실을 알기 위해서는,
평가 또한 필요합니다.
예를 들어,
수정 횟수.
시간 확인.
재수작업 횟수.
사실 오인.
인간이 개입한 곳.
완료까지 소요된 시간.
품질.
이러한 것들을,
점점 더 자세히 살펴봅니다.
그런 다음, 일어나는 일이 발생했다.
최근 이 AI 직원이 좀 나아졌어요
이 작업은 아직 많은 사람이 확인 중입니다.
이 프로세스를 다른 AI 로 변경하는 것이 더 좋을 것 같습니다.
그런 일들이
보여집니다.
AI 직원들도,
사용만 하고 버리는 것이 아니라,
평가하고 개선하겠습니다.
이러한 시스템이 필요합니다.
AI 가 진화하더라도 기업이 개선되는 것은 보장되지 않습니다.
AI 가
지속적으로 진화하고 있습니다.
새로운 모델이 출시됩니다.
정확도가 높아집니다.
처리 속도가 빨라집니다.
사용 가능한 기능이 늘어납니다.
그 자체는,
매우 큰 변화입니다.
하지만,
AI 성능이 향상되었다고 해서,
회사 업무가 자동으로 개선되지는 않습니다.
모호한 지시를 내린다.
동일한 확인 누락을 범한다.
동일한 판단 실수를 반복한다.
이렇게 되면,
AI 가 지혜를 갖추더라도,
회사의 업무는 크게 변하지 않았습니다.
그래서,
AI 의 진화를 기다리는 것뿐만 아니라,
회사 측이 개선할 수 있는 시스템을 갖춰야 한다.
이 부분이 매우 중요하다고 생각합니다.
AI 직원들은 모델 그 자체는 아닙니다.
여기에서도,
KURUM AI OFFICE 를 설립하면서,
그렇게 느끼고 있다는 것입니다.
AI 직원이라는 말은,
GPT。
클로드.
지니.
그리고 같은
모델 자체를 직관적으로 이해하기 쉽습니다.
그런데도,
나는,
AI 직원이라는 말은 모델만 의미하는 것이 아니라고 생각합니다.
역할.
지시.
회사 지식.
사용 가능한 도구들.
권한.
승인 조건.
품질 기준.
그리고,
실행하는 AI 모델.
이러한 요소들이 결합하여,
AI 직원을 처음 채용합니다.
그렇다면,
모델이 바뀌더라도,
회사 측의 설계가 남아있다면,
AI 사원은 재구성할 수 있습니다.
즉,
AI 직원의 본질은
특정 모델이 아닌,
회사 측의 업무 설계
그렇다고 생각합니다.
AI 직원의 '교체'가 일반화될지도 모릅니다.
앞으로,
AI 모델은
더욱 늘어날 것으로 예상됩니다.
새로운 모델이 출시됩니다.
구형 모델이 종료됩니다.
요금 변경이 있습니다.
得意分野が変わる。
그렇다면,
동일한 AI 직원이라 해도,
사용하는 모델을 변경할 수도 있습니다.
글쓰기란,
이 모델.
조사 결과는,
이 모델.
분석은,
다른 모델.
그리고,
내년엔 또 달라질 것이다.
그때,
회사 지식.
업무 규칙.
승인 조건
품질 기준.
과거 개선 내역.
이들이 회사 측에 남아있다면,
AI 모델이 바뀌어도,
일을 계승할 수 있습니다.
그래서,
AI 를 모델로 지나치게 의존하지 마십시오.
이것도,
대사건이 될 것 같습니다.
AI 직원 수보다 '개선 속도'
AI 를 활용하고 있다면,
결국,
어떤 AI 를 사용하고 있는지.
어떤 AI 직원이 있는지.
자동화가 어느 정도까지 이루어졌는지.
그런데도
명확한 숫자에 시선이 집중됩니다.
그런데도,
그보다 더하여,
나는,
개선 가능한 속도
더 중요한 것이 아닐까 생각합니다.
어제,
문제가 발견되었습니다.
오늘,
규칙을 바꿨다.
이 작업에서는,
그런 문제가 발생하지 않았다.
이것이 가능해지면,
AI 직원이라도 한 명이라도.
회사는 서서히 힘을 얻습니다.
반대로,
AI 직원 100 명 있더라도,
어제 일에서 배운 것이 없다면,
백 명이 같은 실패를 반복할 수도 있습니다.
인간의 인정 또한 개선의 자료가 될 수 있습니다.
AI 직원의 개선이라는 말은,
그게 AI 만의 이야기처럼 보입니다.
하지만,
실제로는,
인간의 인정과 승인이 또한 중요합니다.
누가 멈추게 했는지.
승인하지 않았던 이유는 무엇일까.
어디를 수정했는지.
어떤 것을 위험하다고 판단했는지.
이러한 것들도 또한,
다음은 작업에 필요한 자재입니다.
즉,
인간의 인정은,
안전장치에 그치지 않는,
AI 직원 개선을 위한 피드백
이해됩니다.
만약 사람이 매번 같은 장소에서 수정을 하고 있다면,
그곳에는,
AI 의 지시나 규칙을 개선할 여지가 있습니다.
「좋은 일」을 회사 측이 정의한다
또 하나,
필요하다고 생각되는 것이,
품질 기준입니다.
AI 직원들이
어제보다 더 나은 일을 할 수 있었는가.
이를 판단하려면,
원래부터는
좋은 일은 무엇인가
알아내지 못하면 알아야 합니다.
빠르면 좋은 것일까.
정확하다면 괜찮을까요.
고객에게 전달해도 되는가.
수정이 조금 더 필요하다면 되는가.
안전하다면 괜찮을까요.
직업에 따라
기준은 다릅니다.
그래서,
AI 직원을 늘리기 전에,
회사로서 무엇을 '좋은 일'로 삼아야 하는가
점점 더 말로 표현해 나가는 것입니다.
이것도,
중요해져갈 것입니다.
AI 직원을 늘리기 전에, AI 직원이 성장할 수 있는 조직을 만들어야 합니다.
AI 직원 수를 늘리는 것 자체는,
앞으로도 더욱 간편해질 것으로 생각합니다.
AI 에이전트.
자동화.
외부 서비스.
API。
방법은 다양합니다.
하지만,
만약 단순히 늘리기만 한다면,
의외로 간단해질 수도 있습니다.
어려운 것은,
그 AI 직원들이
회사의 업무를 이해하고,
지속적으로 개선되고 있습니다.
안전하게 움직입니다.
회사로서 같은 방향을 향해 나아가는 것입니다.
그래서,
AI 직원을 늘리기 전에,
AI 직원을 양성하는 기업의 시스템을 구축합니다.
나는,
이곳을 소중히 여기고 싶습니다.
AI 직원 몇 명을 고용하는 것보다, AI 직원이 어제보다 더 나은 성과를 낼 수 있는 조직을 만드는 것이 중요합니다.
최근,
KURUM AI OFFICE 를 설립하면서,
이 말을 잘 생각하겠습니다.
AI 직원 몇 명을 고용하는 것보다, AI 직원이 어제보다 더 나은 성과를 낼 수 있는 조직을 만드는 것이 중요합니다.
어제 실패를 남기다.
수정 사유를 남깁니다.
인간의 판단을 존중해야 한다.
작업을 남기는 것이 좋았습니다.
그것을,
이 작업에 사용합니다.
필요하다면,
AI 모델도 변하고 있습니다.
역할도 바뀝니다.
규칙도 바꾼다.
그리고,
회사 전체적으로
일단 업무가 조금씩 나아지고 있습니다.
AI 도입보다는
AI 를 활용하여 기업 전체의 개선을 가능하게 하는 환경을 조성합니다.
AI 직원이 당연한 존재가 될 정도로,
이러한 기업의 구조가
더 중요해질 수도 있습니다.
※この記事は、KURUM AI OFFICEの支援により構成・下書きを作成し、株式会社クルム代表の佐藤祐司が内容を確認・編集したうえで公開しています。
출처: note 원문
번역: Qwen 3.5(.48) 초벌 + 교정 117청크
원문 보기 | 출처: note.com