# 필리핀 파브에서 AI 직원 2개월 운영 후 알게 된 “정착하지 않는” 진짜 이유

> https://bookfactory.kr/c/ai-tech/10158
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-08-20T12:16:51.630Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/305323783/rectangle_large_type_2_6c21f182bff3be2ed35d73e352e5e9a2.png?width=1280)

## 밤 11시, 또 울리는 라인 메시지

밤 11시, 스마트폰이 울린다. 열어보니 스태프로부터의 라인 메시지다. “오늘 몸이 좋지 않아 쉬고 싶어요.” 답장을 끝내기도 전에 또 다른 메시지가 온다. 이번에는 고객으로부터 온 메시지다. “예약 시간, 1시간 더 미뤄줄 수 있나요?” 이에 답하고 있는 틈에 다른 스태프가 “새로운 고객이 왔는데, 어느 좌석에 안내해야 할까요?”라고 묻는다.

하루에 수십 건의 연락이 쏟아져 들어온다. 금액과 상관없이 판단이 필요한 건들이 왜인지 도처에서 내 곁으로 모여든다.

이는 제가 운영하는 필리핀 펍에서, 평소처럼 일어났던 밤 풍경이다. 직원 수는 10명에 미치지 않는 작은 가게였고, 저는 경영자로서 매일 이와 같은 대화에 시간을 빼앗겼다. 쉬는 날에도 LINE은 자르지 않고 계속 울렸다. 누구에게 맡겨도, 맡겼던 결과 문제가 생기는 정도라면, 내가 직접 처리하는 것이 빠다고 생각했기 때문이다. 그렇게, 어느새 몇 년 동안 내가 없으면 가게가 돌아가지 않는 상황이 이어져 왔다.

2개월 전, 이 상황을 바꾸기 위해 LINE 공식 계정, ChatGPT, Claude를 組み合わせ어 간단한 문의에는 AI가 먼저 대응하는 시스템을 만들어 보았다. 일명 “AI 직원”을 실제로 자신의 가게에서 시범 운영해 본 것이다.

결과적으로 잘된 부분과 그렇지 않은 부분이 모두 있었다. 화려한 성공담과는 거리가 멀다. 운영 기간은 아직 2개월이고, 업종은 필리핀 파브라라는 일반적인 회사와는 다소 다른 현장이다. 그럼에도 불구하고 이곳에서 보인 것은 업종을 불문하고 적용할 수 있다고 느끼게 한다. 사람 교체가 매우 빠르고, 매뉴얼보다 현장 판단이 중요한 세계에서 일어난 일은 오히려 다른 작은 회사들에게도 시사점을 제공할 것이다.

사실은, 이 글을 읽고 있는 당신의 회사에도 똑같은 구조가 있을 것이다. 직원 10명 이하로, 사장이 현장과 경영을 겸업하고, 직원이나 고객으로부터의 확인이 모두 사장에게 집중되기 때문이다. 일을 맡겨도 품질이 떨어질까 봐 두려워해서 결국 스스로 해치워버린다. 인력이 부족한데, 제대로 가르칠 시간도 없다. AI를 도입해 봤지만, 솔직히 아무런 변화도 없었다.

만약 당신이 이런 기분을 느낀다면, 이 글은 당신을 위해 쓴 것입니다. 반대로, 이미 업무 매뉴얼이 완벽하게 갖춰져 있고, 누가 무엇을 판단하는지 명확하게 정해져 있는 회사에는 새롭지 않은 이야기가 적을 수 있습니다. 여기서 다루는 것은そもそも 판단 기준이 누군가의 머릿속에도 없는 바로 그 단계의 이야기이기 때문입니다.

솔직히 말씀드리면, 저 자신은 몇 년 동안 이 방식을 고수하며 업무를 해왔습니다. 휴일에 스마트폰을 보지 않도록 노력해도, 알림 숫자가 쌓여가는 것을 보는 것만으로도 마음이 무거워집니다. 누군가에게 맡기고 싶다는 생각은 있지만, 막상 맡아보면 대응의 실수나 고객의 불만으로 이어질까 두려워서입니다. 그래서, 맡아보는 연습조차 하지 않았습니다. 아마 이 글을 읽고 계시는 분들에게도 비슷한 감각이 있을 거라고 생각합니다.

제가 이 글을 쓰는 이유는 간단합니다. AI를 넣으면 훨씬 쉬워진다고 들어서 시도해 봤는데, 생각보다 그렇게 큰 차이가 없었던 경험이 있기 때문입니다. 그리고 2개월 동안 그 이유가 마침내 말로 표현할 수 있게 되었습니다.

결론을 먼저 말씀드리자면, AI가 정착하지 않는 이유는 AI의 성능이나 직원들의 능력 때문이 아니었다. 판단 기준을 제대로 전달하지 않았기 때문이었다. 아직 가설의 단계에서는 있지만, 지난 2개월 동안의 실감으로는 이것이 가장 큰 문제였다.

덧붙이자면, 이 글은 “AI를 도입하면 획기적으로 쉬워진다”는 내용이 아니다. 2개월이라는 짧은 기간 동안, 그리고 하나의 가게에서만 나타난 것을 이야기하고 있다. 과장할 의도는 전혀 없으며, 누구에게나 똑같은 결과가 나타난다고 단정할 수도 없다. 그럼에도 불구하고, 앞으로 같은 방식으로 AI를 시도해 보려고 하는 사장님들에게는 불필요한 설명을 줄여줄 수 있는 내용이 될 것이다.

다음 내용을 다음 장에서 상세히 검토하겠다.

## AI 직원”이 정착하지 않는 회사에 공통되는 5가지 상황

1. AI 직원 도입 목적이 명확하지 않다.

2. AI 직원의 역할이 정의되지 않았다.

3. AI 직원의 학습 데이터가 부족하다.

4. AI 직원의 성과가 평가되지 않는다.

5. AI 직원과 인간 직원의 연계가 원활하지 않다.

AI를 도입한 회사 이야기를 들으니, 놀라울 정도로 비슷한 장면이 반복되는 경우가 많다. 제 가게에서도 처음 몇 주 동안은 이와 같았다.

첫째는, AI에게 문의하면 해결될 문제인데 결국 직원들이 사장에게 직접 LINE를 보내오는 상황입니다. 설령 자동 응답 시스템을 준비했더라도 직원들은 “AI의 답변이 정말 적절한지 불안하다”고 느끼며, 혹시 모를 상황에 대비해 사장에게 확인을 합니다. AI가 “예약 시간 변경, 확인했습니다”라고 답변한 직후, 같은 직원의 LINE가 “정말로 괜찮은 건가요?”라는 내용으로 옵니다. 이는 두 번의 노력이 필요하게 되면서 AI를 사용하는 의미가 퇴색되어 갑니다.

두 번째는, 매뉴얼을 만들어도 예외가 발생하는 순간 아무도 움직일 수 없다는 점이다. “평소와 다른 고객의 요청”, “처음 발생하는 취소 패턴”이 발생하면 AI도, 매뉴얼을 읽은 직원도 판단하지 못하고 당황한다. 매뉴얼에 “기본적으로는 이렇게 대응한다”라고 써 있어도 “기본 외”의 경우에는 어떻게 해야 하는지가 명시되어 있지 않다. 결국, 사장에게 문의해야 한다.

세 번째 문제는 AI의 답변이 미묘하게 엇나가서, 바로잡는 데 드는 노력이 더 커진다는 것이다. 엉뚱한 답변을 그대로 보내 고객이나 직원으로부터 “이건 틀렸어요”라고 지적받는 경우도 있었다. 지적을 받을 때마다 내가 사과 연락을 넣게 된다. 신뢰를 잃을 정도라면 처음부터 사람이 대응하는 게 낫다는 생각이 든다.

첫 번째는 도입 초기에는 감동하지만 1주일이 지나면 아무도 사용하지 않는다는 점이다. “이것은 편리해”라며 열정적으로 흥분했던 것은 처음뿐이었고, 곧 원래의 방식대로 돌아가 있었다. 새로운 도구는 처음 몇 날 밤이 가장 뜨거운 열기를 가지고 있다. 그 열기가 식으면 계속 사용될지 여부가 결정된다. 제 가게에서도 도입 첫 날에는 직원 전체가 AI와의 대화를 즐거워했지만 3일이 지나면 아무도 LINE 공식 계정에 말을 걸지 않았다.

결국, 자신이 직접 하는 게 빠르다고 생각하게 되는 것이다. 이게 가장 난처한 부분일지도 모른다. AI에게 가르치는 시간을 아끼면서 눈앞의 일을 직접 처리해 버린다. AI에게 가르칠 시간이 확보되지 않은 채 AI는 사용되지 않게 되어 간다. 나 자신도 가장 바쁜 밤에 “지금은 AI에게 가르치는 게 적절하지 않다”라고 생각하고 결국 손으로 답장했었다. 아이러니하게도 가장 AI가 필요한 바쁜 시간일수록 AI를 키울 여유가 생기지 않는다.

이 다섯 가지의 공통점은 모두 “AI나 직원들이 신뢰받지 못하는” 것이 원인이라는 점이다. 판단할 수 있는 자료 자체가 제공되지 않는다. 그래서 확인해야 한다. 그것뿐이다.

또 다른 공통점이 있다. 어떤 상황이든 사장은 늘 “더 자세히 설명해주면 언젠가는 이해하게 될 거라고” 생각하는 경향이 있다. 하지만, 전달하는 내용이 “정말 열심히 해줘”, “상황에 맞춰 유연하게 부탁해”와 같은 정신적인 이야기뿐이라면 AI도 사람도 언제까지나 스스로 판단할 수 있게 되는 것은 아니다. 필요한 것은 기세가 아닌, 명확한 선을 정하는 것이다.

이런 상황들이 계속 반복되는 밤은 한두 번이 아니었다. 예약 시간 변경에 AI가 답변한 직후, 그 대화를 지켜보던 직원들이 “정말로 이렇게 되는 건가요?”라고 나에게 확인해 왔다. 같은 시점에, 기준표에 없는 예외적인 문의도 들어왔다. 정신을 차려보니 이미 날짜가 바뀌어 있었고, AI가 있어도 결국 그 날의 바쁨 정도는 거의 변하지 않는 경우가 있었다.

왜 이렇게 비슷한 상황이 업종이 다른 회사에서도 반복되는 걸까요. 제가 생각하기에 작은 회사일수록 회사가 혼자서 여러 역할을 다하고 있기 때문이라고 생각합니다. 채용, 교육, 현장 판단, 회계 업무까지 모두 회사의 머릿속에 있는 것입니다. 인력이 부족하여 하나하나의 일을 언어로 기록할 여유가 없기 때문입니다. 그래서 새로 들어온 사람이나 AI에게도 “봐서 알아”라고만 말할 수밖에 없습니다. 이러한 구조가 있는 한 도구를 AI로 바꾼 것뿐이라면 같은 일이 반복될 것입니다.

실제로, 이러한 상황은 흔치 않다. 帝国データバンク이 2026년 3월에 실시한 조사 결과, 소규모 기업의 생성AI 활용률은 28.0%에 그쳤으며, “별로 활용하지 않는다”, “거의 활용하지 않는다”라고 답한 기업을 포함하면 약 37%에 달한다는 결과가 나왔다. 생성AI에 관한 기업 동향 조사 (2026년 3월)

숫자를 보고 안심해 주길 바라는 건 아니야. 단지, 네 회사만이 특별히 잘 풀리지 않고 있지는 않다는 것을 전달하고 싶어.

아마도, 이는 모든 업종에서 일어날 수 있을 거라고 생각합니다. 식당, 미용실, 작은 건축 사무소 등 의사 결정이 한 사람에게 집중되는 규모와 구조가 비슷하면, AI라는 새로운 도구가 들어와도 마찬가지일 것입니다. 회사의 뼈대가 바뀌지 않는 한, 증상도 똑같이 나타날 것입니다. 그래서, 원인을 ‘AI의 성능’이 아닌, 좀 더 근본적인 부분에서 재검토해야 합니다. (이 부분은 제 개인적인 가게 경험에서 일반화한 가설이며, 다른 업종에서의 검증은 이루어지지 않았습니다.)

이 다섯 가지 장면 중 하나라도 마음속에 남아있다면, 다음 장에서 그 원인을 함께 정리해보자.

## 왜 AI를 넣어도 아무것도 달라지지 않는 걸까

AI가 정착하지 않는 이유를 많은 사람이 “사원의 IT 역량이 부족해서”, “AI의 성능이 아직 발전 단계에 있기 때문에”라고 생각한다. 저 또한 처음에는 그렇게 생각했다. 도입했을 당시에는 “우리 직원들은 젊고 외국 출신이 많아서 AI에 대한 거부감을 느낄 수도 있다”고 생각할 때까지였다.

하지만 2개월 동안 운영하면서 알게 된 것은, 그 원인이 훨씬 단순했다는 것이었다. AI와 직원들에게 판단 기준을 제공하지 않았기 때문이다.

판단 기준이란 것은 “어느 정도까지 스스로 결정해도 되는지”, “어느 지점에서 확인이 필요한지”를 가르는 선이라고 할 수 있다. 이것이 모호한 채로 일을 맡기면, 사람도 AI도 “일단 사장님께 여쭤본다”는 안전책을 선택한다. 당연한 반응이라고 생각한다. 누구든지 잘못되어 곤란한 일을 피하기 위해, 확인してから 움직이는 것을 선택하고 싶어 한다. AI도 학습 데이터의 범위 내에서 “안전한 답변”을 선택하려 한다. 결과적으로, 둘 다 스스로 결정하는 것을 피하고, 사장님의 판단이 집중되는 구조는 변하지 않는다.

실제로 제 가게에서 유일하게 확실한 성과가 나타난 것은 이 판단 기준을 전달한 업무 하나뿐이었습니다. 예약 확인 연락이라는, 매일 반드시 발생하는 정형화된 소통에 좁혀서 “이 조건이라면 AI가 그대로 답변해도 괜찮다”는 기준을 정해 전달한 결과, 그 부분에 소요되던 작업 시간이 하루에 30분 정도 줄었습니다.

알아챈 계기가 사소한 일이었어. 어느 날 밤, 평소에는 여러 건이 쏟아지던 예약 변경 확인 LINE이 거의 오지 않는다는 사실을 알아챵. 내용을 확인해 보니, AI가 이미 기준에 맞춰 답변을 처리하고 있었어. 놀라울 정도로 고요한 밤이었어.

단 30분으로 그렇게 생각할 수도 있습니다. 하지만 이 30분은 판단 기준을 전달한 업무만으로 일어난 변화일 뿐입니다. 반대로 말하면, 기준을 전달하지 않은 업무는 2개월이 지난 지금도 거의 아무런 변화가 없습니다. 같은 AI, 같은 가게, 같은 2개월이라는 조건 안에서 결과가 갈렸습니다. 이 차이는 AI의 성능으로는 설명할 수 없습니다.

AI가 일을 잊지 않는 것이 아니라, 우리가 학습시키기 위한 자료를 충분히 제공하지 않았기 때문입니다.

생각해 보면, 이는 새로운 직원을 채용했을 때와 똑같다. “봐서 알아”라고만 말한 직원은 언제까지나 자신의 판단에 자신감이 없어서 사소한 일까지 확인해 온다. 반면에 “이 부분까지는 스스로 결정해도 되고, 여기서부터는 물어봐”라고 처음부터 명확한 지도를 받은 직원은 빠른 시일 내에 스스로 움직일 수 있게 된다. AI도 취급 방식이 이와 비슷하다. 성능의 차이 때문이 아니라 전달받은 정보의 차이로 인해 움직임 방식이 달라진다.

결국, 기준을 만드는 것도 결국 자신의 일이 늘어나는 것뿐이라고 느꼈을 수도 있습니다. 실제로 처음에는 손이 많이 가는 것입니다. 하지만 한 번 만든 기준은 반복해서 사용할 수 있습니다. 매번 현장에서 판단하는 데 드는 노력과 처음 한 번만 기준을 만드는 노력 중, 장기적으로 어떤 것이 더 가볍지 않은지 고려해 보면 답이 보일 거라고 생각합니다.

이 장의 결론은 여기까지 하고 넘어가도록 하겠습니다. 판단 기준을 실제로 어떻게 만들고 전달할 것인지에 대한 구체적인 절차는 유료 부분에서 상세히 소개합니다.

## 오늘부터 시작할 수 있는 작은 한 걸음

유료 부분으로 진행하기 전에 오늘 15분에서 30분 안에 할 수 있는 것을 하나만 소개해 드리고 싶습니다.

오늘 직원이나 고객님들로부터 받은 질문 3건만 기록하시면 됩니다. 메모장이나 스프레드시트 모두 사용 가능합니다.

기록할 항목은 3가지입니다. “어떤 질문이었냐”, “어떻게 답했느냐”, “왜 그 답변을 했느냐”라는 세 가지입니다. 특히 이 세 번째 항목, 판단 이유가 가장 중요하며, 이는 나중에 판단 기준을 만들 때의 자료가 됩니다.

저의 가게에서는 처음 이 일을 시작했을 때, 직원들의 질문이 얼마나 패턴화되어 있는지 놀랐습니다. 예약 변경, 지각 통보, 고객의 요청 등 매일같이 비슷한 내용이 반복되었어요. 그런데 그 모든 것을 그때그때의 판단으로 처리했기 때문에, 기준이 쌓여가지 않았던 거죠.

오늘 질문이 3건도 오지 않는다면 억지로 찾아보지 않아도 됩니다. 대신 최근 1주일 동안 ‘자신이 판단한 상황’을 떠올려 3건 적어보세요. 방법은 같습니다.

3건 작성하면, 그것으로 오늘은 끝입니다. 억지로 계속할 필요는 없습니다. 다만, 이 3건이 다음 장에서 소개하는 시스템 구축의 출발점이 될 것입니다.

충분한 시간이 있다면, 내일도, 내후일도 똑같은 방식으로 3건씩 계속 시도해 보는 것이 좋겠다. 1주일 꾸준히 하면 20건 가까이 모일 것이다. 이 정도 시점이면, 같은 질문이 반복적으로 나오는 것을 아마도 눈치챌 수 있을 것이다. 그 깨달음 자체가 판단 기준을 만드는 데 필요한 첫 번째 재료가 된다. 억지로 서두를 필요는 없다. 우선 기록하는 습관 자체를 작게 쌓아 올리는 것이 중요하다.

### 유료 콘텐츠 안내입니다.

이까지는 인공지능이 완전히 정착하지 못하는 이유의 일부와 오늘부터 시작할 수 있는 작은 발걸음에 대해 설명했습니다.

앞으로의 유료 부분에서는 판단 기준을 실제로 어떻게 만들고 AI에 어떻게 전달할 것인지 5가지 단계로 나누어 소개한다. 그대로 복사하여 사용할 수 있는 판단 기준표와 질문 기록 시트, AI에 대한 지시문 샘플도 포함되어 있다. 성공적인 사례뿐만 아니라 발생했던 예외 패턴과 수정 방법 또한 솔직하게 다루고 있다. 또한 이 방법이 적합한 회사와 현재 단계에서는 적합하지 않은 회사에 대해서도 언급한다.

직원 수 10명 이하로, 사장님께 업무가 집중되어 있고 반복적인 업무를 많이 맡고 계신 분들에게 도움이 될 만한 내용일 거라고 생각합니다. 이미 매뉴얼이나 판단 기준이 정비된 회사에는 새로운 발견이 없을 수도 있습니다.

계속해서 궁금한 분은 여기서부터 읽어주시면 좋겠습니다.

**출처:** [note 원문](https://note.com/chic_gecko8861/n/n75ba983d9718)

*번역: Gemma 3(.44) 초벌 + 교정 41청크*

[원문 보기](https://note.com/chic_gecko8861/n/n75ba983d9718) | 출처: note.com