워크플로우 자동화
워크플로우 자동화 · 6 min
요약대본
이 비디오는 4D 프레임워크의 네 가지 차원을 모두 결합하여 실용적인 워크플로우 자동화를 구축합니다. 조직의 연례 갈라 행사를 준비하는 개발 코디네이터 Emily를 따라가며, 그녀가 AI 지원 이메일 응답 시스템을 설정하는 과정을 살펴봅니다. 이 비디오는 AI가 처리해야 할 작업과 사람의 주의가 필요한 작업을 구분하는 방법, 시스템의 동작을 정확하게 설명하는 방법, 그리고 테스트와 투명성을 통해 Diligence를 유지하는 방법을 보여줍니다.
한국어 대본
- 00:00아마 익숙하게 들릴 만한 이야기를 해 보겠습니다.
- 00:15이메일에 파묻혀 있습니다. 복잡한 이메일도 아니고,
- 00:18같은 질문이 계속 반복됩니다.
- 00:21행사는 몇 시에 시작합니까?
- 00:23티켓 정보를 어떻게 변경합니까?
- 00:25영수증을 보내 줄 수 있습니까?
- 00:26특히 행사를 운영하는
- 00:29소규모 비영리단체에서는 이것이 매일 시간을 잡아먹는 현실이 됩니다.
- 00:33그러는 동안 구축해야 할 관계도 있고,
- 00:35운영해야 할 프로그램도 있고, 발전시켜야 할 사명도 있습니다.
- 00:38이 레슨에서는 4D 프레임워크의 네 가지 차원을 모두
- 00:41함께 사용해 자동화를 설정하고
- 00:44일상 업무 부담을 줄이겠습니다.
- 00:47AI Fluency가 실제로 빛을 발하는 지점은
- 00:49위임, 설명, 판별력, 성실이
- 00:52함께 작동해 조직의 효율성을 지속 가능하게 높이는
- 00:56경우입니다.
- 00:57가상의 시나리오는 다음과 같습니다.
- 00:59Emily는 개발 코디네이터입니다.
- 01:01지역 암 연구 모금 단체의 한 지부에서 일합니다.
- 01:05연례 갈라 행사가 3주 앞으로 다가왔고,
- 01:07매일 아침 이메일 20~30통이 들어옵니다.
- 01:10기본적으로 같은 질문 다섯 가지가 계속 반복됩니다.
- 01:13기부자 보고서, 행사 세부 정보, 테이블 배정,
- 01:16복장 규정, 주차 정보입니다.
- 01:19일부는 즉시 답할 수 있고
- 01:21문서화된 정보에 근거합니다.
- 01:23다른 일부는 사람의 판단이나 기부자 데이터베이스 접근 권한이 필요합니다.
- 01:26현재 매일 아침 두 시간씩 이메일에 답하는 데 쓰고 있습니다.
- 01:30일주일에 10시간이며, 말 그대로 다른 어떤 일에도 쓸 수 있는 시간입니다.
- 01:34좋은 소식은 AI가 이를 바꿀 수 있다는 점입니다.
- 01:37다만 신중하게 진행해야 합니다.
- 01:39맹목적으로 자동화하는 것이 아니라, 실제로 작동하면서
- 01:44갈라 참석자가 AI에게 떠넘겨졌다고 느끼지 않도록 4D 프레임워크를 사용해 무언가를 구축해야 합니다.
- 01:48위임, 설명, 판별력, 성실을 기억하세요.
- 01:52이 각각을 사용해 이메일 모니터링 시스템을 구축하겠습니다.
- 01:56AI 도구를 만지기 전에 Emily에게는 문제 인식이 필요합니다.
- 02:00먼저 지난 일주일 동안 받은 편지함을 실제로 살펴봐야 합니다.
- 02:04사람들은 무엇을 묻습니까?
- 02:06그런 다음 구체적인 목록을 만듭니다.
- 02:08갈라 행사의 경우 다음과 같이 나뉩니다.
- 02:12영수증 요청은 AI가 확실히 처리할 수 있습니다.
- 02:14표준 템플릿이 있고 AI에 데이터베이스 접근 권한을 제공할 수 있습니다.
- 02:19복장 규정, 주차, 일정 같은 행사 세부 정보 질문은
- 02:22모두 문서화되어 있습니다.
- 02:24티켓 정보를 어떻게 업데이트하는지 같은 프로세스 질문에는 명확한 단계가 있습니다.
- 02:30티켓 이전은 사람이 처리해야 합니다. 잘못 처리하면 위험이 큽니다.
- 02:35불만이나 우려 사항도 마찬가지입니다. 약간 더 많은 공감과 컨텍스트가 필요하기 때문입니다.
- 02:40이것이 작업 위임입니다. AI가 이 일을 할 수 있는지를 묻는 것이 아니라, AI가 이 일을 해야 하는지, 그렇다면
- 02:46얼마나 맡길지를 묻는 것입니다. 이렇게 작업 위임을 정의하고 나면 Emily는 플랫폼 인식도 고려합니다.
- 02:52이 프로젝트에서는 일부 식별 정보와 자금 정보를 AI에 노출해야 합니다.
- 02:58따라서 사용자 데이터로 학습하지 않는 AI 도구를 사용하는 것이 매우 중요합니다.
- 03:03다음은 설명과 구축입니다.
- 03:05세 가지를 명확히 정의해야 합니다.
- 03:08첫째, 제품 설명입니다.
- 03:10메시지를 읽고, 분류하고, 적절한 응답 초안을 작성하거나 추가 검토 대상으로 표시하는 이메일 모니터링 시스템을 원합니다.
- 03:19그다음은 프로세스 설명입니다.
- 03:21각 이메일을 읽고, 카테고리를 식별하고, 응답할 정보가 있는지 확인해야 하며,
- 03:26답장 초안을 작성하거나 사람이 검토할 작업을 만들어야 합니다.
- 03:30그다음은 성능 설명입니다.
- 03:32전문적이면서도 따뜻해야 합니다.
- 03:34정보를 절대 추측하지 마세요.
- 03:36확실하지 않을 때는 사람의 검토 대상으로 표시하세요.
- 03:39또한 정보를 제공하기 전에 항상 사람의 질문에 직접 답하기를 원합니다.
- 03:45실제로는 다음과 같습니다.
- 03:47Emily는 Gmail 통합을 사용해 Claude를 실행하고,
- 03:50각 단계를 매우 구체적으로 지정하며,
- 03:52오가며 Claude의 응답을 테스트하고
- 03:55실제로 받은 이메일을 사용합니다.
- 03:57제품 판별력은 출력물을 실제로 확인하는 것을 의미합니다.
- 04:00작성된 이메일이 정말 도움이 됩니까?
- 04:02Emily가 쓴 글처럼 들립니까? 정확합니까?
- 04:05이 테스트에서 어떤 일이 있었는지 보여 드리겠습니다.
- 04:08AI가 이메일을 정확하게 분류하는 것 같습니다.
- 04:12홍보 이메일에는 응답이 필요하지 않습니다.
- 04:17좌석 배정은 반드시 사람이 처리해야 합니다.
- 04:21프로그램 세부 정보와 주차 정보는 정확합니다.
- 04:26조개류 알레르기에는 정확하게 답했지만,
- 04:28이미 문의한 내용을 다시 확인해 달라고 요청한 점은 이상했습니다.
- 04:32이때 성능 설명으로 돌아가 더 행동 지향적으로 조정하는 것이 좋습니다.
- 04:38이는 반복적인 과정입니다. 발견한 내용을 바탕으로 설명을 다듬습니다.
- 04:42완전히 정상입니다. 이것이 실제로 작동하는 무언가를 구축하는 방법입니다.
- 04:46마지막으로 책임에 관한 부분입니다.
- 04:48이는 시스템이 기술적으로 작동하는지에 관한 문제만이 아닙니다.
- 04:51애초에 이런 방식으로 사용해야 하는지에 관한 문제입니다.
- 04:53Emily는 세 가지 유형의 성실을 고려합니다.
- 04:56생성 성실은 AI가 어떤 이메일을 처리해야 하고
- 05:00어떤 이메일에 사람의 주의가 필요한지 충분히 생각했다는 뜻입니다.
- 05:02처리할 수 있는 모든 것을 그저 자동화하는 것이 아니라,
- 05:04중요한 곳에서는 기부자 관계를 지키는 데 의식적으로 주의를 기울입니다.
- 05:09그리고 Emily는 배포 성실을 실천합니다.
- 05:11이 경우에는 여전히 모든 응답을 검토하고 직접 발송합니다.
- 05:16이를 완전히 자동화하기로 선택한다면, 시스템을 철저히 테스트했다는 사실을 알기에
- 05:20더 확신을 가지고 실행할 수 있습니다.
- 05:22마지막으로 투명성 성실이 있습니다.
- 05:25Emily는 투명성에 관한 조직의 AI 정책을 따르고, 다음을 인정합니다.
- 05:30이 이메일들이 시스템에서 생성되었다는 사실입니다.
- 05:32그렇게 하기로 선택한 이유가 시간을 절약하고 더 빠르게 응답하기 위해서라고 설명하며,
- 05:37추가 지원이 필요할 때를 위한 명확한 후속 옵션도 제공합니다.
- 05:40무언가 잘못되는 경우 큰 도움이 됩니다.
- 05:44다음 레슨에서는 AI를 조직에 신중하게 통합하는 데 사용할 수 있는 전략을 더 자세히 다룹니다.
- 05:48AI 의존성에 관한 핵심 질문에 답하는 것부터 구축
- 05:53AI 정책까지 말입니다.
- 05:54다음 레슨에서 뵙겠습니다!
핵심 요점
- Problem Awareness로 시작하세요: AI 도구를 다루기 전에 실제 업무량을 분석하세요. 사람들이 무엇을 요청하고 있나요? 어떤 패턴이 나타나나요? 무엇을 자동화할지 결정하기 전에 구체적인 목록을 작성하세요
- Task Delegation은 "AI가 할 수 있는가?"가 아니라 "AI가 해야 하는가?"를 묻는 것을 의미합니다: 일부 작업(예: 문서화된 질문에 답변하기)은 자동화에 적합한 후보입니다. 다른 작업(예: 불만 처리나 중요도가 높은 요청 처리)은 사람이 계속 담당해야 합니다
- 실제 예시로 반복적으로 테스트하세요: 실제로 받은 이메일을 사용하여 시스템을 테스트하세요. 설명에서 보완이 필요한 부분을 발견하게 될 것입니다—이는 정상적이고 필요한 과정입니다
- 세 가지 유형의 Diligence를 모두 실천하세요: Creation Diligence는 무엇을 자동화할지에 대해 의도적으로 접근하는 것을 의미합니다. Deployment Diligence는 결과물이 나가기 전에(특히 초기에) 검토하는 것을 의미합니다. Transparency Diligence는 AI의 역할에 대해 솔직하게 밝히는 것을 의미하며, 특히 문제가 발생했을 때 더욱 중요합니다
연습 문제
자동화 기회 매핑하기
이 연습은 업무 중 반복적인 작업 가운데 AI 자동화에 적합한 후보를 식별하는 데 도움이 됩니다.
1부: 반복 작업 점검하기
지난 한 주간의 업무를 떠올려 보세요. 반복적이거나 시간이 많이 소요된다고 느낀 작업 5~10개를 나열하세요. 각 작업에 대해 다음을 기록하세요:
- 이 작업은 얼마나 자주 발생하나요? (매일, 매주, 매월)
- 매번 얼마나 시간이 걸리나요?
- 응답/프로세스가 대체로 표준화되어 있나요, 아니면 상당히 달라지나요?
2부: AI 적합성에 따라 분류하기
작업을 세 가지 범주로 분류하세요:
- AI가 처리할 수 있음: 표준화된 응답, 문서화된 정보, 명확한 프로세스
- AI가 지원하고, 사람이 결정함: AI가 초안을 작성하거나 준비할 수 있지만, 실행 전에 검토가 필요한 작업
- 사람이 처리해야 함: 중요도가 높은 결정, 감정적인 상황, 복잡한 판단이 필요한 경우
3부: 우선순위 정하기
"AI가 처리할 수 있음" 또는 "AI가 지원함" 범주에서 가장 많은 시간을 절약할 수 있는 작업 하나를 선택하세요. 이것이 자동화 후보가 됩니다.
성찰:
- 각 작업을 어느 범주에 속하는지 결정하는 데 어떤 기준이 도움이 되었나요?
- 자동화에 적합하다고 느낀 작업의 수가 많거나 적어서 놀랐나요?
레슨 성찰
- 4D 프레임워크의 네 가지 차원을 모두 함께 사용한 것이 이 자동화 작업에 접근하는 방식을 어떻게 바꾸었나요?
- AI가 실행할 수 있을 만큼 정확하게 자동화 시스템을 설명하는 과정에서 무엇이 놀라웠나요?
다음 단계
다음 레슨에서는 AI 의존성에 대한 우려를 해결하는 것부터 여러분의 가치를 반영하는 AI 정책을 구축하는 것까지, AI를 조직에 신중하고 지속 가능하게 통합하는 전략에 대해 논의합니다.