모든 것을 하나로 연결하기

모든 것을 하나로 연결하기 · 10 min

요약대본

이 영상은 4D 프레임워크의 네 가지 차원을 모두 결합하여 일반적인 소규모 비즈니스 작업을 위한 실용적인 워크플로우 자동화를 구축합니다.

한국어 대본

00:00안녕하세요, 저는 Cory입니다. 저는 Prospect Butcher Co.의 공동 창업자 중 한 명입니다. 저희는 동물 전체를
00:12취급하는 정육점으로, 브루클린에 두 곳의 매장을 운영하고 있습니다. 저희는 고객님께 지역에서 조달한 고기와
00:18샌드위치, 그리고 저희의 세계적으로 유명한 초콜릿 칩 쿠키를 제공하는 것을 좋아합니다. 하지만 제가 이야기하려는 것은 보이지 않는
00:24사업의 부분, 바로 백오피스, 그리고 구체적으로는 청구서 지불입니다. 많은
00:29소규모 사업주에게 매입채무를 갚는 일은 달력에 올라 있는 작업조차
00:33아닙니다. 그것은 집까지 따라오는 무언가입니다. 저녁 식사 중에 은행 잔고를 확인하며
00:37오늘 밤 거래처에 지불할 수 있을지, 그리고 그래도 금요일에
00:41급여를 지급할 수 있을지 계산해 봅니다. 바로 그런 일에 AI가 진짜 체계를 가져다줄 수
00:46있습니다. 설정하는 방법에 의도적으로 접근한다면 말입니다. 제가 4D 프레임워크를 어떻게 사용하는지
00:50안내해 드리겠습니다.
00:53위임, 설명, 판별력, 그리고 성실입니다.
00:57모두 저희의 매입채무 워크플로에 적용한 것입니다.
01:00제가 그때그때 허둥지둥 대처하던 일을
01:02실제로 의지할 수 있는 무언가로 바꾼 방법,
01:04판단력을 포기하지 않으면서,
01:05그 판단력이 거래처 관계를 온전히 유지해 줍니다.
01:10자, 상황을 설명해 보겠습니다.
01:12저희는 북부 지방의 몇몇 소규모 가족 농장과
01:15많은 유통업체에서도 구매합니다.
01:17저희는 두 곳의 매장을 서로 다른 두 개의 청구 시스템으로 운영하며,
01:20거래처마다 지불 조건도 다릅니다.
01:23아, 게다가 저희의 가장 큰 지불 의무 중 일부는
01:26임대료나 신용카드 결제처럼 아예 청구 플랫폼에 있지조차 않습니다.
01:30청구서를 지불하는 시스템이 전혀 없었습니다.
01:33거래처로부터 지불되지 않았다는 이메일을 받곤 했습니다.
01:36그날 저녁 시간이 있었다면 인보이스를 꺼내 보고 몇 건이 밀려 있다는 것을 깨달았을 것입니다.
01:41그런 다음 은행 계좌로 넘어가서 그 지급들을 처리해도
01:44여전히 급여를 지급할 여유가 남는지 확인했습니다.
01:47어떤 주에는 저녁 시간을 걸쳐 두세 시간씩 그 문제를 정리하려고 보내기도 했습니다.
01:52다른 주에는 그냥 하지 못했고, 공급업체들은 그저 기다렸습니다.
01:57그리고 상황을 더 악화시킨 것은 바로 이것이었습니다.
01:59우리가 함께 일하는 농장들은 가족이 운영하는 소규모 사업체입니다.
02:03그들도 우리와 마찬가지로 안정적으로 대금을 받아야 합니다.
02:06지급이 불규칙하면 사업 전체가 의존하는 관계를 위험에 빠뜨리는 것입니다.
02:13가장 먼저 해야 했던 일은 실제로 무엇을 넘기고 있는지 솔직하게 인정하는 것이었습니다.
02:20AI가 무엇을 할 수 있는지가 아니라, 무엇을 해야 하고 어디서 선을 그어야 하는지가 문제였습니다.
02:27몇 달간의 대금 지급 내역을 돌아보며 그 작업을 여러 부분으로 나누었습니다.
02:31AI는 두 곳에서 인보이스를 가져와 공급업체별로 정리하는 일을 처리할 수 있었습니다.
02:36또한 이메일을 읽고 어떤 공급업체가 후속 연락을 취해 왔는지
02:40늦은 지급에 대해 독촉해 왔는지 표시할 수 있었습니다.
02:42또한 판매 데이터를 확인해 어떤 제품이 빠르게 팔리고 있는지 알 수 있었습니다.
02:46왜냐하면 어떤 제품이 쏟아져 나가고 있다면 그 공급업체와 계속 연락을 유지해야 하기 때문입니다.
02:50은행 잔고를 확인하고 다가올 지급 의무를 고려해 얼마나
02:55실제로 보낼 수 있는지 계산할 수 있었습니다.
02:57그런 다음 그 모든 것을 하나의 주간 추천으로 정리했습니다.
03:02그리고 제가 직접 맡은 부분은 이것이었습니다.
03:03모든 지급에 대한 최종 결정입니다.
03:07AI는 이번 주에 무엇을 지급해야 한다고 생각하는지 알려줍니다.
03:10실제로 나가는 금액을 결정하는 사람은 저입니다.
03:13공급업체와의 모든 대화는 제가 직접 합니다.
03:16농부가 힘든 달을 보내고 있다면
03:18또는 조건에 대해 조율이 필요하다면,
03:21그것은 관계이지, 장부의 한 줄이 아닙니다.
03:24패턴에 맞지 않는 모든 것도 마찬가지입니다.
03:26예를 들어 분쟁이 있는 청구서나 일회성 구매 같은 경우입니다.
03:29그것이 위임입니다.
03:31모니터링, 집계, 계산은
03:34AI가 처리합니다.
03:35판단이 필요한 결정은
03:37실제로 이 공급업체들을 잘 알고
03:39특이한 주가 어떤 모습인지 아는 사람이 필요합니다.
03:42그리고 그런 결정은 저와 팀의 몫으로 남습니다.
03:44중요한 점은, 우리 계정의 지급 데이터에는
03:46공급업체 세부 정보와 은행 정보가 포함되어 있다는 것입니다.
03:49무엇을 만들기 전에, 저는 제 데이터로 학습하지 않고
03:52제가 신뢰할 수 있는 개인정보 처리방침을 가진 도구를
03:55사용하고 있는지 확인했습니다.
03:57이제 실제 구축입니다.
03:58확정해야 할 세 가지가 있습니다.
04:00시스템이 무엇을 만들어내는지, 데이터를 어떻게 처리하는지,
04:03그리고 어떻게 작동하는지입니다.
04:04이것이 시스템이 제게 주는 결과물입니다.
04:06매주 월요일 아침, 지급 실행 권장안이 도착합니다.
04:10맨 위에는 한눈에 보는 요약이 있습니다.
04:11여기에 모든 미지급 청구서가 있습니다
04:13두 지점 모두를 합쳐, 현재 현금 상태는 이렇습니다,
04:16그리고 공급업체별 세부 내역이 있습니다,
04:19우리가 갚아야 할 금액, 어떤 인보이스가 가장 시급한지,
04:22그리고 각각에 대한 제안 결제 금액입니다.
04:24그리고 맨 아래에는 현금 흐름 예측이 있습니다.
04:27시작 잔액, 예상 입금, 이번 주 급여,
04:31그리고 권장 결제가 나간 후의 상태입니다.
04:34그리고 그렇게 되는 과정은 이렇습니다.
04:36시스템은 청구 플랫폼, 은행 거래 내역, 이메일, 판매 데이터에서 정보를 가져옵니다.
04:42매주 월요일, 시스템은 그 모든 것을 읽고, 결제
04:47조건, 공급업체가 후속 연락을 한 빈도, 그리고 현금 상태를 기준으로 어떤 인보이스가 가장 시급한지 파악하고, 모든 것을 종합합니다.
04:53여기에 시스템이 어떻게 작동하는지 설명합니다. 결제가 나가야 한다고 가정하지 않습니다. 모든 것이
04:59권장 사항으로 제시되고, 근거가 바로 있기 때문에, 제가 왜 그것이
05:05그런 제안을 하는지 알 수 있습니다. 시스템은 청구 플랫폼에 없는 의무, 예를 들어 임대료와 신용
05:10카드, 공급업체에 사용 가능한 금액을 알려주기 전에 처리합니다. 그리고 그것은 대부분의 기업이
05:15하는 일에서 일반화하지 않습니다. 왜냐하면 두 지점을 둔, 노동자 소유의, 동물 전체를 취급하는 정육점은
05:21대부분의 기업이 아닙니다. 이 모든 것을 실제로 사용하기 전에, 저는 시스템에 제가
05:27이미 결정을 내린 달들의 데이터를 입력했습니다. 저는 아직 그것에 의존하지 않았습니다. 저는 그것을 주들과 비교해 테스트했는데, 그 주들에서 제가
05:32이미 정답이 어떻게 생겼는지 알고 있었습니다.
05:38저는 그것을 지난 몇 달과 비교해 실행했고
05:41권장 사항을 제가 실제로 지불한 금액과 비교했습니다.
05:44대부분은 탄탄했습니다.
05:45공급업체 합계는 정확했습니다.
05:47이메일에서 파악된 긴급 신호는 유용했습니다.
05:50현금 흐름 계산도 정확했습니다.
05:52하지만 두 가지가 잘못되어 있었습니다.
05:55첫째, 시스템이 송장을 집계하고 있었습니다.
05:57이미 지불된 송장들이었습니다.
05:59우리 청구 플랫폼의 데이터가 걸러내지 않고 있었습니다.
06:01마감된 송장들이었고, 그래서 시스템은 우리가 실제보다 약 18,000달러 더 빚지고 있다고 생각했습니다.
06:07그것은 우리 총 매입 채무에서 큰 부분을 차지하는데, 그냥 갑자기 부풀려진 것입니다. 그런 종류의 일은
06:13그런 것은 출력을 자신이 알고 있는 사실과 비교할 때만 드러납니다. 만약 제가 그 숫자를 믿었다면
06:19우리는 공급업체에 이중 지불을 하고 있었을 것입니다. 둘째, 그리고 이것이 더 큰 교훈인데,
06:25시스템은 잘못된 사람들을 우선시했습니다. 시스템은 가장 큰 송장부터 지불하려고 했는데,
06:30그것은 농장들을 의미했습니다. 서류상으로는 말이 되지만, 우리에게는 정확히 틀린 것입니다. 우리의 농장 공급업체들은
06:37자연히 더 높은 송장을 가집니다. 우리는 그들로부터 통째로 동물을 구매하기 때문에, 수천 달러에 달하는
06:42달러에 해당하는 일주일치 쇠고기입니다. 우리의 비농장 공급업체들은 더 까다로운 경우가 많습니다. 강하게 압박하면서
06:48600달러짜리 송장을 위해서였습니다. 그래서 저는 우리의 공급업체 관계가 실제로 어떻게 작동하는지에 기반하여 우선순위를 구축해야 했습니다.
06:54실제로 작동하는 방식이지, 단지 달러 금액이 아니었습니다. 그 통찰력은 출력을 확인함으로써만 얻을 수 있었습니다.
07:00제가 이미 사실이라고 알고 있던 것과 대조하는 것이었습니다.
07:02그래서 저는 다시 들어가서 둘 다 수정했습니다.
07:04시스템이 송장 상태를 올바르게 읽도록 필터를 추가했습니다.
07:08실제 공급업체 역학을 반영하도록 우선순위 로직을 다시 작성했습니다.
07:12그리고 저는 그 작업을 두 차례 수행했습니다.
07:14설명하고, 확인하고, 조정합니다.
07:16그리고 그것은 제가 실제로 출발점으로 사용할 만한 추천을 주고 있었습니다.
07:22마지막 부분입니다.
07:23그리고 솔직히 말하면, 그것은 사람들이 생각하는 것보다 더 중요합니다.
07:25이 워크플로는 우리의 공급업체와 현금에 영향을 미칩니다.
07:28그 둘 모두 제가 소홀히 할 수 없는 관계입니다.
07:32첫째, AI가 결제를 추천합니다.
07:35그 결제를 실행하는 사람은 바로 저입니다.
07:37저는 결제 플랫폼에 들어가서 청구서를 입력하고 결제합니다.
07:41그 경계는 변하지 않습니다.
07:43둘째, 저는 검토를 건너뛰지 않습니다.
07:46이제 추천이 꾸준히 믿을 만해졌지만,
07:48결제 실행을 잘못했을 때의 비용은 매우 실질적입니다.
07:53너무 성급하게 결제하면 급여 지급 자금이 부족해집니다.
07:56기다려 온 사람을 빠뜨리면 관계가 위험에 빠집니다.
08:00저는 매주 시스템을 더 신뢰하게 되지만, 그 신뢰는 그냥 가정하는 것이 아니라 데이터를 통해 얻고 있습니다.
08:08셋째, 투명성입니다.
08:10우리는 노동자 소유 기업이라서 사업 운영 방식에 대한 결정은 저 혼자만의 것이 아닙니다.
08:15저는 공동 창업자인 Greg와 무엇을 만들고 있는지, 왜 만들고 있는지 이야기했습니다.
08:18저는 그에게 솔직하게 말했습니다.
08:20우리는 백오피스 간접비를 추가하지 않고 성장을 이어가기 위해 AI를 사용하고 있습니다.
08:23그리고 그 절감액은 직원과 고객 경험에 다시 투자됩니다.
08:28예전에 저녁과 주말에 흩어져 쓰던 두세 시간은
08:31이제는 월요일에 집중된 45분이 되었습니다.
08:35저는 추천을 검토하고, 결정을 내리고, 결제를 실행하면 끝입니다.
08:41하지만 솔직히 더 큰 성과는 이제 거래처가 꾸준히 대금을 받는다는 것입니다.
08:46매주, 제때에.
08:47우리처럼 안정적인 현금 흐름에 의존하는 작은 가족 농장에게는,
08:52그 일관성은 제가 되찾은 어떤 시간보다 중요합니다.
08:58이것이 외상매입금 관리에 4D 프레임워크를 처음부터 끝까지 적용한 것입니다.
09:02위임은 무엇을 넘길지, 무엇을 지킬지 파악하는 데 도움이 되었습니다.
09:06설명은 우리 비즈니스가 어떻게 작동하는지 실제로 이해하는 시스템을 구축했습니다.
09:10두 곳의 지점, 두 개의 청구 플랫폼, 어떤 도구에도 맞지 않는 의무들.
09:16판별력은 일반적인 AI 사고가 우리의 독특한 비즈니스에서 무너지는 지점을 잡아냈습니다.
09:20그리고 성실은 효율성 향상이 우리가 수년간 구축해 온 관계를 희생시키지 않도록 했습니다.

Watch on YouTube

핵심 요점

Problem Awareness로 시작하세요: 실제 업무량을 분석하세요 — 고객이 무엇을 묻고 있으며, 어떤 패턴이 반복되나요?
Task Delegation은 "AI가 할 수 있는가?"가 아니라 "AI가 이것을 해야 하는가?"를 묻는 것입니다 — 문서화된 FAQ는 훌륭한 후보이며, 불만 사항과 판단이 필요한 사안은 사람이 처리해야 합니다.
풍부한 Description으로 구축하세요: 시스템이 생성하는 결과물, 단계별 로직, 그리고 톤, 경계, 행동 규칙을 정의하세요.
실제 예시로 반복적으로 테스트하여 Discernment를 연습하세요 — 실제 환경에서의 테스트는 Description이 놓친 격차를 드러냅니다.
Diligence를 실천하세요: 고객에게 전달되기 전에 결과물을 검토하고, AI의 역할에 대해 솔직하게 밝히며, 사람에게 연결될 수 있는 명확한 경로를 제공하세요.

연습

Exercise 1Exercise 2Exercise 3

자동화 기회 매핑

비즈니스에서 반복되는 작업 중 AI 자동화에 적합한 후보를 식별합니다.

1부: 반복 작업 점검하기

지난 한 주간의 업무를 떠올려 보세요. 반복적이거나 시간이 많이 소요된다고 느낀 작업 5~10개를 나열하세요 — 고객 문의 응답, 소셜 미디어 업데이트, 송장 생성, 리드 후속 조치, 보고서 작성 등입니다. 각 작업에 대해 다음을 기록하세요:

이 작업은 얼마나 자주 발생하나요? (매일, 매주, 매월)
매번 얼마나 시간이 걸리나요?
응답이나 프로세스가 대부분 표준화되어 있나요, 아니면 사례마다 크게 달라지나요?
이 작업이 불완전하게 처리되면 어떤 결과가 발생하나요?

2부: AI 적합성에 따라 분류하기

작업을 세 가지 범주로 분류하세요:

AI가 처리할 수 있는 작업: 표준화된 응답, 문서화된 정보, 명확하고 반복 가능한 프로세스 — 예: 영업시간, 환불 정책, 서비스 제공 내용에 대한 FAQ 답변.
AI가 보조하고 사람이 결정하는 작업: AI가 초안을 작성하거나, 준비하거나, 정리할 수 있지만 전송 전에 사람이 검토하는 작업 — 예: 개인화된 후속 이메일 초안 작성 또는 고객 피드백 요약.
사람이 처리해야 하는 작업: 위험도가 높은 결정, 감정적으로 민감한 상황, 또는 복잡한 판단이 필요한 작업 — 예: 불만 해결, 계약 협상, 서비스 실패 대응.

3부: 우선순위 정하기

"AI가 처리할 수 있는 작업" 또는 "AI가 보조하는 작업" 범주에서 자동화했을 때 가장 많은 시간을 절약할 수 있는 작업 하나를 선택하세요. 이 작업이 최우선 순위인 이유를 간단히 한 문장으로 작성하세요 — 절약되는 시간, 빈도, 자동화가 얼마나 간단할지를 고려하세요.

되돌아보기:

각 작업이 어느 범주에 속하는지 결정하는 데 어떤 기준이 도움이 되었나요?
자동화에 적합하다고 느낀 작업의 수(많거나 적거나)에 놀랐나요?
오류의 잠재적 결과가 분류에 영향을 미쳤나요? 어떻게요?

레슨 되돌아보기

네 가지 차원을 모두 함께 사용하는 것이 이전 레슨들과 비교하여 접근 방식을 어떻게 바꾸었나요?
AI가 실행할 수 있을 만큼 정확하게 자동화를 설명하는 것이 예상보다 쉬웠나요, 어려웠나요?
Description과 Diligence 연습을 마친 후, 연습 1에서 선택한 작업이 여전히 가장 먼저 자동화해야 할 작업인가요?
효율성과 개인적인 고객 관계 사이의 균형에 대한 생각이 어떻게 변화했나요?

다음 단계

다음 레슨에서는 AI를 신중하고 지속 가능하게 비즈니스에 통합하는 전략에 대해 논의합니다 — 팀을 위한 AI 사용 정책을 구축하는 방법과 AI 의존도에 대한 우려를 관리하는 방법을 포함합니다.