상태 보고 오버헤드를 거의 제로(Zero)로 줄이는 방법

3주간의 빌드, 3가지 기술, 그리고 우리가 결코 어기지 않는 하나의 규칙

Kiprono Ngetich 작성

이전 상황

Daraja Workspace를 구축하기 전, 우리의 프로젝트 매니저(Project Managers)들은 상태 보고(Status reporting)에 주당 평균 6~8시간을 소비했습니다.

이는 과장이 아니라 실제로 우리가 추적한 결과입니다.

상세 내역은 다음과 같았습니다:

• 팀원들로부터 업데이트 사항을 확인하는 데 2시간
• 상충하는 정보를 조정하는 데 2시간
• 다양한 이해관계자(Stakeholders)를 위한 보고서 형식을 맞추는 데 2시간
• 이미 구식이 된 내용을 논의하는 상태 회의(Status meetings)에 2시간

프로젝트 관리 협회(Project Management Institute)에 따르면, 조직은 부실한 프로젝트 성과로 인해 투자액의 평균 11.4%를 낭비하며, 이 중 상당 부분은 불충분한 커뮤니케이션과 상태 가시성(Status visibility)에서 기인합니다.

우리는 바로 그 통계 수치를 몸소 겪고 있었습니다.

통찰

어느 날, 나는 우리 팀들이 이미 생산하고 있는 가공되지 않은 자료들을 살펴보았습니다: 주간 요약 메시지, 작업 댓글(Task comments), 마감일 논의, Slack 스레드 등.

그 모든 것에는 프로젝트 이름, 담당자, 마감일, 차단 요소(Blockers), 다음 단계와 같은 구조화된 프로젝트 정보(Project intelligence)가 포함되어 있었습니다. 단지 비구조화된 텍스트(Unstructured text) 속에 갇혀 있어, 보고가 필요한 사람들에게 보이지 않았을 뿐입니다.

통찰은 간단했습니다: 최고의 상태 보고서는 스스로 작성되는 보고서입니다.

우리는 "어떻게 하면 사람들이 상태 시트를 업데이트하게 만들까?"라는 질문을 멈추고, "어떻게 하면 사람들이 이미 하고 있는 업무로부터 상태 정보를 추출할 수 있을까?"라는 질문을 시작했습니다.

빌드

우리는 세 가지 핵심 기술을 사용하여 3주 만에 첫 번째 버전을 구축했습니다:

주차    중점 사항               기술
1       실시간 협업 레이어 (Real-time collaboration layer)   WebSockets + 낙관적 UI 업데이트 (Optimistic UI updates)
2       AI 추출 파이프라인 (AI extraction pipeline)  Cohere Command-A + 프롬프트 엔지니어링 (Prompt engineering)
...

POST-once 모델이 핵심적인 아키텍처적 통찰이었습니다. 이 시스템은 얼마나 많은 사람이 상태 시트를 보느냐에 관계없이 주당 최대 한 번만 AI를 호출합니다. 저장 용량은 프로젝트당 주당 레코드 하나씩만 증가합니다. 불필요한 API 호출이 없으며, 비용이 급증하지도 않습니다.

결과

6주간의 내부 사용 결과:

상태 보고 시간: 주당 6~8시간 → 사실상 제로 (시트가 스스로 유지됨)

정보 최신성: AI 추출(AI extraction) + 실시간 수동 편집을 통해 매일 업데이트

팀 도입률: 활성 프로젝트의 100%가 마이그레이션 완료

서버 비용: 프로젝트당 주당 API 호출 1회 (조회수와 무관)

하지만 이 수치들은 실제적인 변화를 다 담아내지 못합니다.

목요일 오후의 패닉은 사라졌습니다. 프로젝트 매니저들은 더 이상 업데이트를 쫓아다니지 않습니다 — 대신 읽습니다. 명확하게 합니다. 장애물을 제거합니다. 예전에 표를 작성하는 데 쓰던 시간은 이제 실제 프로젝트 관리(Project management)에 투입됩니다.

우리가 결코 깨뜨리지 않는 원칙
빌드 과정 내내 우리는 한 가지 원칙을 고수했습니다:

AI가 초안을 작성한다. 인간이 진실을 소유한다.

AI가 생성한 모든 상태 행(row)에는 모델의 출력과 인간의 입력을 구분하는 isManuallyEdited 플래그가 포함됩니다. 프로젝트 매니저가 마감일을 수정하거나 코멘트를 추가하면, 해당 변경 사항은 실시간으로 전파되며 절대 덮어쓰여지지 않습니다.

우리는 AI가 인간의 판단을 무시하는 방식으로 수정을 통해 학습하도록 내버려 두지 않습니다. 모델은 보조할 뿐입니다. 결정하지 않습니다.

다음 단계
현재 시스템은 단방향입니다: AI → 인간. 인간의 수정 사항이 아직 AI의 이해도를 높이기 위해 다시 흘러 들어가지(flow back)는 않습니다.

우리는 그 간극을 메우고 있습니다. 로드맵에는 다음이 포함됩니다:

• 양방향 피드백 루프 (Two-way feedback loop) — 시간이 지남에 따라 AI가 인간의 편집을 통해 학습
• 내보내기 파이프라인 (Export pipeline) — 클릭 한 번으로 PDF 및 XLSX 내보내기
• 주간 교차 분석 (Cross-week analytics) — 여러 주에 걸친 트렌드 시각화
• 셀 감사 추적 (Cell audit trails) — 사용자 이름과 타임스탬프를 포함한 변경별 이력

더 넓은 시사점
우리가 이것을 만든 이유는 우리의 목요일이 망가져 있었기 때문입니다.

만약 당신의 목요일도 그렇다면, 더 나은 템플릿이나 더 엄격한 마감일이 필요한 것이 아닙니다. 당신에게 필요한 것은 다른 아키텍처(Architecture)입니다. 상태 가시성(Status visibility)이 업무의 부수적인 결과물(side effect)이 되는 아키텍처 말입니다 — 또 다른 업무가 아니라 말이죠.

당신에게 필요한 정보는 이미 그곳에 있습니다. 당신의 Slack, 이메일, 주간 업데이트, 작업 코멘트에 이미 존재합니다.

당신은 그저 그것을 추출하기만 하면 됩니다.

Kiprono Ngetich는 AI 보조 협업 도구를 만듭니다.