팀원들이 실제로 사용할 AI 워크플로우(Workflow)를 구축하는 방법
요약
실제 팀원들이 신뢰하고 사용할 수 있는 AI 워크플로우 구축 전략을 다룹니다. 단순 자동화를 넘어 업무 인수인계 지점 파악, 추론 과정의 가시화, 예외 상황 설계 및 기존 업무 환경과의 통합이 핵심입니다.
핵심 포인트
- 업무의 인수인계(Handoff) 지점을 기준으로 구체적인 입출력을 정의할 것
- AI의 추론 과정을 평이한 언어로 가시화하여 사용자 신뢰를 확보할 것
- 예외 상황에 대한 명확한 대응(사람의 검토 요청 등)을 우선 설계할 것
- 실행(Action) 자동화 전, 준비(Preparation) 단계의 자동화부터 시작할 것
- 기존 업무 도구(이메일, CRM 등) 내에 워크플로우를 배치할 것
대부분의 AI 워크플로우 (Workflow) 프로젝트는 지루한 이유로 실패합니다. 바로 그 워크플로우가 슬라이드 덱(Slide deck) 상에서는 말이 되지만, 사람들이 이미 일하는 방식에는 맞지 않기 때문입니다.
리더는 반복적인 작업을 보고 "AI가 이것을 처리할 수 있겠군"이라고 생각합니다. 그것은 사실일 수도 있습니다. 하지만 유용한 질문은 AI가 그 작업을 한 번 수행할 수 있느냐가 아닙니다. 진짜 유용한 질문은 대기열이 가득 차고, 고객이 기다리고 있으며, 그 누구도 영리한 도구를 디버깅(Debug)할 시간이 없을 때 팀이 그 워크플로우를 신뢰할 것인가 하는 점입니다.
실제 인수인계(Handoff) 지점에서 시작하세요
훌륭한 AI 워크플로우는 보통 인수인계 (Handoff) 지점에서 시작됩니다. 누군가가 요청을 받고, 파일을 검토하고, 회의 내용을 요약하거나, 답장 초안을 작성하고, 기록을 확인하거나, 다음 사람을 위해 작업을 준비하는 순간들입니다. 이러한 순간들은 이미 구조를 가지고 있습니다. 이미 마찰(Friction)이 존재합니다. 또한 명확한 전(Before)과 후(After)가 있습니다.
"우리는 AI 어시스턴트(Assistant)가 필요해"라는 말로 시작하지 마세요. 대신 다음과 같은 문장으로 시작하십시오:
"환불 요청이 포함된 지원 티켓(Support ticket)이 들어오면, 시스템은 문제를 요약하고, 관련 계정 내역을 가져오며, 다음 조치를 제안하고, 최종 결정은 지원 담당자에게 남겨두어야 한다."
이것은 구체적입니다. 입력(Input), 출력(Output), 사용자(User), 그리고 경계(Boundary)를 가지고 있습니다.
인간의 의사결정을 가시화하세요
팀은 AI 워크플로우가 미스터리 박스(Mystery box)처럼 느껴질 때 이를 거부합니다. 워크플로우가 상태를 변경하거나, 메시지를 보내거나, 기록을 업데이트하거나, 작업을 라우팅(Routing)한다면, 사람들은 그 이유를 알아야 합니다.
유용한 워크플로우는 평이한 언어로 그 추론 과정을 보여주어야 합니다. 내부 모델의 긴 사고 체인을 보여주는 것이 아니라, 짧은 운영상의 설명을 제공해야 합니다:
"고객이 해지를 언급했고, 계정이 활성 상태이며, 마지막 답장이 24시간 이상 지났기 때문에 이를 긴급으로 분류했습니다."
이렇게 하면 사용자가 검토할 수 있는 무언가가 생깁니다. 만약 이유가 틀렸다면 규칙을 수정할 수 있습니다. 맥락(Context)이 누락되었다면 소스를 추가할 수 있습니다. 신뢰도(Confidence)가 낮다면 워크플로우가 검토를 요청할 수 있습니다.
예외 상황을 우선적으로 설계하세요
해피 패스(Happy path, 정상적인 경로)는 쉽습니다. 워크플로우의 생존 여부는 예외 상황(Exceptions)이 결정합니다.
소스 파일이 누락되면 어떻게 될까요? 두 레코드(Records)가 충돌하면 어떻게 될까요? 고객이 정책 범위를 벗어나는 것을 요구하면 어떻게 될까요? AI의 확신(Confidence)이 낮다면 어떻게 될까요?
팀원들이 실제로 사용할 워크플로우(Workflow)는 이러한 질문들에 대해 지루할 정도로 명확한 답을 내놓습니다. 일시 정지합니다. 문제를 표시(Flag)합니다. 사람의 검토(Human review)를 요청합니다. 전송하는 대신 초안(Draft)을 저장합니다. 발생한 일을 로그(Log)로 남깁니다. 불확실성을 확신인 것처럼 가장하지 않습니다.
간단한 규칙이 도움이 됩니다: 실행(Action)을 자동화하기 전에 준비(Preparation)를 자동화하세요. AI가 수집, 요약, 비교, 초안 작성 및 권장(Recommend)을 수행하게 하세요. 팀이 일관된 결과를 확인하고 실수로부터 복구하는 방법을 알게 된 후에만 자동 실행으로 넘어가세요.
업무가 이미 일어나는 곳에 배치하세요
만약 팀이 이메일, 채팅, 티켓(Tickets), 스프레드시트(Spreadsheets), 프로젝트 보드(Project boards) 또는 CRM에서 업무를 본다면, AI 워크플로우도 그곳에서 만나야 합니다. 별도의 포털(Portal)은 데모에서는 깔끔해 보일 수 있지만, 확인해야 할 장소를 하나 더 늘릴 뿐입니다.
최고의 워크플로우는 종종 거의 보이지 않는 것처럼 느껴집니다. 사용자가 이미 글을 쓰고 있는 곳에 초안이 나타납니다. 사용자가 이미 열고 있는 작업(Task)에 요약이 첨부됩니다. 사용자가 이미 사용하는 도구 내부에서 체크리스트가 생성됩니다. 문맥 전환(Context switching)이 적을수록 워크플로우는 습관이 될 가능성이 높습니다.
절약된 시간만이 아니라, 절약된 주의력(Attention)을 측정하세요
시간 절약도 중요하지만, 그것이 전부가 아닙니다. 어떤 워크플로우는 5분을 절약하면서도 여전히 짜증을 유발합니다. 반면 어떤 워크플로우는 1분을 절약하지만 업무에서 가장 짜증 나는 부분을 제거해 줍니다.
실제 채택(Adoption)과 일치하는 신호들을 추적하세요:
- 사용자가 출력물을 수락, 수정 또는 거부하는 빈도
- 어떤 단계에서 여전히 수동 정리(Manual cleanup)가 필요한지
- 사용자가 권장 사항을 무시(Override)하는 지점
- 예외 상황(Exceptions)이 해결되지 않은 채 방치되는 시간
- 워크플로우 실행 후 사람들이 복사하여 붙여넣는 내용
이러한 세부 사항들은 워크플로우가 업무의 일부가 되고 있는지, 아니면 업무 옆에 따로 놓여 있는지를 알려줍니다.
작은 약속과 함께 출시하세요
가장 안전한 AI 워크플로우는 가장 거대한 것이 아닙니다. 팀이 빠르게 검증할 수 있는 좁은 범위의 약속을 가진 워크플로우입니다.
예를 들어, "모든 인바운드 요청(inbound request)은 사람이 확인하기 전에 세 개의 불렛 포인트 요약과 제안된 다음 단계(suggested next step)를 받습니다."와 같은 방식입니다.
이것은 유용하고, 테스트 가능하며, 수정하기 쉽습니다. 팀이 이를 신뢰하게 되면, 라우팅(routing), 초안 응답(draft responses), 우선순위 점수 산정(priority scoring) 또는 리마인더(reminders) 기능을 추가할 수 있습니다.
목표는 AI로 사람들에게 깊은 인상을 남기는 것이 아닙니다. 목표는 매일 주의력을 소모하게 만드는 사소한 결정들, 검색, 재작성, 그리고 확인 작업들을 줄이는 것입니다.
만약 워크플로우가 사람들이 마찰(friction) 없이 업무를 수행하도록 돕는다면, 그들은 그것을 사용할 것입니다. 만약 워크플로우가 사람들이 도구의 수발을 들게 만든다면, 그들은 그것을 우회하여 일할 것입니다.
Othex Corp에서는 데모 연극(demo theater) 대신 실제 워크플로우, 권한(permissions), 그리고 인간의 검토(human review)를 중심으로 실용적인 AI 시스템을 구축합니다. 더 자세한 내용은 othexcorp.com에서 확인하세요.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기