회사에서 하루 동안 하는 업무를 자세히 살펴보면 생각보다 많은 시간을 반복 작업에 사용하고 있습니다.
저 역시 업무를 하면서 비슷한 이메일을 여러 번 작성하고, Excel 데이터를 정리하고, 회의 내용을 다시 요약하고, 매월 같은 형식의 자료를 만드는 일이 많았습니다.
예전에는 이런 작업을 그냥 업무의 일부라고 생각했습니다.
그런데 ChatGPT를 업무에 사용하기 시작하면서 생각이 조금 달라졌습니다.
"이걸 사람이 매번 처음부터 해야 할까?"
라는 질문을 자주 하게 된 것입니다.
특히 5분, 10분밖에 걸리지 않는 작은 업무도 매일 또는 매주 반복하면 생각보다 많은 시간이 됩니다.
그래서 요즘에는 반복되는 업무를 보면 바로 처리하기보다 먼저 AI로 줄일 수 있는 부분이 있는지 생각해보는 편입니다.
이번 글에서는 제가 회사 업무를 하면서 직접 활용해봤거나, 실제 업무 프로세스를 보면서 자동화하면 효과가 크겠다고 느낀 업무 10가지를 정리해보겠습니다.
1. 가장 먼저 사용하기 시작한 것은 이메일 작성이었다
제가 AI를 업무에 활용하면서 가장 먼저 편하다고 느낀 분야는 이메일이었습니다.
회사에서는 생각보다 비슷한 이메일을 많이 작성합니다.
자료 제출 요청, Reminder, 회의 일정 안내, 시스템 업데이트 공지, 오류 수정 안내, 업무 진행 상황 Follow-up 등이 대표적입니다.
특히 영어 이메일을 작성할 때 내용 자체보다 어떻게 표현해야 자연스럽고 너무 딱딱하지 않을지 고민하는 데 시간이 걸리는 경우가 많았습니다.
이럴 때 저는 전달해야 하는 핵심 내용만 먼저 정리해서 ChatGPT에 요청하는 방식을 자주 사용합니다.
예를 들어,
"지난주에 요청한 Expense Report를 아직 제출하지 않은 직원에게 보내는 영어 Reminder 이메일을 작성해줘. 너무 강압적이지 않게 쓰고 금요일까지 제출해달라는 내용을 넣어줘."
처럼 요청합니다.
그대로 보내기보다는 제가 원하는 어조인지 확인한 뒤 실제 상황에 맞게 수정합니다.
몇 분 차이처럼 보이지만 하루에도 여러 번 이메일을 작성한다면 꽤 도움이 됩니다.
2. 여러 Excel 파일을 합치는 업무
Excel 파일을 여러 개 받아 하나로 정리하는 업무도 자동화하기 좋은 대표적인 작업이라고 느꼈습니다.
업무를 하다 보면 부서별 파일이나 월별 파일을 하나의 Master 파일로 합쳐야 하는 경우가 있습니다.
파일이 두세 개라면 직접 열어서 복사해도 됩니다.
하지만 파일이 많아지면,
"이 파일은 이미 붙였던가?"
"한 파일을 빠뜨린 건 아닐까?"
하는 확인 작업까지 필요해집니다.
이런 작업은 ChatGPT에 파일을 올려 합치는 방법도 있고, 반복된다면 Python 코드를 만들어 자동화할 수도 있습니다.
예를 들어 저는 자동화를 생각할 때 다음과 같은 구조로 접근합니다.
폴더에 파일 저장 → 자동으로 모든 파일 읽기 → 하나로 통합 → 원본 파일명 표시
여기에 Source File 컬럼까지 추가하면 문제가 있는 데이터를 발견했을 때 원본 파일도 쉽게 찾을 수 있습니다.
단순한 복사·붙여넣기처럼 보이지만 반복 횟수가 많다면 자동화 효과가 꽤 큰 업무라고 생각합니다.
3. 회의 내용을 다시 정리하는 업무
회의가 끝난 뒤 내용을 다시 정리하는 것도 은근히 시간이 많이 걸립니다.
특히 30분이나 1시간 정도 회의를 한 뒤 메모를 보고 결정사항과 Action Item을 따로 정리해야 할 때가 있습니다.
저는 회의 요약에서 단순히 내용을 짧게 만드는 것보다 다음 항목으로 정리하는 방식이 더 유용하다고 느꼈습니다.
- 주요 논의사항
- 결정사항
- Action Item
- 담당자
- Due Date
예를 들어 회의 메모를 붙여넣고,
"단순 요약 말고 누가 무엇을 언제까지 해야 하는지 중심으로 정리해줘."
라고 요청하면 회의 이후 후속 업무를 확인하기가 훨씬 편합니다.
회의록에서 가장 중요한 것은 결국 무엇을 결정했고, 누가 다음 일을 해야 하는지이기 때문입니다.
4. 매월 거의 똑같이 만드는 보고서
제가 자동화 대상으로 특히 관심을 가지는 업무 중 하나가 월간 보고서입니다.
월별 보고서는 매번 데이터는 달라지지만 구조는 비슷한 경우가 많습니다.
예를 들어,
Budget
Actual
Variance
Variance %
Previous Month
3 Month Average
같은 항목을 반복해서 확인합니다.
예전에는 데이터를 내려받고 Excel 수식을 넣은 뒤 Pivot Table을 만들고, 다시 보고서에 들어갈 숫자를 정리하는 식으로 작업했습니다.
이런 업무를 보면 저는 먼저,
"계산 규칙이 매달 동일한가?"
를 확인합니다.
규칙이 동일하다면 자동화 가능성이 높기 때문입니다.
예를 들어 ChatGPT에,
"Budget 대비 Actual이 10% 이상 초과한 항목을 찾아주고 전월과 비교해서 큰 변동이 있는 항목을 정리해줘."
처럼 요청할 수 있습니다.
처음에는 AI가 계산한 결과를 직접 확인하면서 사용하고, 반복 패턴이 확실해지면 더 자동화하는 방식이 안전하다고 생각합니다.
5. 영수증과 Invoice 입력
비용 관련 업무를 보면서 특히 반복적이라고 느낀 부분이 영수증 입력입니다.
영수증에는 이미 날짜, 업체명, 금액, 세금 등이 적혀 있는데 사용자가 그 내용을 다시 시스템에 입력해야 하는 경우가 있습니다.
그래서 저는 이 업무를 보면서,
"영수증에 있는 내용을 시스템이 먼저 읽어오면 되지 않을까?"
라는 생각을 하게 됐습니다.
OCR을 활용하면 영수증이나 Invoice에서 다음과 같은 정보를 읽을 수 있습니다.
Vendor
Invoice Number
Invoice Date
Amount
Tax
Due Date
전체 흐름을 생각해보면,
영수증 업로드 → OCR 인식 → 자동입력 → 사용자 확인 → 승인 요청
형태로 만들 수 있습니다.
제가 이 구조에서 중요하다고 보는 것은 100% 자동 처리가 아니라 AI가 먼저 입력하고 사람이 마지막으로 확인하는 방식입니다.
회계 데이터는 작은 오류도 문제가 될 수 있기 때문입니다.
6. 데이터 오류를 사람이 하나씩 찾는 업무
Excel이나 ERP 데이터를 다루다 보면 데이터를 만드는 것보다 오류를 찾는 데 시간이 더 많이 걸릴 때도 있습니다.
예를 들어,
Invoice Number가 중복되었는지,
Amount가 비어 있는지,
Cost Center가 누락되었는지,
같은 거래가 두 번 등록되었는지
등을 확인해야 합니다.
행이 몇십 개라면 직접 확인할 수도 있지만 수백 개, 수천 개가 되면 쉽지 않습니다.
이런 경우에는 먼저 데이터 검증 규칙을 정의할 수 있습니다.
예를 들어,
"Invoice Number가 중복된 데이터와 Amount가 0이거나 비어 있는 데이터를 별도로 정리해줘."
처럼 요청합니다.
저는 이런 기능은 AI가 최종 결정을 대신하기보다 사람이 확인해야 할 데이터를 먼저 골라주는 용도로 사용하는 것이 적절하다고 생각합니다.
7. 문서 버전을 비교하는 업무
계약서나 정책 문서처럼 여러 버전을 관리하는 업무도 생각보다 번거롭습니다.
새로운 버전이 들어올 때마다 이전 문서와 비교해서 변경된 부분을 찾아야 합니다.
예를 들어,
Contract_v1
Contract_v2
Contract_Final
처럼 버전이 계속 생길 수 있습니다.
이 경우 AI에게 두 문서의 차이를 비교해서
추가된 내용
삭제된 내용
금액 변경
날짜 변경
조건 변경
등으로 정리하도록 요청할 수 있습니다.
실제 계약 관련 업무에서는 단어 하나의 차이도 중요할 수 있기 때문에 최종 검토를 AI에 맡길 수는 없습니다.
하지만 어디가 바뀌었는지를 먼저 찾는 보조 작업에는 충분히 활용할 가치가 있다고 생각합니다.
8. 데이터를 정해진 기준으로 분류하는 업무
회사 업무에는 반복적인 분류 작업도 많습니다.
예를 들어 고객 문의가 들어오면
Payment
System Error
Account
Contract
Other
같은 카테고리로 분류할 수 있습니다.
이런 작업은 사람이 하면 매우 단순하지만 건수가 많으면 시간이 필요합니다.
비슷한 방식으로 Expense Description을 읽고 비용 계정을 추천하거나 구매 요청 내용을 보고 카테고리를 추천하는 것도 가능합니다.
저는 여기에서도 AI가 자동으로 확정하기보다는 추천값을 보여주고 사람이 선택하는 구조가 실무적으로 더 안전하다고 생각합니다.
같은 문장이라도 업무 상황에 따라 분류가 달라질 수 있기 때문입니다.
9. 매번 비슷하게 작성하는 문서
회사에서 사용하는 문서는 생각보다 반복되는 형식이 많습니다.
시스템 업데이트 공지,
프로젝트 진행 보고,
회의 결과 보고,
업무 매뉴얼,
사용자 안내문 등이 대표적입니다.
저도 이런 문서를 작성할 때 빈 화면에서 처음부터 작성하는 것보다 핵심 정보부터 정리한 뒤 AI에게 초안을 요청하는 편이 훨씬 빠르다고 느꼈습니다.
예를 들어,
"9월 1일부터 Excel Download 기능이 추가된다는 시스템 업데이트 공지를 작성해줘. 사용자에게 새로운 기능이 추가됐다는 점만 간단하고 전문적으로 안내하고 싶어."
처럼 요청합니다.
그리고 회사에서 평소 사용하는 표현으로 다시 수정합니다.
개인적으로 AI는 완성된 문서를 대신 써주는 도구라기보다 첫 초안을 빠르게 만들어주는 도구로 사용할 때 가장 편했습니다.
10. 승인 요청 이후의 반복적인 후속 업무
마지막으로 자동화 효과가 크다고 생각하는 부분이 승인 프로세스입니다.
회사에서는 많은 업무가 승인을 거칩니다.
Expense Request
Purchase Request
Budget Request
Contract Request
Business Travel Request
등이 대표적입니다.
신청서를 만들고,
승인자를 찾고,
승인 요청을 보내고,
승인이 늦으면 다시 Reminder를 보내고,
최종 승인 후 담당자에게 알려주는 과정이 반복됩니다.
이런 프로세스는 시스템으로 만들면 상당 부분 자동화할 수 있습니다.
예를 들어,
신청 → 승인 요청 → 승인 → 담당자 알림 → 시스템 반영
이라는 기본 흐름을 만들 수 있습니다.
여기에 AI를 추가한다면 신청 내용을 확인해서 누락된 정보를 알려주거나 적절한 Account나 승인 경로를 추천하는 기능도 생각해볼 수 있습니다.
저는 이런 업무를 볼수록 단순히 AI 한 가지 기능을 사용하는 것보다 업무 프로세스 자체를 자동화하는 것이 더 큰 효과가 있다고 느끼게 됐습니다.
제가 자동화할 업무를 고르는 기준
자동화를 생각하다 보면 모든 업무를 바꾸고 싶어질 수 있습니다.
하지만 실제로는 자동화하는 데도 시간이 필요합니다.
그래서 저는 자동화할 업무를 생각할 때 주로 세 가지를 봅니다.
첫째, 얼마나 자주 반복되는가?
한 달에 한 번 5분 하는 업무보다 매일 10분씩 반복하는 업무가 자동화 효과가 클 수 있습니다.
둘째, 규칙이 명확한가?
"이 조건이면 이렇게 한다"는 규칙이 명확할수록 프로그램으로 만들기 쉽습니다.
셋째, 사람의 판단이 얼마나 필요한가?
복사, 입력, 계산, 분류처럼 규칙이 명확한 업무는 자동화하기 좋습니다.
반대로 예외가 많고 사람의 판단이 중요한 업무라면 AI가 보조하는 방식이 더 적합합니다.
예를 들어 하루에 10분씩 하는 업무를 자동화했다고 가정해보겠습니다.
한 달에 20일 근무한다면 약 200분, 3시간이 넘습니다.
한 가지 자동화로는 별것 아닌 것처럼 보여도 이런 작은 자동화가 여러 개 쌓이면 차이가 커집니다.
직접 사용하면서 느낀 것은 완전 자동화가 항상 답은 아니라는 점이다
처음 AI 자동화를 생각하면 사람이 하지 않아도 되는 시스템을 떠올리기 쉽습니다.
하지만 업무에서 직접 사용해보면서 저는 생각이 조금 달라졌습니다.
특히 회계, 계약, 지급처럼 정확성과 책임이 중요한 업무에서는 AI에게 모든 것을 맡기는 것보다
AI가 먼저 처리 → 사람이 확인 → 최종 실행
방식이 더 현실적입니다.
예를 들어 OCR이 영수증 금액을 읽어오고,
AI가 Expense Account를 추천하지만,
최종 확인은 사용자가 하는 방식입니다.
이런 구조를 흔히 Human-in-the-loop라고 합니다.
저는 회사 업무 자동화에서는 이 방식이 상당히 중요하다고 생각합니다.
자동화할 업무가 안 보인다면 일주일만 기록해보기
처음에는 저도 어떤 업무를 자동화해야 할지 명확하게 보이지 않았습니다.
하지만 AI를 사용하기 시작하면서 반복 작업이 조금씩 눈에 들어오기 시작했습니다.
자동화할 업무를 찾고 싶다면 일주일 정도 자신이 하는 업무를 기록해보는 것도 좋은 방법입니다.
특히 업무 중 이런 생각이 들었던 순간을 적어보면 됩니다.
"이걸 또 해야 해?"
"지난달에도 똑같이 했는데."
"왜 계속 복사해서 붙여넣고 있지?"
"이걸 다시 입력해야 하나?"
이런 생각이 드는 업무에는 반복되는 규칙이 있을 가능성이 높습니다.
그리고 그 규칙을 AI에게 설명해보는 것이 자동화의 시작이 될 수 있습니다.
마무리: AI를 사용하면서 업무를 보는 시선이 달라졌다
제가 AI를 업무에 사용하면서 가장 크게 달라진 점은 이메일을 빨리 쓰게 된 것도, Excel 수식을 쉽게 만들게 된 것도 아닙니다.
반복되는 업무를 그냥 당연하게 받아들이지 않게 된 것입니다.
예전에는 여러 Excel 파일이 오면 하나씩 열었습니다.
비슷한 이메일이 필요하면 다시 작성했습니다.
영수증에 있는 숫자는 다시 입력했습니다.
지금은 이런 작업을 보면 먼저 생각합니다.
"이 과정에서 사람이 꼭 해야 하는 부분은 어디일까?"
사람이 판단해야 하는 부분은 남겨두고, 반복 입력이나 복사, 정리처럼 시스템이 처리할 수 있는 부분은 자동화하는 것입니다.
AI 업무자동화를 시작하기 위해 처음부터 거대한 프로그램을 만들 필요는 없습니다.
저 역시 작은 이메일 작성이나 Excel 작업에서 시작했습니다.
오늘 하루 했던 일을 떠올려보고 그중
"내일도 똑같이 해야 하는 일"
하나를 찾아보세요.
저는 바로 그런 업무가 AI 자동화를 시작하기 가장 좋은 대상이라고 생각합니다.
0 Comments