AI로 업무를 자동화하는 일은 크게 두 단계로 나뉩니다. 어떻게 쌓을 것인가와 어떻게 사용할 것인가. 같아 보이지만, 요구하는 사고방식이 완전히 다릅니다.
기존 비즈니스에 AI를 도입할 때 가장 먼저 부딪히는 문제가 있습니다. "AI한테 뭘 시키면 되는가"보다 훨씬 앞선 질문, "AI가 참고할 데이터가 어디 있는가"입니다.
AI는 스스로 데이터를 만들지 않습니다. 우리 회사의 거래 기록, 고객 응대 이력, 제품 정보, 업무 프로세스 — 이것들이 AI가 읽을 수 있는 형태로 쌓여 있어야 합니다. 이것이 DB 단계입니다.
그 다음이 프론트 단계입니다. 쌓인 데이터를 가지고 AI에게 무엇을 물을 것인가, 그 결과를 어떤 형태로 사용자에게 보여줄 것인가, 어떤 업무를 자동화할 것인가를 설계하는 일입니다.
두 단계는 분명히 연결되어 있지만, 요구하는 능력과 사고방식은 완전히 다릅니다. 한 사람이 둘 다 잘하기를 기대하면, 둘 다 절반만 하게 됩니다.
"지금 당장 쓸 수 없어도 괜찮다. 6개월 후 AI가 이 데이터를 쓸 수 있어야 한다."
"데이터가 어떻게 쌓였는지보다, 지금 쓸 수 있는 데이터로 무엇을 만들 수 있는지가 중요하다."
작은 조직에서는 한 사람이 두 역할을 모두 맡는 경우가 많습니다. 불가능한 것은 아닙니다. 하지만 규모가 커질수록 이 구조는 병목이 됩니다.
두 역할은 요구하는 시간 단위가 다릅니다. DB 담당은 6개월, 1년 후를 보고 데이터 구조를 설계합니다. 프론트 담당은 이번 주, 오늘 쓸 수 있는 결과물을 만들어야 합니다. 한 사람이 두 시간 단위를 동시에 보는 것은 매우 어렵습니다.
또한 두 역할은 실패의 기준이 다릅니다. DB 담당의 실패는 "나중에 쓸 수 없는 데이터를 쌓았다"는 것이고, 프론트 담당의 실패는 "있는 데이터를 제대로 활용하지 못했다"는 것입니다. 한 사람이 두 가지 실패 기준을 동시에 책임지면, 어느 쪽도 제대로 챙기지 못하게 됩니다.
상호 의존적이라는 것은 협력이 필요하다는 뜻이지, 한 사람이 다 해야 한다는 뜻이 아닙니다. 의존성이 높을수록 담당자 간 소통이 더 중요해집니다.
DB가 없거나 AI가 읽기 어려운 형태라면, 프론트 작업을 먼저 시작하지 마십시오. 아무리 좋은 자동화 설계도 데이터가 없으면 작동하지 않습니다. DB 구축이 먼저입니다.
DB 구조는 업무를 가장 잘 이해하는 사람이 설계해야 합니다. 개발자가 혼자 설계하면 비즈니스 맥락이 빠집니다. 현업 담당자가 DB 설계에 반드시 참여해야 합니다.
프론트 담당이 "이런 데이터가 있으면 좋겠다"는 요구를 DB 담당에게 전달하는 구조가 있어야 합니다. 이 루프 없이는 DB와 프론트가 점점 어긋납니다.
데이터를 쌓는 사람과mokai · AI 시대의 업무 방식
데이터를 쓰는 사람이
같은 언어로 대화해야 합니다.
AI 자동화 프로젝트를 시작할 때 가장 먼저 물어야 하는 것은 "어떤 AI 도구를 쓸 것인가"가 아닙니다. "우리에게 지금 어떤 데이터가 있는가"입니다.
데이터가 있다면 프론트부터 시작할 수 있습니다. 데이터가 없거나 부족하다면 DB 구축이 먼저입니다. 그리고 둘 중 어느 쪽을 먼저 하든, 반드시 담당자를 명확히 구분해야 합니다.
쌓는 역할과 쓰는 역할이 명확히 나뉠 때, AI 자동화는 단순한 실험이 아니라 실제 업무 구조가 됩니다.