
반복되는 사무 업무를 AI로 줄이려고 하면 먼저 도구부터 찾게 됩니다. ChatGPT를 쓸지, n8n이나 Power Automate를 연결할지 비교하다가 며칠이 지나기도 합니다.
그런데 자동화가 자꾸 흔들리는 이유는 도구가 부족해서가 아닐 때가 많습니다. 같은 업무에 서로 다른 파일과 메일이 들어오고, 어느 자료를 기준으로 삼을지 정해져 있지 않기 때문입니다. AI 업무 자동화를 시작하기 전에는 반복 횟수보다 원본 자료를 먼저 정리해야 합니다.
독자가 확인할 기준은 네 가지입니다. 어떤 자료가 업무를 시작하게 하는지, 어느 자료가 최신 기준인지, AI가 어떤 항목을 만들어야 하는지, 결과를 누가 확인하는지 설명할 수 있으면 첫 연결을 시작할 수 있습니다.

다음은 설명을 위한 가상 상황입니다. 한 팀에 견적 문의가 이메일과 메신저, 오래된 스프레드시트로 나뉘어 들어온다고 해보겠습니다. 담당자는 이 자료를 모아 고객별 확인 목록을 만들고 싶어 합니다.
이때 AI에게 “문의 내용을 정리해 달라”고만 하면 문장은 그럴듯하게 나올 수 있습니다. 하지만 서로 다른 날짜의 가격표가 섞이거나, 같은 문의가 두 번 들어오거나, 납기 정보가 비어 있으면 결과를 다시 확인하는 데 시간이 듭니다. 문제가 생긴 뒤에 프롬프트를 고치는 것만으로는 기준이 생기지 않습니다.
먼저 아래처럼 업무의 원본을 적어야 합니다.
| 적을 내용 | 실제로 확인할 질문 |
|---|---|
| 시작 자료 | 어떤 메일, 폼, 파일이 들어오면 작업을 시작합니까? |
| 기준 원본 | 여러 자료가 다를 때 무엇을 최신 기준으로 봅니까? |
| 필요한 항목 | AI가 반드시 찾아야 할 값은 무엇입니까? |
| 결과 사용자 | 정리된 결과를 보고 다음 행동을 하는 사람은 누구입니까? |
| 보류 조건 | 자료가 빠지거나 서로 다르면 어디에 표시합니까? |
표의 목적은 문서를 예쁘게 만드는 데 있지 않습니다. AI가 읽을 자료와 사람이 판단할 자료를 나누는 데 있습니다. 기준 원본을 정하지 못했다면 자동화를 미루는 것이 아니라, 먼저 자료의 주인을 정해야 합니다.

Microsoft는 Power Automate의 데스크톱 플로우를 컴퓨터에서 반복적인 작업을 자동화하는 방식으로 설명합니다. 이메일과 Excel, 오래된 애플리케이션처럼 사람이 자주 다루는 도구와 상호작용할 수 있고, 단순한 규칙 기반 작업부터 복잡한 작업까지 대상으로 삼을 수 있다고 안내합니다.
n8n의 첫 워크플로 안내도 비슷한 순서를 보여줍니다. 트리거가 실행을 시작하고, 노드가 데이터를 처리하며, 조건에 따라 흐름을 나눈 뒤 결과를 출력합니다. 이 문서에서 워크플로는 프로세스를 자동화하는 노드의 연결로 설명됩니다.
두 제품의 기능이 같다는 뜻은 아닙니다. 제품 공식 문서에서 확인되는 공통 구조를 업무 문장으로 옮기면 다음과 같습니다.
어떤 원본이 들어오면, 어떤 항목을 처리하고, 어떤 결과를 누구에게 남길 것인가.
여기서 원본이 비어 있으면 트리거를 연결해도 흐름이 시작되지 않습니다. 처리할 항목이 모호하면 AI의 출력 형식을 정하기 어렵습니다. 결과를 받을 사람이 없으면 자동화가 끝났는지도 확인하기 어렵습니다.

원본 자료가 하나로 모여 있고 항목 이름도 일정하다면 AI는 분류, 요약, 항목 추출, 초안 작성부터 맡길 수 있습니다. 반대로 자료가 여러 곳에 흩어져 있고 표현이 제각각이면 먼저 수집과 정리 단계를 고정하는 편이 낫습니다.
제가 권하는 첫 분리는 다음과 같습니다.
| 업무 단계 | 처음 맡겨볼 수 있는 일 | 사람이 확인할 일 |
|---|---|---|
| 자료 수집 | 정해진 폴더나 입력창의 자료를 모으기 | 누락 자료와 중복 자료 확인 |
| 항목 정리 | 정해진 항목으로 분류하고 빈칸 표시하기 | 분류가 애매한 원문 확인 |
| 초안 작성 | 내부 검토용 요약이나 답변 초안 만들기 | 사실과 숫자, 표현의 적절성 검토 |
| 외부 행동 | 실행 전 미리보기 만들기 | 메일 발송, 금액 변경, 일정 확정 승인 |
이 표는 모든 조직에 적용되는 규칙이 아니라, 첫 실험의 범위를 잡기 위한 제안입니다. 외부로 나가는 행동이나 금액·계약처럼 책임이 남는 판단은 처음부터 자동 실행으로 넘기지 않고 승인 단계에 남기는 편이 안전합니다.
OpenAI의 공식 프롬프트 문서도 모델 출력이 비결정적일 수 있다고 설명하고, 프롬프트 동작을 확인하기 위한 테스트와 평가를 권합니다. 지시문에 필요한 맥락과 원하는 결과의 예시를 넣으라는 안내도 있습니다. 결국 원본 자료의 위치와 기준일, 출력 형식을 기록하는 일은 AI에게 일을 더 많이 시키기 위한 준비가 아니라 결과를 다시 확인하기 위한 조건입니다.

자동화 대상이라고 하면 보통 사람이 손을 떼는 장면을 떠올립니다. 그러나 첫 단계에서 더 중요한 것은 사람이 결과를 보고 고칠 수 있는가입니다.
예를 들어 매일 들어오는 문의를 AI가 고객에게 바로 답하게 하는 대신, 아래 결과까지만 만들어도 충분한 실험이 됩니다.
이 결과는 사람의 시간을 완전히 없애지는 않습니다. 대신 AI가 무엇을 읽었고 어떤 부분을 놓쳤는지 확인할 수 있게 합니다. 자료의 기준이 맞는지, 결과 항목이 실제 업무에 쓰이는지, 담당자가 매번 같은 수정을 하는지를 관찰할 수 있습니다.
반복되는 수정이 생기면 두 가지를 나눠 봐야 합니다. 원본 자료에 필요한 값이 없었던 것인지, AI가 있는 값을 잘못 읽은 것인지 구분하는 것입니다. 전자라면 입력 양식이나 자료 관리가 먼저이고, 후자라면 추출 규칙과 검토 사례를 보완할 차례입니다.

처음부터 이메일, 메신저, 파일 저장소를 모두 연결하면 자동화 범위가 커집니다. 오류가 생겼을 때 어느 원본 때문에 결과가 달라졌는지 찾기도 어려워집니다.
첫 시험에서는 이미 처리가 끝난 자료 중 원본이 비교적 분명한 종류 하나를 고릅니다. 그리고 다음 네 가지를 같은 기준으로 기록합니다.
이 기록이 있으면 자동화가 잘됐다는 느낌 대신, 다음 실행에 재사용할 수 있는 근거가 남습니다. 반대로 매번 원본을 다시 찾거나 결과를 처음부터 고쳐야 한다면 도구를 추가하기보다 자료의 기준 원본부터 다시 정해야 합니다.

다음 질문에 답해 보시면 됩니다.
대부분의 질문에 답할 수 있다면 자료 수집이나 항목 정리, 내부 초안부터 연결해 볼 수 있습니다. 답하기 어려운 항목이 있다면 자동화 도구를 더 찾기 전에 그 빈칸부터 메우는 편이 빠릅니다.
AI 업무 자동화의 첫 단계는 사람이 일을 전혀 보지 않는 상태가 아닙니다. 어떤 자료를 기준으로 읽었는지, 어떤 결과를 만들었는지, 어디에서 사람이 판단해야 하는지가 남는 상태입니다. 반복 업무의 이름보다 원본 자료를 먼저 정리하면 자동화할 범위와 아직 맡기면 안 되는 범위가 함께 보입니다.
업무의 원본 자료와 AI 자동화 범위를 함께 점검하고 싶다면 아래 채널로 문의하실 수 있습니다.