
AI로 보고서를 쓰기 시작한 뒤 초안은 금방 나오는데 마감은 여전히 늦어진다면, 먼저 검토할 때 무엇을 다시 찾는지 살펴보십시오. 숫자의 원본을 찾고, 문장의 근거를 확인하고, 그럴듯한 해석을 지우느라 시간을 쓴다면 초안 생성 속도만 높여서는 일이 줄지 않습니다.
저는 이 경우 보고서 전체를 다시 쓰게 하기보다, 주장마다 근거를 붙여 받는 방식부터 바꾸는 것을 권합니다. 계산은 원본 데이터와 계산 도구에 맡기고, AI에는 확인된 결과를 설명하도록 요청합니다. 사람이 확인해야 할 대상을 초안 속에서 바로 찾을 수 있어야 합니다.
이 글은 특정 고객사의 개선 성과를 소개하는 사례가 아닙니다. 공식 평가 문서를 바탕으로 보고서 검토 과정을 어떻게 바꿀지 제안하는 글입니다. 아래 업무 장면도 이해를 돕기 위한 가상 예시입니다.

가령 주간 매출 보고서에 AI가 다음과 같이 썼다고 가정하겠습니다.
신규 캠페인의 성과로 매출이 회복됐으며, 다음 주에도 상승세가 이어질 것으로 보입니다.
검토자는 이 한 문장을 읽고 여러 자료를 다시 열어야 합니다. 매출이 어느 기간과 비교해 회복됐는지, 취소와 반품을 뺀 금액인지, 캠페인이 원인이라고 볼 근거가 있는지, 다음 주 전망은 누가 판단했는지 확인해야 하기 때문입니다.
원본에 이번 주와 지난주 매출만 있다면 AI가 할 수 있는 일은 두 기간의 차이를 설명하는 데까지입니다. 캠페인 효과와 다음 주 전망은 별도의 근거가 필요합니다. 문장을 조금 더 조심스럽게 바꾸는 것만으로 그 근거가 생기지는 않습니다.
이런 초안은 읽기는 편하지만 확인하기는 어렵습니다. 검토자가 문장을 쪼개고 근거를 역으로 찾아야 합니다. 보고서 자동화의 병목이 여기에 있다면, 더 긴 초안을 받아도 검토할 주장만 늘어날 수 있습니다.

OpenAI의 평가 모범 사례 문서는 생성형 AI가 같은 입력에서도 다른 결과를 낼 수 있다고 설명합니다. 업무에 맞는 평가를 설계하고, 실제 사용을 반영한 자료를 모으며, 자동 평가를 사람의 판단과 맞추도록 권합니다. 그럴듯하게 작동하는 느낌만으로 평가하는 방식도 피해야 할 사례로 제시합니다.
이것은 특정 보고서 자동화 도구가 검토 시간을 얼마나 줄인다는 실증 결과는 아닙니다. 제가 이 문서에서 가져오는 판단은 명확합니다. 보고서가 잘 써졌는지를 보려면 우리 보고서에서 자주 틀리는 내용을 따로 확인해야 합니다. 일반적인 문장 품질 점수만으로 금액의 정확성이나 인과관계의 타당성을 대신 판단할 수 없습니다.
예를 들어 매출 보고서라면 숫자와 단위, 비교 기간, 취소분 처리, 원인에 대한 근거를 확인할 수 있습니다. 회의 보고서라면 결정된 사항과 제안에 그친 사항이 구별되는지, 담당자와 기한이 실제 기록에 있는지 살펴봐야 합니다. 같은 모델을 쓰더라도 확인할 항목은 업무에 따라 달라집니다.
NIST의 생성형 AI 위험관리 프로파일도 AI 제품과 서비스의 설계·사용·평가에 신뢰성을 고려하도록 돕는 자발적 활용 문서입니다. 이 문서를 인증처럼 내세우거나, 특정 절차를 적용하면 오류가 없어진다고 받아들여서는 안 됩니다. 보고서에서는 어디까지 확인했고 무엇이 미확인인지 드러내는 쪽으로 적용하는 것이 실용적입니다.

다음은 제가 제안하는 작업 순서입니다. 먼저 AI에게 보고서 본문 대신 보고서에 쓸 주장과 근거를 정리하도록 요청합니다. 자료를 회사에서 승인한 환경에 넣을 수 있는지도 먼저 확인해야 합니다. 검토 편의를 위해 고객 정보나 내부 자료를 무단으로 외부 서비스에 올려서는 안 됩니다.
요청은 다음처럼 구체적으로 쓸 수 있습니다.
제공한 자료에서 확인할 수 있는 내용만 정리해 주세요. 각 주장 옆에 파일명과 시트·행 또는 페이지를 적어 주세요. 자료에 없는 원인과 전망은 쓰지 말고 확인 필요로 남겨 주세요. 계산이 필요한 항목은 계산식과 입력값을 분리해 주세요. 아직 보고서 문장으로 다듬지는 마세요.
여기서 중요한 것은 출처 칸이 채워졌다는 사실만으로 통과시키지 않는 것입니다. AI가 적어 준 페이지나 셀 위치도 틀릴 수 있습니다. 검토자는 연결된 원본을 실제로 열어 주장이 맞는지 확인해야 합니다. 출처 표시는 검증을 대신하는 장치가 아니라 확인할 곳을 찾는 비용을 줄이기 위한 장치입니다.
| 초안에 넣을 내용 | 함께 받아야 할 근거 | 검토자의 판단 |
|---|---|---|
| 이번 주 매출과 전주 대비 변화 | 원본 파일·집계 범위·계산식 | 동일한 기준으로 비교했는지 |
| 특정 상품의 매출 기여 | 상품별 집계와 제외 조건 | 매출 비중과 증가 원인을 혼동하지 않았는지 |
| 캠페인이 성과를 만들었다는 설명 | 원인을 뒷받침하는 별도 분석 | 현재 자료만으로 인과관계를 말할 수 있는지 |
| 다음 주 실행 제안 | 확인된 사실과 제안의 가정 | 누가 결정해야 하며 무엇을 더 확인할지 |
금액 합산과 증감 계산은 스프레드시트 수식이나 검증 가능한 코드로 수행하는 편을 권합니다. 이후 AI가 그 결과를 설명하게 하더라도 원본과 계산 결과가 올바른지는 별도로 확인해야 합니다. 계산 도구를 썼다는 이유만으로 집계 범위까지 맞아지는 것은 아닙니다.
이 단계에서 근거가 없는 주장은 보류하고, 확인된 내용으로 본문을 만듭니다. 가상의 매출 보고서라면 '전주 대비 매출이 증가했습니다. 캠페인 영향 여부는 별도 확인이 필요합니다'처럼 쓸 수 있습니다. 보고서 독자가 원인 분석을 요구한다면, 그 부분은 추가 자료를 받아 처리해야 할 업무로 남깁니다.

바로 모든 보고서에 적용할 필요는 없습니다. 반복해서 만드는 보고서 하나를 골라 기존 방식과 바꾼 방식의 과정을 기록해 보십시오. 자료를 준비한 시간, 초안을 생성한 시간, 근거를 확인하고 고친 시간, 최종 승인까지 걸린 시간을 구분하면 어디에서 부담이 생기는지 볼 수 있습니다.
검토 시간과 함께 수정 이유도 짧게 남기는 것이 좋습니다. '숫자 오류', '기간 혼동', '근거 없는 원인 설명', '형식 수정'처럼 실제로 고친 이유를 적습니다. 문장만 다듬느라 오래 걸리는지, 원본을 찾느라 오래 걸리는지에 따라 다음 조치가 달라집니다.
원본 찾기가 문제라면 자료 위치와 버전을 정리하는 일이 먼저입니다. 기간 혼동이 반복되면 입력 자료의 기준일과 비교 기간을 명시해야 합니다. 원인 설명이 자주 틀린다면 프롬프트를 길게 늘리는 대신 원인 분석을 초안 생성 범위에서 빼거나 별도 검토로 넘길 수 있습니다.
처음에는 근거표를 확인하는 일이 추가되어 더 느려질 수도 있습니다. 그 비용까지 포함해 비교해야 합니다. 이 방식이 모든 조직에서 시간을 줄인다고 보장할 근거는 없습니다. 다만 무엇을 확인하느라 시간이 드는지 알 수 있어야 자동화를 유지할지, 범위를 줄일지 판단할 수 있습니다.
저라면 다음 보고서에서 '보고서를 완성해 달라'는 요청을 잠시 내려놓고, 가장 확인하기 어려웠던 주장 하나에 원본 위치를 붙여 받는 것부터 시험하겠습니다. 그 주장을 확인하는 시간이 줄어드는지 살펴본 뒤 적용 범위를 넓히겠습니다. 최종 승인자가 근거를 찾기 쉬워졌는지가 다음 자동화 작업을 고를 기준입니다.
보고서 자동화의 범위와 검토 흐름을 함께 정리하고 싶다면 카카오톡 오픈채팅으로 AI/AX 컨설팅 문의하기에서 현재 과정을 공유하실 수 있습니다. 작성자 소개는 류웅수 프로필 보기에 정리했습니다.
태그: #AI업무자동화 #보고서자동화 #AI보고서검토