대표님들 요즘 AI 이야기 정말 많이 들으실 거예요. GPT 성능이 어떻고, Claude가 어떻고, Codex가 어떻고, 새로운 툴이 또 나왔다고 합니다. 그래서 일단 회사 카드로 결제해봅니다. 직원에게도 “이제 AI 좀 써봐요”라고 말합니다.
그런데 한두 달 지나면 이상합니다. 처음 며칠은 신기해하더니, 직원들은 다시 예전 방식으로 일합니다. GPT 창은 열려 있지만 실제 업무는 크게 바뀌지 않습니다. 대표님 입장에서는 이런 생각이 들죠.
“우리는 왜 AI를 써도 일이 줄지 않지?”
이 글에서 다룰 관행은 ‘AI 도입을 툴 결제로 시작하는 방식’입니다. 대표님들이 흔히 하는 방식이죠. 좋은 AI를 결제하고, 직원에게 계정을 주고, 알아서 업무에 활용하길 기대합니다.
이 관행을 구조 언어로 바꾸면 이렇습니다. 회사 안에 데이터, 업무 기준, 실험 문화, 검수 기준이 없는 상태에서 AI에게 결과만 요구하는 방식입니다. 이 상태에서는 AI가 들어와도 회사가 바뀌지 않습니다. AI가 할 수 있는 일과 할 수 없는 일을 구분하지 못하고, 직원도 어디부터 써야 할지 모른 채 멈춥니다.
AI 도입은 “어떤 툴을 살까?”의 문제가 아닙니다. “우리 회사에 AI가 참고할 데이터가 있는가?”, “어떤 업무부터 맡길 수 있는가?”, “직원이 시도해도 되는 환경인가?”를 먼저 봐야 합니다. 특히 10인 미만 회사라면 더 그렇습니다. 사람이 적은 만큼 한 번 잘 붙이면 효과가 크지만, 반대로 기준 없이 시작하면 돈만 나가고 남는 게 없습니다.
AI 도입 실패는 결제 부족 때문이 아닙니다
대표님들이 AI 도입을 시작할 때 가장 먼저 하는 일은 보통 결제입니다. GPT 유료 요금제를 끊어주고, Claude도 써보게 하고, 이미지 생성 AI도 한 번씩 결제해봅니다. 나쁘지 않은 출발입니다. 직원이 직접 써보려면 최소한의 도구는 있어야 하니까요.
하지만 결제만으로는 바뀌지 않습니다. 직원에게 AI 계정을 줬다고 해서 갑자기 업무가 자동화되지는 않습니다. “AI로 뭐라도 해보세요”라는 말은 직원 입장에서 너무 넓습니다. 무엇을 해도 되는지, 어떤 결과가 좋은 결과인지, 어디까지 자동화해도 되는지 알 수 없기 때문입니다.
실제로 많은 회사에서 AI는 처음 며칠만 신기한 장난감처럼 쓰입니다. 이메일 초안 써보기, 블로그 제목 뽑아보기, 회의록 요약해보기 정도까지는 해봅니다. 그런데 그 다음 단계로 넘어가지 못합니다. 반복 업무가 줄거나, 발행량이 늘거나, 상담 시간이 줄거나, 실제 비용이 낮아지는 지점까지 못 가는 거죠.
이유는 간단합니다. AI가 회사 일을 하려면 회사 자료가 필요합니다. 제품 정보, 고객 리뷰, 상담 이력, 기존 콘텐츠, 금지어, 톤앤매너, 업무 SOP, 성공 기준이 있어야 합니다. 그런데 이런 자료가 여기저기 나뉘어 있으면 AI에게 시킬 때마다 사람이 다시 찾아 넣어줘야 합니다.
예를 들어 광고 소재를 만든다고 해보겠습니다. AI에게 “우리 제품 광고 이미지 만들어줘”라고 하면 결과가 평범합니다. 하지만 제품 기획, 타깃 고객, 고객 리뷰, 이전 광고 성과, 고객이 실제로 쓰는 말이 한 공간에 쌓여 있다면 이야기가 달라집니다. AI는 그 자료를 읽고 훨씬 회사에 맞는 결과를 냅니다.
그래서 AI 도입에서 중요한 건 ‘만드는 기술’보다 ‘데이터’입니다. 요즘은 웹앱을 만드는 난이도도 낮아졌고, GPTs나 Gems 같은 반복 작업 템플릿을 만드는 것도 예전보다 쉽습니다. 하지만 넣을 데이터가 없으면 결과물은 초등학생이 만든 앱과 크게 다르지 않습니다. 겉모양은 있어도 회사만의 판단 기준이 빠져 있기 때문입니다.
AX는 측정 가능한 업무부터 시작해야 합니다
작은 회사에서 AI를 업무에 붙일 때 가장 먼저 봐야 할 기준은 “측정할 수 있는가?”입니다. AI로 결과가 좋아졌는지 판단할 수 있어야 합니다. 블로그 발행은 좋은 예시입니다. 한 편이 정상적으로 올라갔는지, 제목이 붙었는지, 이미지가 들어갔는지, 글자 수와 톤앤매너가 맞는지 확인할 수 있습니다.
반대로 유튜브 영상 편집처럼 판단 지점이 수백 개씩 생기는 업무는 풀 자동화가 어렵습니다. 자막 분절, 숨소리 제거, 이미지 선택, 장면 전환, 맥락에 맞는 컷 편집까지 사람이 감각으로 판단하는 부분이 많기 때문입니다. AI가 할 수는 있지만 30점, 40점짜리 결과가 나올 수 있습니다. 그 정도도 괜찮다면 쓸 수 있지만, 브랜드 콘텐츠로 바로 내보내기에는 위험합니다.
두 번째 기준은 “SOP로 쓸 수 있는가?”입니다. AI는 설명한 그대로 처리하는 데 강합니다. 하지만 설명하지 않은 일은 잘 못합니다. “블로그 발행 대충 해줘”라고 하면 어디서 문제가 생길지 모릅니다. 반대로 글자 수, 문체, 금지 단어, 이미지 규칙, 제목 규칙, 업로드 순서가 SOP로 남아 있다면 AI가 처리할 수 있는 부분을 분리하기 쉽습니다.
CS 상담 자동화도 마찬가지입니다. 처음부터 “AI야 상담해”라고 풀어두면 위험합니다. 사람이 몇 달 동안 직접 상담하면서 쌓은 답변, 자주 묻는 질문, 고객이 불편해한 지점, 회사의 응대 기준이 있어야 합니다. 그 자료를 FAQ 형태로 다듬어 AI에게 주면 훨씬 잘 작동합니다.
결국 AX 대상으로 먼저 잡아야 할 업무는 이런 업무입니다. 결과 기준이 분명하고, 반복되며, 사람이 이미 몇 달간 해오면서 자료가 쌓였고, SOP로 바꿀 수 있는 업무입니다. 이런 업무부터 시작하면 작은 성공을 만들기 쉽습니다.
반대로 감각 판단이 많고, 외부 평판에 직접 영향을 주며, 한 번 잘못 나가면 매출이나 신뢰에 타격을 줄 수 있는 업무는 바로 자동화하면 안 됩니다. 콘텐츠 전체 자동 발행, 고객사 메일 자동 발송, 파트너사 안내문 자동 전송 같은 업무가 여기에 해당합니다. AI가 초안을 만들 수는 있지만, 외부로 나가기 전에는 반드시 사람이 봐야 합니다.
AI 활용에도 단계가 있습니다
AI 도입을 처음부터 에이전트나 웹앱 개발로 시작할 필요는 없습니다. 단계가 있습니다. 첫 번째 단계는 챗봇을 잘 쓰는 것입니다. GPT나 Claude에게 카피 초안, 영업 메일, 보고서 초안을 시켜보고 사람이 수정해서 쓰는 방식입니다. 가장 기본이지만 이 단계도 제대로 못 쓰는 회사가 많습니다.
두 번째 단계는 반복 업무를 템플릿화하는 것입니다. GPTs, Claude 프로젝트, Gemini Gems 같은 기능을 쓰는 방식입니다. 예를 들어 유튜브 대본을 넣으면 설명란과 해시태그를 뽑아주는 GPTs를 만들 수 있습니다. 매번 같은 지시를 반복하지 않아도 되고, 담당자는 대본만 넣으면 됩니다.
이 단계는 생각보다 어렵지 않습니다. 내가 어떤 작업을 반복해서 해왔다면, 그 대화 기록이나 작업 과정을 AI에게 붙여넣고 “이걸 GPTs 지침으로 만들어줘”라고 하면 됩니다. 중요한 건 프롬프트를 멋지게 쓰는 능력이 아니라, 반복되는 업무 과정을 말로 설명할 수 있느냐입니다.
세 번째 단계는 Codex나 Claude Code 같은 도구로 내부용 웹앱을 만드는 것입니다. 예를 들어 광고 소재 이미지를 빠르게 만들거나, 블로그 발행 과정을 자동화하거나, 특정 형식의 보고서를 생성하는 작은 도구를 만들 수 있습니다. 예전에는 개발자가 필요했지만, 지금은 AI에게 절차를 물어보고 차근차근 따라가면 작은 내부 도구는 충분히 시도해볼 수 있습니다.
다만 3단계로 바로 뛰어들 필요는 없습니다. 1단계에서 AI에게 일을 잘 시키는 법을 익히고, 2단계에서 반복 작업 템플릿을 만들어보고, 그 다음에 내부 도구를 만드는 쪽으로 가는 게 좋습니다. AI에게 지시하고 결과를 검토하는 감각은 단계가 올라가도 계속 필요합니다.
대표님 입장에서는 직원 한 명에게 작은 감투를 씌워주는 것도 방법입니다. “우리 팀 AX 담당으로 한 번 맡아보세요”라고 역할을 주고, 기본 요금제를 지원해주는 겁니다. 싹수가 보이면 더 높은 요금제를 지원할 수도 있습니다. 회사가 돈을 쓰면 직원도 “이걸 업무에 적용해봐야겠다”는 책임감을 느끼게 됩니다.
물론 돈만 주면 안 됩니다. 시도해서 결과를 가져왔을 때 칭찬하고, 좋은 프롬프트나 작업 방식을 팀 안에서 나누는 분위기가 필요합니다. 누군가 좋은 방식을 만들었는데 “그거 공유해줘”라고 빼앗듯이 말하면 반감이 생깁니다. 반대로 대표가 먼저 좋은 사용법을 나누고, 직원이 만든 결과를 인정해주면 팀 안에 시도 문화가 생깁니다.
노션 AI와 GPT는 쓰임이 다릅니다
AI 도구를 고를 때도 기준이 필요합니다. GPT, Claude, Gemini는 모두 똑똑합니다. 성능 차이는 있지만, 일반적인 업무 초안 작성이나 아이디어 정리에서는 무엇을 써도 어느 정도 결과가 나옵니다.
다만 회사 안의 데이터를 바탕으로 답을 받아야 한다면 이야기가 달라집니다. 노션 AI는 데이터가 노션에 쌓여 있는 회사에서 강합니다. 노션 페이지를 잘 읽고, 몇 달 전 자료나 1년 전 자료도 찾아와 답을 만들 수 있습니다. “우리 상품 정보 모아서 정리해줘”, “우리 비즈니스 연혁 뽑아줘”, “이 고객 관련 이력 찾아줘” 같은 질문에서 힘이 나옵니다.
반대로 노션에 데이터가 없다면 노션 AI를 쓸 이유가 별로 없습니다. 비어 있는 워크스페이스에서는 AI가 읽을 것이 없기 때문입니다. 이 경우에는 GPT나 Claude에 필요한 파일을 직접 넣어가며 쓰는 편이 더 낫습니다.
그래서 중요한 건 툴 이름이 아닙니다. 우리 회사 자료가 어디에 쌓여 있는지입니다. 구글 드라이브, 이메일, 카톡, 슬랙에 나뉘어 있으면 AI가 맥락을 한 번에 읽기 어렵습니다. 노션처럼 사람이 읽기에도 좋고 AI가 읽기에도 좋은 형식으로 자료가 쌓이면, 업무 중 자연스럽게 AI가 도움을 줄 수 있습니다.
노션의 장점 중 하나는 마크다운 기반이라는 점입니다. 사람도 읽기 좋고 AI도 읽기 좋은 중간 형식입니다. PDF나 한글 파일은 사람이 보기에는 편해도 AI가 읽기 불편할 수 있고, JSON이나 코드 형식은 AI가 읽기 좋아도 사람이 보기 어렵습니다. 노션은 그 중간 지점에 있습니다.
작은 회사는 별도 개발팀이나 데이터팀이 없는 경우가 많습니다. 그래서 더더욱 업무하면서 자연스럽게 데이터가 쌓이는 공간이 필요합니다. 회의하고, 고객 상담하고, 상품 기획하고, 콘텐츠 만들고, 업무 기준을 남기는 일이 모두 같은 공간에서 일어나야 나중에 AI도 쓸 수 있습니다.
외부로 나가는 결과물은 사람이 봐야 합니다
AI 자동화에서 반드시 지켜야 할 기준도 있습니다. 회사 내부에서만 볼 자료라면 자동화 범위를 넓혀도 됩니다. 회의록, 내부 발표 자료 초안, 업무 보고 초안, 자료 조사 같은 것은 조금 거칠어도 내부에서 고치면 됩니다.
하지만 외부로 나가는 결과물은 다릅니다. 고객이 보는 콘텐츠, 고객사에게 보내는 메일, 파트너에게 나가는 제안, 브랜드 이름으로 발행되는 글은 사람이 반드시 검수해야 합니다. AI가 만든 티가 나거나, 사실과 다른 내용이 들어가거나, 회사 톤과 다른 문장이 들어가면 신뢰가 깎일 수 있습니다.
특히 B2B 업무에서는 더 조심해야 합니다. 고객사에게 나가는 메일은 한 문장만 어색해도 관계에 영향을 줄 수 있습니다. 자동 발송까지 걸어두면 회사가 어떤 메시지를 보냈는지도 모르는 상태가 됩니다. 이건 비용 절감이 아니라 리스크입니다.
좋은 기준은 이렇습니다. 내부용은 자동화해도 됩니다. 외부용은 AI가 초안을 만들고 사람이 판단해야 합니다. 잘못됐을 때 매출, 평판, 고객 신뢰에 영향을 주는 업무는 반드시 사람이 마지막에 봐야 합니다.
AI를 잘 쓰는 회사는 모든 것을 자동화하려 하지 않습니다. 자동화할 부분과 사람이 봐야 할 부분을 나눕니다. 리서치, 초안 작성, 이미지 후보 생성, 반복 포맷 변환은 AI에게 맡길 수 있습니다. 하지만 최종 판단, 고객에게 나가는 말, 브랜드 톤은 사람이 책임져야 합니다.
도입 전후를 비교하면 이렇게 달라집니다
BEFORE: 툴만 결제한 AI 도입
직원에게 GPT 계정은 있지만 어디에 써야 할지 모릅니다.
회사 자료가 나뉘어 있어 AI에게 매번 다시 설명해야 합니다.
자동화할 업무와 사람이 봐야 할 업무를 구분하지 못합니다.
좋은 프롬프트가 개인에게만 남고 팀 자산으로 이어지지 않습니다.
한두 달 쓰다가 예전 방식으로 돌아갑니다.
AFTER: 데이터와 기준을 갖춘 AI 도입
측정 가능한 반복 업무부터 AI를 붙입니다.
제품 정보, 고객 리뷰, SOP, 상담 이력이 한 공간에 쌓입니다.
GPTs나 스킬로 반복 작업을 템플릿화합니다.
외부로 나가는 결과물은 사람이 검수합니다.
팀 안에서 좋은 사용법이 쌓이고, 다음 자동화의 재료가 됩니다.
이 차이는 시간이 갈수록 커집니다. AI를 한 번 잘 붙인 업무는 다음 업무의 기준이 됩니다. 상담 자동화를 하면서 쌓은 FAQ는 다음 고객 응대 기준이 되고, 블로그 자동화를 하면서 만든 SOP는 다음 콘텐츠 발행 기준이 됩니다. 직원이 시도한 프롬프트와 내부 도구는 팀 전체의 업무 방식으로 퍼질 수 있습니다.
AI 시대에 직원은 사라지는 게 아니라 달라집니다
AI 이야기가 나오면 “이제 사람 안 뽑아도 되는 거 아니냐”는 말도 나옵니다. 하지만 실제 업무에서는 조금 다릅니다. 1인 기업이 할 수 있는 일이 늘어난 건 맞습니다. 하지만 5명, 6명이 AI를 잘 쓰면 할 수 있는 일도 훨씬 커집니다.
한 사람이 AI로 2~3인분의 생산성을 낼 수 있다면, 5명이 모였을 때는 예전 15명 규모의 일을 해낼 수도 있습니다. 다만 이때도 사람이 필요합니다. AI가 만든 결과를 판단하고, 고객 맥락을 보고, 우선순위를 정하고, 회사 방향과 맞는지 보는 사람 말입니다.
채용 기준도 달라질 수 있습니다. AI만 잘하는 사람보다, 본래 직무를 잘하고 AI를 배울 수 있는 사람이 더 유리합니다. 마케터를 뽑는다면 마케팅을 잘하는 사람이 먼저입니다. 마케팅 감각, 고객 이해, 콘텐츠 판단은 몇 달 만에 쉽게 생기지 않습니다. AI는 상대적으로 빨리 배울 수 있습니다.
반대로 직무 지식 없이 AI만 잘 다루는 사람은 애매할 수 있습니다. AI로 만든 결과가 좋은지 나쁜지 판단할 기준이 없기 때문입니다. 결국 강한 사람은 직무 역량에 AI 활용력을 붙인 사람입니다. 마케팅을 잘하는 사람이 AI를 쓰면 더 많은 실험을 하고, 영상PD가 AI를 쓰면 더 많은 콘텐츠 후보를 만들고, CX 담당자가 AI를 쓰면 반복 상담 시간을 줄여 B2B 고객에게 더 많은 시간을 쓸 수 있습니다.
직원 입장에서도 AI는 단순 업무를 없애는 도구이면서 동시에 더 높은 가치의 업무로 이동할 기회입니다. 상담 자동화로 하루 6시간 하던 일을 2시간에 끝내면, 남는 4시간은 새로운 업무를 맡을 수 있는 시간이 됩니다. 대표님 입장에서는 사람을 줄이는 관점보다, 같은 인원으로 못 하던 일을 하게 만드는 관점으로 봐야 합니다.
작은 회사 AI 도입은 이렇게 시작하세요
정리하면, 작은 회사의 AI 도입은 툴 결제로 끝나면 안 됩니다. 결제는 출발일 뿐입니다. 그 다음에는 회사 자료가 쌓이는 공간을 만들고, 측정 가능한 반복 업무를 고르고, SOP를 만들고, 직원이 시도할 수 있는 문화를 만들어야 합니다.
처음부터 큰 자동화를 만들 필요는 없습니다. 블로그 설명란 생성, 회의록 요약, 상담 FAQ 정리, 고객 리뷰 분류, 광고 카피 초안처럼 작고 명확한 업무부터 시작하면 됩니다. 중요한 건 결과를 눈으로 확인할 수 있어야 한다는 점입니다. 대표님이 봤을 때 “이건 실제로 시간이 줄었네”, “퀄리티가 좋아졌네”라고 느껴야 다음 지원이 가능합니다.
직원에게도 역할을 주세요. “AI 좀 써봐요”가 아니라 “이번 달에는 블로그 발행 업무에서 AI로 줄일 수 있는 부분을 찾아보세요”처럼 좁게 주는 게 좋습니다. 결과를 가져오면 칭찬하고, 팀에 나누고, 필요하다면 요금제나 인센티브로 지원하세요. AI 도입은 기술 프로젝트이기도 하지만, 동시에 조직 문화 프로젝트입니다.
그리고 무엇보다 데이터를 쌓아야 합니다. 제품 정보, 고객 리뷰, 상담 이력, 업무 기준, SOP, 회의록이 한 공간에 쌓이지 않으면 AI는 회사 일을 잘 도와줄 수 없습니다. 노션은 이 시작점으로 좋습니다. 사람이 읽기도 좋고, AI가 읽기도 좋고, 작은 팀이 큰 개발 비용 없이 워크스페이스를 만들 수 있기 때문입니다.
AI 시대의 승자는 툴을 가장 많이 아는 회사가 아닙니다. 자기 회사의 데이터를 가장 잘 쌓아둔 회사입니다. AI는 그 데이터를 바탕으로 날개를 달아주는 도구입니다. 날개를 달 몸통이 없다면 아무리 좋은 AI도 오래 날 수 없습니다.
우리 회사도 AI를 써야 한다는 생각은 드는데 어디서 시작해야 할지 막막하다면, 먼저 질문을 바꿔보세요.
“어떤 AI를 결제할까?”가 아니라 “AI가 읽을 우리 회사 데이터는 어디에 쌓여 있지?”
이 질문에 답하는 순간, 작은 회사의 AI 도입은 훨씬 현실적인 일이 됩니다.
작은 팀에서 노션과 AI를 실제 업무에 어떻게 붙여야 할지 궁금하시다면, 아래 웨비나에서 먼저 확인해보세요.
대표님들 요즘 AI 이야기 정말 많이 들으실 거예요. GPT 성능이 어떻고, Claude가 어떻고, Codex가 어떻고, 새로운 툴이 또 나왔다고 합니다. 그래서 일단 회사 카드로 결제해봅니다. 직원에게도 “이제 AI 좀 써봐요”라고 말합니다.
그런데 한두 달 지나면 이상합니다. 처음 며칠은 신기해하더니, 직원들은 다시 예전 방식으로 일합니다. GPT 창은 열려 있지만 실제 업무는 크게 바뀌지 않습니다. 대표님 입장에서는 이런 생각이 들죠.
“우리는 왜 AI를 써도 일이 줄지 않지?”
이 글에서 다룰 관행은 ‘AI 도입을 툴 결제로 시작하는 방식’입니다. 대표님들이 흔히 하는 방식이죠. 좋은 AI를 결제하고, 직원에게 계정을 주고, 알아서 업무에 활용하길 기대합니다.
이 관행을 구조 언어로 바꾸면 이렇습니다. 회사 안에 데이터, 업무 기준, 실험 문화, 검수 기준이 없는 상태에서 AI에게 결과만 요구하는 방식입니다. 이 상태에서는 AI가 들어와도 회사가 바뀌지 않습니다. AI가 할 수 있는 일과 할 수 없는 일을 구분하지 못하고, 직원도 어디부터 써야 할지 모른 채 멈춥니다.
AI 도입은 “어떤 툴을 살까?”의 문제가 아닙니다. “우리 회사에 AI가 참고할 데이터가 있는가?”, “어떤 업무부터 맡길 수 있는가?”, “직원이 시도해도 되는 환경인가?”를 먼저 봐야 합니다. 특히 10인 미만 회사라면 더 그렇습니다. 사람이 적은 만큼 한 번 잘 붙이면 효과가 크지만, 반대로 기준 없이 시작하면 돈만 나가고 남는 게 없습니다.
AI 도입 실패는 결제 부족 때문이 아닙니다
대표님들이 AI 도입을 시작할 때 가장 먼저 하는 일은 보통 결제입니다. GPT 유료 요금제를 끊어주고, Claude도 써보게 하고, 이미지 생성 AI도 한 번씩 결제해봅니다. 나쁘지 않은 출발입니다. 직원이 직접 써보려면 최소한의 도구는 있어야 하니까요.
하지만 결제만으로는 바뀌지 않습니다. 직원에게 AI 계정을 줬다고 해서 갑자기 업무가 자동화되지는 않습니다. “AI로 뭐라도 해보세요”라는 말은 직원 입장에서 너무 넓습니다. 무엇을 해도 되는지, 어떤 결과가 좋은 결과인지, 어디까지 자동화해도 되는지 알 수 없기 때문입니다.
실제로 많은 회사에서 AI는 처음 며칠만 신기한 장난감처럼 쓰입니다. 이메일 초안 써보기, 블로그 제목 뽑아보기, 회의록 요약해보기 정도까지는 해봅니다. 그런데 그 다음 단계로 넘어가지 못합니다. 반복 업무가 줄거나, 발행량이 늘거나, 상담 시간이 줄거나, 실제 비용이 낮아지는 지점까지 못 가는 거죠.
이유는 간단합니다. AI가 회사 일을 하려면 회사 자료가 필요합니다. 제품 정보, 고객 리뷰, 상담 이력, 기존 콘텐츠, 금지어, 톤앤매너, 업무 SOP, 성공 기준이 있어야 합니다. 그런데 이런 자료가 여기저기 나뉘어 있으면 AI에게 시킬 때마다 사람이 다시 찾아 넣어줘야 합니다.
예를 들어 광고 소재를 만든다고 해보겠습니다. AI에게 “우리 제품 광고 이미지 만들어줘”라고 하면 결과가 평범합니다. 하지만 제품 기획, 타깃 고객, 고객 리뷰, 이전 광고 성과, 고객이 실제로 쓰는 말이 한 공간에 쌓여 있다면 이야기가 달라집니다. AI는 그 자료를 읽고 훨씬 회사에 맞는 결과를 냅니다.
그래서 AI 도입에서 중요한 건 ‘만드는 기술’보다 ‘데이터’입니다. 요즘은 웹앱을 만드는 난이도도 낮아졌고, GPTs나 Gems 같은 반복 작업 템플릿을 만드는 것도 예전보다 쉽습니다. 하지만 넣을 데이터가 없으면 결과물은 초등학생이 만든 앱과 크게 다르지 않습니다. 겉모양은 있어도 회사만의 판단 기준이 빠져 있기 때문입니다.
AX는 측정 가능한 업무부터 시작해야 합니다
작은 회사에서 AI를 업무에 붙일 때 가장 먼저 봐야 할 기준은 “측정할 수 있는가?”입니다. AI로 결과가 좋아졌는지 판단할 수 있어야 합니다. 블로그 발행은 좋은 예시입니다. 한 편이 정상적으로 올라갔는지, 제목이 붙었는지, 이미지가 들어갔는지, 글자 수와 톤앤매너가 맞는지 확인할 수 있습니다.
반대로 유튜브 영상 편집처럼 판단 지점이 수백 개씩 생기는 업무는 풀 자동화가 어렵습니다. 자막 분절, 숨소리 제거, 이미지 선택, 장면 전환, 맥락에 맞는 컷 편집까지 사람이 감각으로 판단하는 부분이 많기 때문입니다. AI가 할 수는 있지만 30점, 40점짜리 결과가 나올 수 있습니다. 그 정도도 괜찮다면 쓸 수 있지만, 브랜드 콘텐츠로 바로 내보내기에는 위험합니다.
두 번째 기준은 “SOP로 쓸 수 있는가?”입니다. AI는 설명한 그대로 처리하는 데 강합니다. 하지만 설명하지 않은 일은 잘 못합니다. “블로그 발행 대충 해줘”라고 하면 어디서 문제가 생길지 모릅니다. 반대로 글자 수, 문체, 금지 단어, 이미지 규칙, 제목 규칙, 업로드 순서가 SOP로 남아 있다면 AI가 처리할 수 있는 부분을 분리하기 쉽습니다.
CS 상담 자동화도 마찬가지입니다. 처음부터 “AI야 상담해”라고 풀어두면 위험합니다. 사람이 몇 달 동안 직접 상담하면서 쌓은 답변, 자주 묻는 질문, 고객이 불편해한 지점, 회사의 응대 기준이 있어야 합니다. 그 자료를 FAQ 형태로 다듬어 AI에게 주면 훨씬 잘 작동합니다.
결국 AX 대상으로 먼저 잡아야 할 업무는 이런 업무입니다. 결과 기준이 분명하고, 반복되며, 사람이 이미 몇 달간 해오면서 자료가 쌓였고, SOP로 바꿀 수 있는 업무입니다. 이런 업무부터 시작하면 작은 성공을 만들기 쉽습니다.
반대로 감각 판단이 많고, 외부 평판에 직접 영향을 주며, 한 번 잘못 나가면 매출이나 신뢰에 타격을 줄 수 있는 업무는 바로 자동화하면 안 됩니다. 콘텐츠 전체 자동 발행, 고객사 메일 자동 발송, 파트너사 안내문 자동 전송 같은 업무가 여기에 해당합니다. AI가 초안을 만들 수는 있지만, 외부로 나가기 전에는 반드시 사람이 봐야 합니다.
AI 활용에도 단계가 있습니다
AI 도입을 처음부터 에이전트나 웹앱 개발로 시작할 필요는 없습니다. 단계가 있습니다. 첫 번째 단계는 챗봇을 잘 쓰는 것입니다. GPT나 Claude에게 카피 초안, 영업 메일, 보고서 초안을 시켜보고 사람이 수정해서 쓰는 방식입니다. 가장 기본이지만 이 단계도 제대로 못 쓰는 회사가 많습니다.
두 번째 단계는 반복 업무를 템플릿화하는 것입니다. GPTs, Claude 프로젝트, Gemini Gems 같은 기능을 쓰는 방식입니다. 예를 들어 유튜브 대본을 넣으면 설명란과 해시태그를 뽑아주는 GPTs를 만들 수 있습니다. 매번 같은 지시를 반복하지 않아도 되고, 담당자는 대본만 넣으면 됩니다.
이 단계는 생각보다 어렵지 않습니다. 내가 어떤 작업을 반복해서 해왔다면, 그 대화 기록이나 작업 과정을 AI에게 붙여넣고 “이걸 GPTs 지침으로 만들어줘”라고 하면 됩니다. 중요한 건 프롬프트를 멋지게 쓰는 능력이 아니라, 반복되는 업무 과정을 말로 설명할 수 있느냐입니다.
세 번째 단계는 Codex나 Claude Code 같은 도구로 내부용 웹앱을 만드는 것입니다. 예를 들어 광고 소재 이미지를 빠르게 만들거나, 블로그 발행 과정을 자동화하거나, 특정 형식의 보고서를 생성하는 작은 도구를 만들 수 있습니다. 예전에는 개발자가 필요했지만, 지금은 AI에게 절차를 물어보고 차근차근 따라가면 작은 내부 도구는 충분히 시도해볼 수 있습니다.
다만 3단계로 바로 뛰어들 필요는 없습니다. 1단계에서 AI에게 일을 잘 시키는 법을 익히고, 2단계에서 반복 작업 템플릿을 만들어보고, 그 다음에 내부 도구를 만드는 쪽으로 가는 게 좋습니다. AI에게 지시하고 결과를 검토하는 감각은 단계가 올라가도 계속 필요합니다.
대표님 입장에서는 직원 한 명에게 작은 감투를 씌워주는 것도 방법입니다. “우리 팀 AX 담당으로 한 번 맡아보세요”라고 역할을 주고, 기본 요금제를 지원해주는 겁니다. 싹수가 보이면 더 높은 요금제를 지원할 수도 있습니다. 회사가 돈을 쓰면 직원도 “이걸 업무에 적용해봐야겠다”는 책임감을 느끼게 됩니다.
물론 돈만 주면 안 됩니다. 시도해서 결과를 가져왔을 때 칭찬하고, 좋은 프롬프트나 작업 방식을 팀 안에서 나누는 분위기가 필요합니다. 누군가 좋은 방식을 만들었는데 “그거 공유해줘”라고 빼앗듯이 말하면 반감이 생깁니다. 반대로 대표가 먼저 좋은 사용법을 나누고, 직원이 만든 결과를 인정해주면 팀 안에 시도 문화가 생깁니다.
노션 AI와 GPT는 쓰임이 다릅니다
AI 도구를 고를 때도 기준이 필요합니다. GPT, Claude, Gemini는 모두 똑똑합니다. 성능 차이는 있지만, 일반적인 업무 초안 작성이나 아이디어 정리에서는 무엇을 써도 어느 정도 결과가 나옵니다.
다만 회사 안의 데이터를 바탕으로 답을 받아야 한다면 이야기가 달라집니다. 노션 AI는 데이터가 노션에 쌓여 있는 회사에서 강합니다. 노션 페이지를 잘 읽고, 몇 달 전 자료나 1년 전 자료도 찾아와 답을 만들 수 있습니다. “우리 상품 정보 모아서 정리해줘”, “우리 비즈니스 연혁 뽑아줘”, “이 고객 관련 이력 찾아줘” 같은 질문에서 힘이 나옵니다.
반대로 노션에 데이터가 없다면 노션 AI를 쓸 이유가 별로 없습니다. 비어 있는 워크스페이스에서는 AI가 읽을 것이 없기 때문입니다. 이 경우에는 GPT나 Claude에 필요한 파일을 직접 넣어가며 쓰는 편이 더 낫습니다.
그래서 중요한 건 툴 이름이 아닙니다. 우리 회사 자료가 어디에 쌓여 있는지입니다. 구글 드라이브, 이메일, 카톡, 슬랙에 나뉘어 있으면 AI가 맥락을 한 번에 읽기 어렵습니다. 노션처럼 사람이 읽기에도 좋고 AI가 읽기에도 좋은 형식으로 자료가 쌓이면, 업무 중 자연스럽게 AI가 도움을 줄 수 있습니다.
노션의 장점 중 하나는 마크다운 기반이라는 점입니다. 사람도 읽기 좋고 AI도 읽기 좋은 중간 형식입니다. PDF나 한글 파일은 사람이 보기에는 편해도 AI가 읽기 불편할 수 있고, JSON이나 코드 형식은 AI가 읽기 좋아도 사람이 보기 어렵습니다. 노션은 그 중간 지점에 있습니다.
작은 회사는 별도 개발팀이나 데이터팀이 없는 경우가 많습니다. 그래서 더더욱 업무하면서 자연스럽게 데이터가 쌓이는 공간이 필요합니다. 회의하고, 고객 상담하고, 상품 기획하고, 콘텐츠 만들고, 업무 기준을 남기는 일이 모두 같은 공간에서 일어나야 나중에 AI도 쓸 수 있습니다.
외부로 나가는 결과물은 사람이 봐야 합니다
AI 자동화에서 반드시 지켜야 할 기준도 있습니다. 회사 내부에서만 볼 자료라면 자동화 범위를 넓혀도 됩니다. 회의록, 내부 발표 자료 초안, 업무 보고 초안, 자료 조사 같은 것은 조금 거칠어도 내부에서 고치면 됩니다.
하지만 외부로 나가는 결과물은 다릅니다. 고객이 보는 콘텐츠, 고객사에게 보내는 메일, 파트너에게 나가는 제안, 브랜드 이름으로 발행되는 글은 사람이 반드시 검수해야 합니다. AI가 만든 티가 나거나, 사실과 다른 내용이 들어가거나, 회사 톤과 다른 문장이 들어가면 신뢰가 깎일 수 있습니다.
특히 B2B 업무에서는 더 조심해야 합니다. 고객사에게 나가는 메일은 한 문장만 어색해도 관계에 영향을 줄 수 있습니다. 자동 발송까지 걸어두면 회사가 어떤 메시지를 보냈는지도 모르는 상태가 됩니다. 이건 비용 절감이 아니라 리스크입니다.
좋은 기준은 이렇습니다. 내부용은 자동화해도 됩니다. 외부용은 AI가 초안을 만들고 사람이 판단해야 합니다. 잘못됐을 때 매출, 평판, 고객 신뢰에 영향을 주는 업무는 반드시 사람이 마지막에 봐야 합니다.
AI를 잘 쓰는 회사는 모든 것을 자동화하려 하지 않습니다. 자동화할 부분과 사람이 봐야 할 부분을 나눕니다. 리서치, 초안 작성, 이미지 후보 생성, 반복 포맷 변환은 AI에게 맡길 수 있습니다. 하지만 최종 판단, 고객에게 나가는 말, 브랜드 톤은 사람이 책임져야 합니다.
도입 전후를 비교하면 이렇게 달라집니다
BEFORE: 툴만 결제한 AI 도입
AFTER: 데이터와 기준을 갖춘 AI 도입
이 차이는 시간이 갈수록 커집니다. AI를 한 번 잘 붙인 업무는 다음 업무의 기준이 됩니다. 상담 자동화를 하면서 쌓은 FAQ는 다음 고객 응대 기준이 되고, 블로그 자동화를 하면서 만든 SOP는 다음 콘텐츠 발행 기준이 됩니다. 직원이 시도한 프롬프트와 내부 도구는 팀 전체의 업무 방식으로 퍼질 수 있습니다.
AI 시대에 직원은 사라지는 게 아니라 달라집니다
AI 이야기가 나오면 “이제 사람 안 뽑아도 되는 거 아니냐”는 말도 나옵니다. 하지만 실제 업무에서는 조금 다릅니다. 1인 기업이 할 수 있는 일이 늘어난 건 맞습니다. 하지만 5명, 6명이 AI를 잘 쓰면 할 수 있는 일도 훨씬 커집니다.
한 사람이 AI로 2~3인분의 생산성을 낼 수 있다면, 5명이 모였을 때는 예전 15명 규모의 일을 해낼 수도 있습니다. 다만 이때도 사람이 필요합니다. AI가 만든 결과를 판단하고, 고객 맥락을 보고, 우선순위를 정하고, 회사 방향과 맞는지 보는 사람 말입니다.
채용 기준도 달라질 수 있습니다. AI만 잘하는 사람보다, 본래 직무를 잘하고 AI를 배울 수 있는 사람이 더 유리합니다. 마케터를 뽑는다면 마케팅을 잘하는 사람이 먼저입니다. 마케팅 감각, 고객 이해, 콘텐츠 판단은 몇 달 만에 쉽게 생기지 않습니다. AI는 상대적으로 빨리 배울 수 있습니다.
반대로 직무 지식 없이 AI만 잘 다루는 사람은 애매할 수 있습니다. AI로 만든 결과가 좋은지 나쁜지 판단할 기준이 없기 때문입니다. 결국 강한 사람은 직무 역량에 AI 활용력을 붙인 사람입니다. 마케팅을 잘하는 사람이 AI를 쓰면 더 많은 실험을 하고, 영상PD가 AI를 쓰면 더 많은 콘텐츠 후보를 만들고, CX 담당자가 AI를 쓰면 반복 상담 시간을 줄여 B2B 고객에게 더 많은 시간을 쓸 수 있습니다.
직원 입장에서도 AI는 단순 업무를 없애는 도구이면서 동시에 더 높은 가치의 업무로 이동할 기회입니다. 상담 자동화로 하루 6시간 하던 일을 2시간에 끝내면, 남는 4시간은 새로운 업무를 맡을 수 있는 시간이 됩니다. 대표님 입장에서는 사람을 줄이는 관점보다, 같은 인원으로 못 하던 일을 하게 만드는 관점으로 봐야 합니다.
작은 회사 AI 도입은 이렇게 시작하세요
정리하면, 작은 회사의 AI 도입은 툴 결제로 끝나면 안 됩니다. 결제는 출발일 뿐입니다. 그 다음에는 회사 자료가 쌓이는 공간을 만들고, 측정 가능한 반복 업무를 고르고, SOP를 만들고, 직원이 시도할 수 있는 문화를 만들어야 합니다.
처음부터 큰 자동화를 만들 필요는 없습니다. 블로그 설명란 생성, 회의록 요약, 상담 FAQ 정리, 고객 리뷰 분류, 광고 카피 초안처럼 작고 명확한 업무부터 시작하면 됩니다. 중요한 건 결과를 눈으로 확인할 수 있어야 한다는 점입니다. 대표님이 봤을 때 “이건 실제로 시간이 줄었네”, “퀄리티가 좋아졌네”라고 느껴야 다음 지원이 가능합니다.
직원에게도 역할을 주세요. “AI 좀 써봐요”가 아니라 “이번 달에는 블로그 발행 업무에서 AI로 줄일 수 있는 부분을 찾아보세요”처럼 좁게 주는 게 좋습니다. 결과를 가져오면 칭찬하고, 팀에 나누고, 필요하다면 요금제나 인센티브로 지원하세요. AI 도입은 기술 프로젝트이기도 하지만, 동시에 조직 문화 프로젝트입니다.
그리고 무엇보다 데이터를 쌓아야 합니다. 제품 정보, 고객 리뷰, 상담 이력, 업무 기준, SOP, 회의록이 한 공간에 쌓이지 않으면 AI는 회사 일을 잘 도와줄 수 없습니다. 노션은 이 시작점으로 좋습니다. 사람이 읽기도 좋고, AI가 읽기도 좋고, 작은 팀이 큰 개발 비용 없이 워크스페이스를 만들 수 있기 때문입니다.
AI 시대의 승자는 툴을 가장 많이 아는 회사가 아닙니다. 자기 회사의 데이터를 가장 잘 쌓아둔 회사입니다. AI는 그 데이터를 바탕으로 날개를 달아주는 도구입니다. 날개를 달 몸통이 없다면 아무리 좋은 AI도 오래 날 수 없습니다.
우리 회사도 AI를 써야 한다는 생각은 드는데 어디서 시작해야 할지 막막하다면, 먼저 질문을 바꿔보세요.
“어떤 AI를 결제할까?”가 아니라 “AI가 읽을 우리 회사 데이터는 어디에 쌓여 있지?”
이 질문에 답하는 순간, 작은 회사의 AI 도입은 훨씬 현실적인 일이 됩니다.
작은 팀에서 노션과 AI를 실제 업무에 어떻게 붙여야 할지 궁금하시다면, 아래 웨비나에서 먼저 확인해보세요.
작은 팀을 위한 ‘일의 시스템’ 웨비나 신청 >>