지난 영상에서 작은 회사가 AI를 제대로 쓰려면, AI가 일할 수 있는 업무 공간이 먼저 필요하다고 말씀드렸습니다.
그런데 여기서 많은 대표님들이 이런 생각을 하실 거예요.
“그냥 카톡에 있는 거 요약하면 되는 거 아닌가?”
“회의록만 잘 남기면 되는 거 아닌가?”
“자료가 여기저기 있어도 AI가 알아서 찾아주면 되는 거 아닌가?”
저도 예전에는 그렇게 생각했습니다. 회사에 데이터만 많이 쌓이면 된다고 봤어요. 회의록 남기고, 파일 폴더 만들고, 고객 상담 기록하고, SOP를 쌓아두면 언젠가 AI가 알아서 잘 찾아줄 거라고 생각했습니다.
그런데 실제로 일을 해보면 다릅니다.
어제 결정난 일도 카톡을 다시 뒤져야 합니다. 드라이브에서 파일과 폴더를 다시 열어봐야 합니다. 회의록도 1차, 2차를 거슬러 올라가야 합니다. 누가 담당자인지 사람에게 다시 물어봐야 합니다. 최종 기준은 결국 대표님이나 팀장 입에서 다시 나와야 합니다.
사람도 헷갈리고, 새로 들어온 직원도 헷갈리고, AI도 헷갈립니다.
이번 글에서 다룰 관행은 이것입니다. “대화가 남아 있으면 회사 기준도 남아 있다고 보는 방식”입니다. 작은 회사에서는 카톡, 드라이브, 회의록, 사람 머릿속에 정보가 조금씩 나뉘어 있어도 큰 문제처럼 느껴지지 않습니다. 당장 일은 굴러가니까요.
하지만 구조 언어로 바꾸면 이 문제는 단순합니다. 회사가 보고 움직일 최종 데이터 위치가 정해져 있지 않은 상태입니다. 대화는 있는데 기준은 없고, 파일은 있는데 최종본은 불명확하고, 회의는 했는데 실제 업무 DB에는 반영되지 않은 상태입니다.
이 상태에서 AI를 붙이면 어떻게 될까요? AI는 똑똑한 직원처럼 일하는 게 아니라, 계속 되묻는 신입처럼 움직이게 됩니다.
카톡에 대화가 많아도 기준은 생기지 않습니다
카톡은 좋습니다. 빠르고, 익숙하고, 돈도 들지 않습니다. 대표님이 말하면 직원이 바로 읽고, 직원이 답하면 대표님이 바로 확인할 수 있습니다. 고객 문의도 빠르게 처리할 수 있고, 급한 파일도 바로 주고받을 수 있습니다.
작은 회사일수록 카톡을 놓기 어렵습니다. 새로 교육할 필요도 없고, 다들 이미 쓰고 있으니까요.
문제는 카톡을 쓰는 것 자체가 아닙니다. 카톡에 대화가 많으면 회사의 기준도 만들어진다고 보는 방식이 문제입니다.
예를 들어 카톡방에서 이런 대화가 오갔다고 해볼게요.
대표님이 말합니다.
“역시 돈가스가 최고지.”
직원이 말합니다.
“그래도 한국인은 김치찌개죠.”
곧 대표님 마음대로 돈가스로 정해졌다고 해보겠습니다. 여기까지 보면 결정은 난 것 같습니다. AI도 이 대화를 요약할 수 있습니다.
“회의에서는 돈가스와 김치찌개가 언급되었고, 최종적으로 돈가스를 선택하기로 했습니다.”
틀린 말은 아닙니다. 하지만 이 대화가 카톡에만 남아 있다면, 아직 회사의 원본 데이터는 아닙니다. 지나간 대화에 가깝습니다.
일주일 뒤에 누군가 묻습니다.
“그래서 이번 신메뉴 뭘로 정했어요?”
그때부터 다시 찾기 시작합니다. 대표님이 돈가스라고 했던가? 김치찌개 얘기도 나오지 않았나? 결정 안 난 거 아니었나? 며칠자 카톡을 봐야 하지?
사람도 부족한 회사에서 여러 명이 그걸 찾겠다고 이 방 저 방 들어가고, 검색하고, 스크롤하고 앉아 있습니다. 하나하나 보면 작은 일이지만, 10인 미만 회사에서는 이게 전부 돈이고 시간입니다.
대표가 다시 설명하는 시간도 돈입니다. 직원이 다시 찾는 시간도 돈입니다. 신입이 적응하지 못해 헤매는 시간도 돈입니다.
대화는 많을수록 더 헷갈릴 수 있습니다
카톡에 맥락이 없다는 뜻은 아닙니다. 오히려 반대입니다. 카톡에는 맥락이 너무 많습니다.
의견도 있고, 농담도 있고, 초안도 있고, 반박도 있고, 최종 결정처럼 보이지만 나중에 뒤집힌 말도 있습니다. 슬랙이라고 크게 다르지 않습니다. 슬랙에 자동화나 AI를 붙일 수는 있지만, 그 안의 어떤 말이 회사 기준인지 누가 정해주기 전까지는 사람도 확신하기 어렵습니다.
즉 대화에서 나온 결정이 회의록, 업무 DB, 상품 DB, 고객 DB, CS 매뉴얼 같은 실제 시스템 안에 실려야 합니다. 그래야 그때부터 회사가 보고 움직일 수 있는 원본이 됩니다.
대화는 카톡에서 할 수 있습니다. 슬랙에서도 할 수 있고, 줌에서도 할 수 있습니다. 하지만 마지막 결정만큼은 회사가 일하는 위치에 반영되어야 합니다.
일정이 바뀌었다면 일정 DB에 들어가야 합니다. 담당자가 바뀌었다면 업무 DB에 반영되어야 합니다. 상품 스펙이 바뀌었다면 상품 DB에 들어가야 합니다. 고객 응대 기준이 바뀌었다면 CS 매뉴얼에 반영되어야 합니다.
그래야 회의하고 논의한 값어치가 회사 안에 남습니다. 의사결정 하나하나가 회사의 자산이 됩니다.
그런데 작은 회사는 보통 이 구분이 없습니다. 채팅방에 남아 있으면 있는 줄 압니다. 파일 어딘가에 있으면 관리되고 있다고 생각합니다. 회의에서 말했으면 결정된 줄 압니다.
하지만 회사 입장에서 중요한 질문은 따로 있습니다.
“그래서 최종 기준이 뭔데?”
“뭘 보고 하라는 건데?”
“어떤 데이터를 보고 움직이면 되는데?”
채팅창은 원본이 될 수 없습니다. 거기서 나온 결정이 우리 시스템에 반영되어야 비로소 원본이 됩니다.
AI 시대에는 원본 위치가 더 중요해집니다
일 잘하는 회사들은 원래도 이 문제를 감으로 처리하지 않았습니다. 그런데 AI 시대에는 이 기준이 더 중요해집니다.
회의에서 말했으니까 알아서 하겠지. 카톡방에 남아 있으니까 찾으면 보이겠지. 파일 어딘가 있으니까 보면 되겠지. 이렇게 두지 않습니다.
헷갈릴 때 어디를 봐야 하는지, 최종 기준이 어디 들어 있는지, 누가 와도 같은 데이터를 보고 같은 기준으로 움직일 수 있게 자리를 정해둡니다.
이걸 SSOT라고 합니다. Single Source of Truth, 우리말로는 단일 진실 공급원이라고 부릅니다. 말은 어렵지만 뜻은 단순합니다.
“우리 회사에서 진짜는 여기야.”
라고 말할 수 있는 단 하나의 기준점입니다.
대기업에는 이 개념이 당연하게 들어가 있습니다. A팀과 B팀이 서로 다른 고객 정보를 보고 일하지 않습니다. 하나의 큰 DB를 두고, 필요한 부분만 불러와서 일을 합니다. 규모가 커져도, 새 사람이 들어와도, 같은 고객과 같은 상품을 같은 기준으로 볼 수 있습니다.
예를 들어 외국계 제약회사 영업사원이라고 해볼게요. 최근 투자받은 바이오 스타트업 DB가 있고, 내부에 확보된 타깃 고객사 DB가 있고, 기존 고객사 접촉 이력까지 세세히 남아 있다면 더 좋은 제안을 만들 수 있습니다.
예전에는 이 데이터를 결합하고 다시 가공하는 일이 까다로웠습니다. 하지만 이제 AI가 있으니, 사람에게 그 작업을 전부 맡기지 않아도 됩니다. AI에게 데이터를 붙여서 보게 하고, 그 안에서 어떤 제안을 할 수 있는지 도움을 받을 수 있습니다.
그래서 비즈니스를 하는 회사라면 제대로 된 원천 DB를 확보하지 않을 이유가 없습니다. 예전에는 작은 회사라서 데이터가 있어도 쓸 줄 몰라 방치했다면, 이제는 AI가 그 장벽을 많이 낮춰버렸기 때문입니다.
다만 전제가 있습니다. AI가 볼 수 있는 원본이 제대로 있어야 합니다.
SOP가 일하는 순서라면 SSOT는 보는 기준입니다
지난 영상에서 작은 회사 대표님들께 시스템이 없으면 먼저 온보딩, SOP, 히스토리부터 쌓으시라고 말씀드렸습니다. 여기서 SOP는 표준 업무 절차입니다.
고객 문의가 들어왔을 때 무엇을 확인하고, 어떻게 답변하고, 어디에 후속 기록을 남기는지 정해둔 것이 SOP입니다. 이건 여전히 중요합니다.
하지만 SOP가 아무리 잘 만들어져 있어도, 실제 업무를 처리할 때 참고할 데이터가 여기저기 나뉘어 있으면 다시 흔들립니다.
고객 응대 SOP는 있습니다. 그런데 고객 상담 이력은 카톡에 남아 있습니다. 상품 안내 SOP는 있습니다. 그런데 최신 단가는 드라이브 어딘가에 있습니다. 최종 결정은 대표님 머릿속에 있습니다. 회의록은 각자 로컬 PC에 있습니다. 광고 제작 SOP는 있는데, 카피를 쓸 때 참고할 고객 후기와 기존 광고 성과는 다른 곳에 있습니다.
이 상태에서 회사가 매번 안정적으로 일하기는 어렵습니다. 사람은 어떻게든 할 수 있을지도 모릅니다. 더 물어보고, 더 찾고, 더 확인하면 되니까요.
하지만 AI는 다릅니다. AI는 인터넷에 널린 일반 정보를 기준으로 답을 낼 수는 있습니다. 하지만 우리 회사의 고객, 우리 회사의 상품, 우리 회사의 가격, 우리 회사가 이미 해본 실험을 모르면 비즈니스에 바로 쓸 만한 답을 주기 어렵습니다.
그 답을 다시 고치고, 또 고치고, 담당자가 다시 확인하느라 일하는 구간마다 멈추게 됩니다.
SOP가 “어떻게 일할까?”라면, SSOT는 “무엇을 보고 일할까?”입니다.
사람이 일할 때도 SOP와 SSOT가 모두 중요합니다. 그런데 AI가 우리 일을 돕기 시작하면, SSOT의 중요성은 더 커집니다. AI는 대화를 요약할 수는 있지만, 그 대화 중 어떤 게 최종 결정이고 어떤 게 지나간 의견인지 회사 대신 책임지고 정해주지는 못하기 때문입니다.
카톡에는 돈가스, 회의록에는 김치찌개, 드라이브에는 예전 메뉴판이 그대로 있다면 AI는 계속 흔들릴 수밖에 없습니다.
원본이 여러 개라면, 원본이 없는 것과 같습니다.
작은 회사의 SSOT는 거대한 ERP가 아닙니다
여기서 오해하면 안 되는 게 있습니다. 작은 회사가 SSOT를 만든다고 해서 처음부터 대기업처럼 거대한 ERP를 만들자는 뜻은 아닙니다.
10인 미만 회사에서 모든 데이터를 완벽하게 관리하는 건 현실적으로 어렵습니다. 사람도 없고, 돈도 없고, 시간도 부족합니다. 그래서 처음부터 완벽한 체계를 만들겠다고 접근하면 오히려 시작도 못 합니다.
작은 회사의 SSOT는 더 단순해야 합니다.
“이 정보는 여기에서 본다.”
라고 말할 수 있는 자리를 정하는 것부터 시작하면 됩니다.
고객 정보는 고객 DB에서 봅니다. 업무 담당자는 업무 DB에서 봅니다. 상품 정보는 상품 DB에서 봅니다. CS 기준은 CS 매뉴얼에서 봅니다. 회의에서 난 결정은 회의록에만 남기는 것이 아니라, 실제 업무와 연결된 DB에 반영합니다.
그래야 직원도 덜 묻습니다. 대표님도 같은 설명을 반복하지 않습니다. AI도 그 정보를 기준으로 더 나은 답변을 줄 수 있습니다.
즉 AI 시대의 작은 회사가 먼저 준비해야 할 것은 더 많은 AI 툴이 아닙니다. AI가 믿고 참고할 수 있는 우리 회사 데이터를, 한 공간 안에 기준을 가지고 쌓는 일입니다.
회의록은 기록에서 업무 기준으로 옮겨져야 합니다
그럼 SSOT는 실제로 어떻게 작동할까요. 먼저 회의록부터 보겠습니다.
회의는 말로 합니다. 얼굴을 보고 하기도 하고, 줌에서 하기도 하고, 카톡이나 슬랙에서 이어지기도 합니다. 그런데 회의에서 중요한 건 대화량이 아닙니다.
무엇이 결정되었는지, 언제까지 누가 하기로 했는지, 그리고 그 결정이 실제 일하는 곳에 반영되었는지가 중요합니다.
예를 들어 콘텐츠 일정이 바뀌었다면 회의록에만 남기면 안 됩니다. 콘텐츠 DB에도 반영되어야 합니다. 그래야 나중에 AI에게 “이 콘텐츠 언제 발행하기로 했지?”라고 물었을 때, 회의록 어딘가를 뒤지는 게 아니라 콘텐츠 관리 DB의 날짜를 기준으로 답할 수 있습니다.
회의록에만 결정이 남아 있어도 맥락 추적은 가능합니다. 하지만 더 신뢰할 수 있는 방식은 회의록에서 나온 결과를 실제 목적에 맞는 데이터베이스에 다시 반영하는 것입니다.
이 차이가 큽니다.
회의록을 데이터로 쌓는 것과, 회의록에서 나온 결정을 업무 기준으로 바꾸는 것은 다릅니다. 전자는 나중에 찾아볼 자료를 만드는 일이고, 후자는 회사가 다음 행동을 할 수 있게 만드는 일입니다.
SSOT는 회의에서 나온 결정을 실제로 일할 수 있는 기준으로 바꿔 각 DB에 반영했을 때 작동합니다.
광고 카피도 좋은 원본이 있어야 좋아집니다
두 번째는 광고 소재 제작 업무입니다.
광고 소재도 GPT에게 그냥 “카피 써줘”라고 하면 애매하게 나올 때가 많습니다. 이유는 간단합니다. AI가 말을 못해서가 아니라, 참고할 원본이 부족하기 때문입니다.
좋은 카피를 만들려면 상품 정보, 타깃 정보, 고객 후기, 기존 소재 평가, 타사 레퍼런스가 필요합니다. 그런데 어떤 건 카톡방에 있고, 어떤 건 드라이브에 있고, 어떤 건 개인 폴더에 있다면 AI가 제대로 참고하기 어렵습니다.
물론 기술적으로는 여기저기 연결해서 그때그때 가져오게 만들 수도 있습니다. 하지만 매번 새로 끌어와야만 완성되는 상태라면, 회사가 믿고 볼 단일 기준이라고 하기는 어렵습니다.
저라면 조금 고생하더라도 한쪽 DB에 몰아줄 것 같습니다. 예를 들어 메타 광고에 있는 광고 소재 성과를 가져와서 우리 광고 소재 DB에 개별 소재별로 쌓아주는 방식입니다. 그래야 해당 DB가 다음 광고 기획의 원본 역할을 할 수 있습니다.
공여사들에서도 광고 소재를 기획할 때 고객 후기에서 반복되는 표현, 커뮤니티 언어, 타사 레퍼런스의 후킹 카피, 기존 광고 카피 평가를 함께 봅니다. 다만 전부 다 넣지는 않습니다. 선별된 정보만 AI가 참고하기 쉬운 위치에 쌓습니다.
그러면 AI에게 이렇게 요청할 수 있습니다.
“이 상품의 핵심 타깃을 대상으로, 선별된 고객 후기에서 반복된 표현을 참고하고, 기존에 성과가 좋았지만 아쉬웠던 부분을 개선해서 광고 카피를 써줘.”
이때 AI가 잘하는 이유는 사람보다 말을 잘해서가 아닙니다. AI가 참고하는 원본이 좋아졌기 때문입니다.
상품 정보는 파일로 끝나면 자산이 되기 어렵습니다
세 번째는 상품 정보입니다.
작은 회사든 큰 회사든 상품을 만들 때는 많은 자료가 필요합니다. 시장 조사, 경쟁사 분석, 가격 검토, 기능 아이디어, 고객 인터뷰, 초기 마케팅 기획안, 채널 전략까지 전부 필요합니다.
그런데 이 자료를 매번 파일로 주고받고 끝내면, 나중에 회사 자산이 되기 어렵습니다.
분명 조사도 했고, 자료도 만들었고, 회의도 했고, 파일도 전달했습니다. 그런데 막상 상세페이지를 만들거나 광고 소재를 만들거나 신제품 메시지를 잡으려고 하면 다시 찾기 시작합니다.
“그때 시장 조사했던 거 어디 있더라?”
“경쟁사 비교표 누가 만들었더라?”
“이 기능은 왜 넣기로 했지?”
이런 일이 한 번 오갈 때마다 비용이 커집니다. 이미 했던 조사를 다시 하고, 경쟁사 포인트를 처음부터 다시 찾고, AI에게 다시 조사시키고, 다시 검토합니다.
AI가 경쟁사 조사를 빠르게 해준다고 해도, 매번 다시 돌리고 다시 판단하고 있다면 회사 자산이 쌓이는 방식은 아닙니다.
마케팅에서 쓰일 상품 정보도 처음부터 단일 원본으로 쌓이면 두고두고 참고할 수 있습니다. 처음부터 완벽하게 나눌 필요는 없습니다. 작은 회사니까요. 그래도 적어도 한 군데에 쌓아두면 다음 담당자가 바로 찾을 수 있습니다.
신입이 “이 상품의 타깃이 누구였죠?”라고 물었을 때, 대표가 다시 설명하는 게 아니라 상품 DB를 보게 만들 수 있습니다. AI에게 물어도 그 상품 DB를 기준으로 답할 수 있습니다.
도입 전과 도입 후는 이렇게 달라집니다
Before
회의에서 결정된 내용이 회의록에만 남고 실제 업무 DB에는 반영되지 않습니다.
고객 상담 이력은 카톡에 있고, 상품 정보는 드라이브에 있고, 최종 기준은 대표 머릿속에 있습니다.
AI에게 물어도 일반적인 답만 나오고, 담당자가 다시 고치는 시간이 늘어납니다.
신입이 들어오면 어디를 봐야 할지 몰라 대표나 팀장에게 다시 묻습니다.
After
회의에서 결정된 일정과 담당자가 실제 업무 DB에 반영됩니다.
고객, 상품, CS, 광고, 마케팅 데이터가 각각 봐야 할 위치에 들어갑니다.
AI가 우리 회사의 원본을 기준으로 답하기 때문에 결과물을 다시 고치는 시간이 줄어듭니다.
새로운 직원도 대표의 머릿속을 물어보기 전에 시스템에서 먼저 확인합니다.
이 변화는 단순히 노션을 잘 쓰는 문제가 아닙니다. 회사가 어떤 정보를 기준으로 움직일지 정하는 문제입니다.
AI 툴보다 회사 원본이 먼저입니다
작은 회사에서 카톡은 빠르고 편합니다. 하지만 카톡만으로는 AI의 한계가 분명합니다.
대화는 어디서든 할 수 있습니다. 하지만 정답은 한 곳에 있어야 합니다.
AI를 잘 쓰는 회사는 GPT 결제부터 하지 않습니다. 자동화부터 붙이지도 않습니다. 먼저 회사 일이 어떤 기준으로 움직이는지 봅니다.
AI를 붙이기 전에 회사 일이 먼저 기준을 가져야 합니다. 이게 되어 있지 않으면 AI는 새로 들어온 직원처럼 계속 물어보게 됩니다.
“이게 최신인가요?”
“어느 파일을 보면 되나요?”
“카톡에 있는 말과 회의록 내용이 다른데 무엇이 맞나요?”
AI 시대에 작은 회사가 먼저 해야 할 일은 더 많은 AI 툴을 갖다 붙이는 게 아닙니다. 우리 회사에서 진짜는 여기라고 말할 수 있는 원본을 정하고 쌓는 일입니다.
공여사들도 이걸 말로만 이야기한 건 아닙니다. 1년 넘게 직접 쓰고, 찾아오는 대표님들을 상담하면서, 작은 회사에 필요한 표준 업무 시스템을 만들기 위해 수백 번 고쳤습니다.
회의록, 업무, 고객, 일정, CS, 광고, 마케팅 DB가 한 공간 안에서 연결되도록 만들었습니다. 대표가 매번 설명하지 않아도 되고, 직원이 다시 묻지 않아도 되고, AI가 참고할 기준이 남도록 설계했습니다.
AI를 붙이고 싶은데 회사 일이 아직 카톡, 드라이브, 엑셀, NAS, 사람 머릿속에 나뉘어 있다면 먼저 표준화된 구조부터 봐야 합니다.
특히 AX와 시스템을 고민하는 10인 미만 소기업 대표님이라면, 웨비나를 보는 것만으로도 어떤 DB를 먼저 갖춰야 하는지 감이 잡히실 거예요.
대표님, AI는 나중에 바꿔도 됩니다
마지막으로 대표님께 이 말씀을 드리고 싶습니다.
AI 툴은 나중에 바꿔도 됩니다. 지금 쓰는 툴보다 더 좋은 툴은 분명 계속 나올 겁니다. 오늘 쓰는 AI가 내년에 바뀔 수도 있고, 지금 붙인 자동화가 몇 달 뒤에는 더 쉬운 기능으로 대체될 수도 있습니다.
하지만 우리 회사의 회의 기록, 고객 반응, 광고 성과, 상품 기획, 업무 히스토리는 오늘 놓치면 다시 쌓기 어렵습니다.
작은 회사가 지금 가장 시급하게 해야 할 일은 우리 회사의 데이터를 여기저기 나뉘어 두지 않고, 하나의 원본으로 남기는 겁니다.
이 원본이 제대로 쌓일수록 나중에 어떤 AI를 붙여도 더 잘 일하게 됩니다. AI가 똑똑해지는 것보다 먼저, AI가 믿고 볼 회사 기준이 있어야 하니까요.
대표님이 매번 설명해야 굴러가는 회사라면, AI도 결국 대표님을 다시 찾게 됩니다.
반대로 회사의 기준이 시스템 안에 남아 있다면, 직원도 AI도 그 기준을 보고 움직일 수 있습니다.
AI 시대의 작은 회사가 먼저 만들어야 할 것은 화려한 자동화가 아닙니다. 우리 회사에서 진짜는 여기라고 말할 수 있는 원본입니다.
지난 영상에서 작은 회사가 AI를 제대로 쓰려면, AI가 일할 수 있는 업무 공간이 먼저 필요하다고 말씀드렸습니다.
그런데 여기서 많은 대표님들이 이런 생각을 하실 거예요.
“그냥 카톡에 있는 거 요약하면 되는 거 아닌가?”
“회의록만 잘 남기면 되는 거 아닌가?”
“자료가 여기저기 있어도 AI가 알아서 찾아주면 되는 거 아닌가?”
저도 예전에는 그렇게 생각했습니다. 회사에 데이터만 많이 쌓이면 된다고 봤어요. 회의록 남기고, 파일 폴더 만들고, 고객 상담 기록하고, SOP를 쌓아두면 언젠가 AI가 알아서 잘 찾아줄 거라고 생각했습니다.
그런데 실제로 일을 해보면 다릅니다.
어제 결정난 일도 카톡을 다시 뒤져야 합니다. 드라이브에서 파일과 폴더를 다시 열어봐야 합니다. 회의록도 1차, 2차를 거슬러 올라가야 합니다. 누가 담당자인지 사람에게 다시 물어봐야 합니다. 최종 기준은 결국 대표님이나 팀장 입에서 다시 나와야 합니다.
사람도 헷갈리고, 새로 들어온 직원도 헷갈리고, AI도 헷갈립니다.
이번 글에서 다룰 관행은 이것입니다. “대화가 남아 있으면 회사 기준도 남아 있다고 보는 방식”입니다. 작은 회사에서는 카톡, 드라이브, 회의록, 사람 머릿속에 정보가 조금씩 나뉘어 있어도 큰 문제처럼 느껴지지 않습니다. 당장 일은 굴러가니까요.
하지만 구조 언어로 바꾸면 이 문제는 단순합니다. 회사가 보고 움직일 최종 데이터 위치가 정해져 있지 않은 상태입니다. 대화는 있는데 기준은 없고, 파일은 있는데 최종본은 불명확하고, 회의는 했는데 실제 업무 DB에는 반영되지 않은 상태입니다.
이 상태에서 AI를 붙이면 어떻게 될까요? AI는 똑똑한 직원처럼 일하는 게 아니라, 계속 되묻는 신입처럼 움직이게 됩니다.
카톡에 대화가 많아도 기준은 생기지 않습니다
카톡은 좋습니다. 빠르고, 익숙하고, 돈도 들지 않습니다. 대표님이 말하면 직원이 바로 읽고, 직원이 답하면 대표님이 바로 확인할 수 있습니다. 고객 문의도 빠르게 처리할 수 있고, 급한 파일도 바로 주고받을 수 있습니다.
작은 회사일수록 카톡을 놓기 어렵습니다. 새로 교육할 필요도 없고, 다들 이미 쓰고 있으니까요.
문제는 카톡을 쓰는 것 자체가 아닙니다. 카톡에 대화가 많으면 회사의 기준도 만들어진다고 보는 방식이 문제입니다.
예를 들어 카톡방에서 이런 대화가 오갔다고 해볼게요.
대표님이 말합니다.
“역시 돈가스가 최고지.”
직원이 말합니다.
“그래도 한국인은 김치찌개죠.”
곧 대표님 마음대로 돈가스로 정해졌다고 해보겠습니다. 여기까지 보면 결정은 난 것 같습니다. AI도 이 대화를 요약할 수 있습니다.
“회의에서는 돈가스와 김치찌개가 언급되었고, 최종적으로 돈가스를 선택하기로 했습니다.”
틀린 말은 아닙니다. 하지만 이 대화가 카톡에만 남아 있다면, 아직 회사의 원본 데이터는 아닙니다. 지나간 대화에 가깝습니다.
일주일 뒤에 누군가 묻습니다.
“그래서 이번 신메뉴 뭘로 정했어요?”
그때부터 다시 찾기 시작합니다. 대표님이 돈가스라고 했던가? 김치찌개 얘기도 나오지 않았나? 결정 안 난 거 아니었나? 며칠자 카톡을 봐야 하지?
사람도 부족한 회사에서 여러 명이 그걸 찾겠다고 이 방 저 방 들어가고, 검색하고, 스크롤하고 앉아 있습니다. 하나하나 보면 작은 일이지만, 10인 미만 회사에서는 이게 전부 돈이고 시간입니다.
대표가 다시 설명하는 시간도 돈입니다. 직원이 다시 찾는 시간도 돈입니다. 신입이 적응하지 못해 헤매는 시간도 돈입니다.
대화는 많을수록 더 헷갈릴 수 있습니다
카톡에 맥락이 없다는 뜻은 아닙니다. 오히려 반대입니다. 카톡에는 맥락이 너무 많습니다.
의견도 있고, 농담도 있고, 초안도 있고, 반박도 있고, 최종 결정처럼 보이지만 나중에 뒤집힌 말도 있습니다. 슬랙이라고 크게 다르지 않습니다. 슬랙에 자동화나 AI를 붙일 수는 있지만, 그 안의 어떤 말이 회사 기준인지 누가 정해주기 전까지는 사람도 확신하기 어렵습니다.
즉 대화에서 나온 결정이 회의록, 업무 DB, 상품 DB, 고객 DB, CS 매뉴얼 같은 실제 시스템 안에 실려야 합니다. 그래야 그때부터 회사가 보고 움직일 수 있는 원본이 됩니다.
대화는 카톡에서 할 수 있습니다. 슬랙에서도 할 수 있고, 줌에서도 할 수 있습니다. 하지만 마지막 결정만큼은 회사가 일하는 위치에 반영되어야 합니다.
일정이 바뀌었다면 일정 DB에 들어가야 합니다. 담당자가 바뀌었다면 업무 DB에 반영되어야 합니다. 상품 스펙이 바뀌었다면 상품 DB에 들어가야 합니다. 고객 응대 기준이 바뀌었다면 CS 매뉴얼에 반영되어야 합니다.
그래야 회의하고 논의한 값어치가 회사 안에 남습니다. 의사결정 하나하나가 회사의 자산이 됩니다.
그런데 작은 회사는 보통 이 구분이 없습니다. 채팅방에 남아 있으면 있는 줄 압니다. 파일 어딘가에 있으면 관리되고 있다고 생각합니다. 회의에서 말했으면 결정된 줄 압니다.
하지만 회사 입장에서 중요한 질문은 따로 있습니다.
“그래서 최종 기준이 뭔데?”
“뭘 보고 하라는 건데?”
“어떤 데이터를 보고 움직이면 되는데?”
채팅창은 원본이 될 수 없습니다. 거기서 나온 결정이 우리 시스템에 반영되어야 비로소 원본이 됩니다.
AI 시대에는 원본 위치가 더 중요해집니다
일 잘하는 회사들은 원래도 이 문제를 감으로 처리하지 않았습니다. 그런데 AI 시대에는 이 기준이 더 중요해집니다.
회의에서 말했으니까 알아서 하겠지. 카톡방에 남아 있으니까 찾으면 보이겠지. 파일 어딘가 있으니까 보면 되겠지. 이렇게 두지 않습니다.
헷갈릴 때 어디를 봐야 하는지, 최종 기준이 어디 들어 있는지, 누가 와도 같은 데이터를 보고 같은 기준으로 움직일 수 있게 자리를 정해둡니다.
이걸 SSOT라고 합니다. Single Source of Truth, 우리말로는 단일 진실 공급원이라고 부릅니다. 말은 어렵지만 뜻은 단순합니다.
“우리 회사에서 진짜는 여기야.”
라고 말할 수 있는 단 하나의 기준점입니다.
대기업에는 이 개념이 당연하게 들어가 있습니다. A팀과 B팀이 서로 다른 고객 정보를 보고 일하지 않습니다. 하나의 큰 DB를 두고, 필요한 부분만 불러와서 일을 합니다. 규모가 커져도, 새 사람이 들어와도, 같은 고객과 같은 상품을 같은 기준으로 볼 수 있습니다.
예를 들어 외국계 제약회사 영업사원이라고 해볼게요. 최근 투자받은 바이오 스타트업 DB가 있고, 내부에 확보된 타깃 고객사 DB가 있고, 기존 고객사 접촉 이력까지 세세히 남아 있다면 더 좋은 제안을 만들 수 있습니다.
예전에는 이 데이터를 결합하고 다시 가공하는 일이 까다로웠습니다. 하지만 이제 AI가 있으니, 사람에게 그 작업을 전부 맡기지 않아도 됩니다. AI에게 데이터를 붙여서 보게 하고, 그 안에서 어떤 제안을 할 수 있는지 도움을 받을 수 있습니다.
그래서 비즈니스를 하는 회사라면 제대로 된 원천 DB를 확보하지 않을 이유가 없습니다. 예전에는 작은 회사라서 데이터가 있어도 쓸 줄 몰라 방치했다면, 이제는 AI가 그 장벽을 많이 낮춰버렸기 때문입니다.
다만 전제가 있습니다. AI가 볼 수 있는 원본이 제대로 있어야 합니다.
SOP가 일하는 순서라면 SSOT는 보는 기준입니다
지난 영상에서 작은 회사 대표님들께 시스템이 없으면 먼저 온보딩, SOP, 히스토리부터 쌓으시라고 말씀드렸습니다. 여기서 SOP는 표준 업무 절차입니다.
고객 문의가 들어왔을 때 무엇을 확인하고, 어떻게 답변하고, 어디에 후속 기록을 남기는지 정해둔 것이 SOP입니다. 이건 여전히 중요합니다.
하지만 SOP가 아무리 잘 만들어져 있어도, 실제 업무를 처리할 때 참고할 데이터가 여기저기 나뉘어 있으면 다시 흔들립니다.
고객 응대 SOP는 있습니다. 그런데 고객 상담 이력은 카톡에 남아 있습니다. 상품 안내 SOP는 있습니다. 그런데 최신 단가는 드라이브 어딘가에 있습니다. 최종 결정은 대표님 머릿속에 있습니다. 회의록은 각자 로컬 PC에 있습니다. 광고 제작 SOP는 있는데, 카피를 쓸 때 참고할 고객 후기와 기존 광고 성과는 다른 곳에 있습니다.
이 상태에서 회사가 매번 안정적으로 일하기는 어렵습니다. 사람은 어떻게든 할 수 있을지도 모릅니다. 더 물어보고, 더 찾고, 더 확인하면 되니까요.
하지만 AI는 다릅니다. AI는 인터넷에 널린 일반 정보를 기준으로 답을 낼 수는 있습니다. 하지만 우리 회사의 고객, 우리 회사의 상품, 우리 회사의 가격, 우리 회사가 이미 해본 실험을 모르면 비즈니스에 바로 쓸 만한 답을 주기 어렵습니다.
그 답을 다시 고치고, 또 고치고, 담당자가 다시 확인하느라 일하는 구간마다 멈추게 됩니다.
SOP가 “어떻게 일할까?”라면, SSOT는 “무엇을 보고 일할까?”입니다.
사람이 일할 때도 SOP와 SSOT가 모두 중요합니다. 그런데 AI가 우리 일을 돕기 시작하면, SSOT의 중요성은 더 커집니다. AI는 대화를 요약할 수는 있지만, 그 대화 중 어떤 게 최종 결정이고 어떤 게 지나간 의견인지 회사 대신 책임지고 정해주지는 못하기 때문입니다.
카톡에는 돈가스, 회의록에는 김치찌개, 드라이브에는 예전 메뉴판이 그대로 있다면 AI는 계속 흔들릴 수밖에 없습니다.
원본이 여러 개라면, 원본이 없는 것과 같습니다.
작은 회사의 SSOT는 거대한 ERP가 아닙니다
여기서 오해하면 안 되는 게 있습니다. 작은 회사가 SSOT를 만든다고 해서 처음부터 대기업처럼 거대한 ERP를 만들자는 뜻은 아닙니다.
10인 미만 회사에서 모든 데이터를 완벽하게 관리하는 건 현실적으로 어렵습니다. 사람도 없고, 돈도 없고, 시간도 부족합니다. 그래서 처음부터 완벽한 체계를 만들겠다고 접근하면 오히려 시작도 못 합니다.
작은 회사의 SSOT는 더 단순해야 합니다.
“이 정보는 여기에서 본다.”
라고 말할 수 있는 자리를 정하는 것부터 시작하면 됩니다.
고객 정보는 고객 DB에서 봅니다. 업무 담당자는 업무 DB에서 봅니다. 상품 정보는 상품 DB에서 봅니다. CS 기준은 CS 매뉴얼에서 봅니다. 회의에서 난 결정은 회의록에만 남기는 것이 아니라, 실제 업무와 연결된 DB에 반영합니다.
그래야 직원도 덜 묻습니다. 대표님도 같은 설명을 반복하지 않습니다. AI도 그 정보를 기준으로 더 나은 답변을 줄 수 있습니다.
즉 AI 시대의 작은 회사가 먼저 준비해야 할 것은 더 많은 AI 툴이 아닙니다. AI가 믿고 참고할 수 있는 우리 회사 데이터를, 한 공간 안에 기준을 가지고 쌓는 일입니다.
회의록은 기록에서 업무 기준으로 옮겨져야 합니다
그럼 SSOT는 실제로 어떻게 작동할까요. 먼저 회의록부터 보겠습니다.
회의는 말로 합니다. 얼굴을 보고 하기도 하고, 줌에서 하기도 하고, 카톡이나 슬랙에서 이어지기도 합니다. 그런데 회의에서 중요한 건 대화량이 아닙니다.
무엇이 결정되었는지, 언제까지 누가 하기로 했는지, 그리고 그 결정이 실제 일하는 곳에 반영되었는지가 중요합니다.
예를 들어 콘텐츠 일정이 바뀌었다면 회의록에만 남기면 안 됩니다. 콘텐츠 DB에도 반영되어야 합니다. 그래야 나중에 AI에게 “이 콘텐츠 언제 발행하기로 했지?”라고 물었을 때, 회의록 어딘가를 뒤지는 게 아니라 콘텐츠 관리 DB의 날짜를 기준으로 답할 수 있습니다.
회의록에만 결정이 남아 있어도 맥락 추적은 가능합니다. 하지만 더 신뢰할 수 있는 방식은 회의록에서 나온 결과를 실제 목적에 맞는 데이터베이스에 다시 반영하는 것입니다.
이 차이가 큽니다.
회의록을 데이터로 쌓는 것과, 회의록에서 나온 결정을 업무 기준으로 바꾸는 것은 다릅니다. 전자는 나중에 찾아볼 자료를 만드는 일이고, 후자는 회사가 다음 행동을 할 수 있게 만드는 일입니다.
SSOT는 회의에서 나온 결정을 실제로 일할 수 있는 기준으로 바꿔 각 DB에 반영했을 때 작동합니다.
광고 카피도 좋은 원본이 있어야 좋아집니다
두 번째는 광고 소재 제작 업무입니다.
광고 소재도 GPT에게 그냥 “카피 써줘”라고 하면 애매하게 나올 때가 많습니다. 이유는 간단합니다. AI가 말을 못해서가 아니라, 참고할 원본이 부족하기 때문입니다.
좋은 카피를 만들려면 상품 정보, 타깃 정보, 고객 후기, 기존 소재 평가, 타사 레퍼런스가 필요합니다. 그런데 어떤 건 카톡방에 있고, 어떤 건 드라이브에 있고, 어떤 건 개인 폴더에 있다면 AI가 제대로 참고하기 어렵습니다.
물론 기술적으로는 여기저기 연결해서 그때그때 가져오게 만들 수도 있습니다. 하지만 매번 새로 끌어와야만 완성되는 상태라면, 회사가 믿고 볼 단일 기준이라고 하기는 어렵습니다.
저라면 조금 고생하더라도 한쪽 DB에 몰아줄 것 같습니다. 예를 들어 메타 광고에 있는 광고 소재 성과를 가져와서 우리 광고 소재 DB에 개별 소재별로 쌓아주는 방식입니다. 그래야 해당 DB가 다음 광고 기획의 원본 역할을 할 수 있습니다.
공여사들에서도 광고 소재를 기획할 때 고객 후기에서 반복되는 표현, 커뮤니티 언어, 타사 레퍼런스의 후킹 카피, 기존 광고 카피 평가를 함께 봅니다. 다만 전부 다 넣지는 않습니다. 선별된 정보만 AI가 참고하기 쉬운 위치에 쌓습니다.
그러면 AI에게 이렇게 요청할 수 있습니다.
“이 상품의 핵심 타깃을 대상으로, 선별된 고객 후기에서 반복된 표현을 참고하고, 기존에 성과가 좋았지만 아쉬웠던 부분을 개선해서 광고 카피를 써줘.”
이때 AI가 잘하는 이유는 사람보다 말을 잘해서가 아닙니다. AI가 참고하는 원본이 좋아졌기 때문입니다.
상품 정보는 파일로 끝나면 자산이 되기 어렵습니다
세 번째는 상품 정보입니다.
작은 회사든 큰 회사든 상품을 만들 때는 많은 자료가 필요합니다. 시장 조사, 경쟁사 분석, 가격 검토, 기능 아이디어, 고객 인터뷰, 초기 마케팅 기획안, 채널 전략까지 전부 필요합니다.
그런데 이 자료를 매번 파일로 주고받고 끝내면, 나중에 회사 자산이 되기 어렵습니다.
분명 조사도 했고, 자료도 만들었고, 회의도 했고, 파일도 전달했습니다. 그런데 막상 상세페이지를 만들거나 광고 소재를 만들거나 신제품 메시지를 잡으려고 하면 다시 찾기 시작합니다.
“그때 시장 조사했던 거 어디 있더라?”
“경쟁사 비교표 누가 만들었더라?”
“이 기능은 왜 넣기로 했지?”
이런 일이 한 번 오갈 때마다 비용이 커집니다. 이미 했던 조사를 다시 하고, 경쟁사 포인트를 처음부터 다시 찾고, AI에게 다시 조사시키고, 다시 검토합니다.
AI가 경쟁사 조사를 빠르게 해준다고 해도, 매번 다시 돌리고 다시 판단하고 있다면 회사 자산이 쌓이는 방식은 아닙니다.
마케팅에서 쓰일 상품 정보도 처음부터 단일 원본으로 쌓이면 두고두고 참고할 수 있습니다. 처음부터 완벽하게 나눌 필요는 없습니다. 작은 회사니까요. 그래도 적어도 한 군데에 쌓아두면 다음 담당자가 바로 찾을 수 있습니다.
신입이 “이 상품의 타깃이 누구였죠?”라고 물었을 때, 대표가 다시 설명하는 게 아니라 상품 DB를 보게 만들 수 있습니다. AI에게 물어도 그 상품 DB를 기준으로 답할 수 있습니다.
도입 전과 도입 후는 이렇게 달라집니다
Before
After
이 변화는 단순히 노션을 잘 쓰는 문제가 아닙니다. 회사가 어떤 정보를 기준으로 움직일지 정하는 문제입니다.
AI 툴보다 회사 원본이 먼저입니다
작은 회사에서 카톡은 빠르고 편합니다. 하지만 카톡만으로는 AI의 한계가 분명합니다.
대화는 어디서든 할 수 있습니다. 하지만 정답은 한 곳에 있어야 합니다.
AI를 잘 쓰는 회사는 GPT 결제부터 하지 않습니다. 자동화부터 붙이지도 않습니다. 먼저 회사 일이 어떤 기준으로 움직이는지 봅니다.
AI를 붙이기 전에 회사 일이 먼저 기준을 가져야 합니다. 이게 되어 있지 않으면 AI는 새로 들어온 직원처럼 계속 물어보게 됩니다.
“이게 최신인가요?”
“어느 파일을 보면 되나요?”
“카톡에 있는 말과 회의록 내용이 다른데 무엇이 맞나요?”
AI 시대에 작은 회사가 먼저 해야 할 일은 더 많은 AI 툴을 갖다 붙이는 게 아닙니다. 우리 회사에서 진짜는 여기라고 말할 수 있는 원본을 정하고 쌓는 일입니다.
공여사들도 이걸 말로만 이야기한 건 아닙니다. 1년 넘게 직접 쓰고, 찾아오는 대표님들을 상담하면서, 작은 회사에 필요한 표준 업무 시스템을 만들기 위해 수백 번 고쳤습니다.
회의록, 업무, 고객, 일정, CS, 광고, 마케팅 DB가 한 공간 안에서 연결되도록 만들었습니다. 대표가 매번 설명하지 않아도 되고, 직원이 다시 묻지 않아도 되고, AI가 참고할 기준이 남도록 설계했습니다.
AI를 붙이고 싶은데 회사 일이 아직 카톡, 드라이브, 엑셀, NAS, 사람 머릿속에 나뉘어 있다면 먼저 표준화된 구조부터 봐야 합니다.
특히 AX와 시스템을 고민하는 10인 미만 소기업 대표님이라면, 웨비나를 보는 것만으로도 어떤 DB를 먼저 갖춰야 하는지 감이 잡히실 거예요.
대표님, AI는 나중에 바꿔도 됩니다
마지막으로 대표님께 이 말씀을 드리고 싶습니다.
AI 툴은 나중에 바꿔도 됩니다. 지금 쓰는 툴보다 더 좋은 툴은 분명 계속 나올 겁니다. 오늘 쓰는 AI가 내년에 바뀔 수도 있고, 지금 붙인 자동화가 몇 달 뒤에는 더 쉬운 기능으로 대체될 수도 있습니다.
하지만 우리 회사의 회의 기록, 고객 반응, 광고 성과, 상품 기획, 업무 히스토리는 오늘 놓치면 다시 쌓기 어렵습니다.
작은 회사가 지금 가장 시급하게 해야 할 일은 우리 회사의 데이터를 여기저기 나뉘어 두지 않고, 하나의 원본으로 남기는 겁니다.
이 원본이 제대로 쌓일수록 나중에 어떤 AI를 붙여도 더 잘 일하게 됩니다. AI가 똑똑해지는 것보다 먼저, AI가 믿고 볼 회사 기준이 있어야 하니까요.
대표님이 매번 설명해야 굴러가는 회사라면, AI도 결국 대표님을 다시 찾게 됩니다.
반대로 회사의 기준이 시스템 안에 남아 있다면, 직원도 AI도 그 기준을 보고 움직일 수 있습니다.
AI 시대의 작은 회사가 먼저 만들어야 할 것은 화려한 자동화가 아닙니다. 우리 회사에서 진짜는 여기라고 말할 수 있는 원본입니다.
작은 팀을 위한 ‘일의 시스템’ 웨비나 신청 >>