회의록 정리를 잘한 AI가 고객에게 보낼 답장도 맡을 수 있다고 해도, 발송까지 자동으로 맡길지는 따로 정할 문제입니다. 같은 사무 업무 안에서도 자료를 옮기는 일, 빠진 조건을 판단하는 일, 실제 약속을 하는 일은 다릅니다. 하버드 경영대학 AI 연구소의 과제 연구 설명도 작업별로 AI의 능력 경계가 고르지 않다는 점을 강조합니다.
“문서 작성”이나 “고객 응대”라는 큰 이름으로 위임 범위를 정하면 이런 차이가 가려집니다. 맡길 일은 입력과 결과가 보이는 작은 작업 단위로 나누어 판단할 수 있습니다.
업무 이름을 입력·작업·결과로 바꾸기
“보고서 작성”에는 자료 수집, 계산, 주장 선택, 목차 구성, 문장 다듬기, 제출 승인이 들어갈 수 있습니다. 각 단계에 필요한 정보와 확인 방법은 다릅니다. 자료를 받지 못한 상태에서 문장부터 만들게 하면, 글은 완성돼도 근거를 뒤늦게 채우는 작업이 생깁니다.
작업을 나눌 때는 ‘무엇을 받고, 무엇을 하고, 무엇을 내는가’를 적습니다. “문의 원문과 확인된 처리 내역을 받아, 문의 유형을 분류하고, 유형명과 근거 문장을 낸다”는 요청은 확인할 대상이 보입니다. “고객 문제를 알아서 해결한다”는 요청에는 추가 정보 요청, 보상 결정, 실제 처리까지 들어갈 여지가 있습니다.
같은 입력 안에서도 사실과 결정은 구별됩니다. 회의에서 “다음 달 출시를 검토한다”고 말한 내용을 “다음 달 출시 확정”으로 정리하면 문장은 간결해져도 업무 상태가 달라집니다. 요약 결과에서는 주요 항목이 있는지뿐 아니라 보류·검토·확정 같은 상태가 보존됐는지를 확인할 수 있습니다.
자료를 제공한 사실만으로 해석까지 맞았다고 볼 수는 없습니다. Lost in the Middle 연구는 당시 모델의 장문 문서 과제에서 근거 위치에 따라 성능이 달라지는 현상을 보고했습니다. 업무에 적용할 때는 중요한 결과를 입력의 어느 구간과 대조할 수 있는지도 평가 대상이 됩니다.
정답이 열린 작업의 확인 기준
분류·정보 추출에는 비교할 원문이나 분류 기준이 있는 경우가 많습니다. 날짜를 추출했다면 해당 날짜가 원문에 있는지, 분류했다면 정해 둔 범주에 맞는지 볼 수 있습니다. 다만 낯선 전문 문서나 범주 경계가 흐린 문의에서는 검토에 더 많은 판단이 들어갑니다.
아이디어, 제목 후보, 설명 방식에는 정답 하나가 없을 수 있습니다. 그래도 목적에 맞는지, 금지한 표현을 썼는지, 꼭 전할 사실이 남았는지, 실행 가능한 제안인지 같은 기준은 정할 수 있습니다. 열린 작업을 맡긴다는 이유로 평가를 “느낌이 좋다”에만 맡길 필요는 없습니다.
평가 기준이 구체적이면 결과의 일부만 맡기는 선택도 가능해집니다. AI가 여러 목차를 제안하고 사람이 논지를 고르거나, 사람이 정한 주장과 자료를 바탕으로 AI가 표현을 다듬는 식입니다. 무엇을 결정했고 무엇이 아직 후보인지 구분되면 초안이 확정안으로 넘어가는 순간을 알아보기 쉽습니다.
다음 점검표는 업무를 분류하기 위한 질문입니다. 점수를 더해 자동화 가능 여부를 판정하는 시험은 아니며, 답이 불명확한 항목에서 위임 범위를 좁히는 용도로 씁니다.
| 점검 질문 | 확인할 자료나 기준 | 불명확할 때 줄일 범위 |
|---|---|---|
| 필요한 입력을 실제로 줄 수 있는가 | 원문·데이터 범위·업무 맥락 | 자료가 있는 구간의 정리만 맡기기 |
| 결과가 맞는지 비교할 수 있는가 | 원문 위치·분류 규칙·수락 조건 | 최종 답 대신 초안과 확인 항목 받기 |
| 틀린 결과가 누구에게 어떤 영향을 주는가 | 내부 참고·고객 전달·실제 실행의 차이 | 외부 전달과 결정 단계 분리하기 |
| 검토자가 오류를 알아볼 수 있는가 | 담당자의 지식·검사 도구·검토 시간 | 전문가 확인 가능한 부분으로 한정하기 |
| 잘못 처리했을 때 복구할 수 있는가 | 원본·변경 기록·취소 가능 범위 | 실행 전 검토 상태로 멈추기 |
| 그 자료를 해당 도구에 넣어도 되는가 | 조직 규정·계약·서비스 데이터 조건 | 승인된 자료와 도구만 사용하기 |
| 결과를 승인하고 문제를 처리할 사람은 누구인가 | 승인 범위·담당자·예외 처리 | 책임과 예외 경로를 정한 뒤 시작하기 |
서로 다른 업무를 “7개 중 몇 개 통과”로 줄이면 오류의 무게가 사라집니다. 입력이 충분하고 형식이 정확해도, 잘못된 약속을 외부에 발송하는 영향은 별도로 남습니다. 점검표의 답은 총점보다 맡길 단계와 남길 확인 지점을 정하는 데 쓰입니다.
초안 생성에서 채택까지 드는 비용
AI가 초안을 만드는 시간과 사람이 쓸 수 있는 결과가 완성되는 시간은 다릅니다. 자료 준비, 요청 수정, 원문 대조, 문장 수정, 예외 처리에 들어간 작업이 결과 뒤에 붙습니다. 초안 생성이 빨라도 검토할 근거가 흩어져 있으면 전체 업무에서는 이득이 줄 수 있습니다.
NIST의 AI 위험 관리 프레임워크 1.0은 기대 편익과 비용을 사용 맥락 안에서 살피고, 오류가 만드는 비금전적 비용도 문서화하도록 제안합니다. 이는 자발적으로 쓰는 관리 틀이며 특정 업무의 법적 허용 여부를 판정하는 기준으로 제시하는 것은 아닙니다.
자체 시험에서는 결과의 채택 여부와 사람이 무엇을 고쳤는지 남길 수 있습니다. 문장 몇 군데를 다듬은 경우, 근거를 다시 수집한 경우, 결론을 새로 판단한 경우를 나누면 검토 부담이 어디에 있는지 보입니다. 단순한 수정 글자 수만으로는 중요한 판단을 사람이 다시 했는지 알기 어렵습니다.
비교할 기준은 같은 일을 사람이 기존 방식으로 마칠 때의 품질과 부담입니다. AI를 쓰기 위해 추가한 자료 정리나 검토가 있다면 그것도 업무에 포함합니다. 대기 시간과 사람 작업이 겹친 구간은 따로 표시하면, 같은 시간을 두 번 더해 절약 효과를 계산하는 오류를 피할 수 있습니다.
검토자가 정답을 알아보기 어려운 작업은 결과가 매끄러울수록 검토를 끝내기 어려울 수 있습니다. 전문성을 새로 요구하는 결과물을 AI가 만들었다면, 그 전문 검토를 누가 맡을지도 비용과 일정 안에 들어갑니다. 검토할 수 없다는 문제를 생성 속도로 해결할 수는 없습니다.
초안 작성과 실제 약속·실행을 나누기
다음은 고객 답장을 처리하는 가상의 업무 분해입니다. AI는 문의에서 사실관계를 뽑고 확인된 처리 내역으로 답장 초안을 만들 수 있습니다. 담당자는 고객 상태와 제공 가능한 해결책을 확인하고, 미확정 일정이나 승인되지 않은 보상이 들어갔는지 판단합니다. 발송은 조직이 정한 승인 범위 안에서 진행합니다.
이 구조에서 사람이 남기는 일은 표현을 조금 고치는 데 한정되지 않습니다. 어떤 약속을 할 수 있는지, 예외 처리가 필요한지, 추가로 확인할 정보가 무엇인지를 정합니다. 해당 조건이 규칙과 데이터로 충분히 정리된 반복 업무라면 맡길 범위를 넓혀 시험할 수 있고, 예외가 많다면 초안 단계가 더 적합할 수 있습니다.
NIST의 역할·책임 및 감독 항목은 사람과 AI가 함께 일하는 구조의 책임과 감독 방식을 구분해 문서화하도록 제안합니다. “사람이 본다”는 말만으로는 누가 무엇을 확인하고 언제 멈출지 알 수 없습니다. 실제 승인 항목과 예외 담당자를 적으면 검토가 업무에 연결됩니다.
자료를 처리할 수 있는 능력과 그 자료를 입력해도 되는 조건도 따로 정합니다. 외부 전송, 보관, 접근 권한에 관한 조건은 조직과 서비스에 따라 달라질 수 있습니다. 이 글에서는 개별 서비스의 정책을 판정하지 않으며, 작업에 쓸 자료와 도구가 정해졌을 때 해당 조건을 확인하는 범위를 남깁니다.
작은 작업에서 맡길 범위를 정하기
처음에는 결과를 확인하고 되돌릴 수 있는 업무 한 단위를 골라볼 수 있습니다. 예를 들어 실제 발송 없이 답장 초안만 만들고, 담당자가 원문 대조와 수정 이유를 남기는 방식입니다. 반복해서 빠지는 정보가 드러나면 입력을 보완할 문제인지, 사람이 남겨야 할 판단인지 구분합니다.
반대로 검토 기준이 없거나, 오류를 찾을 담당자가 없거나, 결과의 영향을 감당하기 어렵다면 그 상태로 위임 범위를 넓히기 어렵습니다. 더 많은 기능을 켜기 전에 필요한 자료와 확인 경로를 갖추는 일이 먼저입니다. AI가 업무 일부를 할 수 있다는 관찰과 전체 처리를 맡길 수 있다는 결정은 따로 남깁니다.
범위를 정한 뒤에는 직장인 업무 프롬프트 모음의 업무 메일·클레임 답장 예시처럼, 확인된 사실과 약속하면 안 되는 조건을 요청문에 넣을 수 있습니다. 지시문의 길이에 매이지 않고, 맡긴 작업과 주어진 자료, 사람에게 남긴 결정을 결과에서 다시 확인할 수 있게 씁니다.
자료 확인 기준: 2026년 10월 27일. 점검표와 업무 분해는 적용을 위한 제안이며 이 글에서 실제 조직의 생산성이나 자동화 성과를 측정하지 않았습니다.
AI에게 일을 맡기는 요청서: 목표·자료·완료 조건을 정하는 법
‘깔끔한 보고서’라는 말만으로는 필요한 내용과 합격 여부가 정해지지 않습니다. 업무 목적, 사용할 자료, 결과물의 완료 조건과 실행 권한을 구분해 적는 요청서 예시와 양식을 제공합니다.
AI 에이전트와 정해진 워크플로우: 자율성이 필요한 경계
문의 분류와 답변 초안에 AI를 넣어도 실행 순서는 코드가 정할 수 있습니다. 절차를 고정할 부분과 AI가 다음 행동을 고를 부분을 정확성·추적·비용 기준으로 나눕니다.
AI로 절약한 시간 측정하기: 검수·재작업을 포함한 계산
초안이 나온 시각과 업무가 끝난 시각은 다릅니다. AI 사용 전후의 입력·완료 조건을 맞추고 준비, 대기, 검수, 재작업을 기록해 실제로 줄어든 시간을 해석하는 방법입니다.