AI 자동화 입문 로드맵: 반복 업무를 줄이는 실전 가이드 5강. AI는 자동화 안에서 어떤 역할을 할까?

2026. 07. 12.조회 0댓글 0좋아요 0

AI는 자동화의 실행자가 아니라 판단 보조자에 가깝다

자동화 흐름에서 AI를 처음 붙일 때 가장 흔한 오해가 있습니다. AI가 업무 전체를 대신 처리해 줄 것이라고 기대하는 것입니다. 실제로는 조금 다르게 보는 편이 안전합니다. 자동화 도구가 “정해진 절차를 실행하는 역할”이라면, AI는 그중간에 들어가 “문장을 읽고 의미를 판단하거나 초안을 만드는 역할”에 가깝습니다.

예를 들어 n8n, Make, Zapier, Google Apps Script는 다음과 같은 일을 잘합니다.

- 특정 시간에 실행하기

- 새 이메일이 오면 감지하기

- 스프레드시트에 행 추가하기

- Slack, Gmail, Notion, Airtable 같은 서비스로 데이터 보내기

- 조건에 따라 다음 단계를 나누기

반면 AI는 이런 일에 강합니다.

- 긴 내용을 짧게 요약하기

- 문의 내용을 유형별로 분류하기

- 답변 초안을 작성하기

- 문장에서 필요한 정보만 추출하기

- 애매한 표현을 사람이 읽기 쉬운 형태로 바꾸기

즉, 자동화 흐름은 “도구가 실행하고, AI가 해석을 돕고, 사람이 중요한 결정을 확인하는 구조”로 설계하는 것이 현실적입니다. 특히 고객 응대, 계약, 비용 처리, 인사 관련 업무처럼 실수가 큰 영향을 주는 영역에서는 AI가 최종 결정자가 되어서는 안 됩니다.

요약 작업에서 AI 활용하기

요약은 AI 자동화에서 가장 부담이 적고 활용도가 높은 작업 중 하나입니다. 긴 이메일, 회의록, 고객 문의, 설문 응답, 상담 기록처럼 사람이 매번 읽어야 하는 텍스트를 짧게 줄이는 데 효과적입니다.

예를 들어 고객 문의가 들어오면 자동화 흐름은 이렇게 구성할 수 있습니다.

1. Gmail 또는 폼에서 새 문의 감지

2. 문의 본문을 AI에게 전달

3. AI가 핵심 내용을 3줄로 요약

4. 요약 결과를 Slack 또는 Google Sheets에 저장

5. 담당자가 원문과 요약을 함께 확인

AI에게 요약을 맡길 때는 “짧게 요약해 줘”보다 형식을 지정하는 편이 안정적입니다.

다음 고객 문의를 담당자가 빠르게 확인할 수 있도록 요약해 주세요.

조건:
- 핵심 요청을 1문장으로 작성
- 고객이 겪는 문제를 1문장으로 작성
- 긴급도 판단 근거를 1문장으로 작성
- 추측하지 말고 본문에 있는 내용만 사용

고객 문의:
{{문의본문}}

여기서 `{{문의본문}}`은 n8n, Make, Zapier 등에서 이전 단계의 데이터를 넣는 자리라고 보면 됩니다. 실제 표기 방식은 도구마다 다르지만, 핵심은 “AI에게 원문과 출력 형식을 함께 준다”는 점입니다.

요약 결과는 원문을 대체하는 용도가 아니라, 원문을 읽기 전에 맥락을 빠르게 파악하는 용도로 쓰는 것이 좋습니다.

분류 작업에서 AI 활용하기

분류는 자동화의 다음 단계를 나누는 데 유용합니다. 고객 문의를 “결제”, “배송”, “환불”, “기술 문제”, “기타”로 나누거나, 채용 지원서를 “개발”, “디자인”, “마케팅”처럼 분류하는 방식입니다.

규칙이 명확한 경우에는 AI보다 일반 조건문이 더 낫습니다. 예를 들어 제목에 “환불”이라는 단어가 있으면 환불 문의로 분류하는 정도는 자동화 도구의 필터나 조건 분기로 충분합니다. AI가 필요한 경우는 표현이 다양하고, 단순 키워드만으로 판단하기 어려울 때입니다.

분류용 프롬프트는 가능한 한 선택지를 제한해야 합니다.

아래 문의 내용을 다음 카테고리 중 하나로만 분류해 주세요.

카테고리:
- 결제
- 환불
- 배송
- 계정
- 기술 문제
- 기타

출력 형식:
카테고리명만 출력

문의 내용:
{{문의본문}}

이렇게 하면 다음 단계에서 자동화 도구가 결과값을 조건으로 사용하기 쉬워집니다. 예를 들어 AI 출력이 `환불`이면 환불 담당자에게 보내고, `기술 문제`이면 개발 지원 채널에 보내는 식입니다.

다만 분류 결과가 곧 결정이 되어서는 곤란한 경우가 있습니다. “악성 고객”, “채용 탈락”, “계약 위험”처럼 사람에게 직접적인 영향을 주는 분류는 AI가 1차 태그를 붙이는 정도로만 사용하고, 최종 판단은 담당자가 해야 합니다.

답변 초안 작성에 AI 활용하기

고객 응대나 내부 회신에서 AI는 답변 “발송”보다 답변 “초안 작성”에 더 적합합니다. 특히 비슷한 문의가 반복되는 업무라면 담당자가 매번 처음부터 문장을 작성하지 않아도 되어 시간을 줄일 수 있습니다.

예시는 다음과 같습니다.

1. 고객 문의 수신

2. AI가 문의 내용을 요약

3. AI가 답변 초안 작성

4. 담당자가 초안 검토

5. 담당자가 수정 후 발송

답변 초안을 만들 때는 말투, 포함해야 할 정보, 금지할 내용을 함께 지정해야 합니다.

아래 고객 문의에 대한 답변 초안을 작성해 주세요.

조건:
- 정중한 고객지원 톤 사용
- 확정되지 않은 보상, 환불, 일정은 약속하지 않기
- 고객의 문제를 먼저 공감하기
- 확인이 필요한 사항은 질문으로 남기기
- 최종 발송 전 담당자 검토가 필요하다는 문구는 쓰지 않기

고객 문의:
{{문의본문}}

참고 정보:
{{내부정책요약}}

여기서 중요한 부분은 “확정되지 않은 내용을 약속하지 않기”입니다. AI는 자연스럽게 보이는 답변을 만들 수 있지만, 회사 정책이나 실제 처리 가능 여부를 정확히 보장하지 못합니다. 그래서 환불, 보상, 일정, 법적 표현, 계약 조건이 들어가는 답변은 반드시 사람이 검토해야 합니다.

데이터 추출에 AI 활용하기

데이터 추출은 비정형 텍스트에서 필요한 값만 뽑아내는 작업입니다. 예를 들어 이메일 본문에서 이름, 회사명, 요청 일정, 전화번호, 문의 유형을 추출해 스프레드시트에 넣는 흐름입니다.

문장이 일정한 형식이라면 정규식이나 스프레드시트 함수가 더 안정적일 수 있습니다. 하지만 고객이 자유롭게 작성한 문장처럼 형식이 제각각이면 AI를 활용할 만합니다.

이때는 출력 형식을 고정하는 것이 중요합니다. 자동화 도구가 다음 단계에서 값을 읽어야 하기 때문입니다.

아래 문의 내용에서 필요한 정보를 추출해 주세요.

출력은 JSON 형식으로만 작성해 주세요.
값을 찾을 수 없으면 null로 작성해 주세요.

추출 항목:
- name
- company
- email
- phone
- requested_date
- request_summary

문의 내용:
{{문의본문}}

예상 출력은 이런 형태입니다.

{
  "name": "홍길동",
  "company": "ABC컴퍼니",
  "email": "gildong@example.com",
  "phone": "010-1234-5678",
  "requested_date": "2026-07-15",
  "request_summary": "서비스 도입 상담 요청"
}

실제 운영에서는 AI가 만든 JSON이 항상 완벽하다고 가정하면 안 됩니다. 따옴표가 빠지거나, 날짜 형식이 흔들리거나, 없는 값을 추측해서 넣는 경우가 생길 수 있습니다. 그래서 후속 단계에서 필수값이 비어 있는지 확인하고, 형식이 맞지 않으면 사람 검토로 보내는 분기가 필요합니다.

AI 판단 결과를 그대로 믿으면 위험한 이유

AI는 문장을 자연스럽게 만들고 그럴듯한 판단을 내리는 데 능숙하지만, 항상 정확한 것은 아닙니다. 특히 다음 상황에서는 위험이 커집니다.

- 원문에 정보가 부족한데 AI가 빈칸을 추측하는 경우

- 내부 정책을 최신 상태로 알지 못하는 경우

- 비슷한 표현을 잘못 해석하는 경우

- 금액, 날짜, 수량 같은 숫자를 잘못 읽는 경우

- 법률, 세무, 인사, 의료처럼 전문 검토가 필요한 경우

- 고객에게 직접 영향을 주는 결정을 자동으로 처리하는 경우

자동화에서 더 위험한 점은 실수가 반복될 수 있다는 것입니다. 사람이 한 번 잘못 판단하면 한 건의 문제로 끝날 수 있지만, 자동화 흐름에 잘못된 AI 판단이 들어가면 같은 실수가 여러 건에 동시에 적용될 수 있습니다.

그래서 AI 결과는 “정답”이 아니라 “검토할 초안” 또는 “1차 판단”으로 다루는 것이 안전합니다. 특히 외부 발송, 금전 처리, 권한 변경, 계약 관련 처리처럼 되돌리기 어려운 작업 앞에는 사람 검수 단계를 두어야 합니다.

AI 결과에 사람 검수 단계를 넣는 방법

사람 검수 단계는 자동화를 멈추는 장치가 아니라, 중요한 지점에서 속도와 안전을 함께 확보하는 장치입니다. 모든 업무를 사람이 다시 확인하면 자동화 효과가 줄어들지만, 위험한 단계만 검수하도록 설계하면 반복 업무는 줄이면서 사고 가능성도 낮출 수 있습니다.

가장 기본적인 방식은 AI 결과를 담당자에게 보내고, 승인 후 다음 단계가 실행되게 만드는 구조입니다.

예를 들어 답변 초안 자동화는 다음처럼 구성할 수 있습니다.

1. 문의 수신

2. AI가 요약과 답변 초안 생성

3. Slack 또는 이메일로 담당자에게 전달

4. 담당자가 승인, 수정, 보류 중 하나를 선택

5. 승인된 경우에만 고객에게 발송

도구별 구현 방식은 다를 수 있습니다. Zapier에서는 승인 단계에 가까운 기능이나 별도 앱 연동을 활용할 수 있고, Make와 n8n에서는 조건 분기, 웹훅, 데이터 저장소, Slack 버튼 등을 조합하는 방식이 자주 쓰입니다. Google Apps Script를 사용하는 경우에는 Google Sheets에 검수 상태 열을 만들고, 담당자가 상태를 바꾸면 다음 처리를 실행하는 방식도 가능합니다.

간단한 검수 상태 설계는 아래처럼 시작할 수 있습니다.

검수 상태 값:
- 대기
- 승인
- 수정 필요
- 보류

Google Sheets를 검수 테이블로 쓴다면 열 구조는 이렇게 잡을 수 있습니다.

received_at | customer_email | original_message | ai_summary | ai_draft | review_status | reviewer_note | sent_at

이 구조에서는 AI가 만든 결과를 바로 발송하지 않습니다. 먼저 `review_status`가 `대기`로 들어가고, 담당자가 내용을 확인한 뒤 `승인`으로 바꾸면 발송 단계가 실행됩니다. `수정 필요`이면 담당자 메모를 남기고 다시 초안을 만들거나 직접 수정할 수 있습니다. `보류`는 정책 확인, 관리자 승인, 추가 정보 요청이 필요한 경우에 사용합니다.

검수 단계를 어디에 넣을지는 업무 위험도에 따라 달라집니다. 사내 참고용 요약처럼 영향이 낮은 작업은 자동으로 저장해도 괜찮습니다. 고객에게 나가는 답변, 금액이 포함된 안내, 계정 권한 변경, 지원자 평가처럼 영향이 큰 작업은 사람이 확인해야 합니다.

AI 자동화의 핵심은 AI에게 모든 것을 맡기는 것이 아니라, AI가 잘하는 해석과 초안 작업을 자동화 흐름 안에 배치하는 것입니다. 도구는 반복 실행을 맡고, AI는 문맥 처리를 돕고, 사람은 책임 있는 판단을 맡는 구조가 입문 단계에서 가장 안전하고 오래갑니다.