기업이 AI를 도입할 때 가장 흔한 장면이 있습니다. 팀 계정을 결제하고, 한두 시간 교육을 하고, 공용 Slack에 “앞으로 적극적으로 써주세요”라고 공지합니다. 첫 주에는 모두 사용합니다. 한 달 뒤에는 대표와 몇 명만 남습니다.
이 현상은 직원의 의지 부족이라기보다 도입 방식의 문제인 경우가 많습니다.
공통점 1. 도구는 정했는데 업무는 정하지 않았다
“ChatGPT를 활용해보자”는 실행 지시가 아닙니다. 직원 입장에서는 기존 업무를 하면서 어디에 끼워 넣어야 할지 모릅니다.
좋은 도입은 도구가 아니라 행동으로 정의됩니다.
나쁜 목표:
전 직원 AI 활용률을 높인다.
좋은 목표:
영업팀은 신규 고객 조사와 1차 제안서 초안을 AI 워크플로로 수행한다.
운영팀은 주간 문의 100건을 AI로 1차 분류하고 담당자가 검토한다.
공통점 2. 대표와 팀장이 기존 방식으로 일을 시킨다
대표가 “AI를 써라”고 말하면서도 보고서를 여전히 처음부터 수작업으로 요구하면 도입은 정착되지 않습니다.
관리자가 먼저 업무 요청 방식을 바꿔야 합니다.
예:
기존:
경쟁사 5곳 조사해서 내일까지 보고서 주세요.
변경:
회사 공용 경쟁사 리서치 워크플로를 사용해서 1차 결과를 만들고, 담당자가 출처와 핵심 숫자를 검증한 최종본을 내일까지 주세요.
이렇게 해야 AI 사용이 “선택”이 아니라 업무 프로세스가 됩니다.
공통점 3. 무엇을 넣어도 되는지 모르겠다
직원은 보안 문제가 불분명하면 두 가지 행동을 합니다.
- 아무 생각 없이 민감정보를 넣는다.
- 아예 업무에 쓰지 않는다.
둘 다 좋지 않습니다.
최소한 공개/내부/민감/금지 데이터 기준을 만들고 구체적 예시를 줘야 합니다.
공통점 4. 성공 기준이 로그인 횟수다
AI 도입의 목표는 많이 접속하는 것이 아닙니다. 업무 성과가 변해야 합니다.
측정 예:
- 제안서 초안 평균 시간 120분 → 35분
- 주간 보고 취합 시간 4시간 → 1시간
- 고객 문의 1차 분류 당일 처리율 60% → 95%
- 리서치 후 출처 누락률 감소
사용량은 보조지표일 뿐입니다.
정착을 위한 4주 접근
1주차 — 업무 선택
각 팀에서 반복성이 높은 업무 3~5개를 수집하고 첫 파일럿 하나를 고릅니다.
2주차 — 실제 업무로 워크플로 제작
샘플 데이터가 아니라 실제 회사 문서로 실습합니다. 입력 양식, 프롬프트, 검토 기준을 만듭니다.
3주차 — 팀 사용
모든 사람이 같은 워크플로를 실제 업무에서 사용하고 결과를 기록합니다.
4주차 — 안 쓰게 되는 지점 교정
불편한 입력, 낮은 품질, 보안 불안, 저장 위치 문제를 찾아 수정합니다.
AI Champion 한 명으로 끝내지 않는다
한 명의 “AI 잘하는 사람”이 모든 요청을 대신 처리하면 그 사람만 생산성이 올라갑니다. Champion의 역할은 대신 해주는 것이 아니라 다른 팀원이 반복해서 쓸 수 있는 구조를 만드는 것이어야 합니다.
팀장용 주간 질문 5개
- 이번 주 가장 반복적이었던 업무는?
- AI를 사용한 업무 중 시간이 가장 줄어든 것은?
- 결과 품질 때문에 다시 수작업한 것은?
- 넣어도 되는 데이터인지 애매했던 사례는?
- 다음 주 표준 워크플로로 만들 하나는?
이 다섯 질문을 4주만 반복해도 교육보다 훨씬 많은 실무 지식이 쌓입니다.
정리
AI 도입은 SaaS 구매 프로젝트도, 일회성 교육 프로젝트도 아닙니다. 업무 방식을 바꾸는 운영 프로젝트입니다.
완주 관점의 핵심: 툴 사용법을 가르치고 끝내지 않습니다. 실제 반복 업무 하나가 팀의 새 표준 방식이 될 때까지 교정합니다.
실제로는 ‘교육 만족도’와 ‘업무 정착률’이 다르다
교육 직후 설문에서 “유익했다”가 90%여도 한 달 뒤 실제 업무에서 사용되지 않을 수 있습니다. 교육 만족도는 콘텐츠 평가이고, 정착률은 업무 설계의 결과이기 때문입니다.
AI 도입 프로젝트라면 교육 종료 시점보다 2주·4주 후를 봐야 합니다.
권장 지표:
- 대상 업무 중 AI 워크플로 사용 비율
- 주간 활성 사용자
- 반복 사용자가 몇 명인지
- 결과를 수정하는 데 걸리는 시간
- 사용 중단 이유
“안 쓰는 이유”를 직원에게 직접 묻는다
사용률이 낮을 때 “AI에 익숙하지 않아서”라고 추측하면 안 됩니다. 실제 이유는 더 실무적입니다.
- 입력 자료를 매번 정리하기 귀찮음
- 결과가 회사 양식과 안 맞음
- 보안상 넣어도 되는지 불안함
- 기존 업무 시스템과 별개라 두 번 일함
- 결과 검토에 더 시간이 듦
이 문제들은 추가 교육보다 워크플로 수정으로 해결해야 합니다.
팀장 행동이 정착률을 결정한다
관리자가 AI 결과를 신뢰하지 않아 결국 직원에게 “원래 방식으로 다시 작성해”라고 하면 사용은 바로 멈춥니다. 반대로 AI 결과의 품질 기준을 명확히 하고, 어떤 부분은 사람이 책임져야 하는지 정하면 직원도 안심하고 씁니다.
팀장이 해야 할 일:
- AI 사용 대상 업무를 명확히 지정
- 최종 검토 기준을 제공
- AI 사용으로 절약한 시간을 인정
- 결과가 나빴을 때 사람을 탓하지 않고 워크플로를 고침
대표가 먼저 보여줘야 하는 사용 사례
전사 공지를 보내기보다 대표가 실제 회의에서 다음처럼 쓰는 편이 효과적입니다.
- 긴 보고서의 사전 요약
- 회의 전 질문 목록 생성
- 제안서 초안 비교
- 의사결정안의 반대 논리 검토
“AI를 써라”보다 “이 업무에서는 이렇게 쓴다”를 보여주는 것이 문화 형성에 더 직접적입니다.
30일 정착 체크
도입 30일째에 다음 질문에 4개 이상 Yes라면 정착 가능성이 높습니다.
- 공용 워크플로가 1개 이상 있다
- 실제 업무 데이터로 매주 사용된다
- Owner가 있다
- 보안 기준이 있다
- 효과 지표를 측정한다
- 결과 품질 문제를 수정하는 루프가 있다
- 신규 직원도 설명 없이 따라 할 수 있다