각 사례는 어떤 질문으로 시작해, 무엇을 검증하고, 무엇을 남기고 버렸는지 보여줍니다.
카톡과 문자로 건별 접수하던 신청. 누락과 회계 증빙 오류가 반복됐습니다. 질문은 분명했습니다. 이 흐름을 신청자·담당자·업체·회계로 나누면 어디를 자동화할 수 있는가.
로그인부터 시트 적재까지 역할별로 설계하고, 빈 신청과 잘못된 입력을 넣어 돌렸습니다.
수기 확인을 걷어내고 표준 폼과 자동 알림만 남겼습니다. 휴먼에러 0건, 반복 행정 약 90% 절감.
생산직 550명의 서약서. 종이와 PC로는 기간이 길고 미제출자 추적이 안 됩니다. 현장에 PC가 없다는 제약을 먼저 받아들였습니다.
모바일 입력과 서명 저장, 미제출자 모니터링으로 나눴습니다. 손가락 서명이 현장에서 실제로 입력되는지, 이미지가 깨지지 않는지 직접 확인했습니다.
PC 절차를 버리고 모바일 하나로 통일했습니다. 550명 전원 수합, 2주 걸리던 일이 3일로.
인터뷰와 설문을 사람이 읽으면 해석이 사람마다 갈립니다. AI를 직무 분석가로 고정하면 그 편차를 줄일 수 있을까. 거기서 시작했습니다.
분류 기준과 출력 포맷, 검수 질문을 반복하며 같은 입력에 같은 결과가 나오는지 봤습니다.
흔들리던 해석을 기준 하나로 고정했습니다. 정성 데이터의 정량화, 외부 지원자 EVP 600건 분석으로 확장.
채용 정보를 매번 포스터와 문안으로 옮기는 일. 반복도 문제였지만, 브랜드 톤이 흔들리는 쪽이 더 컸습니다.
데이터 구조화와 문안 생성, 결과 검수로 역할을 나누고, 누구나 쓰는 공개 도구로 묶어 돌렸습니다.
수작업 디자인 대신 생성 도구를 택했습니다. 시트나 AI가 만든 데이터에서 포스터가 바로 나옵니다.
AI는 사고하지 않고 확률로 다음 토큰을 고릅니다. 믿고 맡기는 대신, 제약을 걸고 결과를 검증합니다.
막연한 요청은 막연한 출력을 부릅니다. 문제를 작은 단위로 나누고, 맡길 역할과 검증할 기준을 먼저 정합니다.
한 모델에 전부 맡기지 않습니다. 분석가와 구현자, 리뷰어로 나누면 AI가 헤맬 범위가 좁아집니다.
출력을 그대로 쓰지 않습니다. 샘플과 누락 케이스, 화면 동작을 확인하며 고쳐 돌립니다.
어디서 멈추고 무엇을 버릴지 정합니다. 도구는 바뀌어도 그 기준은 남습니다.
프로젝트는 끝나지 않습니다. 더 나은 방법이 보이면 방향을 틀고, 상황이 바뀌면 멈췄다 다시 갑니다. 아래는 그 판단의 기록입니다.
지식 관리는 HTML보다 마크다운이 낫다고 판단해 방향을 틀었습니다. 지식이 쌓이면 다시 발전시킵니다.
세션 맥락을 직접 잇는 도구였지만, Obsidian과 hermes의 자동 기록이 더 나아 갈아탔습니다.
실제로 운영하던 도구입니다. HR 직무를 떠나 멈춰뒀고, 다시 가동할 계획입니다.
지금 AI 에이전트로 웹 도구를 앱으로 전환하는 중입니다.