AI를 활용하면 자료를 분석하고, 보고서를 작성하고, 발표 자료를 만드는 과정을 빠르게 진행할 수 있습니다.
특히 하나의 결과물을 다음 업무에 활용하는 경우에는 효율이 더 커질 수 있습니다.
AI가 정리한 자료를 바탕으로 보고서를 만들고, 그 보고서를 이용해 발표 자료를 준비하는 식입니다.
그런데 이런 업무 흐름에서는 예상하지 못한 문제가 생길 수 있습니다.
앞선 작업에서 발생한 작은 오류가 다음 작업으로 전달되면서 여러 결과물에 영향을 미치는 것입니다.
예를 들어 AI가 고객 의견을 잘못 분류했다고 생각해 보겠습니다.
처음에는 일부 의견이 잘못 정리된 정도일 수 있습니다. 하지만 그 분석 결과를 바탕으로 보고서를 만들고, 보고서의 내용을 발표 자료에 반영한다면 문제가 달라집니다.
나중에 오류를 발견했을 때는 최초 분석뿐 아니라 그 결과를 활용해 만든 자료까지 다시 확인해야 할 수 있기 때문입니다.
AI를 여러 업무 단계에 활용할수록 결과물을 빠르게 만드는 것만큼이나 앞선 결과가 다음 작업에 어떤 영향을 주는지도 살펴볼 필요가 있습니다.
작은 오류는 다음 작업으로 이어진다
하나의 업무가 여러 단계로 나뉘어 있다면 앞 단계의 결과는 다음 단계의 출발점이 됩니다.
예를 들어 고객 의견을 분석한 뒤 보고서를 작성하고, 그 보고서를 바탕으로 개선 방향을 결정하는 업무를 생각해 보겠습니다.
각 단계에서 AI를 활용하면 다음과 같은 흐름이 만들어질 수 있습니다.
- AI가 고객 의견을 분석합니다.
- 분석 결과를 바탕으로 보고서를 작성합니다.
- 보고서의 핵심 내용을 발표 자료로 정리합니다.
- 발표 자료를 바탕으로 개선 방향을 논의합니다.
이 과정은 효율적입니다. 앞 단계에서 정리한 내용을 다음 작업에 다시 활용할 수 있기 때문입니다.
하지만 최초 분석에서 오류가 발생했다면 문제가 생길 수 있습니다.
예를 들어 AI가 고객 의견을 분석하면서 특정 불만이 40건의 의견에서 나타났다고 정리했지만, 원자료를 확인해 보니 실제로는 25건이었다고 가정해 보겠습니다.
보고서에서는 잘못된 수치를 근거로 해당 불만이 가장 중요한 문제라고 설명하고, 발표 자료에서도 이를 핵심 개선 과제로 제시할 수 있습니다. 하지만 실제로는 다른 불만이 더 자주 나타났다면, 잘못된 수치 때문에 문제의 우선순위까지 달라졌을 수 있습니다.
나중에 수치가 잘못되었다는 사실을 발견했다면 최초 분석뿐 아니라 보고서와 발표 자료도 확인해야 합니다. 특히 잘못된 수치에 근거해 달라진 설명이나 결론이 있는지 살펴봐야 합니다.
오류가 발견되면 수정 범위를 판단해야 한다
오류가 후속 결과물에 영향을 주었는지는 잘못된 내용을 수정하는 것만으로 판단하기 어렵습니다. 오류를 바로잡았을 때 기존 결론이나 제안이 달라지는지 확인해야 합니다.
예를 들어 고객 의견을 분류하는 과정에서 일부 의견의 의미를 잘못 해석했다고 가정해 보겠습니다.
분류 결과를 바로잡은 뒤에도 핵심 결론과 그 근거가 유효하다면 기존 결론을 유지할 수 있습니다. 반대로 고객의 주요 요구에 대한 판단이 달라진다면 보고서의 결론과 발표 자료의 개선 방향도 다시 검토해야 합니다.
오류가 발견되면 수정된 정보를 기준으로 기존 결론과 제안을 다시 검토하고, 판단이나 실행 방향에 영향을 받은 부분만 수정하면 됩니다. 모든 후속 결과물을 무조건 다시 작성할 필요는 없습니다.
중요한 정보부터 확인한다
그렇다면 AI를 활용해 만든 결과물은 다음 작업으로 넘길 때마다 처음부터 전부 검토해야 할까요?
그렇게 하면 AI를 활용해 줄인 업무가 다시 늘어날 수 있습니다.
다음 작업으로 결과를 넘기기 전에는 이후의 판단이나 실행 방향을 바꿀 수 있는 정보부터 확인해야 합니다.
예를 들어 고객 의견 분석 결과를 보고서에 활용한다면 모든 문장을 다시 작성할 필요는 없습니다.
대신 다음과 같은 내용을 우선 확인할 수 있습니다.
- 핵심 결론을 뒷받침하는 수치가 맞는지
- 주요 분류나 분석 기준이 적절한지
- 결과를 해석할 때 중요한 예외나 반대 의견이 빠지지 않았는지
- 다음 작업에서 그대로 사용해도 되는 결과인지, 추가 확인이 필요한 가정이나 한계는 없는지
이러한 항목은 후속 작업의 방향을 바꿀 수 있는 정보입니다.
반면 보고서의 표현이나 형식처럼 결론에 직접적인 영향을 주지 않는 부분은 업무의 성격에 따라 확인 수준을 달리할 수 있습니다.
예를 들어 단순한 문장 요약을 다음 작업에 활용하는 경우와, 분석 결과를 근거로 예산이나 사업 방향을 결정하는 경우는 같은 수준으로 확인할 필요가 없습니다.
다음 작업의 판단을 좌우하는 정보일수록, 후속 단계로 넘기기 전에 확인하는 것이 중요합니다.
오류가 반영된 결과물도 확인한다
오류를 미리 발견하는 것이 가장 좋지만, 실제 업무에서 모든 오류를 사전에 찾아내기는 어렵습니다. 따라서 오류가 발견된 뒤에는 해당 오류가 이후 작업에 어떤 영향을 주었는지 추적해야 합니다.
예를 들어 고객 의견의 분류가 잘못되었다는 사실을 발견했다면 다음 순서로 확인할 수 있습니다.
첫째, 최초 분석에서 어떤 수치나 분류, 해석이 잘못되었는지 확인하고 올바른 내용으로 바로잡습니다.
둘째, 수정한 분석 결과를 사용한 보고서와 발표 자료를 찾아 오류가 반영된 부분을 확인합니다.
셋째, 오류에 근거한 설명과 결론, 제안을 검토합니다. 수정된 정보를 기준으로 기존 판단이 여전히 타당한지 확인하고, 달라진 판단을 반영해야 하는 부분을 수정합니다.
넷째, 이미 내린 의사결정도 다시 검토합니다. 잘못된 정보가 결정의 근거로 사용되었다면 수정된 정보로도 기존 결정을 뒷받침할 수 있는지 확인합니다. 판단을 바꿔야 한다면 결정을 조정하고, 자료를 다른 사람과 공유했다면 수정된 내용과 판단의 변화를 관련자에게 전달합니다.
핵심은 최초 오류를 고치는 데서 끝내지 않고, 그 오류가 반영된 결과물과 의사결정까지 확인하는 것입니다.
AI를 여러 단계의 업무에 활용한다면 각 결과물이 어떤 자료를 바탕으로 만들어졌는지 파악할 수 있도록 작업 과정을 남겨 두는 것도 도움이 됩니다. 오류가 발견되었을 때 영향을 받은 자료를 더 빠르게 찾아 수정할 수 있기 때문입니다.
마무리
AI를 활용하면 분석 결과를 보고서에 반영하고, 다시 발표 자료로 만드는 등 여러 단계의 업무를 빠르게 이어갈 수 있습니다.
하지만 앞선 결과에 오류가 있다면 그 내용이 후속 작업에도 전달될 수 있습니다.
처음에는 작은 분류 오류나 잘못된 수치였더라도 여러 결과물에 반영된 뒤 발견하면 수정해야 할 범위가 넓어질 수 있습니다.
그래서 AI를 활용할 때는 각 결과물의 정확성만 확인하는 데 그치지 않고, 그 결과가 다음 작업에 어떤 영향을 주는지도 함께 살펴볼 필요가 있습니다.
모든 단계를 처음부터 다시 검토할 필요는 없습니다. 다음 단계의 판단에 중요한 영향을 주는 정보는 넘기기 전에 확인하고, 오류가 발견되면 그 결과를 사용한 후속 자료까지 살펴보면 됩니다.
AI를 잘 활용한다는 것은 결과물을 빠르게 만드는 것만이 아닙니다.
작은 오류가 여러 작업으로 이어지기 전에 확인하고, 문제가 발견되었을 때 영향을 받은 범위까지 바로잡을 수 있도록 업무 흐름을 만드는 것도 중요합니다.
함께 읽으면 좋은 글
- AI가 틀린 답을 자신 있게 말한다면 | ChatGPT 답변 검증하는 법
- AI가 일을 빨리 끝내줬는데 왜 다음 일이 막힐까? | 중간 과정을 줄일 때 생기는 문제
- AI로 만든 결과물을 공유할 때 더 신경 써야 하는 것