AI 이야기를 하면 많은 기업에서 이런 기대를 합니다. 보고 준비도 빨라지고, 회의 정리도 자동으로 되고, 반복 업무도 줄어들 거라고요. 실제로 베트남 현장에서도 이미 ChatGPT나 Gemini 등 여러 AI 도구를 쓰고 있는 회사는 적지 않습니다. 그런데 몇 달이 지나 다시 현장을 보면, 기대했던 만큼 일이 줄어든 느낌은 들지 않는 경우가 많습니다. 툴은 늘었는데, 일하는 방식은 크게 달라지지 않았기 때문입니다. 여러 기업 프로젝트를 진행하면서 느낀 점은 하나였습니다. AI의 성능 문제라기보다는, 대부분 업무 구조의 문제에서 효과가 막히고 있다는 점입니다.
일이 이미 너무 흩어져 있는 구조
한 회사에서 실제로 보았던 업무 흐름은 이랬습니다. 보고에 필요한 자료는 엑셀에 있고, 업무 요청은 메신저로 오고, 결과 공유는 이메일로 하고, 최종 보고서는 다시 파워포인트로 정리합니다. 이 상태에서 AI를 쓰면 각 단계에서 문장을 다듬고 요약하는 데에는 도움이 됩니다. 하지만 자료를 모으고 구조를 맞추고 최종본을 만드는 과정은 여전히 사람이 직접 해야 합니다. 그래서 직원들은 AI를 쓰고 있지만, 전체 업무 시간은 크게 줄지 않습니다. AI는 정리를 잘해주는 도구이지만, 정리해야 할 재료가 흩어져 있으면 결국 사람이 다시 모아야 하기 때문입니다.
구조가 바뀌지 않으면, 실행도 바뀌지 않는다
회의 정리를 자동화한 회사에서도 비슷한 장면을 많이 봤습니다. 회의 내용은 잘 정리되고 결정 사항과 할 일 목록도 자동으로 만들어집니다. 그런데 며칠 뒤 다시 확인해 보면, 누가 무엇을 언제까지 해야 하는지가 여전히 애매한 경우가 많습니다. 결국 다시 메시지가 오갑니다. “이건 누가 하는 거였죠?”, “이 부분 다시 한 번 확인해 주세요.” AI는 회의를 잘 정리해줬지만, 업무가 흘러가는 구조는 그대로였던 겁니다. 그래서 실행 속도는 크게 달라지지 않습니다.
해외법인에서는 이 차이가 더 크게 느껴진다
해외법인에서는 본사와 현장의 일하는 방식 차이가 더 크게 느껴지기도 합니다. 본사는 보고 기준과 일정이 비교적 명확한 반면, 현장은 상황에 따라 우선순위가 계속 바뀌는 경우가 많습니다. 이 상태에서 본사 기준으로 설계된 자동화나 템플릿을 그대로 적용하면, 현장에서는 결국 다시 수정하는 작업이 반복됩니다. AI를 쓰긴 쓰는데 항상 사람이 중간에서 한 번 더 손을 보는 구조가 되는 겁니다. 이렇게 되면 AI는 일을 줄여주는 도구가 아니라, 한 단계를 더 거쳐야 하는 도구가 되기 쉽습니다.
그래서 먼저 바꿔야 했던 건, AI가 아니라 구조였다
그래서 여러 회사에서 공통적으로 효과가 났던 방식은 비슷했습니다. AI를 더 잘 쓰는 법을 가르치기 전에, 어디에 먼저 붙이면 효과가 나는지부터 정리하는 것. 보고 준비 단계, 회의 이후 정리, 반복되는 커뮤니케이션처럼 사람이 시간을 많이 쓰지만 아직 결정을 하지 않는 구간부터 구조를 정리하는 것이었습니다. 이 구간부터 정리하면 툴을 바꾸지 않아도 체감 변화가 빠르게 나타납니다. 그래서 현장에서 효과가 나는 회사들은 AI를 ‘결정 도구’로 쓰기보다는, ‘결정을 준비하는 도구’로 먼저 활용하고 있었습니다.
