선물하기 판매자 계약 종료 업무에서 담당자 1명이 판매자 1건을 처리하는 데 쓰던 시간이 1시간에서 10분 으로 줄었습니다. 카카오 FDE 발표에서 눈여겨볼 부분은 이 수치를 만든 방법입니다. 현업에 배치된 엔지니어(FDE)가 업무를 어떻게 바꿨는지 다섯 가지로 정리했습니다.

1. AI로 작업을 빨리 끝내도 검토와 승인은 기다려야 합니다

  • AI로 문서 작성과 검색이 빨라져도 다른 사람의 검토와 승인, 업무 인계를 기다리는 시간은 그대로일 수 있습니다.
  • 발표의 설명용 예시에서는 다섯 공정 중 네 곳이 시간당 100건을 처리해도 한 곳이 20건만 처리하면 전체 처리량도 시간당 20건입니다.
  • 살펴볼 지점: 각자의 작업 속도와 함께 업무가 멈춰 있는 시간을 측정합니다. 개발이 빨라진 뒤에는 기획, 디자인, QA, 운영이 새로운 병목이 될 수 있습니다. 발표 05:40부터

2. 자동화 과제는 ‘숫자, 반복, 후속 효과’로 고릅니다

카카오 FDE가 과제 선정에 사용한 기준은 세 가지입니다.

  • 숫자가 움직이는가: 비용 절감, 매출 증대, 리스크 감소를 수치로 확인할 수 있는지 봅니다.
  • 반복과 실수가 잦은가: 반복 작업에 인력이 계속 들어가거나 사람을 늘려야만 처리량이 늘어나는 업무인지 봅니다.
  • 다음 업무도 빨라지는가: 한 단계를 개선했을 때 뒤따르는 작업까지 빨라지고 전체 소요시간이 줄어드는지 봅니다.

발표 당시 선정한 과제는 단기 개선 과제 34개와 여러 개선 과제를 묶은 전략 과제 15개였습니다. FDE는 현장에서 문제를 찾고 기획, 디자인, 개발, 소통을 함께 맡으며 문제가 해결될 때까지 책임지는 방식으로 일합니다. 발표 09:35부터

3. 1시간에서 10분으로 줄이려면 조회, 판단, 실행을 연결해야 했습니다

선물하기 판매자 계약 종료 업무에는 데이터 수집부터 내용증명 발송과 법적 대기까지 일곱 단계가 있었습니다.

  • 기존 문제: 담당자가 흩어진 데이터를 조회해 스프레드시트와 문서로 처리했습니다. 판단 기준은 담당자 머릿속에 있었고 내용증명 발송은 별도의 공용 Windows PC에서 해야 했습니다.
  • 바꾼 방식: 판매자, 상품, 주문, 계약 데이터를 연결하고 한 화면에서 상태와 판단 근거를 확인한 뒤 필요한 작업을 실행하게 했습니다. 처리 결과와 이력도 다시 시스템에 남겼습니다.
  • 자동화 범위: 워크플로 시작, AI 리포트, 내용증명 발송, 법적 대기기간 감시는 자동화했지만 종료 조건 처리, 기안, 최종 종료는 사람이 맡았습니다.
  • 수치의 의미: 90일의 법적 대기기간은 유지하면서 담당자의 수작업 시간을 줄인 반자동 개선입니다. 사례 12:04부터 , 결과 21:18부터

4. 판단의 80%는 통계와 규칙으로 처리했습니다

  • 상태 판단: 자동 판단의 80%는 통계, 추세 분석, 임계값, 업무 규칙으로 처리했습니다. 왜 그런 상태로 분류했는지 근거도 함께 보여줬습니다.
  • 화면 조작: 내용증명 발송 시스템에는 API가 없었습니다. 매번 같은 순서로 입력하고 클릭하는 작업이어서 LLM이 화면을 판단하는 방식보다 정해진 절차를 재현하는 RPA를 골랐고, Windows 환경에 맞춰 Power Automate를 사용했습니다.
  • AI 에이전트의 역할: 사용자의 질문 의도를 해석하고 필요한 조회와 실행 기능을 연결합니다. 사실은 업무 데이터에서 가져오고 절차와 제약은 미리 정해 둔 규칙을 따르게 했습니다.

기술 선택의 기준은 작업의 성격이었습니다. 기준이 명확한 판단과 반복 조작에는 검증하기 쉽고 빠른 방식을 쓰고, 자연어 요청을 이해하는 부분에 AI를 배치했습니다. 판단 로직 17:04부터 , 도구 선택 18:34부터

5. 작은 업무에서 검증하고 다음 업무에 재사용합니다

  • 공통 언어부터 정의: ‘판매자가 계약을 맺는다’처럼 업무에서 쓰는 개념과 관계를 정리했습니다. 이것이 발표에서 말하는 온톨로지입니다. 여러 업무가 판매자와 계약을 제각각 해석하는 문제를 줄이려는 선택입니다.
  • 시작은 작게: 처음부터 전사 온톨로지 플랫폼을 만들지 않았습니다. 판매자와 계약, 종료 규칙처럼 해당 업무에 필요한 최소 구성으로 개념이 맞는지 먼저 검증했습니다.
  • 다음 목표: 데이터 연결, 온톨로지, 판단 로직, 실행 기능, 에이전트를 묶어 다른 조직이 재사용하는 ‘AI Workspace as a Service’를 구상합니다. 현장에서 검증한 해법을 공통 플랫폼으로 남기려는 방향입니다.

새 자동화를 만들 때마다 데이터와 규칙을 처음부터 다시 연결한다면 유지보수 부담도 함께 늘어납니다. 이 사례를 우리 업무에 적용할 때는 이번에 만든 것 중 다음 업무에서도 그대로 쓸 수 있는 부분 을 확인해 볼 만합니다. 작게 시작한 설계 14:27부터 , 확장 방향 24:57부터