스마티지와 글 읽기 – AI in the Enterprise: Lessons from Seven Frontier Companies
공급사로 XAI를 선택, 모델로 Grok 3를, 코파일럿 AI 에이전트로 “글 쓰기”를 선택했습니다.
저스틴 강사의 AI 기업 도입 강의 – 1편: AI와 함께하는 새로운 작업 방식
인트로 (강의 시작)
“안녕, 여러분! 일타 강사 저스틴이 돌아왔습니다! 오늘은 정말 핫한 주제, ‘기업에서의 AI 도입‘에 대해 깊이 파헤쳐 볼 거예요. 제 손에 있는 이 문서, ‘AI in the Enterprise: Lessons from Seven Frontier Companies’, 총 25페이지짜리 자료인데요. OpenAI가 직접 작성한 이 보고서를 통해, 세계적인 기업들이 어떻게 AI를 활용해서 혁신을 이루었는지, 그리고 우리가 배울 수 있는 7가지 교훈은 무엇인지, 하나하나 꼼꼼히 짚어볼 겁니다. 분량이 많으니 총 3편으로 나눠서 진행할게요. 오늘 1편에서는 서론과 첫 두 가지 교훈을 다룰 예정이니, 집중해서 따라와 주세요! 자, 그럼 시작합니다!”
1. 새로운 작업 방식 (A New Way to Work, 페이지 3-4)
“먼저, AI가 기업에서 어떻게 새로운 작업 방식을 만들어내는지부터 살펴볼게요. OpenAI는 자신을 AI 연구 및 배포 회사로 소개하면서, 글로벌 기업들과 협력하는 걸 우선순위로 둔다고 하네요. 왜냐? AI 모델이 점점 더 복잡한 워크플로우와 시스템에서 진가를 발휘하기 때문이죠. 여러분, AI가 단순히 챗봇 만드는 데만 쓰이는 게 아니에요. 이 문서에 따르면 AI는 세 가지 큰 영역에서 엄청난 성과를 내고 있습니다.
첫째, 직원 성과 향상. AI가 도와주면 사람들이 더 짧은 시간 안에 더 높은 품질의 결과를 낼 수 있어요. 예를 들어, 자료를 찾는 데 걸리던 시간이 단축되니 창의적인 일에 더 집중할 수 있는 거죠.
둘째, 반복 작업 자동화. 지루한 반복 업무에서 해방되면, 사람들은 더 가치 있는 일에 몰두할 수 있어요.
셋째, 제품 강화. AI는 고객 경험을 더 개인화하고 반응성 좋게 만들어줍니다.
그런데 여기서 중요한 포인트! AI 활용은 소프트웨어 개발이나 클라우드 앱 배포와는 다르다는 거예요. 성공한 기업들은 AI를 완전히 새로운 패러다임으로 보고, 실험적 마인드와 반복적 접근법으로 빠르게 가치를 창출하고 있답니다. OpenAI는 이를 ‘반복적 개발(iterative development)’이라고 부르며, 연구팀, 응용팀, 배포팀이 협력해서 고객 피드백을 제품 개선에 바로 반영한다고 하네요. 여러분, 이건 단순히 기술이 아니라 ‘배우고 개선하는 문화‘가 중요하다는 메시지예요!”
2. 임원 요약 (Executive Summary, 페이지 5)
“자, 이제 본격적으로 들어가기 전에 임원 요약 부분을 보죠. 이 문서는 기업 AI 도입의 7가지 교훈을 제시하고 있어요. 이건 CEO나 임원들이 빠르게 핵심만 파악할 수 있도록 정리된 부분인데, 우리도 이걸 통해 전체 그림을 잡아볼게요.
1번, 평가(evals)부터 시작하라. 모델이 여러분의 사용 사례에서 얼마나 잘 작동하는지 체계적으로 측정해야 해요.
2번, 제품에 AI를 통합하라. 새로운 고객 경험과 더 관련성 높은 상호작용을 만들어내는 거죠.
3번, 지금 시작하고 일찍 투자하라. 빨리 시작할수록 가치가 복리로 늘어난다고 하네요.
4번, 모델을 맞춤화하고 미세 조정하라. 사용 사례에 맞게 AI를 조정하면 가치가 극적으로 증가해요.
5번, 전문가 손에 AI를 쥐어주라. 프로세스에 가까운 사람들이 AI로 개선할 수 있는 기회를 가장 잘 찾아낸다고 하죠.
6번, 개발자 장벽을 없애라. 소프트웨어 개발 생애 주기를 자동화하면 AI의 이익이 배가됩니다.
7번, 대담한 자동화 목표를 세워라. 대부분의 프로세스는 반복 작업으로 이루어져 있으니, 자동화를 과감히 목표로 삼으라는 거예요.
이 7가지 교훈을 각각 고객 사례와 함께 깊이 들어가 볼 건데, 오늘은 첫 두 가지를 집중적으로 다룰게요.”
3. 교훈 1: 평가(evals)부터 시작하라 (Lesson 1: Start with Evals, 페이지 6-8)
“첫 번째 교훈, ‘평가부터 시작하라’. 이건 정말 중요한 첫걸음이에요. 여러분, AI를 도입한다고 바로 성공하는 게 아니에요. 모델이 실제로 얼마나 잘 작동하는지, 우리 비즈니스에 맞는지 평가(evaluation)하는 과정이 필수예요. 여기서 사례로 나온 기업이 바로 글로벌 금융 서비스 리더, 모건 스탠리(Morgan Stanley)입니다.
모건 스탠리는 금융 자문사들이 하는 일이 매우 개인적이고 민감한 성격을 띠기 때문에, AI가 과연 가치를 더할 수 있을까 하는 의문이 많았대요. 그래서 그들은 모든 제안된 애플리케이션에 대해 철저한 평가를 진행했어요. 평가란, AI 모델이 특정 사용 사례에서 벤치마크 대비 얼마나 잘 수행하는지 체계적으로 측정하는 과정이에요. 정확성, 관련성, 안전성 같은 지표를 통해 모델을 점검하고, 전문가 피드백을 계속 반영하면서 개선하는 거죠.
모건 스탠리는 처음에 금융 자문사들의 효율성을 높이는 데 초점을 맞췄어요. 자문사가 정보를 더 빨리 찾고 반복 작업에 시간을 덜 쓰면, 고객에게 더 나은 통찰을 제공할 수 있겠죠. 그래서 세 가지 평가를 진행했어요. 첫째, 언어 번역 정확도와 품질 측정. 둘째, 정보 요약의 정확성, 관련성, 일관성 평가. 셋째, AI 결과와 전문 자문사의 응답을 비교해서 정확도와 관련성을 등급화하는 거예요.
결과는 어땠냐고요? 놀랍게도 오늘날 모건 스탠리 자문사 98%가 매일 OpenAI를 사용하고, 문서 접근률이 20%에서 80%로 급증했으며, 검색 시간이 엄청 줄어들었어요. 자문사들은 고객 관계에 더 많은 시간을 할애하고, 후속 조치가 며칠 걸리던 게 이제 몇 시간 안에 완료된다고 하네요. 여러분, 이게 바로 평가를 철저히 한 결과예요. 평가 프레임워크를 통해 자신감을 얻고, 실제 생산 환경에 AI를 도입한 거죠. 평가가 뭐냐고? 페이지 8에 정의가 나와 있는데, 모델 출력의 품질을 벤치마크와 비교해 검증하고 테스트하는 과정이에요. 더 정확한지, 더 안전한지, 규정을 더 잘 지키는지, 여러분이 중요하게 여기는 지표에 따라 평가를 설계해야 해요.”
4. 교훈 2: 제품에 AI를 통합하라 (Lesson 2: Embed AI into Your Products, 페이지 9-10)
“자, 두 번째 교훈으로 넘어가 볼게요. ‘제품에 AI를 통합하라’. AI가 지루하고 반복적인 작업을 자동화하고 가속화하면, 직원들은 사람만이 할 수 있는 일에 집중할 수 있어요. 게다가 AI는 엄청난 양의 데이터를 여러 소스에서 처리할 수 있어서, 더 관련성 있고 개인화된 고객 경험을 만들어낼 수 있죠.
여기 사례로 나온 기업은 세계 1위 구직 사이트, 인디드(Indeed)예요. 인디드는 GPT-4o mini를 사용해서 구직자와 일자리를 새로운 방식으로 매칭하고 있어요. 단순히 추천만 하는 게 아니라, 구직자에게 ‘왜 이 일자리가 당신에게 추천되었는지’를 설명하는 데 AI를 활용하죠. 예를 들어, ‘Invite to Apply’ 기능에서 후보자의 배경이나 이전 경험이 왜 이 일자리에 적합한지 설명해 주는 거예요.
인디드는 이전 매칭 엔진과 GPT 기반 버전을 테스트했는데, 결과가 어땠냐면 지원 시작률이 20% 증가하고, 이후 성공률(지원 후 고용까지 이어지는 비율)이 13%나 향상되었어요. 매달 2천만 개 이상의 메시지를 구직자에게 보내고, 매달 3억 5천만 명이 사이트를 방문하는 인디드에서 이 수치는 엄청난 비즈니스 영향을 미친다고 하네요.
그런데 스케일이 커지면서 토큰 사용량도 늘어났어요. 그래서 OpenAI와 협력해서 더 작은 GPT 모델을 미세 조정해서 비슷한 결과를 60% 적은 토큰으로 얻어냈대요. 이건 비용 효율성까지 고려한 사례예요. 구직자가 적합한 일자리를 찾고, 왜 그 일이 자신에게 맞는지 이해하는 건 정말 인간적인 결과 아닌가요? 인디드는 AI로 더 많은 사람을 더 빠르게 일자리와 연결했고, 모두에게 윈-윈인 결과를 만들어냈어요. CEO 크리스 하임스는 ‘이 새로운 인프라에 계속 투자할 기회가 많다’고 말하며, 매출 성장에도 도움이 될 거라고 강조했어요.”
마무리 (1편 종료)
“여러분, 오늘 1편에서는 AI가 기업에서 어떻게 새로운 작업 방식을 만들어내는지, 그리고 첫 두 가지 교훈인 ‘평가부터 시작하라’와 ‘제품에 AI를 통합하라’를 모건 스탠리와 인디드 사례를 통해 알아봤어요. AI 도입은 단순한 기술 적용이 아니라, 체계적 평가와 고객 경험 개선에 초점을 맞춰야 한다는 점, 꼭 기억해 주세요. 다음 2편에서는 교훈 3부터 5까지, 조기 투자, 모델 맞춤화, 전문가 활용에 대해 다룰 예정이니 기대해 주세요! 질문 있으면 언제든 댓글로 남겨주시고, 저스틴 강사와 함께 AI 혁신의 여정을 계속합시다. 그럼 다음 강의에서 만나요!”
저스틴 강사의 AI 기업 도입 강의 – 2편: 조기 투자, 모델 맞춤화, 전문가 활용
인트로 (강의 시작)
“안녕, 여러분! 일타 강사 저스틴이 돌아왔어요! 지난 1편에서 AI가 기업에서 어떻게 새로운 작업 방식을 만들어내는지, 그리고 ‘평가부터 시작하라’와 ‘제품에 AI 통합하라’는 두 가지 교훈을 모건 스탠리와 인디드 사례를 통해 알아봤죠. 오늘 2편에서는 ‘AI in the Enterprise’ 문서의 다음 세 가지 교훈, 즉 교훈 3, 4, 5를 다룰 겁니다. 조기 투자, 모델 맞춤화, 그리고 전문가 손에 AI를 쥐어주는 것에 대해 깊이 파헤쳐 볼게요. 각 교훈마다 실제 기업 사례를 통해 구체적으로 이해할 수 있도록 설명할 테니, 집중해서 따라와 주세요! 자, 시작합니다!”
1. 교훈 3: 지금 시작하고 일찍 투자하라 (Lesson 3: Start Now and Invest Early, 페이지 11-12)
“첫 번째로 오늘 다룰 교훈은 ‘지금 시작하고 일찍 투자하라’예요. 여러분, AI는 플러그 앤 플레이 솔루션이 아니에요. 사용 사례는 반복을 통해 점점 정교해지고 영향력이 커지죠. 이 문서에서는 빨리 시작할수록 조직이 복리 효과를 통해 더 큰 이익을 얻는다고 강조하고 있어요.
여기 사례로 나온 기업은 글로벌 결제 네트워크이자 쇼핑 플랫폼인 클라나(Klarna)예요. 클라나는 새로운 AI 어시스턴트를 도입해서 고객 서비스를 간소화했어요. 몇 달 만에 이 어시스턴트가 모든 서비스 채팅의 3분의 2를 처리하게 되었고, 이는 수백 명의 상담원 업무를 대체했죠. 평균 해결 시간도 11분에서 단 2분으로 줄어들었어요. 이 프로젝트는 4천만 달러의 이익 개선을 가져올 것으로 예상되며, 인간 상담원과 동등한 만족도 점수를 유지하고 있답니다.
이런 결과가 하루아침에 나온 게 아니에요. 클라나는 어시스턴트를 계속 테스트하고 개선하면서 성과를 얻었죠. 더 중요한 건, 클라나 직원의 90%가 이제 매일 AI를 업무에 사용하고 있다는 거예요. 조직 전반에 AI에 대한 친숙함이 커지면서, 클라나는 더 빠르게 움직이고, 내부 이니셔티브를 효율적으로 시작하며, 고객 경험을 지속적으로 개선하고 있어요. 일찍 투자하고 널리 채택을 장려한 덕분에 AI의 이익이 복리로 늘어나면서 사업 전반에 걸쳐 수익을 창출하고 있다고 하네요.
클라나의 공동 창립자이자 CEO인 세바스티안 시미아트코프스키는 이렇게 말했어요. ‘이 AI 혁신은 고객에게 더 나은 경험과 가격을 제공하고, 직원에게 더 흥미로운 도전을, 투자자에게 더 나은 수익을 가져다준다.’ 여러분, 이게 바로 조기 투자의 힘입니다. 지금 시작하면 나중에 더 큰 열매를 맺을 수 있다는 거, 꼭 기억하세요!”
2. 교훈 4: 모델을 맞춤화하고 미세 조정하라 (Lesson 4: Customize and Fine-Tune Your Models, 페이지 13-15)
“자, 다음 교훈으로 넘어가죠. ‘모델을 맞춤화하고 미세 조정하라’. AI 도입에서 가장 큰 성공을 거둔 기업들은 AI 모델을 맞춤화하고 훈련하는 데 시간과 자원을 투자한 곳들이에요. OpenAI는 이를 쉽게 할 수 있도록 API를 통해 맞춤화와 미세 조정 기능을 제공하고 있다고 하네요.
사례로 나온 기업은 포춘 50대 홈 개선 기업인 로우스(Lowe’s)예요. 로우스는 전자상거래 검색 기능을 개선하기 위해 OpenAI와 긴밀히 협력했어요. 수천 개의 공급업체와 일하면서 제품 데이터가 불완전하거나 일관되지 않은 경우가 많았죠. 핵심은 정확한 제품 설명과 태깅에 있었어요. 게다가 쇼핑객이 어떻게 검색하는지, 제품 카테고리에 따라 검색 방식이 어떻게 달라지는지도 이해해야 했죠.
로우스는 OpenAI 모델을 미세 조정해서 제품 태깅 정확도를 20% 향상시켰고, 오류 탐지율은 60%나 개선했어요. 로우스의 데이터 및 분석 담당 선임 디렉터 니샨트 굽타는 ‘GPT 3.5를 제품 데이터에 맞춰 미세 조정했을 때 결과가 나오자 팀 전체가 흥분했다. 우리가 승자를 손에 쥔 걸 알았다’고 말했어요.
페이지 15에 나오는 ‘미세 조정(fine-tuning)’이란 뭘까요? 비유하자면, GPT 모델이 기성복이라면 미세 조정은 맞춤옷이에요. 조직의 특정 데이터와 필요에 맞게 모델을 조정하는 거죠. 왜 중요한지 알아볼게요. 첫째, 정확도 향상. 제품 카탈로그나 내부 FAQ 같은 고유 데이터로 훈련하면 더 관련성 있고 브랜드에 맞는 결과를 얻을 수 있어요. 둘째, 도메인 전문성. 미세 조정된 모델은 산업 용어, 스타일, 맥락을 더 잘 이해하죠. 셋째, 일관된 톤과 스타일. 소매업체는 제품 설명이 브랜드 목소리를 유지하고, 법률 회사는 인용 형식이 정확하게 유지되도록 할 수 있어요. 넷째, 더 빠른 결과. 수작업 편집이나 재검토가 줄어들어 팀이 고부가가치 업무에 집중할 수 있죠. 여러분, AI를 우리 회사에 딱 맞게 입히는 작업, 이게 바로 미세 조정의 핵심이에요!”
3. 교훈 5: 전문가 손에 AI를 쥐어주라 (Lesson 5: Get AI in the Hands of Experts, 페이지 16-17)
“마지막으로 오늘 다룰 교훈, ‘전문가 손에 AI를 쥐어주라’예요. 여러분 회사 직원들이야말로 프로세스와 문제에 가장 가까이 있는 사람들이죠. 이 사람들이 AI를 활용하면 가장 강력한 해결책을 찾을 수 있어요. 일반적이거나 수평적인 솔루션을 만드는 것보다 훨씬 효과적이라고 하네요.
여기 사례로 나온 기업은 글로벌 은행 리더인 BBVA예요. BBVA는 12만 5천 명 이상의 직원을 보유하고 있고, 각 직원이 고유한 도전과 기회를 가지고 있죠. 그들은 법률, 규제 준수, IT 보안 팀과 긴밀히 협력해서 책임 있는 사용을 보장하면서, 직원들에게 AI를 제공하기로 했어요. ChatGPT Enterprise를 전 세계적으로 배포하고, 직원들이 스스로 사용 사례를 발견하도록 했죠.
BBVA의 글로벌 AI 도입 책임자인 엘레나 알파로는 이렇게 말했어요. ‘우리 같은 비즈니스에서는 프로토타입 하나 만드는 데도 기술 자원과 시간이 필요했는데, 커스텀 GPT를 사용하면 누구나 고유한 문제를 해결하는 앱을 쉽게 만들 수 있다.’ 결과는 어땠냐고요? 5개월 만에 BBVA 직원들이 2,900개 이상의 커스텀 GPT를 만들었고, 일부는 프로젝트와 프로세스 소요 시간을 몇 주에서 몇 시간으로 줄였어요.
영향은 여러 부서에 걸쳐 나타났어요. 신용 리스크 팀은 신용도를 더 빠르고 정확하게 판단하고, 법률 팀은 정책, 규제 준수 등에 대해 연간 4만 개 질문에 답변하며, 고객 서비스 팀은 NPS 설문조사의 감정 분석을 자동화했죠. 마케팅, 리스크 관리, 운영 등 모든 분야에서 성과가 퍼지고 있어요. 이 모든 게 직원, 즉 전문가 손에 AI를 쥐어줬기 때문이에요. 엘레나 알파로는 ‘ChatGPT에 대한 투자는 우리 직원에 대한 투자다. AI는 우리의 잠재력을 증폭시키고 더 효율적이고 창의적으로 만들어준다’고 강조했어요. 여러분, AI는 기술팀만의 전유물이 아니에요. 현장에서 일하는 사람들이야말로 AI를 가장 잘 활용할 수 있다는 점, 꼭 기억하세요!”
마무리 (2편 종료)
“여러분, 오늘 2편에서는 AI 도입의 세 가지 교훈을 다뤘어요. ‘지금 시작하고 일찍 투자하라’는 클라나 사례, ‘모델을 맞춤화하고 미세 조정하라’는 로우스 사례, 그리고 ‘전문가 손에 AI를 쥐어주라’는 BBVA 사례를 통해 AI가 조직 전반에 어떻게 혁신을 가져오는지 알아봤죠. AI는 빠르게 시작하고, 우리에 맞게 조정하고, 현장 전문가들이 활용할 때 진정한 가치를 발휘한다는 점, 잊지 마세요. 다음 3편에서는 마지막 두 가지 교훈과 결론을 다룰 예정이니, 기대해 주세요! 질문 있으면 언제든 댓글로 남겨주시고, 저스틴 강사와 함께 계속 배워봅시다. 그럼 다음 강의에서 만나요!”
저스틴 강사의 AI 기업 도입 강의 – 3편: 개발자 지원, 대담한 자동화, 그리고 결론
인트로 (강의 시작)
“안녕, 여러분! 일타 강사 저스틴이 돌아왔습니다! 지난 1편과 2편에서 기업 AI 도입의 첫 다섯 가지 교훈을 다뤘죠. 오늘 3편에서는 마지막 두 가지 교훈인 ‘개발자 장벽을 없애라’와 ‘대담한 자동화 목표를 세워라’를 알아보고, 결론과 보안 및 추가 자료까지 모두 마무리할게요. ‘AI in the Enterprise’ 문서의 모든 내용을 꼼꼼히 짚어보는 마지막 강의니, 끝까지 집중해서 따라와 주세요! 자, 시작합니다!”
1. 교훈 6: 개발자 장벽을 없애라 (Lesson 6: Unblock Your Developers, 페이지 18-20)
“첫 번째로 오늘 다룰 교훈은 ‘개발자 장벽을 없애라’예요. 많은 조직에서 개발자 리소스가 병목현상을 일으키고 성장의 걸림돌이 되죠. 엔지니어링 팀이 과부하 상태가 되면 혁신이 느려지고 앱과 아이디어 백로그가 쌓이게 돼요.
여기 사례로 나온 기업은 라틴 아메리카 최대 전자상거래 및 핀테크 회사인 메르카도 리브레(Mercado Libre)예요. 메르카도 리브레는 OpenAI와 협력해서 개발 플랫폼 레이어인 ‘Verdi’를 구축했어요. 이 플랫폼은 GPT-4o와 GPT-4o mini로 구동되며, 17,000명의 개발자가 AI 애플리케이션 빌드를 통합하고 가속화하도록 돕죠.
Verdi는 언어 모델, 파이썬 노드, API를 통합해서 자연어를 중앙 인터페이스로 사용하는 확장 가능한 일관된 플랫폼을 만들었어요. 이제 개발자들은 소스 코드에 들어가지 않고도 지속적으로 고품질 앱을 더 빠르게 빌드할 수 있죠. 보안, 가드레일, 라우팅 로직도 모두 내장되어 있어요. 결과적으로 AI 앱 개발이 급격히 가속화되었고, 메르카도 리브레 직원들은 놀라운 일을 해내고 있어요.
몇 가지 예를 들어볼게요. 첫째, 재고 용량 개선. GPT-4o mini Vision이 제품 목록을 태깅하고 완성해서 100배 더 많은 제품을 카탈로그화할 수 있었어요. 둘째, 사기 탐지. 매일 수백만 개의 제품 목록 데이터를 평가해서 사기 탐지 정확도를 플래그된 항목에 대해 거의 99%로 끌어올렸죠. 셋째, 제품 설명 맞춤화. 제품 제목과 설명을 스페인어와 포르투갈어 방언에 맞게 번역하고 적응시켰어요. 넷째, 주문 증가. 리뷰 요약을 자동화해서 사용자가 제품 피드백을 빠르게 파악하도록 도왔고, 다섯째, 알림 개인화. 푸시 알림을 맞춤화해서 참여도를 높이고 제품 추천을 개선했어요.
다음 단계로는 Verdi를 사용해 물류를 개선하고, 배송 지연을 줄이며, 조직 전반에 걸쳐 더 큰 영향을 미치는 작업을 맡을 계획이라고 하네요. 메르카도 리브레의 기술 SVP 세바스티안 바리오스는 ‘우리는 GPT-4o mini를 사용해 이상적인 AI 플랫폼을 설계했고, 인지 부담을 낮추고 조직 전체가 반복하고, 개발하고, 혁신적인 솔루션을 배포할 수 있도록 했다’고 말했어요. 여러분, 개발자들에게 AI라는 날개를 달아주는 게 얼마나 큰 혁신을 가져오는지 보이죠?”
2. 교훈 7: 대담한 자동화 목표를 세워라 (Lesson 7: Set Bold Automation Goals, 페이지 21)
“마지막 교훈, ‘대담한 자동화 목표를 세워라’예요. OpenAI는 매일 AI와 함께 생활하기 때문에, 자체 작업을 자동화할 새로운 방법을 계속 발견하고 있다고 하네요.
예를 들어, 지원 팀이 시스템에 접근하고, 맥락을 이해하고, 응답을 작성하고, 고객을 위해 올바른 조치를 취하는 데 많은 시간을 소비하고 있었어요. 그래서 OpenAI는 내부 자동화 플랫폼을 구축했죠. 이 플랫폼은 기존 워크플로우와 시스템 위에서 작동해서 반복 작업을 자동화하고 통찰과 행동을 가속화해요.
첫 번째 사용 사례는 Gmail 위에서 고객 응답을 작성하고 조치를 트리거하는 거였어요. 이 자동화 플랫폼을 사용하면 팀이 고객 데이터와 관련 지식 문서를 즉시 액세스하고, 결과를 응답 이메일이나 계정 업데이트, 지원 티켓 열기 같은 특정 조치에 통합할 수 있죠.
기존 워크플로우에 AI를 통합함으로써 팀은 더 효율적이고 반응성이 높아졌으며, 고객 중심적으로 변했어요. 이 플랫폼은 매달 수십만 개의 작업을 처리해서 사람들이 더 큰 영향을 미치는 일에 집중할 수 있게 했죠. 당연히 이 시스템은 이제 다른 부서로 확산되고 있어요. 이 모든 건 처음부터 대담한 자동화 목표를 세웠기 때문이에요. 비효율적인 프로세스를 비즈니스 비용으로 받아들이는 대신, 과감히 자동화를 목표로 삼은 거죠. 여러분, 우리도 작은 개선에 만족하지 말고, 과감한 목표를 세워야 하지 않을까요?”
3. 결론: 서로에게서 배우기 (Conclusion: Learning from Each Other, 페이지 22)
“자, 이제 결론으로 들어가 볼게요. 앞서 본 사례들이 보여주듯이, 모든 비즈니스에는 AI의 힘을 활용해 더 나은 결과를 낼 수 있는 기회가 가득 차 있어요. 사용 사례는 회사와 산업에 따라 다를 수 있지만, 교훈은 모든 시장에 적용돼요.
공통적인 주제는 AI 배포가 열린 마음, 실험적 마인드셋, 엄격한 평가, 그리고 안전 가드레일에서 이익을 얻는다는 거예요. 성공을 거둔 기업들은 모든 워크플로우에 AI 모델을 급하게 주입하려고 하지 않았어요. 높은 수익과 낮은 노력을 요하는 사용 사례를 중심으로 정렬하고, 반복하면서 배우고, 그 학습을 새로운 영역으로 가져갔죠.
결과는 분명하고 측정 가능해요. 더 빠르고 정확한 프로세스, 더 개인화된 고객 경험, 그리고 직원들이 사람이 가장 잘하는 일에 집중하면서 더 보람 있는 작업을 할 수 있게 됐어요. 이제 기업들이 점점 더 정교한 프로세스를 자동화하기 위해 AI 워크플로우를 통합하고, 도구, 자원, 다른 에이전트를 사용해 일을 처리하는 걸 보고 있다고 하네요. OpenAI는 AI의 최전선에서 계속 보고하면서 여러분의 사고를 안내할 거라고 합니다.
여기서 소개된 ‘Operator’라는 제품은 OpenAI의 에이전트적 접근법의 예시예요. 자체 가상 브라우저를 활용해서 웹을 탐색하고, 버튼을 클릭하고, 양식을 채우고, 데이터를 수집할 수 있어요. 사람처럼 행동하는 거죠. API나 맞춤 통합 없이도 다양한 도구와 시스템에서 프로세스를 실행할 수 있어요. 소프트웨어 테스트 자동화, 시스템 업데이트 등 이전에 인간의 개입이 필요했던 워크플로우를 자동화하는 데 사용되고 있죠. 결과적으로 팀은 반복 작업에서 해방되고, 기업 전반의 효율성이 높아지고 있어요.”
4. 신뢰할 수 있는 AI 기업 플랫폼: 보안 및 개인정보 (The Trusted AI Enterprise Platform, 페이지 23)
“마지막으로 보안과 개인정보 보호에 대해 짚어볼게요. 기업 고객에게 보안, 개인정보, 통제보다 중요한 건 없죠. OpenAI는 이를 보장하기 위해 몇 가지를 강조하고 있어요.
첫째, 데이터는 여러분의 것. OpenAI는 여러분의 콘텐츠를 모델 훈련에 사용하지 않고, 기업이 완전한 소유권을 유지한다고 하네요.
둘째, 기업급 규제 준수. 데이터는 전송 중 및 저장 시 암호화되며, SOC 2 Type 2 및 CSA STAR Level 1 같은 최고 표준에 맞춰져 있어요.
셋째, 세분화된 접근 제어. 누가 데이터를 보고 관리할 수 있는지 여러분이 결정해서 내부 거버넌스와 규제 준수를 보장하죠.
넷째, 유연한 보존 설정. 로깅 및 저장 설정을 조직 정책에 맞게 조정할 수 있어요.
더 자세한 내용은 OpenAI의 보안 페이지나 보안 포털을 참고하라고 하네요. 여러분, AI 도입에서 보안과 개인정보 보호는 절대 양보할 수 없는 부분이에요. 이 점도 꼭 기억해 두세요.”
저스틴) OpenAI나 Google과 같은 책임질 수 있는 기업만이 살아남을 수 있게 되는 거. 그래도 이들에게 의존하는 것은 어쩔 수 없는 것이 되도록 하는 거. 이들이 글로벌하게 조용이 원하는 그림이겠죠.
5. 추가 자료 (More Resources, 페이지 24)
“마지막으로 추가 자료를 소개하며 강의를 마무리할게요. OpenAI는 비즈니스 관련 자료, 성공 사례, ChatGPT Enterprise, 안전 관련 정보, API 플랫폼 등 다양한 리소스를 제공하고 있어요. OpenAI는 인공지능이 인류 전체에 이익을 가져다주도록 하는 사명을 가진 AI 연구 및 배포 회사라고 하네요. 더 알고 싶은 게 있다면 이 자료들을 참고해 보세요.”
마무리 (3편 종료 및 전체 강의 마무리)
“여러분, 오늘 3편을 포함해 총 3편에 걸친 ‘AI in the Enterprise’ 강의를 모두 마무리했어요. 지난 1편에서는 평가와 제품 통합, 2편에서는 조기 투자, 모델 맞춤화, 전문가 활용, 오늘 3편에서는 개발자 지원과 대담한 자동화 목표를 다뤘죠. 그리고 결론과 보안, 추가 자료까지 꼼꼼히 짚어봤습니다. AI 도입은 단순한 기술이 아니라, 실험적 마인드와 반복적 학습, 체계적 평가가 뒷받침될 때 진정한 혁신을 가져온다는 점, 잊지 마세요. 이 강의를 통해 여러분이 AI의 잠재력을 이해하고, 여러분의 조직이나 개인 프로젝트에 적용할 수 있는 영감을 얻었기를 바랍니다. 질문이나 더 알고 싶은 부분이 있다면 언제든 댓글로 남겨주세요. 저스틴 강사와 함께한 AI 혁신 여정, 정말 즐거웠어요. 그럼 다음 강의에서 새로운 주제로 다시 만나요!”
