더 가벼운 지능으로, 더 어려운 일을

UpServe에서 우리가 풀고 싶은 문제는 분명합니다. 더 가벼운 지능으로도 더 고난도의 업무를 수행할 수 있게 만드는 것. 그렇게 고객이 쓰는 시간과 비용을 줄이고, 함께 성장하는 것입니다.

여기서 가벼운 지능은 업무를 수행하는 데 더 적은 자원을 쓰는 AI를 뜻합니다. 긴 자료를 이해하고, 여러 조건을 비교하고, 애매한 상황에서 판단하는 일에는 높은 수준의 지능이 필요합니다. 동시에 그 일을 매일 반복해서 맡기려면 비용도 중요해집니다. 한 번 좋은 결과를 얻는 데 쓴 비용과, 같은 일을 몇 달 동안 운영하는 데 드는 비용은 다르게 다가옵니다.

우리는 여기서 지능을 어떻게 사용할지 고민하고 있습니다. 일을 이해하고 방법을 설계하는 데 충분한 지능을 쓰고, 그렇게 마련한 방법을 따라 일상적인 업무를 수행하는 데는 더 가벼운 지능을 사용할 수 있을까요.

사람이 일하는 모습을 떠올리면 이해하기 쉽습니다. 처음 맡는 업무에는 많은 생각이 필요합니다. 자료가 어디에 있는지 찾고, 어떤 순서로 처리할지 정하고, 자주 틀리는 부분을 알아내야 합니다. 경험이 쌓이면 업무 지침과 도구가 생깁니다. 다음에 같은 일을 할 때는 그 위에서 출발할 수 있습니다.

AI에게도 이런 작업 환경을 마련해 주려고 합니다.

가상의 유통 회사에서 견적 업무를 맡긴다고 해봅시다. 요청서에는 수백 개의 품목이 있고, 고객이 쓴 이름과 우리 상품명이 조금씩 다릅니다. 가격표의 단위와 주문 단위가 다를 수도 있습니다. 상품을 찾고, 조건을 확인하고, 가격을 계산한 뒤, 고객이 보낸 양식에 빠짐없이 적어야 합니다.

이 업무에는 판단이 필요한 부분과 정확하게 처리해야 하는 부분이 함께 있습니다. 비슷한 상품 중 어느 것이 맞는지 고르는 일에는 판단이 필요합니다. 단위 환산과 계산은 도구가 맡을 수 있습니다. 처리하지 않은 행을 기억하고 누락을 검사하는 일은 실행 구조가 도울 수 있습니다.

필요한 자료를 찾아 주고, 판단할 대상을 알맞게 보여 주고, 계산과 검증을 도구에 맡기면 AI가 감당해야 할 부담을 줄일 수 있습니다. 가벼운 지능도 자신의 능력을 꼭 필요한 판단에 집중할 수 있게 되는 것입니다.

우리는 이 실행 환경을 ‘하네스’라고 부릅니다. AI가 사용할 도구와 업무 지식, 일을 진행하는 순서, 결과를 확인하고 오류에서 회복하는 방법을 포함합니다. 온디맨드 하네스는 이런 환경을 맡길 업무에 맞춰 준비한다는 뜻입니다.

견적 담당자에게는 상품을 비교하고 가격을 확인하는 환경이 필요합니다. 문서를 검토하는 담당자에게는 근거를 찾고 빠진 조건을 확인하는 환경이 필요합니다. 업무마다 필요한 능력과 절차를 구성해, 같은 지능으로 해낼 수 있는 일의 수준을 높이려는 것입니다.

그 환경을 만드는 과정에는 더 높은 수준의 지능을 충분히 사용할 수 있습니다. 업무를 분석하고, 필요한 도구를 고르고, 실행 절차를 설계하고, 시험에서 발견된 문제를 고칩니다. 잘 만들어진 구조를 반복해서 사용할 수 있다면, 준비에 들인 노력이 이후의 여러 실행에 걸쳐 가치를 만들어냅니다.

고객마다 이 준비를 전부 사람이 해야 한다면 시간과 비용이 다시 커집니다. 그래서 우리는 하네스를 생성하고, 검증하고, 수정하는 과정까지 AI가 수행할 수 있는지 실험하고 있습니다. 고객은 자신의 업무와 원하는 결과를 설명하고, 서비스는 그 일을 수행할 환경을 준비하는 방향입니다.

물론 이것은 결과로 확인해야 할 가설입니다. 지금은 견적 업무에서 같은 모델과 자료를 두고, 실행 구조에 따라 업무 능력이 얼마나 달라지는지 비교하고 있습니다. 구조의 효과를 먼저 확인하고, 그 기반에서 더 가벼운 지능으로 어느 수준의 업무까지 맡을 수 있는지 검증해 가려 합니다.

사람이 만든 전문 하네스의 효과와 AI가 그 하네스를 자동으로 만들어내는 능력은 각각 확인해야 합니다. 특정 업무에서 얻은 결과를 다른 업무에서도 재현할 수 있는지, 준비와 시험에 들인 비용을 포함해 반복 운영의 이점이 있는지도 살펴야 합니다. 아직 이 방향을 모든 업무에 적용할 수 있다고 말할 단계는 아닙니다.

이때 우리가 봐야 할 비용에는 고객의 시간도 들어갑니다.

저렴하게 만든 견적서라도 사람이 처음부터 끝까지 다시 확인해야 한다면 부담이 큽니다. 누락을 찾고, 잘못된 값을 고치고, 멈춘 작업을 다시 시작시키는 시간까지 계산해야 합니다. 제대로 완료된 업무 하나를 얻기 위해 들어간 전체 비용을 줄이는 것이 목표입니다.

그래서 정확도와 완주율, 사람이 개입한 횟수, 처리 시간과 실행 비용을 함께 봅니다. 가벼운 지능을 쓰면서도 결과를 믿고 맡길 수 있어야 고객에게 이익이 돌아갑니다.

고객에게 남기고 싶은 판단도 분명합니다. 어떤 결과가 좋은 결과인지, 어디까지 행동해도 되는지, 얼마를 써도 되는지는 고객이 정합니다. 서비스는 그 기준 안에서 일을 수행하고, 정말 고객의 판단이 필요한 예외를 가져와야 합니다. 내부 도구의 오류나 반복되는 처리 문제는 우리가 줄여 나갈 몫입니다.

업무를 맡기는 기간이 길어질수록 그 관계에는 쌓이는 것이 있어야 합니다. 고객이 알려 준 예외, 수정한 결과, 새롭게 정한 기준이 다음 업무에 도움이 되어야 합니다. 반복해서 막히는 부분은 실행 구조를 개선하는 근거가 되고, 받아들여진 결과는 개선 뒤에도 품질이 유지되는지 확인하는 시험 사례가 될 수 있습니다.

이런 축적이 이루어지면 고객은 같은 설명과 수정을 반복하는 시간을 줄일 수 있습니다. 우리는 실제 업무를 통해 더 나은 실행 환경을 만들 수 있습니다. 고객의 일이 발전하면 담당자가 수행해야 할 일도 달라지고, 그 변화에 맞춰 함께 배워 가는 관계를 생각하고 있습니다.

아낀 시간으로 고객은 다음 고객을 만나거나, 새로운 제품을 준비하거나, 미뤄 둔 판단을 할 수 있습니다. 운영 비용이 낮아지면 그동안 비용 때문에 맡기지 못했던 업무에도 AI를 활용할 여지가 생깁니다.

더 가벼운 지능으로 더 어려운 일을 해내는 것. 그 결과로 고객에게 시간과 비용의 여유를 만들어 주는 것. 우리는 그 여유가 고객의 다음 성장으로 이어지고, UpServe도 그 과정에서 함께 성장하는 모습을 그리고 있습니다.