자동화보다 먼저 정리해야 할 업무 언어
자동화 시스템은 늘었는데 왜 직원들은 여전히 엑셀과 메신저로 일할까?
자동화를 도입했는데 업무 속도가 오히려 느려지는 경우가 있다.
시스템은 도입했지만 직원들이 여전히 엑셀과 메신저로 일을 처리한다.
보고서는 자동으로 생성되지만 실제 의사결정에는 사용되지 않는다.
그래서 다시 묻는 질문이 나온다.
“자동화 시스템을 도입했는데 왜 업무가 더 복잡해졌을까요?”
이 글은 자동화 도구를 비교하는 글이 아니다.
또 특정 AI 솔루션을 추천하는 글도 아니다.
현장에서 반복적으로 확인되는 문제는 다른 곳에 있다.
자동화 이전에 업무 언어가 정리되어 있지 않은 조직 구조다.
자동화를 도입했는데 왜 일이 더 복잡해질까.
현장에서 자주 듣는 질문이 있다.
“우리는 이미 자동화를 하고 있습니다.”
“CRM도 있고 ERP도 있습니다.”
“AI 보고서도 자동으로 생성됩니다.”
그런데 조금 더 들여다보면 다른 문제가 나온다.
고객 정의가 부서마다 다르다.
매출 기준이 팀마다 다르다.
주문 상태 단계가 시스템마다 다르다.
이 상태에서 자동화를 도입하면 어떤 일이 생길까.
자동화는 일을 대신 처리하지 않는다.
정의된 언어를 반복 처리할 뿐이다.
언어가 정리되지 않은 상태에서는 자동화가 혼란을 더 빠르게 확산시킨다.
현장에서 실제 발생한 가상 사례를 하나 보자.
전북 지역의 중형 식품 유통 기업 A사를 가정해 보자.
연매출은 약 85억 원이다.
직원 수는 34명이다.
주요 고객은 온라인몰, 대형 식자재 유통사, 그리고 소매점이다.
이 회사는 최근 자동화 프로젝트를 진행했다.
도입된 시스템은 다음과 같다.
주문 자동 수집 시스템
매출 대시보드
재고 경고 자동 알림
AI 매출 리포트
처음에는 기대가 컸다.
하지만 3개월 뒤 현장에서 나온 말은 달랐다.
“데이터가 서로 맞지 않습니다.”
“매출 숫자가 보고서마다 다릅니다.”
“재고 알림이 너무 많이 옵니다.”
시스템 문제처럼 보였다.
하지만 실제 문제는 다른 곳에 있었다.
표면적으로는 데이터 오류처럼 보인다.
조사를 해보면 다음과 같은 구조가 발견된다.
영업팀에서 말하는 고객은 주문을 하는 업체다.
물류팀에서 말하는 고객은 배송처다.
회계팀에서 말하는 고객은 세금계산서를 발행하는 대상이다.
매출도 마찬가지다.
영업팀은 주문금액을 매출이라고 말한다.
물류팀은 출고금액을 매출이라고 말한다.
회계팀은 입금금액을 기준으로 매출을 계산한다.
주문 완료의 의미도 다르다.
영업팀은 주문서 접수를 완료로 본다.
물류팀은 출고 완료를 기준으로 본다.
회계팀은 세금계산서 발행을 완료로 본다.
같은 단어를 쓰지만 의미가 다르다.
이 상태에서 자동화가 작동하면 각 시스템은 서로 다른 기준으로 데이터를 처리한다.
그래서 다음과 같은 현상이 발생한다.
매출 대시보드 숫자가 맞지 않는다.
고객 수가 보고서마다 다르다.
자동 보고서가 실제 경영 판단에 사용되지 않는다.
문제는 자동화가 아니다.
업무 언어가 통합되어 있지 않은 조직 구조다.
현장에서 반복적으로 보이는 착각이 있다.
첫 번째 착각은 자동화 도구를 도입하면 업무가 정리된다고 생각하는 것이다.
하지만 자동화는 정리된 업무를 반복하는 도구다.
두 번째 착각은 데이터 통합 프로젝트가 해결책이라고 생각하는 것이다.
데이터를 모은다고 해서 언어가 통합되지는 않는다.
세 번째 착각은 시스템 문제라고 판단하는 것이다.
실제로는 대부분 업무 정의 문제다.
Fieldbly에서는 자동화 이전 단계에서 업무 언어 구조를 먼저 정리한다.
핵심은 세 단계다.
첫 번째는 핵심 단어 정의다.
조직에서 반복적으로 사용하는 단어를 먼저 정의한다.
예를 들면 다음과 같은 단어들이다.
고객
주문
매출
출고
거래 완료
각 단어는 조직 전체에서 동일한 의미를 가져야 한다.
두 번째 단계는 업무 상태 단계 정의다.
대부분 조직에서 혼란이 발생하는 곳이 여기다.
예를 들어 주문 상태 구조는 다음처럼 정리할 수 있다.
주문접수 → 결제확인 → 출고준비 → 출고완료 → 거래완료
이 상태 단계가 시스템마다 다르면 자동화는 항상 오류를 만든다.
세 번째 단계는 지표 계산 기준 정의다.
KPI는 숫자가 아니라 정의된 계산 규칙이다.
예를 들어 매출은 다음처럼 여러 기준이 존재할 수 있다.
주문 매출
출고 매출
정산 매출
세 가지 중 무엇을 기준으로 사용할지 명확히 정리해야 한다.
업무 언어 구조를 정리하는 실제 절차는 다음과 같다.
첫 번째 단계는 조직에서 가장 많이 쓰는 단어 스무 개 정도를 정리하는 것이다.
예를 들면 고객, 주문, 거래, 매출, 계약, 출고 같은 단어들이다.
두 번째 단계는 부서별 정의 비교다.
각 부서가 사용하는 정의를 표로 정리해 보면 대부분 이 단계에서 충돌이 발견된다.
세 번째 단계는 단일 정의 확정이다.
조직 전체에서 사용할 기준을 결정한다.
네 번째 단계는 업무 상태 단계 정의다.
프로세스를 다음처럼 구조화한다.
Lead → 상담 → 주문 → 결제 → 출고 → 정산
다섯 번째 단계는 자동화 설계다.
이 단계에서 처음으로 자동화를 설계한다.
예를 들어 다음과 같은 것들이다.
주문 자동 수집
매출 대시보드
재고 알림
AI 보고서
이 순서를 뒤집으면 자동화 프로젝트는 대부분 실패한다.
현장에서 자동화 프로젝트를 시작하기 전에 다음 세 가지 질문을 먼저 점검한다.
우리 조직에서 고객의 정의는 하나인가.
매출이라는 단어는 모든 부서에서 같은 의미인가.
주문 상태 단계는 시스템마다 동일한가.
이 질문에 바로 답하기 어렵다면 자동화보다 먼저 정리해야 할 것이 있다.
업무 언어다.
AI현장감독 이동주는 AI 도입 과정에서 반복되는 구조 문제를 연구한다.
AI adoption failure를 기술 문제가 아닌 설계와 흐름의 문제로 바라본다.
Fieldbly에서 현장 사례를 기반으로 정리하고 있다.
(homepage) http://www.fieldbly.com