구글이 거의 2년간의 실험 끝에 AI를 활용한 업무 효율화 플레이북을 공개했다. 이 가이드는 반복적인 수작업과 비정형 데이터 처리로 고전하던 보고서 작성팀이 어떻게 AI를 활용해 효율성을 극대화할 수 있는지 구체적인 방법을 제시한다. 지속가능성 보고서 작성을 위해 개발된 이 방법론은 일반 직장인들의 문서 작업, 데이터 분석, 보고서 작성 등 다양한 업무에 바로 적용할 수 있다.

누구나 따라 할 수 있는 5단계 프레임워크

구글은 AI를 업무 프로세스에 통합하는 명확한 5단계 프레임워크를 제시했다. 첫 번째 단계는 시간이 가장 많이 걸리는 수작업 워크플로우를 찾아내는 것이다. 구체적으로는 반복적인 작업, 비정형 데이터가 포함된 워크플로우, 정보가 많고 복잡한 문서를 다루는 프로세스를 찾아야 한다. 정책 업데이트 요약이나 공급업체 설문지 분석 같은 작업이 AI로 효율성을 높일 수 있는 대표적인 예다.

두 번째는 AI와 자동화 중 어느 것이 적합한지 판단하는 단계다. 모든 문제가 AI 솔루션을 필요로 하는 것은 아니며, 때로는 간단한 스프레드시트 공식이나 자동화 스크립트가 더 빠르고 신뢰할 수 있다. AI는 규칙 기반 논리로는 다룰 수 없는 복잡하고 모호한 작업에 사용해야 한다. 이러한 차이를 이해하면 AI를 만능 도구로 취급하지 않고 작업에 맞는 적절한 도구를 선택할 수 있다.

세 번째 단계에서는 작업 특성에 맞는 AI 도구를 선택한다. 생성형 AI는 프레임워크 요약이나 서술문 작성 같은 텍스트 중심 작업에 탁월하며, 구조화된 머신러닝은 지출 기반 배출량 분류나 에너지 데이터 격 메우기 같은 정량적 업무에 더 적합하다.

네 번째는 프로토타입을 만들고 테스트하며 반복 개선하는 과정이다. 완벽을 추구하기보다 작게 시작해 검증된 정보나 데이터와 비교하며 차이점을 바탕으로 접근 방식을 개선해야 한다. 여기서 중요한 것은 AI가 이 반복 과정을 가속화할 수 있다는 점이다. AI에게 자신의 오류를 분석하고 성능 개선을 위한 구체적인 조정 사항을 추천하도록 요청할 수 있다.

마지막으로 솔루션을 문서화해 확장 가능하게 만드는 것이 중요하다. 성공적이었던 프롬프트, 도구 설정, 개선된 프로세스 흐름을 중앙 가이드에 정리하면 솔루션을 쉽게 재현할 수 있어 동료들의 학습 곡선을 줄이고 일회성 팀 성과를 확장 가능한 조직 자산으로 전환할 수 있다.

보고서부터 데이터 분석까지, AI로 할 수 있는 일들

구글은 지속가능성 전문가 및 기술 전문가들과 협의해 업무 과정에서 AI가 가치를 더할 수 있는 영역을 데이터 분석, 콘텐츠 생성, 콘텐츠 상호작용 세 가지로 분류했다. 이 목록은 완전하지 않으며 구글도 이러한 기회들을 계속 실험하고 있다고 밝혔다.

데이터 분석 영역에서는 서로 다른 출처의 원시 데이터 수집, 정리, 정규화 작업 자동화, 대규모 데이터셋에서 이상치와 잠재적 오류 탐지, 특정 표준이나 프레임워크 또는 현재 및 신규 규제 대비 누락된 지표 파악, 동종업계 벤치마킹과 시장 트렌드 분석 수행, 공급업체 데이터 분석을 통한 맞춤형 완화 전략 제안 등이 가능하다.

콘텐츠 생성 분야에서는 프로세스 안내와 문서 검색을 지원하는 챗봇 배치, 구조화된 데이터 입력이나 내부 문서 또는 이전에 발행된 콘텐츠를 기반으로 한 초안 작성, 복잡한 지표나 트렌드, 전략을 효과적으로 표현하는 데이터 시각화 제안 및 생성, 기업 스타일 가이드나 브랜드 톤 또는 보고 표준에 맞춘 초안 콘텐츠 조정, 상세한 초안에서 요약문과 변경 로그 및 간략한 개요 생성, 이미지나 도표에 대한 대체 텍스트 자동 생성 및 접근성 표준 준수 보장, 투명한 기준 대비 초안 평가를 통한 점수화된 공시의 잠재적 결과 파악, 예상되는 이해관계자 질문을 다루는 FAQ와 토킹 포인트 개발, 발행된 콘텐츠와 데이터를 기반으로 한 고객 지속가능성 설문지 및 제안 요청에 대한 정확한 응답 초안 작성, 여러 문서나 버전 간 비교를 통한 데이터 정확성과 서술 일관성 보장, 입증된 데이터 출처나 내부 공시 가이드라인 대비 주장을 교차 검증해 리스크 완화 등이 실현 가능하다.

콘텐츠 상호작용 영역에서는 자연어 인터페이스를 통해 내부 및 외부 이해관계자가 보고서 콘텐츠나 데이터를 검색할 수 있게 하기, 특정 지역과 언어에 맞게 콘텐츠 번역 및 맥락화하기, 스토리텔링과 도달 범위를 향상시키는 오디오 개요와 비디오 요약 생성, 사용자가 특정 주제나 이해관계자 관심사와 관련된 정보를 필터링하고 볼 수 있게 하기 등이 가능하다.

당장 써먹을 수 있는 실전 프롬프트 모음

구글은 이론을 실행으로 옮기기 위해 즉시 사용 가능한 고효율 프롬프트 모음을 제공했다. 서술문 스트레스 테스트용 프롬프트로는 회의적인 탐사 기자 역할을 부여해 "당신은 허점과 약점, 그린워싱을 찾는 매우 회의적인 탐사 기자입니다. 첨부된 지속가능성 보고서 섹션을 검토하세요. 어떤 어려운 질문을 하시겠습니까?"라고 요청하거나, ESG 투자자 관점으로 "당신은 우리의 환경 성과를 분석하는 ESG 중심 투자자입니다. 첨부된 보고서 섹션을 읽은 후 우리 전략에 대한 세 가지 주요 미해결 질문은 무엇입니까?"라고 물을 수 있다.

초안 작성 및 개선용으로는 "첨부된 문서의 헤더를 검토하세요. 매력적이고 구조가 일관되며 명사로 시작하고 각각 8단어 이하가 되도록 다시 작성하세요", "이 보고서 섹션을 위한 3문장 결론을 작성하세요. 위에 제공된 텍스트의 어조, 어휘, 문장 구조와 일치하도록 하세요", "첨부된 인터뷰 노트와 이해관계자 스토리를 사용해 이 주제에 대한 세 개의 응집력 있는 단락을 작성하세요. 이러한 실제 사례를 보고서의 서술 스타일에 매끄럽게 통합하세요" 같은 프롬프트가 유용하다.

데이터 검증을 위해서는 "아래에 초안 데이터 테이블의 텍스트를 붙여 넣었고 원본 스프레드시트를 첨부했습니다. 초안 테이블의 모든 데이터 포인트를 원본 스프레드시트와 비교하는 표를 만드세요. 1열: 데이터 테이블 값. 2열: 원본 스프레드시트 값. 3열: 불일치 항목 표시", "이 초안 섹션의 데이터 테이블을 검토하세요. 모든 개별 항목이 나열된 합계에 올바르게 합산되는지 확인하세요. 발견된 계산 오류 목록을 출력하세요" 같은 프롬프트로 오류를 찾을 수 있다.

접근성 개선을 위해서는 "첨부된 이미지나 도표를 분석하세요. 각각에 대해 주요 데이터, 트렌드 또는 묘사된 행동에 초점을 맞춘 한 문장의 설명적 대체 텍스트를 작성하세요"라고 요청하거나, "시각적 능력을 전제로 하는 언어(예: '7페이지 참조' 또는 '아래 차트 보기')가 있는지 이 초안 텍스트를 검토하세요. 이러한 사례를 식별하고 문서에 접근하는 방식에 관계없이 모든 사용자를 포용하는 대안을 제안하세요"라고 할 수 있다.

AI 제대로 쓰려면 꼭 알아야 할 6가지

구글은 이러한 역량을 보고 프로세스의 영구적이고 확장 가능한 부분으로 전환하기 위한 모범 사례를 제시했다. 첫 번째이자 가장 중요한 원칙은 '사람을 루프에 유지하라'는 것이다. AI는 협력자이지 대체재가 아니며, 사용자는 승객이 아닌 조종사로 남아야 한다. 전략을 수립하고 프롬프트를 설계하며 출력물을 엄격히 검증하는 것은 사용자의 몫이다. 기술은 프로세스를 가속화하지만 정확성은 인간의 판단이 보장한다.

두 번째는 AI에게 도움을 요청하라는 것이다. 의심스러울 때 AI에게 안내를 요청할 수 있다. AI를 활용해 잠재적 사용 사례를 브레인스토밍하거나 복잡한 오류를 설명하거나 자신의 프롬프트를 더 나은 버전으로 작성하도록 할 수 있다. 출력물이 적절하지 않으면 AI에게 이유를 물어보는 것이 종종 지시 사항을 디버깅하는 가장 빠른 방법이다.

세 번째는 반복하고 또 반복하라는 것이다. 첫 번째 프롬프트가 최선인 경우는 드물다. 초기 실패를 장애물이 아닌 데이터 포인트로 취급해야 한다. 가장 강력한 솔루션은 세 번째나 네 번째 수정 후에 나타나는 경우가 많으므로 출력물이 기준을 충족할 때까지 지시사항과 제약조건을 개선해야 한다.

네 번째는 호기심을 유지하라는 것이다. AI 리터러시를 일회성 교육이 아닌 지속적인 실천으로 다뤄야 한다. 구체적인 AI 목표를 설정하고, 새로운 AI 제품 기능을 논의하는 주간 공유 시간을 개최하며, 다른 부서에서 유사한 문제를 어떻게 AI로 해결하고 있는지 적극적으로 물어보는 등 학습을 팀 루틴에 포함시켜야 한다.

다섯 번째는 솔루션을 문서화하라는 것이다. 성공적인 실험이 채팅 창에서 사라지게 하지 말아야 한다. 성공적인 프롬프트, 검증된 워크플로우, 관련 튜토리얼을 담은 팀 공유 'AI 툴박스'를 구축해야 한다. 문서화는 개인의 성공과 조직 규모 확장 사이의 다리다.

마지막으로 AI 만능주의 함정을 피하라는 것이다. 모든 문제가 AI 솔루션을 필요로 하는 것은 아니다. AI로 문제를 해결하기 전에 스프레드시트 공식이나 간단한 스크립트가 더 나은 해결책이 될 수 있는지 물어봐야 한다. 복잡성과 모호성에는 AI를 사용하고, 표준 자동화로 더 잘 처리되는 작업에는 사용하지 말아야 한다.

FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1. AI를 업무에 활용하면 구체적으로 어떤 이점이 있나요?

A. AI는 반복적인 수작업을 자동화하고 비정형 데이터를 효율적으로 처리해 업무 시간을 크게 단축합니다. 데이터 검증, 초안 작성, 동종 업계 벤치마킹, 접근성 향상 등 다양한 영역에서 활용 가능하며, 단순 작업 대신 전략 수립에 집중할 수 있게 합니다.

Q2. AI 도구를 사용할 때 가장 주의해야 할 점은 무엇인가요?

A. AI는 협력 도구이지 완전한 대체재가 아니므로 반드시 사람이 최종 검토와 검증을 수행해야 합니다. 출력물을 검증된 데이터와 비교하고, 특정 출처로 모델을 제한해 잘못된 정보 생성을 방지하며, 첫 번째 프롬프트에 만족하지 말고 반복 개선해야 합니다.

Q3. AI 활용이 처음인데 어디서부터 시작하면 좋을까요?

A. 먼저 시간이 가장 많이 걸리는 반복 작업을 파악한 후, 해당 작업이 AI가 필요한 복잡한 업무인지 단순 자동화로 해결 가능한지 판단하세요. 작게 시작해 프로토타입을 테스트하고, 성공한 솔루션을 문서화해 팀 전체가 활용할 수 있도록 공유하는 것이 중요합니다.

해당 기사에 인용된 리포트 원문은 구글 블로그에서 확인 가능하다.

리포트 명: AI playbook for sustainability reporting

이미지 출처: 구글

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.