AI 공부만으로는 알 수 없는 것들, 단 한 명의 고객이 알려줍니다
AI로 더 많이 만드는 것에서, 고객이 실제로 쓰는 것을 만드는 쪽으로.
공부와 탐구, 실험은 필요합니다. 다만 그 배움이 현실적인 솔루션으로 이어지는지 확인하려면, 실제 고객의 업무와 만나는 시간이 필요합니다.
1. 자료는 늘어나는데, 고객에게 제안하기는 어려운 이유
AI로 보고서와 기획서를 만드는 일은 점점 쉬워졌습니다. 그런데 자료가 쌓일수록 정작 고객에게 보낼 제안서는 더 어려워지기도 합니다. 저 역시 내부 검토용 자료는 수도 없이 만들면서, 고객에게 직접 전달할 자료를 만드는 일은 두려워한다는 사실을 돌아보게 됐습니다.
블로그에 글을 쓰고 홈페이지를 다듬는 일은 해왔지만, 그것만으로 고객이 사용할 상품을 갖췄다고 말하기는 어려웠습니다. 자료를 잘 만드는 능력과 고객이 돈을 낼 이유는 같은 문제가 아니기 때문입니다.
AI를 공부하고, 새로운 도구를 탐구하고, 직접 실험하는 시간은 필요합니다. 다만 그 안에서만 머물면 확인하기 어려운 것이 있습니다. 내가 중요하다고 생각한 문제가 고객에게도 중요한지, 만든 결과물이 실제 업무에서 쓰이는지입니다.
더 현실적인 솔루션의 감은, 단 한 명의 고객과 구체적인 문제 하나를 함께 풀어보는 데서 시작될 수 있습니다.
2. 고객을 만나면, 기술보다 먼저 업무가 보입니다
고객을 만난다는 것은 완성된 제안서를 들고 설득하러 가는 일만을 뜻하지 않습니다. 지금 일을 어떻게 처리하고 있는지 옆에서 살펴보고, 어디서 막히는지 함께 확인하는 일부터 시작할 수 있습니다.
가령 주간 보고서 작성을 돕는 서비스를 생각해 봅시다. 여기서부터는 실제 고객 사례가 아니라 서비스 설계를 설명하기 위한 가상의 예시입니다. 처음에는 보고서 초안을 빠르게 만드는 것이 핵심이라고 생각할 수 있습니다. 하지만 업무 과정을 함께 보면 자료가 여러 곳에 흩어져 있거나, 숫자를 다시 맞추거나, 상사가 원하는 형식으로 고치는 일이 더 큰 부담일 수도 있습니다.
그러면 질문도 달라집니다. 어떤 AI를 쓸지 묻기 전에, 보고서가 어떤 자료에서 시작해 누구의 확인을 거쳐 어디에 쓰이는지부터 살펴보게 됩니다.
- 최근에 실제로 처리한 업무 한 건을 처음부터 보여줄 수 있는가?
- 반복해서 멈추거나 다시 확인하는 지점은 어디인가?
- 결과물을 받는 사람은 무엇을 기준으로 수정하는가?
- 이 문제가 해결되면 고객은 어떤 일을 덜 하거나 더 잘하게 되는가?
고객은 AI 기능을 시험하는 대상이 아니라, 해결해야 할 문제를 함께 정의하는 파트너입니다.
3. 첫 약속은 작게, 고객에게 남길 결과는 분명하게
업무가 보이기 시작하면 처음의 거대한 계획을 줄일 수 있습니다. ‘중소기업 AI 전환’ 대신 ‘담당자 한 명이 반복하는 주간 보고 업무를 정리하고, 초안 작성과 검수 절차를 익히도록 돕기’처럼 바꾸는 겁니다.
작게 시작한다는 것은 미완성 서비스를 대충 팔자는 뜻이 아닙니다. 약속의 범위를 줄이고, 그 안에서는 처음부터 끝까지 사용할 수 있게 완성하자는 뜻입니다. 예시 서비스라면 기존 작성 과정을 확인하고, 재사용할 양식을 만들고, 허용된 예시 자료로 연습한 뒤, 담당자가 혼자 다시 수행할 수 있는지 확인하는 데 집중할 수 있습니다.
전사 시스템 연동이나 완전 자동화까지 한 번에 약속할 필요는 없습니다. 입력 자료 정리, 보고서 초안, 검수 기준 가운데 무엇을 제공하고 무엇은 포함하지 않는지 밝혀야 합니다. 고객이 준비할 자료, 일정, 수정 횟수와 사후 지원 범위도 함께 정합니다.
고객 한 명, 반복 업무 하나, 사용할 수 있는 결과물 하나. 첫 서비스의 범위를 이 정도로 좁혀보면 어떨까요?
4. 같이 만들어보면, AI에 맡길 일과 사람이 할 일이 나뉩니다
범위를 정했다면 설명 자료를 더 늘리기 전에 실제 샘플 하나를 만들어봅니다. 빈 양식보다 예시가 채워진 결과물이 좋습니다. 어떤 자료를 넣고, AI가 무엇을 만들고, 사람이 어디를 확인해야 하는지 연결해서 보여주는 겁니다.
주간 보고서 예시라면 ‘자료 정리 → AI 초안 작성 → 담당자의 숫자·맥락 검수 → 보고서 완성’이라는 흐름으로 시험할 수 있습니다. AI가 문장을 자연스럽게 만들더라도 수치, 누락된 사실, 판단의 타당성까지 자동으로 보장되는 것은 아닙니다. 사람이 확인할 기준을 작업 안에 넣어야 합니다.
그다음 고객이 직접 따라 해보는 모습을 살펴봅니다. 설명 없이는 멈추는 지점, 복사와 붙여넣기를 반복하는 구간, 수정하기 불편한 형식을 찾아 고칩니다. 만드는 사람에게 그럴듯한 결과물과 사용하는 사람에게 편한 결과물은 다를 수 있습니다.
고객 자료를 외부 AI에 입력하기 전에는 사용 권한과 보안 조건부터 확인해야 합니다. 처음에는 가상 자료나 공개 가능한 자료를 쓰고, 개인정보와 영업정보는 제외하는 방식으로도 충분히 흐름을 시험할 수 있습니다.
솔루션의 완성도는 AI가 얼마나 멋지게 답하느냐보다, 고객이 자기 업무에서 다시 사용할 수 있느냐로 확인해야 합니다.
5. 좋은 반응보다 중요한 것은, 실제로 다시 쓰는가입니다
한 번의 시연에서 좋은 평가를 받았다고 바로 문제가 해결된 것은 아닙니다. 다음 업무에서도 다시 사용하는지, 여전히 사람이 우회해서 처리하는 부분은 없는지 확인해야 합니다.
가능하다면 개선 전후를 같은 기준으로 기록합니다. 자료 준비부터 검수까지 걸린 시간, 다시 고친 부분, 고객이 도움 없이 완료했는지 같은 항목입니다. 초안 작성 시간만 짧아지고 검수 부담이 커졌다면 전체 업무가 좋아졌다고 말하기 어렵습니다. 이 글에서는 특정 고객의 시간 절감이나 매출 성과를 주장하지 않습니다.
반응이 미지근하다면 이유를 나누어 봅니다. 문제가 급하지 않은지, 결과물이 필요한 것과 다른지, 사용이 번거로운지, 가격에 비해 가치가 분명하지 않은지에 따라 고칠 곳이 달라집니다. 좋은 평가와 실제 구매 의사도 구분해야 합니다.
단 한 명과의 경험으로 시장 전체를 판단할 수는 없습니다. 하지만 그 한 사람의 실제 업무를 끝까지 따라가 본 경험은 다음 고객에게 확인할 질문과 더 나은 서비스 가설을 남겨줍니다.
첫 고객은 정답을 보증해 주는 사람이 아닙니다. 내 가정을 현실과 맞춰볼 수 있게 해주는 첫 파트너입니다.
6. 다음 공부의 주제를, 고객의 막힘에서 찾아봅니다
현장에서 한 번 막혀보면 다음에 무엇을 공부해야 할지도 구체적으로 보일 수 있습니다. 자료가 제각각이라면 입력 양식을, 사실 확인이 어렵다면 검수 절차를, 담당자가 반복 사용하기 어렵다면 안내 방식과 도구 연결을 더 살펴보는 식입니다. 공부와 현장은 서로 반대가 아닙니다. 현장이 공부의 방향을 정해주고, 공부가 다음 해결의 품질을 높여주는 관계에 가깝습니다.
샘플을 만들고 사용 과정을 확인했다면 제안서도 간결해질 수 있습니다. 누구의 어떤 문제를 해결하는지, 무엇을 전달하는지, 일정과 가격은 얼마인지, 어디까지 지원하는지를 한 장에 정리합니다. 실제로 사용할 샘플과 진행 안내를 붙이면 첫 대화의 근거가 됩니다.
오늘 할 일은 거대한 사업 계획을 다시 세우는 것보다 작을 수 있습니다. 이미 가진 자료 중 고객 한 사람의 문제에 쓸 수 있는 결과물 하나를 고르고, 그 사람의 업무를 이해하는 대화부터 시작하는 겁니다. 대화와 시험을 제안할 때는 목적과 사용할 자료, 결과물의 한계를 먼저 설명하면 좋겠습니다.
AI 공부를 멈추자는 이야기가 아닙니다. 공부의 한쪽 끝을, 실제 고객의 실제 업무에 연결해보자는 이야기입니다.
지금 공부하고 있는 AI로, 함께 풀어볼 수 있는 고객 한 사람의 문제는 무엇인가요?
이종찬 | 넥스트코웍(NEXT COWORK)
첨부 원고를 바탕으로 재구성한 글입니다. 주간 보고서 서비스는 설명용 가상 예시이며, 특정 고객의 수행 사례나 검증된 성과가 아닙니다.
댓글
댓글 쓰기