직장인 AI 활용, 회사에서 어디까지 맡겨도 될까?

요약: AI에 맡길 일은 도구가 아니라 위험으로 정한다

회사에서 생성형 AI를 어디까지 써도 되는지는 “어떤 제품이 제일 똑똑한가”로 정할 수 없다. 같은 도구라도 공개된 자료로 회의 제목을 다듬는 일과, 고객 명단을 넣어 영업 우선순위를 정하는 일의 위험은 전혀 다르다. 입력할 정보의 민감도, 틀렸을 때의 피해, 사람이 결과를 검증할 수 있는지를 먼저 봐야 한다.

실무에서는 세 구역이면 충분하다. 공개 정보로 초안을 만들고 정답을 쉽게 대조할 수 있으면 바로 활용 구역, 내부 자료가 일부 포함되거나 오류가 의사결정에 영향을 주지만 검토가 가능하면 승인된 도구에서 검토 후 활용 구역, 개인정보·미공개 정보가 들어가거나 틀렸을 때 고객·돈·법적 책임에 영향을 주면 자동화 금지 구역이다.

중요한 구분도 하나 있다. 기업용 서비스가 “조직 데이터를 기본적으로 모델 학습에 사용하지 않는다”고 밝히는 것과, 우리 회사의 모든 자료를 입력해도 된다는 것은 같은 말이 아니다. 제품 약관은 한 겹의 보호장치일 뿐이다. 회사의 보안정책, 구매한 요금제, 관리자 설정, 접근권한과 보존정책이 함께 맞아야 한다.

관찰된 질문 패턴: 거창한 전략보다 작은 막힘에서 시작한다

온라인 대화에서 반복되는 질문은 “AI 전환 전략을 어떻게 세울까”보다 훨씬 구체적이다. 회계팀에서 파워쿼리를 쓰는 사람이 있는지, 수식이 빠진 셀을 빠르게 찾을 방법이 있는지, 여러 시트를 어떤 기준으로 합치고 정렬할지, 막힌 엑셀 문제를 누구에게 물어볼지 같은 질문이 이어진다. 다른 한쪽에서는 생성형 AI로 예약 서비스 같은 시제품을 만들었다는 경험도 등장한다.

이 두 묶음은 별개가 아니다. 하나는 이미 존재하는 반복 업무를 줄이는 문제, 다른 하나는 코드를 잘 몰라도 새로운 도구를 만드는 문제다. 둘 다 “가능한가?”를 넘어서면 곧 같은 질문을 만난다. 결과가 맞는지 어떻게 확인할지, 실제 데이터를 넣어도 되는지, 내가 자리를 비워도 계속 돌아갈지, 오류가 났을 때 누가 책임질지다.

표본에서는 엑셀·자동화 주제의 게시글당 평균 조회가 385회, 생성형 AI 활용 주제는 218회였다. 이 차이만으로 관심의 우열을 단정할 수는 없다. 다만 추상적인 AI 담론보다 당장 막힌 셀·수식·정렬 문제를 해결하려는 수요가 분명히 존재한다는 콘텐츠 가설은 세울 수 있다.

2026년 8월 공개 게시물 일부의 게시글당 평균 조회. 채널 성격과 표본 수가 달라 관심도의 우열을 뜻하지 않으며 전체를 대표하지 않는다. · 출처: 공개 온라인 커뮤니티 표본

관찰된 질문을 실제 업무 언어로 바꾸면 답은 다음처럼 정리된다.

• 회계팀에서 파워쿼리를 써도 될까? 반복 수집·변환 규칙이 고정돼 있고 원본부터 결과까지 추적할 수 있다면 좋은 후보다. 다만 변환 단계와 예외 행을 기록하고, 마감 전 합계 대조를 남겨야 한다.
• AI로 예약·티케팅 시제품을 만들 수 있을까? 화면과 흐름을 검증하는 시제품은 가능하다. 결제, 로그인, 개인정보, 실시간 가격과 재고가 붙는 순간에는 개인 프로젝트가 아니라 운영 시스템이므로 별도의 보안·테스트 기준이 필요하다.
• 수식이 빠진 셀은 어떻게 찾을까? AI에게 파일 전체를 맡기기보다 정상 범위의 규칙을 정의하고, 빈 셀·상수 입력·인접 행과 다른 수식을 표시하는 검사식을 만드는 편이 재현 가능하다.
• 엑셀 고수에게 물어볼 문제는 AI에 어떻게 물을까? 실제 파일 대신 열 이름과 관계를 보존한 더미 표 10~20행을 만들고, 원하는 입력과 출력 예시를 함께 준다. 질문을 작게 재현하는 과정 자체가 절반의 해결이다.
• 데이터 정렬은 무엇부터 정해야 할까? “정렬해줘”가 아니라 1순위 키, 동률일 때 2순위 키, 빈값 위치, 날짜·숫자 형식, 중복 처리 규칙을 먼저 적어야 한다. AI는 규칙을 실행하는 코드를 제안할 수 있지만 규칙을 대신 결정할 수는 없다.

왜 이런 질문이 생기나: 도구의 진입장벽과 책임의 진입장벽이 다르다

생성형 AI는 시작이 쉽다. 자연어로 설명하면 수식, 매크로, 쿼리, 코드 초안을 몇 초 안에 받을 수 있다. 그러나 시작 비용이 낮아진 만큼 운영 책임도 낮아진 것은 아니다. 오히려 코드를 읽지 못하는 사람이 작동하는 결과를 먼저 얻으면, 틀린 부분을 발견하는 능력과 만드는 속도의 차이가 커질 수 있다.

첫 번째 이유는 업무의 정답이 문장 안에 다 들어 있지 않기 때문이다. “지난달과 같은 형식으로 정리해줘”에는 지난달 파일 위치, 제외해야 할 거래, 마감 기준일, 음수 처리, 환율 기준 같은 숨은 규칙이 있다. 오래 일한 사람은 암묵적으로 아는 규칙이지만 AI는 입력받지 못하면 알 수 없다.

두 번째 이유는 사무 업무의 오류가 늦게 발견되기 때문이다. 문장 표현이 어색하면 바로 눈에 띄지만, 3,842행 중 17행이 누락된 집계는 그럴듯한 총액으로 보일 수 있다. 그래서 “답이 자연스러운가”가 아니라 행 수, 합계, 예외 건수, 표본 대조가 일치하는가를 확인해야 한다.

세 번째 이유는 데이터 경계가 제품 이름만으로 결정되지 않기 때문이다. 2026년 8월 31일 확인한 공식 문서상 OpenAI는 기업용 제품과 API의 조직 데이터를 기본적으로 모델 학습에 사용하지 않는다고 설명한다. Microsoft도 기업 데이터 보호가 적용되는 Copilot Chat의 프롬프트와 응답을 기반 모델 학습에 사용하지 않는다고 밝히며, 동시에 상호작용 기록이 저장·감사될 수 있다고 설명한다. 학습에 쓰이지 않음, 저장되지 않음, 회사가 입력을 허용함은 서로 다른 조건이다. 따라서 직원은 제품 홍보문구가 아니라 사내 승인 목록과 관리자 안내를 기준으로 행동해야 한다.

판단 도구: 30초 3구역 판정표

업무를 AI에 넣기 전에 아래 순서대로 판정한다. 한 단계라도 빨간 조건에 걸리면 뒤 점수가 낮아도 빨간 구역이다.

1단계 — 입력 금지선

다음 중 하나라도 포함되면 개인용·미승인 AI에는 입력하지 않는다. 회사가 승인한 기업용 환경이라도 허용 범위와 마스킹 기준을 먼저 확인한다.

• 고객·직원·지원자의 이름, 연락처, 계정, 건강·평가·급여 정보
• 공개 전 실적, 가격, 계약, 인수합병, 제품 계획, 소스코드와 보안 설정
• 제3자와의 계약상 외부 반출이 제한된 문서
• 원본을 일부 가려도 다시 개인이나 거래를 알아볼 수 있는 조합

2단계 — 오류 위험점수

입력 금지선에 걸리지 않은 업무만 아래 두 항목을 0~3점으로 매긴다.

항목	0점	1점	2점	3점
오류 파급	표현만 달라짐	팀 내부 재작업	고객 일정·금액 영향	법·재무·안전·인사 결정 영향
검증 난이도	정답 즉시 대조	표본 5건으로 확인	전수 대조나 전문가 검토 필요	정답을 사전에 알기 어려움

두 점수를 더해 0~2점이면 초안 활용, 3~4점이면 사람 검토 후 활용, 5~6점이면 AI 결과를 운영 판단에 직접 사용하지 않는다. 3점 이상에서는 “한 번 읽어보기”를 검토로 인정하지 않는다. 숫자라면 합계·건수·샘플, 코드라면 테스트 케이스, 문서라면 근거 링크와 원문 대조가 있어야 한다.

3단계 — 되돌릴 수 있는가

0~4점 업무라도 실행 전에 묻는다. 잘못됐을 때 원본으로 돌아갈 수 있는가, 자동 발송·결제·삭제 전에 사람이 멈출 수 있는가, 누가 언제 무엇을 승인했는지 기록이 남는가. 셋 중 하나라도 “아니오”면 한 단계 높은 위험 구역으로 올린다.

구역	조건	맡길 수 있는 일	필수 통제
초록	금지정보 없음 + 위험 0~2점	공개자료 요약, 문장 초안, 더미 데이터용 수식	결과를 읽고 원문 또는 정답과 대조
노랑	승인 환경 + 위험 3~4점	내부 보고서 초안, 쿼리·매크로·코드 제안	체크리스트 검토, 표본 또는 테스트, 승인 기록
빨강	금지정보 포함 또는 위험 5~6점	인사·법무·재무 판단, 자동 결제·발송, 운영 보안	AI 직접 실행 금지, 담당 부서 승인과 별도 검증

숫자로 끝까지 해보는 가상 예시

가상의 7명 규모 재무팀에서 한 담당자가 매달 세 가지 일을 한다고 하자. 거래처 안내 메일 40건은 건당 8분, 월간 보고서 표 정리는 4회에 회당 90분, 급여 변동 검토는 1회 120분이 걸린다. 총 800분이다.

안내 메일은 회사가 공개한 일정과 형식만 사용하고 발송 전 수신자·날짜를 확인할 수 있다. 오류 파급 1점, 검증 난이도 1점으로 합계 2점이다. 승인된 도구로 초안을 만들고 건당 3분 작성 + 2분 검토로 줄이면 40건에서 120분을 절약할 수 있다.

보고서 표 정리는 내부 수치가 들어가므로 승인 환경이 전제다. 합계가 틀리면 의사결정에 영향을 줄 수 있어 오류 파급 2점, 전수 합계와 전월 대조가 필요해 검증 난이도 2점, 합계 4점이다. AI가 제안한 쿼리를 그대로 실행하지 않고 원본 행 수 = 결과 행 수 + 제외 행 수, 부문별 합계, 무작위 10건을 확인한다. 4회 각각 90분을 자동화 25분 + 검증 20분으로 줄였다면 180분을 절약한다.

급여 변동 검토에는 개인정보와 인사 판단이 섞인다. 시간 절감 가능성과 무관하게 입력 금지선에 걸린다. 개인용 AI에 넣지 않고 기존 승인 시스템과 담당자의 이중 검토를 유지한다. 세 일을 모두 자동화하는 것이 아니라, 초록·노랑 두 업무에서만 월 300분, 5시간을 줄이는 것이 이 팀의 현실적인 AI 활용안이다.

이 예시의 핵심은 절감률이 아니다. 위험한 업무를 빼도 충분한 효율이 남는지 계산하는 것이다. 모든 업무를 AI로 바꾸려는 목표보다, 검증 가능한 반복 업무에서 월 3~6시간을 확실하게 돌려받는 목표가 운영하기 쉽다.

독자에게 의미하는 것: AI 역량은 답을 얻는 속도가 아니라 경계를 설계하는 능력이다

직장인 AI 활용을 잘한다는 말은 프롬프트를 길게 쓰거나 최신 도구를 많이 구독한다는 뜻이 아니다. 일을 작은 단위로 나누고, 숨은 규칙을 드러내고, 입력해도 되는 정보와 안 되는 정보를 가르고, 결과를 대조할 장치를 먼저 만드는 능력에 가깝다.

따라서 시작 순서도 바뀐다. “우리 팀에 AI를 도입하자”가 아니라 지난 한 달의 반복 업무를 적고, 각 업무에 3구역 판정표를 붙인다. 초록 업무 중 월 60분 이상을 쓰는 것 하나를 고른다. 2주 동안 처리시간과 오류 건수를 전후로 기록한다. 시간이 줄고 오류가 늘지 않았을 때만 다음 업무로 넓힌다. 이 방식이면 유행과 상관없이 도구가 바뀌어도 같은 기준을 쓸 수 있다.

전체 시리즈의 관점은 직장인의 반복되는 여섯 질문에서 볼 수 있다. 이어지는 글에서는 문서 업무를 더 세밀하게 나누는 법과, 제품을 고르기 전에 맡길 업무부터 정하는 법을 다룬다.

이 글의 판단표는 회사 정책을 대신하지 않는다. 실제 적용 전에는 보안·법무·IT 관리자가 승인한 도구, 계정, 데이터 범위와 보존 정책을 사용 시점의 공식 문서로 다시 확인해야 한다.