TecAce FDE는 현장에서 AI Transformation Consulting을 어떻게 수행하는가
최종 수정일: 3일 전
지난 글에서 FDE(Forward Deployed Engineer, 현장 상주 엔지니어)가 무엇인지 설명드렸습니다. 이번에는 실제로 FDE가 현장에서 어떠한 일을 하는지에 대해서 소개합니다.
여러 건의 AX 프로젝트에서 많은 인터뷰를 진행했고, 그 진단 과정에서 다수의 Pain Point를 발견했습니다. 그 Pain Point의 공통 원인과, TecAce가 AI로 무엇을 어떻게 풀어냈는지 설명합니다.
이 글에서 쓰는 AX는 AI Transformation, 즉 AI를 업무에 적용시켜 일하는 방식을 바꾸는 일을 말합니다. 업무를 디지털로 옮기는 단계가 DT(Digital Transformation)였다면, AX는 그 위에서 판단의 재료를 자동으로 만들고 반복 실행을 AI에 넘기는 단계입니다. TecAce는 두 영역을 함께 수행하며, 이 글은 그중 AX 프로젝트의 현장 기록입니다.
At a glance | Details |
Who this is for | AI를 도입하고자 하지만 어디서부터 손대야 할지 어려움이 있는 분들 |
The problem | 우리 회사의 업무 효율화를 위해 어떤 AI를 사용해야 하는지 어려운 경우. (진단 없이 시작한 AI 도입이 데모에서 멈추는 이유) |
Core methodology | 현장 실사 → Pain Point 전수 기록 → 공통 원인 규명 → 적용 순서 설계 → 구축·정착 → 자산화와 이양 |
Evidence base | 여러 건의 AX 프로젝트 수행 경험(상주 컨설팅과 현장 진단 포함), 다수의 부서 인터뷰와 현장 실사 |
TecAce는 패키지화된 솔루션을 판매하지 않습니다. 같은 산업이라도 도메인마다 다르게 나타나는 Pain Point를 매번 새로 진단하고, 그때마다 다른 접근을 제안합니다. 목표는 보고서의 완성도가 아니라 현업이 실제로 체감하는 업무 효율입니다.
확인된 문제들은 서로 다른 문제가 아니었습니다
우리의 진단서를 받아 든 경영진의 첫 반응은 대개 놀라움입니다. 회사 내부에 예상보다 다양한 문제가 존재했다는 사실 때문입니다.하지만 저희는 청취한 Pain Point의 수에 집중하지 않습니다.
직접 판매 이커머스를 운영하는 한 고객사의 경우, 확인된 문제들은 서로 다른 문제가 아니라 시스템 사이의 연결이 끊긴 지점에서 반복적으로 파생된 증상이었습니다. 예를 들어 챗봇이 주문 내역을 확인하지 못해 매번 사람이 대신 찾아봐야 했고, 판매된 재고가 쇼핑몰 화면에 반영되지 않아 품절 표시가 늦었고, 배송 정보가 어느 시스템에도 남지 않아 고객 문의마다 다시 확인해야 했습니다. 겉보기에는 서로 다른 불편함이었지만, 근본 원인으로 따라가 보면 같은 '연결'이라는 공통 원인에서 비롯되었습니다.
이 연결 지점들을 그대로 둔 채 눈에 보이는 다른 문제에 먼저 접근하면, 해결된 것처럼 보였던 증상이 다시 생겨납니다.그래서 올바른 접근은 "개선 과제 목록"을 만드는 일이 아니라, 끊어진 연결 지점을 먼저 찾아내는 일입니다.
회계 영역에서 특히 자주 마주치는 문제의 중심에는 같은 제품을 부서마다 다르게 부르는 것이 있습니다. 예를 들어 공급처에서 넘어오는 발주 엑셀에는 한 가지 표기로, 쇼핑몰에는 상품명으로, 장부에는 품목명으로, 보고용 엑셀에는 담당자가 그때그때 붙이는 이름으로 적혀 있고, 이 중 무엇을 기준으로 삼아야 하는지 정해져 있지 않은 경우가 많습니다. 그래서 재고와 판매를 한 표에서 연결해 볼 수 없고, 매달 사람이 눈으로 맞춰 붙이게 됩니다.
명칭 불일치의 영향은 표기 차이에서 끝나지 않습니다. 재고와 판매 데이터를 하나의 기준으로 연결하기 위해서는 담당자의 수작업 대조가 매월 반복되어야 하며, 이 대조 작업의 소요 시간이 결산 일정을 좌우하는 요인이 됩니다. 또한 한 번 통일되지 않은 명칭 체계는 결산 수치, 발주 수량, 판매 계획 등 후속 업무 전반에 동일한 오차를 반복적으로 발생시킵니다. 따라서 이는 추후 정리 가능한 데이터 정합성의 문제가 아니라, 매월 고정적으로 발생하는 인적 비용으로 다루어야 합니다.
이외에도 다른 프로젝트에서 동일한 현상이 확인되었습니다. Pain Point를 주제별로 묶었을 때 가장 큰 네 덩어리는 반복 수작업, 데이터 기준·마스터데이터, 조직·지식 공유, 시스템 단절이었습니다.
Audit 단계는 우선순위가 정해진 진단서로 마무리됩니다
Audit 단계의 산출물은 단순한 문제 목록이 아니라, 근본 원인별로 묶이고 우선순위가 매겨진 진단서입니다. 반복 수작업, 데이터 기준·마스터데이터, 조직·지식 공유, 시스템 단절 — 이 네 가지로 정리된 원인은 영향 범위와 해결 난이도에 따라 순서가 매겨집니다.
이 순서가 다음 단계의 출발점이 됩니다.
이제 무엇을, 어디까지 자동화할지를 정합니다
Eval 단계에서는 진단서의 순서를 설계로 옮깁니다. 여기서 정하는 것은 "AI를 쓸지 말지"가 아니라 어느 구간에 무엇을 배치할지입니다. 같은 업무 안에서도 규칙으로 처리할 구간, 모델의 판단이 필요한 구간, 사람이 책임져야 하는 구간이 다릅니다.
우선순위가 정해진 이후에는 각 업무를 세부 단위로 분해하는 절차가 이어집니다. 이 과정에서 AI가 실질적으로 처리할 수 있는 구간과, 여전히 담당자의 판단과 책임 하에 두어야 하는 구간을 구체적으로 구분합니다. 이 경계가 설계 단계에서 명확히 정의되지 않으면 구축 단계에서 자동화 범위에 대한 혼선이 발생하므로, 업무 단위별 역할 구분은 반드시 선행되어야 하는 절차입니다.
표준 ERP·그룹웨어는 일반적인 업무 흐름을 위해 설계됩니다. 그래서 특정 사이트에만 존재하는 예외 업무나 외부 시스템과의 연동은 ERP·그룹웨어의 범용 기능으로 처리되지 않고, 결국 사람이 매일 엑셀을 열어 데이터를 손으로 맞추는 방식으로 남습니다. AI 에이전트는 바로 이 공백을 메우는 역할을 합니다. 사람이 반복적으로 수행하던 대조·입력 작업을 에이전트가 대신 처리함으로써, 기존 시스템의 구조를 변경하지 않고도 예외 업무 전반의 처리 방식을 개선할 수 있습니다.
이 모든 것의 기반에는 지식 허브가 있습니다
그리고 이 모든 것의 아래에 지식 허브가 깔립니다. 범용 모델은 우리 회사의 맥락을 모릅니다. 개인 PC에 흩어져 있던 파일이 하나의 공간으로 모이는 순간, 그 데이터가 AI 추론의 입력원이 되고 비로소 '우리 회사를 아는 AI'가 가능해집니다.
검증을 마친 자동화는 재사용 가능한 스킬로 정의해 팀 안에서, 부서 사이에서 공유됩니다. 상주 프로젝트에서 이 방식으로 여러 부서에 걸쳐 다수의 반복 업무가 자동화 사례로 전환됐습니다. 매출 마감 시 거래처·품의별로 상이한 단가를 과거 데이터와 수기 대조하던 일, 형식이 제각각인 원본 파일을 조합해 매일 상품 통계를 만들던 일, 이미지 PDF로 오는 통신 요금 명세서에서 여러 서비스번호를 부서별로 나눠 입력하던 일, BOM에서 외관 부품만 눈으로 골라내 시방서를 한 장씩 작성하던 일 — 모두 원본을 넣으면 결재 가능한 결과가 나오는 형태로 바뀌었습니다.
고객이 스스로 운영할 수 있는 상태로 구축합니다
Deploy 단계는 구축으로 끝나지 않습니다. 현업이 실제로 사용하고, 고객사가 자체적으로 운영할 수 있는 상태까지가 이 단계의 범위입니다.
반복적이고 피로도가 높은 작업이 먼저 자동화되고 효율이 검증되면, 확산은 담당자들 사이에서 자연스럽게 일어납니다.
이렇게 사용이 자리 잡은 뒤에는 운영 주체를 옮기는 작업이 이어집니다.
AI Transformation Consulting은 이미 여러 기업에서 검증되었고 급속도로 확산되고 있습니다
FDE는 특정 회사의 실험적 시도가 아닙니다. 2010년대 초 Palantir가 고객이 요구사항을 문서로 줄 수 없는 환경에서 엔지니어를 현장에 투입하며 시작한 방식이고, 지금은 AI를 실제 업무에 얹으려는 기업들이 공통으로 선택하는 방법이 되었습니다.
보도된 내용을 정리하면 최근 몇 년 사이 이 흐름은 업계 전반으로 확산됐습니다. 프론티어 AI 기업들이 배포 전담 조직을 세웠고, 글로벌 컨설팅 기업들도 같은 형태의 조직을 신설했습니다. 이유는 하나로 모입니다. 모델의 성능이 아니라 현장 배포가 병목이라는 것입니다. 아무리 좋은 모델도 업무 흐름과 기존 시스템, 예외 처리에 맞춰지지 않으면 데모에서 나아가지 못합니다.
AI 도입에서 실제로 어려운 지점은 어떤 모델을 쓰느냐가 아닙니다. 우리 회사의 업무 흐름과 기존 시스템 위에 그것을 어떻게 얹느냐입니다. TecAce FDE는 바로 그 지점에서 시작합니다. 현장에 들어가 업무를 확인하고, 무엇을 어떤 순서로 풀지 정하고, 작은 결과물부터 현업의 손에 올립니다.
시작은 진단 하나면 충분합니다. 며칠의 현장 실사만으로도 어떤 문제가 어떤 원인에서 나왔고 무엇을 먼저 풀어야 하는지에 대한 지도가 나옵니다. 진단 결과를 보신 뒤에 다음 단계 진행 여부를 결정하셔도 늦지 않습니다.
매주 반복되던 업무가 자동화되면, 그 업무를 맡았던 담당자의 역할에 대한 질문이 자연스럽게 따라옵니다.
반복이 걷혀야 비로소 본질이 드러납니다. 한 사람이 한 사람 몫의 일을 하던 조직은, 같은 인원으로 더 많은 일을 더 정확하게 수행하는 조직으로 바뀝니다. AI가 대체하는 것은 일자리가 아니라 판단이 필요 없는 반복 업무입니다.
지능은 이제 누구나 확보할 수 있는 자원입니다. 차이를 만드는 것은 그 지능을 기업의 복잡한 운영 현실 속 어디에, 어떤 순서로 적용하느냐입니다. TecAce FDE는 이를 현장에서 직접 증명합니다.
자주 묻는 질문 (FAQ)
Q. 진단만 따로 받을 수 있습니까?
가능합니다. 진단은 그 자체로 독립된 산출물입니다. 자기 회사의 업무 흐름을 정확한 지도로 가지고 있는 조직은 많지 않습니다. 이틀간의 현장 실사만으로도 수십 건의 문제와 그 공통 원인, 그리고 무엇을 어떤 순서로 풀어야 하는지에 대한 로드맵이 나옵니다. 진단 결과를 보신 뒤에 다음 단계 진행 여부를 결정하셔도 됩니다.
Q. 인터뷰에 얼마나 많은 인원과 시간이 필요합니까?
현장 실사는 짧은 기간에 이루어지며, 부서별 인터뷰와 실제 업무 관찰이 포함됩니다. 별도로 자료를 준비하실 필요는 없습니다. 오히려 정리하지 않은 원본이 더 정확한 진단으로 이어집니다.
Q. 전체 프로젝트는 얼마나 걸립니까?
진단은 짧습니다. 현장 실사와 정리를 합쳐 며칠 단위입니다. 이후 구축 기간은 대상 업무의 수와 기존 시스템의 상태에 따라 달라지므로, 진단서의 우선순위에 따라 작은 결과물부터 순서대로 잡습니다. 상주 강도는 초기에 가장 높고 이양 단계로 갈수록 낮아집니다. 정확한 기간과 비용은 진단으로 범위를 확정한 뒤에 제안드립니다.
Q. 현재 쓰는 ERP나 시스템을 바꿔야 합니까?
아닙니다. TecAce는 기존 시스템과의 공존과 강화를 원칙으로 합니다. 수년간 비용과 노력을 들여 구축한 시스템을 버리라는 AI 전략은 실패합니다. 실제 프로젝트에서도 기존 ERP는 그대로 두고, 두 시스템 사이에 변환 레이어를 두거나 전·후처리를 자동화하는 방식으로 접근했습니다.
Q. 데이터 보안과 기밀 유지는 어떻게 다룹니까?
시작 전에 비밀유지 계약과 함께 데이터 취급 범위를 문서로 정합니다. 접근 권한은 진단과 구축에 필요한 최소 범위로 제한하고, 원본 데이터는 고객사가 지정한 환경 안에서 다루는 것을 기본 원칙으로 합니다. 어떤 데이터를 어디까지 쓰고 무엇을 쓰지 않는지는 진단서의 범위 항목에 함께 적습니다.
Q. 프로젝트가 끝나면 저희끼리 운영할 수 있습니까?
그것이 저희의 목표입니다. 마지막 단계에 교육과 인수가 별도로 배정되어 있고, AI 사용 규칙·직무별 안내서·운영 설명서와 함께 모든 설정 권한을 고객사가 가져가십니다. 모든 업무는 두 명 이상이 익히도록 하여, 한 사람만 아는 상태가 다시 만들어지지 않게 합니다.
Q. 우리 회사 규모에도 맞습니까?
TecAce FDE는 전담 AI 조직이 없거나 인력이 적은 중견·중소기업을 주 대상으로 합니다. 대기업과 공공 영역에서 검증된 엔터프라이즈급 방법론을, 중견기업의 속도와 예산에 맞게 조정해 적용합니다.
댓글