문제 정의는 AI가 개입할 정확한 틈새를 찾아내는 정교한 작업

최근 진행한 [AI 적용을 위한 문제 정의 워크숍] 현장에서 퍼실리테이터의 관점으로 관찰한 4가지 단상을 공유합니다.

1. '문제정의'보다 드러낼 수 있는 '심리적 안전지대'가 우선입니다.
현장의 실무자들은 본인 업무의 병목 구간을 누구보다 정확히 알고 있습니다. 진짜 문제는 그 문제를 테이블 위로 안전하게 꺼내놓을 수 없게 만드는 조직 내 침묵에 있습니다. 비판이나 책임을 걱정하지 않고 있는 그대로의 현실을 공유할 수 있는 환경이 먼저 구축되어야 합니다. 특히 기존의 수직적 조직 문화나 역학 관계의 벽을 깨기 위해서는 숙련된 퍼실리테이터의 적절한 개입이 필요하기도 합니다.

2. 덩어리진 문제를 해체해야 진짜 맥락이 보입니다.
문제를 덩어리째로 바라보면 도출되는 솔루션 역시 거대하고 모호해집니다. 결과적으로 현업에 쓰기 애매한 결과물이 나오는 이유입니다. 해결책을 찾기 전, 전체 업무를 5~7단계의 워크플로우로 쪼개어 맥락을 구체화해야 합니다.
- 모호한 정의: "자료 조사와 보고서 작성에 시간이 많이 걸린다."
- 구체적 정의: "해외 사이트에서 데이터를 수집해 엑셀로 병합하는 2단계 과정에서 3시간이 지체되며, 이 때문에 정작 중요한 전략 수립에 집중하지 못한다." 라고 하면 문제가 세분화되어야 AI가 정확히 어느 지점을 지원해야 할지 명확해집니다.

3. 막연한 바람을 구체적인 '동사와 숫자 목표'로 전환해야 합니다.
워크플로우 분석으로 쪼개진 문제는 명확한 기대 수준으로 연결되어야 합니다. "업무 시간이 단축되면 좋겠다"는 막연한 바람은 기술 도입 이후 성과 측정을 불가능하게 만듭니다.
-> "데이터 수집에 소요되는 3시간을 AI 도구를 활용해 30분으로 줄이고, 확보된 2.5시간을 기획에 투입하겠다"와 같이 수치화된 목표가 필요합니다. 목표의 구체성은 도입할 AI 기술의 스펙을 결정하는 핵심 기준이 됩니다.

4. 같은 팀, 다른 업무 방식: 뜻밖의 연결과 성찰
이번 워크숍에서 가장 흥미로웠던 지점은, 유사한 업무를 하는 팀원들조차 그동안 각자의 페인포인트를 나누고 함께 해결책을 모색할 기회가 없었다는 사실입니다. 같은 업무를 하면서도 일의 순서나 활용 채널이 저마다 달랐습니다. 늘 반복하던 일상이지만 업무를 단계별로 분해하고, 자신이 어느 지점에서 가장 에너지를 뺏기고 지치는지 깊이 성찰해 본 것은 처음이라는 피드백이 많았습니다.

오늘 진행한 워크숍의 진짜 가치는 AI 도입이라는 도구적 목적을 넘어, 구성원들이 서로의 업무 방식을 이해하고 단절되었던 맥락을 연결하는 데 있었습니다.