KR
많은 기업들이 업무 효율화를 위해 AI 도입을 고민하고 있지만, 그 과정이 쉽지 않습니다. 실제 비즈니스 문제를 AI로 해결하기 위해서는 깊이 있는 분석과 구체적인 기획을 필요로 하기 때문입니다. 신한투자증권도 이러한 상황을 해결하기 위해 어떻게 효율적인 AI 과제를 도출할지 심도 깊은 고민을 거듭하고 있었어요.
AI 도입의 성공은 문제 해결의 출발점인 과제 도출 단계에서 결정됩니다. 이를 위해 문제를 깊이 이해하는 과정, 다양한 관점의 통합, 실현 가능한 솔루션 도출이라는 세 가지 원칙이 중요합니다.
1) 업무의 본질을 파악하고, 실질적인 문제를 정의하기
업무 효율화를 목적으로 AI를 도입할 때는 전체 업무 흐름을 살펴보고 각 단계가 조직의 목표와 어떻게 연결되어 있고, 기여하는지를 이해하는 것이 중요해요. 단순히 업무 중 발생하는 문제들을 하나씩 떠올려보는 것보다, 업무 프로세스를 정리하고 각 단계에서 막히는 부분과 그 이유를 제대로 짚는 게 훨씬 효과적입니다.
이 과정에서 임직원들은 자신의 업무가 조직에서 어떤 역할과 가치를 가지는지 이해하고, 문제 해결을 위한 더 구체적이고 목표 지향적인 접근 방식을 확립할 수 있습니다.
2) 다양한 이해관계자와 협업하여 더 나은 해법을 모색하기
업무 중 발생하는 문제들은 특정 조직의 힘만으로는 해결하기 어려운 경우가 많아요. 특히, AI로 해결하려면 여러 부서와 이해관계자들이 협력해야 하는데, 이 과정이 항상 순탄하지만은 않습니다. 각 부서는 서로 다른 목표와 우선순위를 가지고 문제를 바라보기 때문에, 문제의 중요성을 공감하지 못하거나 해결 방향에 대해 충돌이 생길 가능성이 있어요.
AI 프로젝트에 대한 공감대를 형성하지 않으면, 문제 해결 방향이 분산되거나 실행 단계에서 어려움을 겪을 수 있습니다. 따라서 모든 이해관계자의 의견을 수렴하고, 조율 과정을 거쳐 통합된 해결책을 만들어가는 과정이 필수적입니다.
3) 실행 가능성을 고려해 프로젝트 기획하기
AI 도입 과제는 특정 기술이 유망하다고 해서 모든 조직에 적합한 것은 아닙니다. 우리 조직의 인프라나 데이터 환경이 그 기술을 지원할 수 있는지, 기술적으로 실현 가능한지를 점검하지 않으면 기획은 잘 되어도 실제 구현이 어려울 수 있어요. 또한 성능이 기대에 미치지 않거나, 과도한 비용이 발생할 수 있죠.
이를 방지하려면 도입 초기부터 데이터, 인프라, 기술 역량 등을 면밀히 점검하고, ROI와 기대 효과를 평가하는 것이 중요해요. 이런 사전 준비가 되어야만 실질적인 비즈니스 가치를 줄 수 있는 프로젝트를 효과적으로 추진할 수 있습니다.
따라서 신한투자증권은 에이블캠퍼스와 함께 어떤 문제를 AI로 해결할 수 있을지, 그리고 이를 어떻게 실제 적용할 수 있을지 명확히 정의하고자 했습니다. 이를 위해 디자인 씽킹 워크샵을 통해 현재 업무 프로세스를 분석하고, AI가 해결할 핵심 문제를 파악해 구체적인 AI 솔루션을 도출하기 위한 프로그램을 구성하였습니다.
1) 프로젝트의 실현 가능성을 진단해줄 AI 엔지니어의 노하우 제공
에이블캠퍼스는 다양한 산업군에서 100건 이상의 AI 서비스를 개발한 경험을 보유한 AI 엔지니어들로 구성되어 있어요. 전문 AI 엔지니어들은 해결할 문제의 가능성과 한계를 면밀히 검토하며, 현재 기술로 실현 가능한지 등에 대한 방향성을 제안해 드려요. 이를 통해 막연한 아이디어를 구체적인 목표로 정리해 실현 가능한 전략 수준으로 구체화할 수 있도록 지원합니다.
2) 다양한 관점을 공유할 수 있는 참여형 프로세스 환경
워크샵에서는 여러 부서와 다양한 역할을 가진 조직 구성원들이 함께 참여하여 각자의 관점을 공유할 수 있는 환경을 제공합니다. 이렇게 다양한 시각을 반영함으로써 더욱 실현 가능성이 높은 과제를 도출할 수 있고, 프로젝트 진행 중에도 부서 간 협업이 원활하게 이루어질 수 있도록 기반을 마련합니다.
교육 시작 전에 설문조사를 통해 교육생들의 업무 프로세스를 상세히 파악했습니다. 설문조사를 토대로 업무 유사성과 조직 구조에 따라 조를 구성했어요. 각기 다른 부서의 임직원들이 한 조에 모여 문제를 논의하며, 서로의 관점과 우선순위를 공유하기 위해서요.
이를 통해 실질적인 문제를 해결할 수 있는 체계적인 환경을 만들었고, 다양한 시각을 반영한 더 나은 아이디어를 도출할 수 있었습니다.
디자인 씽킹 프로세스를 활용해 조별로 단계별 업무 프로세스를 정의하고 각 단계에서 겪는 문제들을 함께 살펴보았습니다. 조직의 핵심 업무 프로세스와 가장 큰 병목 지점을 도출하는 데 초점을 맞추는 시간이었어요.
그리고 그 문제들이 해결되면 회사에 어떤 가치를 가져올 수 있을지 생각하며, 비즈니스 가치에 따라 우선순위를 매겼습니다. 이 과정을 통해, 우리가 집중해야 할 핵심 문제를 명확히 하고, 그 중요성을 다시 한번 확인할 수 있었어요.
AI 프로젝트를 기획할 때는 비즈니스 우선순위 이외에도 AI 적용 가능성도 함께 고려해야 합니다. 따라서 업무에서 발생하는 문제들을 AI 솔루션으로 해결할 수 있는지에 집중해 문제를 바라보는 관점을 새롭게 정의하는 시간을 가졌어요.
실제로 AI로 개선할 수 있는 문제점들을 찾아나가며 워크샵이 끝날 때에는 각 조별로 하나의 AI 과제를 도출할 수 있었습니다.
이 과정에서는 에이블캠퍼스의 AI 엔지니어들이 각 조마다 배치되어, 교육생들이 제안한 아이디어들이 AI로 구현 가능한지 기술적인 조언과 검토를 제공했어요. 이를 통해 교육생들은 기술적으로 구현 가능한 효율적인 솔루션을 도출할 수 있었습니다.
.png)
신한투자증권 교육생의 95%가 에이블캠퍼스에서 진행하는 교육을 추가로 수강하길 희망했어요.
카이스트 AI 대학원 석박 과정 및 AI 서비스 개발 경험 다수 보유중인 강사가 직접 제공하는 전문적인 강의에 만족했어요.
많은 기업들이 업무 효율화를 위해 AI 도입을 고민하고 있지만, 그 과정이 쉽지 않습니다. 실제 비즈니스 문제를 AI로 해결하기 위해서는 깊이 있는 분석과 구체적인 기획을 필요로 하기 때문입니다. 신한투자증권도 이러한 상황을 해결하기 위해 어떻게 효율적인 AI 과제를 도출할지 심도 깊은 고민을 거듭하고 있었어요.
AI 도입의 성공은 문제 해결의 출발점인 과제 도출 단계에서 결정됩니다. 이를 위해 문제를 깊이 이해하는 과정, 다양한 관점의 통합, 실현 가능한 솔루션 도출이라는 세 가지 원칙이 중요합니다.
1) 업무의 본질을 파악하고, 실질적인 문제를 정의하기
업무 효율화를 목적으로 AI를 도입할 때는 전체 업무 흐름을 살펴보고 각 단계가 조직의 목표와 어떻게 연결되어 있고, 기여하는지를 이해하는 것이 중요해요. 단순히 업무 중 발생하는 문제들을 하나씩 떠올려보는 것보다, 업무 프로세스를 정리하고 각 단계에서 막히는 부분과 그 이유를 제대로 짚는 게 훨씬 효과적입니다.
이 과정에서 임직원들은 자신의 업무가 조직에서 어떤 역할과 가치를 가지는지 이해하고, 문제 해결을 위한 더 구체적이고 목표 지향적인 접근 방식을 확립할 수 있습니다.
2) 다양한 이해관계자와 협업하여 더 나은 해법을 모색하기
업무 중 발생하는 문제들은 특정 조직의 힘만으로는 해결하기 어려운 경우가 많아요. 특히, AI로 해결하려면 여러 부서와 이해관계자들이 협력해야 하는데, 이 과정이 항상 순탄하지만은 않습니다. 각 부서는 서로 다른 목표와 우선순위를 가지고 문제를 바라보기 때문에, 문제의 중요성을 공감하지 못하거나 해결 방향에 대해 충돌이 생길 가능성이 있어요.
AI 프로젝트에 대한 공감대를 형성하지 않으면, 문제 해결 방향이 분산되거나 실행 단계에서 어려움을 겪을 수 있습니다. 따라서 모든 이해관계자의 의견을 수렴하고, 조율 과정을 거쳐 통합된 해결책을 만들어가는 과정이 필수적입니다.
3) 실행 가능성을 고려해 프로젝트 기획하기
AI 도입 과제는 특정 기술이 유망하다고 해서 모든 조직에 적합한 것은 아닙니다. 우리 조직의 인프라나 데이터 환경이 그 기술을 지원할 수 있는지, 기술적으로 실현 가능한지를 점검하지 않으면 기획은 잘 되어도 실제 구현이 어려울 수 있어요. 또한 성능이 기대에 미치지 않거나, 과도한 비용이 발생할 수 있죠.
이를 방지하려면 도입 초기부터 데이터, 인프라, 기술 역량 등을 면밀히 점검하고, ROI와 기대 효과를 평가하는 것이 중요해요. 이런 사전 준비가 되어야만 실질적인 비즈니스 가치를 줄 수 있는 프로젝트를 효과적으로 추진할 수 있습니다.
따라서 신한투자증권은 에이블캠퍼스와 함께 어떤 문제를 AI로 해결할 수 있을지, 그리고 이를 어떻게 실제 적용할 수 있을지 명확히 정의하고자 했습니다. 이를 위해 디자인 씽킹 워크샵을 통해 현재 업무 프로세스를 분석하고, AI가 해결할 핵심 문제를 파악해 구체적인 AI 솔루션을 도출하기 위한 프로그램을 구성하였습니다.
1) 프로젝트의 실현 가능성을 진단해줄 AI 엔지니어의 노하우 제공
에이블캠퍼스는 다양한 산업군에서 100건 이상의 AI 서비스를 개발한 경험을 보유한 AI 엔지니어들로 구성되어 있어요. 전문 AI 엔지니어들은 해결할 문제의 가능성과 한계를 면밀히 검토하며, 현재 기술로 실현 가능한지 등에 대한 방향성을 제안해 드려요. 이를 통해 막연한 아이디어를 구체적인 목표로 정리해 실현 가능한 전략 수준으로 구체화할 수 있도록 지원합니다.
2) 다양한 관점을 공유할 수 있는 참여형 프로세스 환경
워크샵에서는 여러 부서와 다양한 역할을 가진 조직 구성원들이 함께 참여하여 각자의 관점을 공유할 수 있는 환경을 제공합니다. 이렇게 다양한 시각을 반영함으로써 더욱 실현 가능성이 높은 과제를 도출할 수 있고, 프로젝트 진행 중에도 부서 간 협업이 원활하게 이루어질 수 있도록 기반을 마련합니다.
교육 시작 전에 설문조사를 통해 교육생들의 업무 프로세스를 상세히 파악했습니다. 설문조사를 토대로 업무 유사성과 조직 구조에 따라 조를 구성했어요. 각기 다른 부서의 임직원들이 한 조에 모여 문제를 논의하며, 서로의 관점과 우선순위를 공유하기 위해서요.
이를 통해 실질적인 문제를 해결할 수 있는 체계적인 환경을 만들었고, 다양한 시각을 반영한 더 나은 아이디어를 도출할 수 있었습니다.
디자인 씽킹 프로세스를 활용해 조별로 단계별 업무 프로세스를 정의하고 각 단계에서 겪는 문제들을 함께 살펴보았습니다. 조직의 핵심 업무 프로세스와 가장 큰 병목 지점을 도출하는 데 초점을 맞추는 시간이었어요.
그리고 그 문제들이 해결되면 회사에 어떤 가치를 가져올 수 있을지 생각하며, 비즈니스 가치에 따라 우선순위를 매겼습니다. 이 과정을 통해, 우리가 집중해야 할 핵심 문제를 명확히 하고, 그 중요성을 다시 한번 확인할 수 있었어요.
AI 프로젝트를 기획할 때는 비즈니스 우선순위 이외에도 AI 적용 가능성도 함께 고려해야 합니다. 따라서 업무에서 발생하는 문제들을 AI 솔루션으로 해결할 수 있는지에 집중해 문제를 바라보는 관점을 새롭게 정의하는 시간을 가졌어요.
실제로 AI로 개선할 수 있는 문제점들을 찾아나가며 워크샵이 끝날 때에는 각 조별로 하나의 AI 과제를 도출할 수 있었습니다.
이 과정에서는 에이블캠퍼스의 AI 엔지니어들이 각 조마다 배치되어, 교육생들이 제안한 아이디어들이 AI로 구현 가능한지 기술적인 조언과 검토를 제공했어요. 이를 통해 교육생들은 기술적으로 구현 가능한 효율적인 솔루션을 도출할 수 있었습니다.
신한투자증권 교육생의 95%가 에이블캠퍼스에서 진행하는 교육을 추가로 수강하길 희망했어요.
카이스트 AI 대학원 석박 과정 및 AI 서비스 개발 경험 다수 보유중인 강사가 직접 제공하는 전문적인 강의에 만족했어요.
.svg)
.png)
.png)
