[혁신 TALK] AI가 바꾸는 업무 혁신
AI 에이전트가 바꾸는 업무 혁신
기업의 AI 전환(AX)이 본격화되고 있다. KT와 LG CNS, 포스코 DX, 삼성 SDS등 주요 기업들은 AI 에이전트를 내세워 업무 구조 혁신에 나서고 있다. 콘텐츠 제작과 제조, 영업, 사내 업무 방식 전반을 AI 중심으로 재설계하는 것이다. 새롭게 선보이는 혁신 TALK 코너는 KT를 시작으로 주요 기업들의 AX 구축 사례와 업무 혁신 방향을 순차적으로 소개할 예정이다. 이번 5월호에서는 KT 사례를 통해 AX가 어떻게 구축되고, 어떤 방식으로 성과를 내고 있는 지 살펴봤다.
글 | 홍보 CSR팀 이지은
자료제공 | AX시너지팀 강종원
✔ 콘텐츠 AX: KT AI Studio Lab
KT는 ‘AI 스튜디오 랩(AI Studio Lab)’을 중심으로 콘텐츠 기획과 편집, 사후 PPL까지 콘텐츠 제작 전 과정에 AI를 도입하고 있다. 원본 영상만 올리면 리뷰형, 인물형, 클립형, 예고편형 등 네 가지 포맷으로 최대 50개의 숏폼을 몇 분 안에 자동 생성하는 것이 특징이다.
AI는 영상 속 얼굴과 표정, 장소, 대사를 분석한 뒤 장면별 특징을 정리하고 이에 어울리는 자막과 그래픽을 자동으로 입힌다. 또한 “감성적인 장면만 모아줘”, “대사가 많은 장면 중심으로 편집해줘”와 같은 자연어 명령도 이해해 장면을 재구성한다.
KT는 해당 기술을 드라마뿐만 아니라 홈쇼핑, OTT 마케팅, 사후 PPL 영역까지 확대하고 있다. 콘텐츠 제작과 유통, 마케팅 전반을 AI 중심으로 연결하는 ‘콘텐츠 밸류체인(Value-Chain)’을 구축한 셈이다.
✔ 제조·설비 AX: KT 4M Change Trace Agent
제조 현장에서는 ‘4M Change Trace Agent’가 활용되고 있다. 이 시스템은 품질 문제가 발생했을 때 사람(Man), 설비(Machine), 재료(Material), 방법(Method) 등 이른바 ‘4M 요소’의 변화를 자동으로 추적해 원인을 찾는다. 생산 설비 로그와 작업자 교대 기록, 자재 정보, 공정 변경 이력 등을 한데 모아 품질 문제와 상관관계를 분석한다.
특히 설비 매뉴얼과 장애 보고서, 과거 변경 이력을 RAG(Retrieval-Augmented Generation)* 기반으로 연결한 점이 눈에 띈다. 이를 통해 “과거에 비슷한 불량이 있었는지”, “어떤 조치가 효과적이었는지” 등을 AI에 질의할 수 있다. 현장의 경험과 노하우를 데이터로 축적해 숙련 엔지니어가 아니어도 문제 원인과 해결 방안에 접근할 수 있도록 한 것이다.
※ RAG(Retrieval-Augmented Generation): 문서, 매뉴얼, 지식DB 등을 검색한 뒤, 검색 결과를 기반으로 AI가 답변하는 생성 방식
✔ 영업·주문 AX: KT AI 오더 어시스턴트
‘AI 오더 어시스턴트’는 전화 주문 업무에 생성형 AI를 접목한 사례다. 자동차 정비소와 부품 대리점 간 주문 전화를 STT(Speech-to-Text) 기술*이 실시간으로 문자화하고 생성형 AI가 차량 정보와 부품명, 수량 등을 분석해 주문 후보를 자동으로 생성한다. 이후 내부 재고, 가격 DB를 연계하여 상담원이 바로 주문 내용을 확인할 수 있도록 지원한다.
소음이 많은 환경, 사투리와 비표준어가 섞인 통화도 AI 기반 음성 인식 모델인 STT 기술을 활용해 높은 정확도로 분석할 수 있다. 상담원은 AI가 정리한 주문 내역을 검토하고 필요한 부분만 수정하면 된다.
※ STT(Speech-to-Text)기술: 음성 데이터를 텍스트로 변환하는 기술. 상담 녹취, 회의 음성, 주문 전화 등을 문자화하여 AI 분석에 활용
✔ 사내 지식 AX: KT Cloud ‘AI Foundry’
KT Cloud의 ‘AI Foundry’는 사내 문서를 기반으로 AI 질의응답 체계를 구축할 수 있는 플랫폼이다. PDF와 워드(DOCX) 등 비정형 문서를 업로드하면 AI가 문서를 읽고 구조화한 뒤 임직원들의 질문에 문서 내용을 근거로 답변한다. 쉽게 말해 회사 내부 규정과 매뉴얼을 학습한 기업용 ChatGPT를 만드는 구조다.
가령, “출장비 규정은 어떻게 되는 지”, “특정 업무 절차는 어떻게 진행하는 지” 등을 질문하면 AI가 관련 문서를 찾아 요약하고 답변하는 식이다. 별도의 AI 인프라를 구축하지 않아도 데이터 수집과 검색, 답변 생성 기능을 통합 서비스 형태로 제공한다는 점이 특징이다. 기업 입장에서는 복잡한 시스템 구축보다 “어떤 문서를 어떤 기준으로 AI에 연결할 것인가”에 보다 집중할 수 있다. 또한 사내 규정 범위 안에서만 답변하도록 설정하는 정책 통제도 가능하다.
✔ 스카이라이프 AX의 지향점
KT의 사례가 보여주는 핵심은 반복 업무는 AI가 수행하고, 판단과 책임은 사람이 담당하는 방식으로 업무 구조 자체를 바꾸고 있다는 점이다. 콘텐츠 제작과 제조, 사내 지식 관리 등 영역은 서로 다르지만 공통적으로 반복 작업의 자동화와 업무 효율화라는 방향 아래 움직이고 있다.
스카이라이프 역시 이러한 흐름에서 예외일 수 없다. 스카이라이프가 보유한 채널과 VOD 자산, 콜센터, 광고 편성·심의 프로세스를 살펴보면 AI를 적용할 수 있는 영역은 충분하다. 숏폼과 클립 자동 제작, 상담 및 가입 업무 지원, 사내 규정과 편성 가이드를 연계한 지식 에이전트 구축 등 다양한 AX 과제를 발굴할 수 있다.
중요한 것은 AI 도입 자체가 아니다. 어떤 업무를 우선적으로 AI에 적용하고, 어떤 순서로 업무 구조를 바꿔나갈 것인지 결정하는 일이다. KT 사례가 보여주듯 AI 에이전트는 업무 자동화 도구를 넘어 일하는 방식을 변화시키고 있다. 스카이라이프 역시 자사 환경에 적합한 AI 에이전트를 설계하고 콘텐츠와 플랫폼, 나아가 조직이 일하는 방식을 단계적으로 전환해 나가야할 시점이다.