같은 시스템과 같은 AI 도구를 사용하더라도 현장 결과는 달라질 수 있습니다. 작업의 순서, 예외를 판단하는 기준, 데이터의 의미와 시스템 사이의 연결 방식이 다르기 때문입니다. AI 도입은 이 업무 지식을 어떻게 정리하고 검증할지에서 출발합니다.
1. 현장 노하우는 어떤 지식인가요?
설계서와 소스뿐 아니라 운영자가 반복해서 조정하는 조건, 오류가 발생했을 때의 대응, 시스템에 기록되지 않은 업무 간 약속도 중요한 지식입니다. 문서의 양을 늘리는 것보다 실제 판단에 쓰이는 규칙과 예외를 설명할 수 있게 만드는 것이 먼저입니다.
2. 적용할 고객 과제를 먼저 정합니다.
모든 지식을 한꺼번에 모으기보다 대표 업무 한 건을 선정합니다. 현재 어떤 판단이나 확인에 시간이 걸리는지, 어떤 자료를 활용할 수 있는지, 결과를 누가 어떤 기준으로 검토할지를 정리합니다. 데이터 이용 범위와 기존 시스템의 제약도 함께 확인합니다.
3. 지식과 AI 기술을 연결하고 결과를 검증합니다.
AI가 참조할 근거와 사람이 확인할 업무 규칙을 구분합니다. 문서 검색과 질의응답, 업무 데이터 해석, 기존 시스템 연계 등 필요한 방식을 선택하고 대표 사례와 예외 상황에서 결과를 비교합니다. 적용 효과는 고객의 기존 방식과 같은 조건에서 확인합니다.
4. AI 밸류링크는 협업을 어떻게 연결하나요?
GLT AI 밸류링크는 도메인 지식을 가진 전문가, AI 기술 역량과 고객의 업무 과제를 연결하는 협업 모델입니다. 관제·정산·수송·배송·창고·공정·설비 인터페이스 등 연결할 업무를 검토하고, 프로젝트별 역할과 산출물을 구체화합니다.
전문가가 제공하는 지식재산의 이용 범위, 기여도 평가와 보상 기준은 참여 과정에서 별도로 협의합니다. 이 협업 모델의 구상을 개별 제품의 구현 완료나 확정된 배분 조건으로 해석하지 않습니다.
5. 도입 검토 전에 준비하면 좋은 것
- 해결하고 싶은 대표 업무와 기대 결과
- 활용 가능한 문서·데이터와 현재 사용하는 시스템
- 사람이 검토할 기준과 주의해야 할 예외 상황
- 자료 이용 범위, 담당 역할과 현장 적용 조건
처음부터 모든 자료가 완성되어 있을 필요는 없습니다. 현재의 문제와 활용 가능한 자료부터 상담에서 공유하고, 후속 검토에 필요한 범위를 정할 수 있습니다.