AI에게 임직원 6명의 역할을 맡겨 본 AX 컨설팅 인터뷰 과정에서의 인사이트
2026.10.13
AX 컨설턴트·코치가 어떤 질문으로 기업의 일을 이해하는지 궁금해서, 가상 제조기업 늘솔정공의 고객 클레임 업무를 대상으로 질문지를 구성하고 AI에게 임직원 역할의 답변을 맡겨 봤습니다.
이번 연습에서 가장 크게 배운 것은 같은 업무에 대한 서로 다른 답변을 비교하면, 다음에 확인해야 할 질문이 구체적으로 보인다는 점입니다.
이 글은 가상기업 자료와 AI 역할극을 활용한 학습 경험입니다. 실제 임직원을 면담하거나 현장 개선 효과를 측정한 사례는 아닙니다.
1. 시도하고자 했던 것과 그 이유
AI를 기업 업무에 적용하려면 먼저 그 업무가 어떻게 돌아가는지 알아야 합니다. 그런데 “어떤 업무를 자동화하고 싶으세요?”라는 질문만으로는 업무의 시작과 끝, 판단 기준, 부서 사이의 인계까지 파악하기 어렵겠다고 생각했습니다.
그래서 이번에는 고객의 불량 통보를 받고, 조사와 대책 수립을 거쳐, 승인된 보고서를 고객에게 제출하고 기록을 남기는 과정을 대상으로 삼았습니다. 의사결정자가 중요하게 생각하는 것과 실무자가 실제로 경험하는 것을 각각 물어보고 싶었습니다.
특히 세 가지를 연습하려고 했습니다.
경영진의 목표와 현장의 행동을 연결하는 질문 만들기
같은 사건을 여러 역할의 시선으로 살펴보기
답변을 근거와 연결하고, 추가로 확인할 사항 찾아내기
AX 컨설턴트·코치의 일을 구체적으로 이해하려는 스터디원에게도 따라 해 볼 만한 연습이라고 생각했습니다.
2. 진행 방법
먼저 업무 범위를 정했습니다.
회사 전체를 한꺼번에 분석하기보다 고객 클레임 처리라는 하나의 흐름에 집중했습니다. 어디서 업무가 시작되고, 무엇을 해야 끝났다고 볼 수 있는지부터 구분했습니다.
질문은 의사결정자와 실무자용으로 나눴습니다.
의사결정자에게는 목표, 고객 요구, 승인 기준, 권한과 예외를 물었습니다. 실무자에게는 최근 사례, 실제 행동 순서, 필요한 자료, 소요시간, 인계 방식과 재작업을 물었습니다. 조사 관리자 가이드에는 답변을 확인할 자료와 후속 질문을 연결하는 기준을 정리했습니다.
AI에게 여섯 역할의 답변을 맡겼습니다.
대표이사, 품질팀장, 클레임 담당자, 영업과장, 주간 조장, 금형 담당자의 입장에서 각각 1인칭으로 답하도록 했습니다. 각 역할이 직접 아는 범위를 유지하고, 다른 부서의 사정까지 모두 아는 사람처럼 답하지 않도록 했습니다.
기존 자료와 새로 가정한 내용을 구분했습니다.
기존 가상 응답에서 가져온 내용, 이번에 추가한 모의 응답, 확인이 필요한 내용을 표시했습니다. 기존 승인 자료는 보존하고 별도 답변서를 만들었습니다.
마지막으로 같은 사건에 관한 답변을 나란히 읽었습니다.
누가 어떤 정보를 언제 받았는지, 무엇을 했는지, 다음 사람에게 무엇을 넘겼는지에 주목했습니다. 답변이 다르면 그 차이를 남겨 두고 확인할 질문을 붙였습니다.
이번 방식의 핵심을 짧은 프롬프트로 정리하면 다음과 같습니다.
제공한 자료를 바탕으로 해당 임직원의 역할에서 답해 주세요. 직접 아는 사실, 다른 사람에게 들은 내용, 추정과 모르는 내용을 구분해 주세요. 다른 역할과 답을 억지로 맞추지 말고, 자료에 없는 내용을 추가하면 가정이라고 표시해 주세요. 답변 뒤에는 확인할 자료와 후속 질문을 적어 주세요.
3. 결과와 배운 점
결과
의사결정자 질문 17개와 실무자 질문 26개를 기준으로, 대표이사 1명과 실무자 5명의 역할별 답변서를 만들었습니다. 공통 질문을 역할별로 반복해 답한 것을 포함하면 총 147개 응답 항목입니다.
이 숫자는 작성한 응답의 분량입니다. 실제 면담 인원이나 검증된 사실의 수를 뜻하지는 않습니다.
답변을 비교하면서 특히 다음과 같은 확인 지점을 발견했습니다. 아래 내용은 모두 가상 사례 속 진술을 요약한 것입니다.
비교한 내용 | 답변에서 드러난 차이 | 이어서 확인할 질문 |
|---|---|---|
고객 통보 전달 | 영업은 단체 대화방에 올렸다고 설명하지만, 특정 담당자가 확인한 시점은 별개였습니다. | 게시 이후 누가 언제 확인했고, 확인되지 않을 때는 어떻게 했나요? |
보고서 결재 | 대표는 검토에 약 10분이 걸린다고 했고, 담당자는 결재를 하루 이틀 기다린다고 느꼈습니다. | 상신, 검토 시작, 승인 완료는 각각 언제였나요? |
재발 방지 대책 | 보고서에 교체 주기 관리가 있었지만, 금형 담당자는 그 실행 지시를 받지 못했다고 답했습니다. | 대책이 누구에게 어떤 방식으로 전달됐고, 실행 여부는 어디서 확인하나요? |
대표의 검토시간과 담당자의 대기시간은 서로 다른 시간을 말하므로 두 답변이 함께 성립할 수 있습니다. 또 “지시를 받지 못했다”는 한 사람의 진술만으로 전체 인계 실패의 원인을 확정할 수는 없습니다. 이런 구분 자체가 좋은 연습이었습니다.
배운 점과 나만의 꿀팁
첫째, 업무의 연결 지점을 물으면 질문이 구체적이 됩니다.
“소통이 잘되나요?”보다 “최근 그 건에서 무엇을 넘겼고, 상대가 받았다는 것을 어떻게 알았나요?”가 실제 행동을 설명하게 합니다. GOV.UK의 심층 인터뷰 안내도 개방적이고 중립적인 질문, 구체적인 경험, 후속 질문을 강조합니다.
제가 챙기게 된 질문은 다음 세 가지입니다.
그때 직접 하신 일은 무엇인가요?
다음 사람이 일을 시작하려면 무엇이 필요했나요?
그 내용을 확인할 수 있는 기록은 무엇인가요?
둘째, 시간과 완료의 의미부터 맞춰야 합니다.
자료를 찾은 시간, 문서를 작성한 시간, 다른 사람의 응답을 기다린 시간은 구분해서 들어야 합니다. “보고서 작성 완료”, “승인 완료”, “고객 제출 완료”도 서로 다른 사건입니다. 이 기준이 섞이면 개선 전후를 비교하기도 어렵습니다.
셋째, AI 적용 후보와 업무 운영의 개선 과제를 함께 살펴봐야 합니다.
이번 사례에서는 자료 검색과 보고서 초안 작성이 AI 활용 후보로 보였습니다. 반면 인계 확인, 승인 권한, 실행 책임에는 업무 기준을 정리하는 접근도 필요해 보였습니다. 이는 아직 시험하지 않은 제 판단입니다.
Google의 People + AI Guidebook도 현재 업무 흐름을 살펴보고, AI가 가치를 더하는 부분과 단순한 규칙으로 해결할 수 있는 부분을 검토하도록 안내합니다.
따라서 이 사례를 발전시킨다면 양식 정리나 알림만으로 개선되는 부분과 AI가 필요한 부분을 비교해 보고 싶습니다.
넷째, 컨설팅과 코칭에서 질문의 목적이 어떻게 달라지는지 생각해 보게 됐습니다.
이번 연습과 참고 글을 바탕으로 저는 두 역할을 다음처럼 이해했습니다.
컨설턴트의 관점에서는 업무와 근거를 정리하고, 문제를 검증하며, 개선 대안을 설계합니다.
코치의 관점에서는 현업 담당자가 자신의 판단 근거를 살피고, 스스로 확인할 일과 다음 행동을 정하도록 돕습니다.
예를 들어 “왜 이렇게 처리하셨나요?”에서 더 나아가 “그때 어떤 정보를 근거로 판단하셨나요?”, “다음에 같은 상황이 생기면 무엇을 먼저 확인하고 싶으신가요?”를 물어볼 수 있습니다.
Lean Enterprise Institute의 글에서 설명하는 조사 목적의 질문과 상대의 사고를 돕는 코칭 질문의 차이가 이 구분에 도움이 됐습니다.
두 역할이 실제로 어디까지 겹치는지는 과업과 합의에 따라 달라지겠지만, AX에서는 기술 검토와 함께 현업의 판단·실행 역량을 돕는 일도 중요하다고 생각합니다.
제가 다시 한다면 꼭 지킬 꿀팁은 다섯 가지입니다.
최근 사례 하나를 끝까지 따라갑니다. 일반적인 업무 설명 뒤에 실제 사건의 순서를 붙입니다.
답변자의 지식 범위를 정합니다. 모든 것을 아는 가상 직원이 되지 않게 합니다.
기존 자료·추가 가정·미확인을 표시합니다. 그럴듯함과 근거를 구분합니다.
다른 답변을 바로 오류로 처리하지 않습니다. 관찰한 시점이나 업무 범위가 다른지 먼저 봅니다.
문항 수보다 후속 질문의 쓸모를 봅니다. 실제 인터뷰에서는 공통 핵심 질문과 역할별 질문을 골라 쓰고, 답변에 따라 깊이를 조절하겠습니다.
과정에서 겪은 시행착오
가장 먼저 겪은 시행착오는 요청 범위의 어긋남이었습니다. 처음에는 AI가 질문지 보완 설계에 집중했고, 저는 “늘솔정공 임직원이라고 가정해서 질문에 답해 달라”고 방향을 다시 명확히 했습니다. 이후에는 누가 답하는지, 어떤 자료까지 알고 있는지, 결과물을 어떤 형태로 받을지를 구체적으로 지정했습니다.
또 하나의 어려움은 AI가 자연스럽게 채워 넣은 설명이 기존 자료의 내용처럼 읽힐 수 있다는 점이었습니다. 그래서 기존 진술의 재구성과 새로 가정한 답변을 구분했습니다.
동일한 AI가 만든 여섯 역할의 답변은 독립적인 여섯 사람의 증언이 아닙니다. 여러 답변이 일치해도 사실 확인이 끝났다고 볼 수 없습니다. 질문의 빈틈을 찾는 연습에 활용하고, 실제 판단에는 현장 인터뷰와 원자료 대조가 필요합니다.
질문지를 자세히 만드는 것과 실제 면담에서 쓰기 쉽게 만드는 것도 다른 과제였습니다. 이번에는 항목을 충분히 펼쳤지만, 실제로 적용할 때는 질문을 읽는 데 치우치지 않고 상대의 설명을 듣는 시간을 확보해야겠다고 생각했습니다.
도움이 필요한 부분
스터디원 중 제조업이나 현장 인터뷰 경험이 있는 분들께 다음 피드백을 받고 싶습니다.
품질·영업·생산 사이의 인계를 확인할 때 빠지기 쉬운 질문은 무엇인가요?
관리자와 실무자의 설명이 다를 때, 방어적인 반응을 줄이며 확인하는 방법은 무엇인가요?
작은 개선 실험에서 작성시간, 대기시간, 누락과 재작업 중 무엇부터 측정하면 좋을까요?
가능하다면 같은 사례로 질문자와 응답자 역할을 나눠 짧게 연습하고, 질문이 유도적이거나 답하기 어려운 지점을 서로 짚어 보면 좋겠습니다.
앞으로의 계획
다음에는 이 답변을 바탕으로 담당자별 업무 흐름과 인계 지점을 한 장에 정리해 보고 싶습니다. 그다음 확인된 내용과 가설을 구분하고, 영향이 크면서 작은 범위로 시험할 수 있는 개선 과제 하나를 고르겠습니다.
예를 들어 클레임 접수 정보의 누락을 점검하거나, 근거 자료를 연결한 보고서 초안을 만드는 연습을 생각하고 있습니다. 먼저 성공 기준과 사람의 검토 범위를 정하고, 기존 방식과 비교해 시간·누락·수정 부담이 어떻게 달라지는지 살펴보고 싶습니다.
현장 검증으로 이어갈 기회가 생기면, 가상 응답에서 만든 가설을 실제 담당자의 설명과 기록으로 다시 확인하겠습니다.
4. 도움 받은 글
아래 세 편은 이번 경험을 정리하면서 읽고 연결한 자료입니다. 질문지 작성 당시부터 모두 참고했다는 의미는 아닙니다.
① GOV.UK — Using in-depth interviews
주제와 후속 질문으로 인터뷰 가이드를 구성하고, 질문을 미리 시험하며, 실제 경험을 중립적으로 묻는 방법을 설명합니다. 질문지를 준비하되 대화의 흐름을 따라 깊이 들어가야 한다는 점이 이번 연습과 연결됐습니다.
② Google PAIR — User Needs + Defining Success
사용자의 문제와 기존 업무 흐름에서 출발해 AI의 가치를 판단하고, 자동화와 사람의 능력을 보조하는 방식을 구분합니다. 클레임 업무에서 무엇을 개선할지 정한 뒤 AI 적용 여부와 성공 기준을 검토하는 데 도움이 됐습니다.
③ David Verble · Lean Enterprise Institute — Practical Guidance for Using Humble Inquiry in PDCA Problem Solving and Coaching
미리 정한 답으로 유도하지 않고 상대가 아는 내용을 배우는 질문을 설명합니다. 문제의 상황을 파악하기 위한 조사와, 상대가 자신의 생각을 검토하도록 돕는 코칭의 목적을 구분해 AX 컨설턴트·코치의 역할을 생각하는 데 도움이 됐습니다.
※ 이 실습의 직접 자료는 늘솔정공 마스터 프롬프트, 기존 가상 조사 자료, 작성한 질문지·조사 관리자 가이드와 역할별 가상 답변서입니다. 마스터 프롬프트가 지정한 웹 교안 본문은 당시 직접 열람하지 못했으므로, 그 교안 전체를 검토하거나 충실히 반영했다고 주장하지 않습니다.
우리 회사에도 이런 자동화를 도입하고 싶다면
회사 업무에 맞춘 AI 교육을 함께 설계해요.




나대로님, 임직원 여섯 역할을 AI에게 맡겨 보신 인터뷰 과정 잘 읽었습니다.
기존 가상 응답, 이번에 추가한 모의 응답, 확인이 필요한 내용을 명확히 구분해 표시하신 점이 인상 깊었어요. 총 147개 응답 항목을 역할별로 나란히 읽으며 확인 지점을 찾아내신 방식도 따라 해 볼 만하다고 느꼈습니다.
이어지는 기록도 기대할게요.