AI에게 “이번 분기 목표 달성률을 계산해 줘”라고 해도 될까? 생성형 AI를 기업 업무에 적용하다 보면 자연스럽게 숫자를 묻게 됩니다. 예를 들어 다음과 같은 질문입니다. “이번 분기 목표 달성률은 얼마인가?” “실제로 수주 가능성이 높은 영업 파이프라인은 얼마인가?” “현재 손실 위험이 높은 프로젝트는 어디인가?” “조직별 가동률은 어떻게 되는가?” “지난달 대비 원가율이 얼마나 높아졌는가?” 생성형 AI는 이런 질문을 이해하고 자연스럽게 설명할 수 있습니다. 그렇다면 필요한 데이터를 모두 LLM에게 넘기고 계산까지 맡기면 되는 것일까요? 기업 업무에서는 조금 다르게 접근할 필요가 있습니다. 특히 매출, 원가, 손익, 목표 달성률, 가동률, 파이프라인처럼 중요한 경영 숫자는 단순한 산술문제가 아닙니다. 어떤 데이터를 사용할 것인지, 어느 시점을 기준으로 할 것인지, 어떤 항목을 포함하고 제외할 것인지, 어떤 계산식을 적용할 것인지가 함께 정의되

AI PoC를 시작할 때 가장 먼저 무엇을 정해야 할까? 기업에서 생성형 AI 도입을 검토하면 비슷한 질문이 나옵니다. “어떤 LLM을 사용해야 할까?” “RAG를 구축해야 할까?” “AI Agent까지 만들어 볼까?” “ERP와 CRM을 어떻게 연결해야 할까?” 모두 중요한 질문입니다. 하지만 기술을 정하기 전에 먼저 답해야 할 질문이 있습니다. “우리 회사에서 반복해서 묻지만 답을 얻는 데 시간이 많이 걸리는 질문은 무엇인가?” GS비즈플은 기업 AI PoC의 출발점을 여기서 봅니다. 예를 들어 경영진과 현업이 매주 다음과 같은 질문에 답하기 위해 여러 시스템을 조회하고 Excel을 취합하고 담당자에게 다시 확인하고 있다면, 그 질문 자체가 좋은 AI PoC 후보가 될 수 있습니다. 이번 분기 목표 달성이 어려운 조직은 어디인가? 실제로 믿을 수 있는 영업 파이프라인은 얼마인가? 손실 위험이 높아지고 있는 프로젝트는 무엇인가? 프로젝트 종료 후

기업에는 데이터가 많은데 왜 AI는 회사 상황을 제대로 답하지 못할까? 기업에는 이미 많은 데이터가 있습니다. ERP에는 매출, 원가, 회계 데이터가 있고 CRM에는 고객과 영업기회가 있습니다. HR 시스템에는 조직과 인력 정보가 있고 PMS에는 프로젝트 일정과 진행상태가 있습니다. 문서시스템과 그룹웨어에는 보고서, 승인문서, 회의자료와 업무기록도 쌓여 있습니다. 그런데 생성형 AI에게 다음과 같이 물어보면 상황은 달라집니다. “이번 분기 목표 달성이 어려운 조직은 어디인가?” “실제로 믿을 수 있는 영업 파이프라인은 얼마인가?” “손실 위험이 높은 프로젝트는 무엇인가?” “프로젝트 종료 후 가용 가능성이 높은 인력은 누구인가?” 이 질문들은 한 시스템의 데이터를 검색하는 것만으로 답하기 어렵습니다. ERP의 숫자와 CRM의 영업상태를 연결해야 할 수도 있고, PMS의 프로젝트 일정과 HR의 투입인력을 함께 봐야 할 수도 있습니다. 여기에 회사