AI 업무 활용은 문서 요약과 초안 작성 같은 보조 작업부터, 업무 단계를 AI가 직접 처리하는 자동화까지 범위가 넓습니다. 한국은행 보고서에 따르면 2025년 5~6월 전국 취업자 5,512명을 조사한 결과 63.5%가 생성형 AI를 써본 적이 있었고, 51.8%는 업무에 사용했다고 합니다.
AI 업무 활용, 지금은 어디까지 왔을까요? AI 업무 활용을 고민하고 계시는 분들을 위해 영업, 인사, 재무, 고객지원 부서에서 AI를 활용했다고 보도된 국내 사례를 부서별로 정리해보았습니다. 이어서 사례의 효과 수치를 읽을 때 확인해야 할 기준을 살펴보도록 하겠습니다. 같은 AI라도 부서마다 적용하는 업무 단계가 다르기 때문에 부서별로도 세부적으로 살펴보겠습니다.
영업부서의 AI 업무 활용 - 고객 정보 정리와 의견 작성
이데일리 보도에 따르면 KB금융은 PB와 기업금융 RM 같은 현장 영업 업무에 AI 에이전트를 가장 먼저 도입했고, 대상 직원의 활용률이 약 90%라고 밝혔습니다. 기업금융 RM이 신용평가 종합의견을 작성할 때 에이전트가 작성을 지원하는 방식이며, 작성 시간이 35.5분에서 약 30초로 줄었다고 합니다.
KB금융은 그룹 공동 생성형 AI 플랫폼을 9개 계열사가 함께 쓰고 있으며, 연내 59개 업무 영역에 300여 개 에이전트를 도입하는 것을 목표로 현재 100여 개를 완료했다고 밝혔습니다. 이 사례에서 AI가 맡은 일은 고객을 직접 만나는 단계가 아니라 필요한 문서를 작성하는 단계입니다. 수치는 KB금융이 인터뷰에서 밝힌 내용에서 발췌했습니다.
여기서 알 수 있는 점은 영업 부서에서 AI가 고객을 직접 설득하는 일보다, 의견서 같은 문서를 작성하는 시간을 줄이는 데 먼저 쓰였다는 것입니다. 문서 작성에 드는 시간이 줄어든 만큼 담당자가 고객 응대와 판단에 쓸 시간을 늘릴 수 있는 구조입니다.
인사부서의 AI 업무 활용 - 채용부터 사내 업무, 그리고 인재 추천까지
고용노동부와 한국고용정보원의 2025년 기업 채용동향조사에 따르면 매출 상위 500대 기업 중 396개사가 응답했고, 공식·비공식 사용을 포함해 86.7%가 인사업무에 AI를 사용한다고 답했습니다. 채용에 AI를 쓰는 기업 가운데서는 AI 기반 인적성·역량검사 활용이 69.8%, 지원서류 검토 활용이 46.5%였습니다. 향후 도입이나 확대 계획이 있는 기업은 74.5%였고, 계획이 없는 기업은 AI 도구의 공정성과 객관성에 대한 확신 부족을 주된 이유로 꼽았습니다.
기업 사례로는 LG CNS가 있습니다. 보도에 따르면 LG CNS는 신입과 경력 채용에 에이전틱 AI를 시범 적용했습니다. 여러 AI 에이전트가 이력서와 자기소개서, 인적성검사 결과를 요약하고 직무 적합도를 분석하며, 서류 검토 시간이 약 38% 줄었다고 합니다. 분석 결과는 면접관과 채용 담당자의 판단을 보조하는 참고 지표로 쓰입니다.
채용 밖의 사례도 있습니다. 또 다른 보도에 따르면 SK하이닉스는 LLM 기반 에이전트 '하루'로 휴가 신청과 회의실 예약을 처리하고, 급여 계산과 인사 발령을 포함한 RPA 과제 85개 이상을 연계해 운영한다고 소개했습니다. 한국전력은 2023년 말부터 인사와 직무 데이터를 바탕으로 한 AI 인재추천 시스템을 활용하고 있으며, 다면평가 텍스트까지 분석해 보직 후보를 추천하는 데 쓴다고 보도됐습니다.
이를 보면, AI 업무 활용 측면에서 인사부서는 주로 채용 서류 검토, 사내 문의와 행정 처리, 인재 추천처럼 업무별로 나뉘어 적용하고 있다는 것을 알 수 있습니다. 평가가 걸린 채용에서는 LG CNS처럼 AI를 판단 보조 수단으로 둔 경우도 있었습니다.
재무부서의 AI 업무 활용 - 정확도를 높이기 위한 반복 업무부터
한국경제 보도에 따르면 포스코DX는 정확도 요구가 높은 재무 영역에 AI 에이전트를 먼저 적용했습니다. 대표적인 업무는 채권관리입니다. 거래처별 미수금을 확인하고 회수 일정을 정리하는 작업을 에이전트가 맡았고, 시범 적용에서 처리 시간이 83.3% 줄었다고 합니다. 일부 결산 작업은 수일 걸리던 것이 수분으로 단축됐습니다. 에이전트는 업무 절차를 학습시킨 뒤 성과를 평가해 재학습하거나 교체하는 방식으로 운영한다고 합니다.
포스코DX는 재무와 사무 영역을 합쳐 약 113개의 에이전트를 운영 중이라고 밝혔습니다. 다만 결산 전체 과정을 AI가 처리하는 것은 아직 추가로 실험할 계획 단계입니다. 반복적이고 규칙이 분명한 업무부터 자동화하고, 판단이 필요한 단계는 이후 과제로 남겨 두는 방식이었습니다.
이 사례를 통해 알 수 있는 점은, 정확도 요구가 높은 부서에서는 미수금 확인처럼 규칙이 분명한 반복 업무부터 AI를 적용했다는 것입니다.
고객지원부서의 AI 업무 활용 - 민원 처리 단계의 자동화
KB금융은 은행 민원을 처리하는 과정을 분류, 부서 배정, 팩트 체크, 과거 답변 활용, 최신 규정 검토 단계로 나누어 AI 에이전트로 자동화했다고 보도했습니다. 처리 속도가 절반으로 줄었고, 적체되어 있던 민원의 80%를 처리했다고 합니다.
고객 응대 자체를 AI가 하는 것이 아니라, 담당자가 답변을 내기까지 거치는 확인과 검토 단계를 줄인 사례입니다. 이 수치 역시 KB금융이 밝힌 내용입니다. KB금융은 이런 에이전트를 사내 경진대회와 AI 개발 조직을 통해 현업 과제로 발굴하고 있으며, 경진대회 참가자는 첫해 90명에서 올해 316명으로 늘었다고 합니다.
이 사례에서는 팩트 체크와 규정 검토처럼 정확성이 요구되는 단계까지 자동화 대상에 포함됐다는 점도 눈여겨볼 만합니다.
부서별 AI 활용 사례의 공통점
앞의 사례들을 면밀히 살펴보면 공통점이 있습니다. 업무 전체가 아니라 반복적인 일부 단계에 적용했고, 최종 판단은 사람이 한다는 것입니다. LG CNS의 분석 결과가 참고 지표로 쓰이는 것, 포스코DX가 결산 전체는 추가 실험으로 남겨 둔 것이 그 예입니다.
효과 수치를 인용할 때는 기준을 함께 봐야 합니다. 포스코DX의 83.3%와 LG CNS의 38%는 기사에 기준 시점이나 측정 범위가 공개되지 않았습니다. 시범 적용의 결과인지, 전체 업무의 결과인지에 따라 같은 수치도 의미가 달라집니다. 대부분 기업이 직접 밝힌 수치라는 점도 감안해야 합니다.
체감 효과도 별개입니다. 한국은행 조사에서 생성형 AI를 쓰는 근로자의 업무시간은 평균 3.8%, 주 40시간 기준 약 1.5시간 줄었지만, 응답자의 54.1%는 AI를 쓴 뒤에도 업무시간이 줄지 않았다고 답했습니다. 도입했다는 사실만으로 효과를 알 수는 없다는 뜻입니다.
AI 업무 활용은 도입보다 효과를 재는 기준이 먼저입니다
부서마다 적용한 업무는 달랐지만, 효과를 설명할 수 있었던 사례는 어떤 업무의 어떤 단계를 줄였는지가 분명했습니다. 도입하기 전에 해당 업무에 걸리는 시간과 처리량을 먼저 측정해 두면 도입 후의 변화를 같은 기준으로 비교할 수 있습니다. 시간 단축, 처리량, 오류 건수 중 무엇으로 효과를 볼지도 미리 정해 두는 것이 좋습니다.
실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 블로그를 구독해 보세요. 업무 현장에 적용할 수 있는 AI 활용 사례와 노하우를 공유합니다.
더 많은 AI 인사이트를 보고 싶으시다면 ‘AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.