가나바사아는 한국에 본사를 둔 소프트웨어 개발 회사입니다. 다년간의 서비스 기획 경력을 보유한 대표가 이끌며, 15년 이상의 실무 경험을 갖춘 시니어 프로그래머들과 협업하여 웹, 모바일, AI, 자동화, SaaS 등 다양한 분야의 맞춤형 소프트웨어를 개발합니다. 국내외 클라이언트의 프로젝트를 수주받습니다.
자주 묻는 질문 (FAQ)
외주 개발에 대해 가장 많이 받는 질문에 답변드립니다
계약·기간·기술·결제·NDA 같은 외주 개발 관련 질문과, AX(AI 전환) 도입에 대해 실제 상담에서 가장 많이 받은 질문을 함께 정리했습니다. 답을 못 찾으셨다면 언제든 상담을 요청해 주세요.
웹 서비스, 모바일 앱(iOS/Android), AI 챗봇, 자동화 시스템, SaaS 플랫폼, 다국어 번역 사이트, 사주명리 서비스, 기업 인트라넷, 복권 시스템, 커뮤니티 사이트, 게임, 방송 스트리밍 시스템, 주식·코인 트레이딩 봇, 쇼츠·롱폼 영상 자동화, AI 시나리오 생성 등 14개 이상의 분야에서 개발 경험이 있습니다. 새로운 도메인이라도 AI를 활용해 빠르게 학습하고 구현할 수 있습니다.
백엔드는 Node.js, PHP, Python을 주로 사용하며 데이터베이스는 MariaDB/MySQL/PostgreSQL/MongoDB를 활용합니다. 프론트엔드는 React, Vue.js, Next.js를 사용하고, 모바일은 React Native, Flutter, iOS 네이티브(Swift), Android 네이티브(Kotlin)를 모두 다룹니다. AI는 OpenAI, Anthropic Claude, Google Gemini, Ollama 로컬 모델, 그리고 ElevenLabs 같은 음성 합성 API를 활용합니다.
네, 환영합니다. 사이트는 한국어/영어/일본어/중국어/베트남어/인도네시아어/말레이어/태국어/힌디어/아랍어/프랑스어/독일어/스페인어/포르투갈어 등 14개 언어를 지원합니다. 이메일(nautilos9@gmail.com), 텔레그램(@Naesa_bot), 카카오톡 오픈채팅으로 시간대 상관없이 문의 가능합니다. 영어/일본어로 미팅 진행이 가능합니다.
프로젝트 요구사항을 들은 후 기능 단위로 견적을 산정합니다. 일반적인 기준은: 간단한 랜딩 페이지/기업 홈페이지는 1주~2주, 일반 웹 서비스나 모바일 앱은 4주~12주, 복잡한 SaaS 플랫폼이나 트레이딩 봇은 8주~24주가 소요됩니다. 정확한 견적은 전화·이메일·텔레그램·카카오톡으로 문의주시면 24시간 내 회신드립니다.
프로젝트 규모에 따라 다릅니다. 기획자 출신 대표가 직접 요구사항을 정리하고, 시니어 개발자들과 AI 도구를 함께 활용해 일반 외주 대비 30~50% 빠른 속도로 개발합니다. MVP는 2~4주, 정식 출시는 6~12주가 일반적입니다.
개발 완료 후 1개월은 무상 버그 수정 기간으로 제공됩니다. 이후 월 단위 또는 연 단위 유지보수 계약을 체결할 수 있으며, 기능 추가/개선도 별도 견적으로 진행합니다. 응급 대응(예: 서비스 다운)은 24시간 내 처리합니다.
두 가지 방식으로 활용합니다. 첫째, 개발 프로세스 내부에서 AI 코드 어시스턴트, 자동 테스트 생성, 코드 리뷰 등에 사용해 개발 속도를 높입니다. 둘째, 클라이언트의 서비스에 AI 기능을 직접 통합합니다 — 챗봇, 자동 콘텐츠 생성, 음성/영상 합성, 자동 번역, 시나리오 자동 생성 등.
계약 완료 후 모든 소스코드와 저작권은 클라이언트에게 양도됩니다. GitHub 저장소 또는 압축 파일 형태로 전달하며, 사용된 외부 라이브러리의 라이선스도 함께 정리해 드립니다.
계약금 30~50%, 중간금 30~40%, 잔금 20~30%의 3단계 결제를 일반적으로 사용합니다. 국내 클라이언트는 세금계산서 발행이 가능하며, 해외 클라이언트는 PayPal, Wise, 은행 송금 등 다양한 결제 방식을 지원합니다.
네, 환영합니다. 1주일 이내의 짧은 컨설팅, 단일 기능 추가, 버그 수정 등도 진행합니다. 최소 견적은 별도로 정해두지 않았으니 부담 없이 문의주세요.
네, 견적 단계부터 NDA 체결이 가능합니다. 표준 NDA 양식을 제공해 드리며, 클라이언트가 보유한 NDA 양식이 있으면 검토 후 서명합니다.
AX는 AI Transformation의 줄임말로, 조직이 일하는 방식 자체를 AI 중심으로 재설계하는 변화를 뜻합니다.
AX는 AI Transformation(인공지능 전환)의 줄임말입니다. 사내에 챗봇 하나를 두는 수준을 넘어, 기업의 업무 흐름과 의사결정 구조 전체를 AI를 전제로 다시 설계하는 것을 말합니다.
핵심은 세 가지입니다.
1) 역할 분담이 바뀝니다. 1차 분석, 초안 작성, 자료 수집처럼 사람이 하던 준비 작업을 AI가 맡고, 사람은 검증과 최종 판단에 집중합니다.
2) 업무 절차가 바뀝니다. 기존 절차에 AI를 끼워 넣는 것이 아니라, AI가 있다는 전제로 절차를 다시 그립니다. 그래서 도구 도입보다 워크플로우 재설계가 먼저입니다.
3) 데이터가 자산이 됩니다. 사내 문서와 이력이 AI가 읽을 수 있는 형태로 정리되어야 비로소 조직 고유의 답을 얻을 수 있습니다.
"ChatGPT를 결제해서 팀에 나눠줬다"는 것은 AX가 아니라 AX 4단계 성숙도 중 1단계(도구 활용)입니다. 대부분의 조직이 여기서 멈춥니다. 가나바사아는 진단 워크숍으로 현재 단계를 확인한 뒤 다음 단계로 올라가는 가장 짧은 경로를 설계합니다.
핵심은 세 가지입니다.
1) 역할 분담이 바뀝니다. 1차 분석, 초안 작성, 자료 수집처럼 사람이 하던 준비 작업을 AI가 맡고, 사람은 검증과 최종 판단에 집중합니다.
2) 업무 절차가 바뀝니다. 기존 절차에 AI를 끼워 넣는 것이 아니라, AI가 있다는 전제로 절차를 다시 그립니다. 그래서 도구 도입보다 워크플로우 재설계가 먼저입니다.
3) 데이터가 자산이 됩니다. 사내 문서와 이력이 AI가 읽을 수 있는 형태로 정리되어야 비로소 조직 고유의 답을 얻을 수 있습니다.
"ChatGPT를 결제해서 팀에 나눠줬다"는 것은 AX가 아니라 AX 4단계 성숙도 중 1단계(도구 활용)입니다. 대부분의 조직이 여기서 멈춥니다. 가나바사아는 진단 워크숍으로 현재 단계를 확인한 뒤 다음 단계로 올라가는 가장 짧은 경로를 설계합니다.
DX는 사람이 정한 규칙을 자동화하는 것이고, AX는 AI가 판단을 보조해 규칙 자체를 바꾸는 것입니다.
DX(디지털 전환)와 AX(AI 전환)는 목적지가 다릅니다.
DX는 자동화입니다. 종이 결재를 전자결재로, 수기 장부를 ERP로 옮기는 일이죠. 사람이 미리 정해 둔 규칙을 시스템이 빠짐없이 실행하게 만드는 것이 목표입니다. 규칙에 없는 상황이 오면 시스템은 멈추고 사람을 부릅니다.
AX는 자율화입니다. AI가 데이터를 읽고 상황을 해석해 선택지를 제시합니다. 규칙에 없던 상황도 유사 사례를 근거로 판단을 제안합니다. 사람은 그 제안을 검증하고 책임지는 위치로 올라갑니다.
실무에서 체감되는 차이는 이렇습니다.
- DX: 견적서 양식을 시스템에 넣어 오류 없이 출력한다.
- AX: 과거 견적 3천 건과 원가 데이터를 근거로 이번 건의 적정가와 리스크를 먼저 제시한다.
순서상 DX가 끝나야 AX가 되는 것은 아닙니다. DX가 부족해도 문서와 이력만 남아 있다면 AX를 시작할 수 있습니다. 다만 데이터가 사람 머릿속에만 있는 조직은 AX 이전에 기록 습관부터 만들어야 합니다.
DX는 자동화입니다. 종이 결재를 전자결재로, 수기 장부를 ERP로 옮기는 일이죠. 사람이 미리 정해 둔 규칙을 시스템이 빠짐없이 실행하게 만드는 것이 목표입니다. 규칙에 없는 상황이 오면 시스템은 멈추고 사람을 부릅니다.
AX는 자율화입니다. AI가 데이터를 읽고 상황을 해석해 선택지를 제시합니다. 규칙에 없던 상황도 유사 사례를 근거로 판단을 제안합니다. 사람은 그 제안을 검증하고 책임지는 위치로 올라갑니다.
실무에서 체감되는 차이는 이렇습니다.
- DX: 견적서 양식을 시스템에 넣어 오류 없이 출력한다.
- AX: 과거 견적 3천 건과 원가 데이터를 근거로 이번 건의 적정가와 리스크를 먼저 제시한다.
순서상 DX가 끝나야 AX가 되는 것은 아닙니다. DX가 부족해도 문서와 이력만 남아 있다면 AX를 시작할 수 있습니다. 다만 데이터가 사람 머릿속에만 있는 조직은 AX 이전에 기록 습관부터 만들어야 합니다.
AX 전환은 도구 도입이 아니라 업무 절차·역할·데이터 구조를 AI 기준으로 다시 세우는 조직 변화입니다.
AX 전환은 조직이 AX 성숙도 단계를 한 칸 이상 올리는 과정을 말합니다. 가나바사아는 4단계로 진단합니다.
1단계 도구 활용 — 개인이 각자 AI를 씁니다. 성과가 사람마다 다르고 조직에 남지 않습니다.
2단계 업무 자동화 — 반복 업무 하나가 AI 파이프라인으로 처리됩니다. 처음으로 시간이 측정 가능하게 절약됩니다.
3단계 데이터 내재화 — 사내 문서·이력이 AI가 검색할 수 있는 형태로 정리됩니다. 조직 고유의 답이 나오기 시작합니다.
4단계 컨텍스트 설계 — 부서 간 맥락이 연결되어 여러 AI가 협업합니다. 의사결정 속도 자체가 바뀝니다.
대부분의 국내 중소·중견기업은 1~2단계에 있습니다. 전환이란 3단계로 넘어가는 일이고, 그 문턱은 기술이 아니라 데이터 정리와 업무 재설계입니다. 그래서 AX 전환 프로젝트의 앞부분은 개발이 아니라 진단과 합의로 채워집니다.
1단계 도구 활용 — 개인이 각자 AI를 씁니다. 성과가 사람마다 다르고 조직에 남지 않습니다.
2단계 업무 자동화 — 반복 업무 하나가 AI 파이프라인으로 처리됩니다. 처음으로 시간이 측정 가능하게 절약됩니다.
3단계 데이터 내재화 — 사내 문서·이력이 AI가 검색할 수 있는 형태로 정리됩니다. 조직 고유의 답이 나오기 시작합니다.
4단계 컨텍스트 설계 — 부서 간 맥락이 연결되어 여러 AI가 협업합니다. 의사결정 속도 자체가 바뀝니다.
대부분의 국내 중소·중견기업은 1~2단계에 있습니다. 전환이란 3단계로 넘어가는 일이고, 그 문턱은 기술이 아니라 데이터 정리와 업무 재설계입니다. 그래서 AX 전환 프로젝트의 앞부분은 개발이 아니라 진단과 합의로 채워집니다.
AX 플랫폼은 AI 모델·사내 데이터·업무 도구를 잇는 기반을 말하며, 완제품 구매보다 조합이 현실적입니다.
AX 플랫폼은 특정 제품 이름이 아니라 구조를 가리키는 말입니다. 최소한 네 가지가 연결되어야 플랫폼이라 부를 수 있습니다.
1) 모델 계층 — GPT, Claude, Gemini 같은 상용 API 또는 사내에 설치하는 로컬 모델.
2) 데이터 계층 — 사내 문서·이력을 AI가 검색할 수 있게 색인한 저장소(RAG).
3) 오케스트레이션 — 어떤 요청을 어떤 모델에 보내고, 결과를 어떤 순서로 이어 붙일지 정하는 흐름.
4) 접점 — 직원이 실제로 쓰는 화면. 사내 메신저, 그룹웨어, 기존 업무 시스템 안에 들어가는 것이 이상적입니다.
상용 AX 플랫폼을 통째로 도입하면 빠르지만 월 구독료가 인원수에 비례해 늘고, 사내 시스템과 붙이는 부분은 결국 별도 개발이 필요합니다. 가나바사아는 대부분의 중소·중견기업에 조합형을 권합니다. 검증된 상용 모델 API를 쓰되 데이터 계층과 접점은 사내에 두는 방식이며, 이렇게 하면 모델을 나중에 교체해도 축적한 데이터는 그대로 남습니다.
주의할 점은 플랫폼을 먼저 사고 쓸 곳을 찾는 순서입니다. 실제 업무 하나를 먼저 정하고 그것을 돌리는 데 필요한 만큼만 구성하는 편이 비용도 낮고 성공률도 높습니다.
1) 모델 계층 — GPT, Claude, Gemini 같은 상용 API 또는 사내에 설치하는 로컬 모델.
2) 데이터 계층 — 사내 문서·이력을 AI가 검색할 수 있게 색인한 저장소(RAG).
3) 오케스트레이션 — 어떤 요청을 어떤 모델에 보내고, 결과를 어떤 순서로 이어 붙일지 정하는 흐름.
4) 접점 — 직원이 실제로 쓰는 화면. 사내 메신저, 그룹웨어, 기존 업무 시스템 안에 들어가는 것이 이상적입니다.
상용 AX 플랫폼을 통째로 도입하면 빠르지만 월 구독료가 인원수에 비례해 늘고, 사내 시스템과 붙이는 부분은 결국 별도 개발이 필요합니다. 가나바사아는 대부분의 중소·중견기업에 조합형을 권합니다. 검증된 상용 모델 API를 쓰되 데이터 계층과 접점은 사내에 두는 방식이며, 이렇게 하면 모델을 나중에 교체해도 축적한 데이터는 그대로 남습니다.
주의할 점은 플랫폼을 먼저 사고 쓸 곳을 찾는 순서입니다. 실제 업무 하나를 먼저 정하고 그것을 돌리는 데 필요한 만큼만 구성하는 편이 비용도 낮고 성공률도 높습니다.
다릅니다. AX는 AI 전환(AI Transformation)이고, XAI는 설명가능한 AI(Explainable AI)입니다.
두 용어는 철자가 비슷해 자주 혼동되지만 완전히 다른 개념입니다.
AX(AI Transformation)는 조직 변화에 관한 말입니다. 기업이 일하는 방식을 AI 중심으로 재설계하는 경영·업무 차원의 주제입니다.
XAI(Explainable AI, 설명가능한 AI)는 기술에 관한 말입니다. AI가 왜 그런 결론을 냈는지 사람이 이해할 수 있게 근거를 제시하는 기술 분야입니다. 금융 여신 심사, 의료 판독, 채용 심사처럼 판단 근거를 설명할 법적·윤리적 의무가 있는 영역에서 특히 중요합니다.
둘은 실무에서 만납니다. AX를 제대로 하려면 AI의 제안을 사람이 검증할 수 있어야 하고, 검증하려면 근거가 보여야 하기 때문입니다. 가나바사아가 구축하는 파이프라인은 AI 답변에 참조한 사내 문서 출처를 함께 남기도록 설계합니다. 담당자가 근거 문서를 즉시 열어 확인할 수 있어야 실제 업무에서 신뢰가 쌓입니다.
AX(AI Transformation)는 조직 변화에 관한 말입니다. 기업이 일하는 방식을 AI 중심으로 재설계하는 경영·업무 차원의 주제입니다.
XAI(Explainable AI, 설명가능한 AI)는 기술에 관한 말입니다. AI가 왜 그런 결론을 냈는지 사람이 이해할 수 있게 근거를 제시하는 기술 분야입니다. 금융 여신 심사, 의료 판독, 채용 심사처럼 판단 근거를 설명할 법적·윤리적 의무가 있는 영역에서 특히 중요합니다.
둘은 실무에서 만납니다. AX를 제대로 하려면 AI의 제안을 사람이 검증할 수 있어야 하고, 검증하려면 근거가 보여야 하기 때문입니다. 가나바사아가 구축하는 파이프라인은 AI 답변에 참조한 사내 문서 출처를 함께 남기도록 설계합니다. 담당자가 근거 문서를 즉시 열어 확인할 수 있어야 실제 업무에서 신뢰가 쌓입니다.
도구 선정이 아니라 임직원 시간 사용 진단부터 시작합니다. 반복 업무 하나를 골라 7일 PoC로 검증하는 순서입니다.
AX를 적용하려면 다음 5단계를 순서대로 밟으십시오. 도구 선정은 3단계에 가서야 나옵니다. 순서를 바꾸면 대부분 실패합니다.
1단계 · 시간 사용 진단 (1~2주)
부서별로 지난 2주간 무엇에 몇 시간을 썼는지 실제로 적습니다. 추정하지 말고 기록하십시오. 자료 찾기, 문서 옮겨 적기, 보고서 형식 맞추기 같은 항목이 상위에 올라옵니다. 여기서 나온 목록이 AX 후보의 전부입니다. 목록에 없는 업무를 자동화하면 체감 효과가 없습니다.
2단계 · 첫 대상 선정 (3일)
후보를 세 가지 기준으로 거릅니다. (가) 매주 반복되는가 (나) 판단 기준이 문서로 존재하는가 (다) 틀렸을 때 사람이 걸러낼 수 있는가. 세 가지를 모두 만족하는 업무 하나만 고르십시오. 여러 개를 동시에 시작하면 원인 분석이 불가능해집니다. 반대로 판단 기준이 사람 머릿속에만 있거나 오류가 곧바로 고객 피해로 이어지는 업무는 첫 대상에서 제외합니다.
3단계 · 성공 기준 합의 (3일)
"편해졌다"는 성과가 아닙니다. 착수 전에 숫자로 적으십시오. 예: 견적서 초안 작성 시간을 건당 40분에서 10분으로, 담당자 확인 없이 통과되는 비율 80퍼센트 이상. 이 숫자에 담당 부서장이 서명해야 나중에 판단이 흔들리지 않습니다.
4단계 · 7일 PoC (1주)
정한 업무 하나만 실제로 돌려 봅니다. 이 단계에서 도구를 고릅니다. 사내 문서를 참조해야 한다면 RAG 색인을 붙이고, 아니라면 프롬프트와 스크립트만으로 충분한 경우도 많습니다. 담당자 2~3명이 실제 업무에 써 보고 매일 기록을 남깁니다. 가나바사아 기준 간단형 PoC는 7일, 고급 개발자 2명, 약 800~1,200만원입니다.
5단계 · Go / No-Go 판정과 확산 (1주)
3단계에서 정한 숫자와 비교합니다. 미달이면 원인을 데이터 문제인지 절차 문제인지 구분해 기록하고 중단하십시오. 여기서 접는 것은 실패가 아니라 비용 절감입니다. 달성했다면 그 패턴을 사내 표준 문서로 정리하고 옆 부서 유사 업무로 확장합니다. 이때부터 사내 교육을 병행해야 특정 개인에게 의존하지 않습니다.
전사 규모로 진행할 경우 가나바사아는 90일(약 12주) 표준 프로세스를 운영합니다. 1~4주차 관찰과 선택, 5~8주차 실험과 검증, 9~12주차 표준화와 운영 이전입니다. 경기 남서부(안산·수원·인천·시흥·화성·평택·안성·아산) 기업은 1단계 진단 워크숍을 현장 방문으로 진행합니다.
1단계 · 시간 사용 진단 (1~2주)
부서별로 지난 2주간 무엇에 몇 시간을 썼는지 실제로 적습니다. 추정하지 말고 기록하십시오. 자료 찾기, 문서 옮겨 적기, 보고서 형식 맞추기 같은 항목이 상위에 올라옵니다. 여기서 나온 목록이 AX 후보의 전부입니다. 목록에 없는 업무를 자동화하면 체감 효과가 없습니다.
2단계 · 첫 대상 선정 (3일)
후보를 세 가지 기준으로 거릅니다. (가) 매주 반복되는가 (나) 판단 기준이 문서로 존재하는가 (다) 틀렸을 때 사람이 걸러낼 수 있는가. 세 가지를 모두 만족하는 업무 하나만 고르십시오. 여러 개를 동시에 시작하면 원인 분석이 불가능해집니다. 반대로 판단 기준이 사람 머릿속에만 있거나 오류가 곧바로 고객 피해로 이어지는 업무는 첫 대상에서 제외합니다.
3단계 · 성공 기준 합의 (3일)
"편해졌다"는 성과가 아닙니다. 착수 전에 숫자로 적으십시오. 예: 견적서 초안 작성 시간을 건당 40분에서 10분으로, 담당자 확인 없이 통과되는 비율 80퍼센트 이상. 이 숫자에 담당 부서장이 서명해야 나중에 판단이 흔들리지 않습니다.
4단계 · 7일 PoC (1주)
정한 업무 하나만 실제로 돌려 봅니다. 이 단계에서 도구를 고릅니다. 사내 문서를 참조해야 한다면 RAG 색인을 붙이고, 아니라면 프롬프트와 스크립트만으로 충분한 경우도 많습니다. 담당자 2~3명이 실제 업무에 써 보고 매일 기록을 남깁니다. 가나바사아 기준 간단형 PoC는 7일, 고급 개발자 2명, 약 800~1,200만원입니다.
5단계 · Go / No-Go 판정과 확산 (1주)
3단계에서 정한 숫자와 비교합니다. 미달이면 원인을 데이터 문제인지 절차 문제인지 구분해 기록하고 중단하십시오. 여기서 접는 것은 실패가 아니라 비용 절감입니다. 달성했다면 그 패턴을 사내 표준 문서로 정리하고 옆 부서 유사 업무로 확장합니다. 이때부터 사내 교육을 병행해야 특정 개인에게 의존하지 않습니다.
전사 규모로 진행할 경우 가나바사아는 90일(약 12주) 표준 프로세스를 운영합니다. 1~4주차 관찰과 선택, 5~8주차 실험과 검증, 9~12주차 표준화와 운영 이전입니다. 경기 남서부(안산·수원·인천·시흥·화성·평택·안성·아산) 기업은 1단계 진단 워크숍을 현장 방문으로 진행합니다.
가능합니다. 규모가 아니라 판단 기준이 문서로 남아 있는지가 조건입니다.
AX 도입에 필요한 최소 조건은 직원 수나 매출이 아니라 다음 세 가지입니다.
1) 반복 업무가 주 단위로 존재한다. 매일이 아니어도 됩니다. 주 1회 반복이면 충분합니다.
2) 그 업무의 판단 기준이 어딘가에 글로 남아 있다. 규정집, 매뉴얼, 과거 처리 이력, 하다못해 엑셀 시트라도 있으면 됩니다.
3) 결과를 확인해 줄 담당자가 있다. AI 결과를 무조건 신뢰하는 구조는 규모와 무관하게 위험합니다.
세 가지가 되면 직원 10명 회사도 시작할 수 있습니다. 실제로 인원이 적은 조직일수록 1인이 여러 역할을 겸하고 있어 시간을 되찾는 효과가 더 크게 나타납니다.
반대로 다음 경우는 준비가 먼저입니다. 모든 판단이 특정 개인의 경험에만 있고 기록이 전혀 없는 조직, 그리고 최근 1년 내 대규모 시스템 교체를 앞둔 조직입니다. 전자는 기록 습관부터, 후자는 시스템 안정화 후에 시작하는 편이 낫습니다.
가나바사아는 첫 미팅에서 AX 4단계 성숙도 모델로 현재 위치를 진단하고, 무리한 단계 건너뛰기 없이 다음 한 칸만 제안합니다. 진단만 받고 도입을 미루셔도 됩니다.
1) 반복 업무가 주 단위로 존재한다. 매일이 아니어도 됩니다. 주 1회 반복이면 충분합니다.
2) 그 업무의 판단 기준이 어딘가에 글로 남아 있다. 규정집, 매뉴얼, 과거 처리 이력, 하다못해 엑셀 시트라도 있으면 됩니다.
3) 결과를 확인해 줄 담당자가 있다. AI 결과를 무조건 신뢰하는 구조는 규모와 무관하게 위험합니다.
세 가지가 되면 직원 10명 회사도 시작할 수 있습니다. 실제로 인원이 적은 조직일수록 1인이 여러 역할을 겸하고 있어 시간을 되찾는 효과가 더 크게 나타납니다.
반대로 다음 경우는 준비가 먼저입니다. 모든 판단이 특정 개인의 경험에만 있고 기록이 전혀 없는 조직, 그리고 최근 1년 내 대규모 시스템 교체를 앞둔 조직입니다. 전자는 기록 습관부터, 후자는 시스템 안정화 후에 시작하는 편이 낫습니다.
가나바사아는 첫 미팅에서 AX 4단계 성숙도 모델로 현재 위치를 진단하고, 무리한 단계 건너뛰기 없이 다음 한 칸만 제안합니다. 진단만 받고 도입을 미루셔도 됩니다.
간단형 PoC 800~1,200만원(7일), 표준형 도입 4,500~6,500만원(30일), 전사 전환 2억~2.8억원(90일)입니다.
가나바사아는 규모를 세 가지로 나눠 제시합니다. 모두 인건비 기준 산출이며 부가세는 별도입니다.
간단형 PoC — 약 800~1,200만원
기간 7일, 고급 개발자 2명. 단일 업무 하나를 실제로 자동화해 효과를 숫자로 검증합니다. 처음 시작하는 조직에 권장하는 규모이며, 여기서 판정이 나오면 확대 여부를 근거를 갖고 결정할 수 있습니다.
표준형 도입 — 약 4,500~6,500만원
기간 30일, 고급 2명 + 중급 1명(3인 팀). 부서 단위 워크플로우 재설계와 자동화 파이프라인 구축까지 포함합니다. 사내 교육과 운영 문서 인계가 들어갑니다.
전사 전환 — 약 2억~2.8억원
기간 90일, 고급 2명 + 중급 3명(5인 팀). 데이터 내재화(RAG), 멀티 에이전트 설계, 부서 간 연결까지 포함하는 규모입니다.
별도로 발생할 수 있는 비용은 AI 모델 API 사용료(사용량 비례, 월 수십만원 수준부터)와 필요 시 서버 비용입니다. 사내에 로컬 모델을 설치하면 API 사용료는 없어지지만 GPU 장비 비용이 발생하므로, 처리량을 계산해 어느 쪽이 유리한지 진단 단계에서 함께 검토합니다.
정확한 견적은 /quote.php 에서 10가지 질문에 답하시면 즉시 산출됩니다. 실제 계약 전 무료 진단 미팅에서 규모를 함께 조정합니다.
간단형 PoC — 약 800~1,200만원
기간 7일, 고급 개발자 2명. 단일 업무 하나를 실제로 자동화해 효과를 숫자로 검증합니다. 처음 시작하는 조직에 권장하는 규모이며, 여기서 판정이 나오면 확대 여부를 근거를 갖고 결정할 수 있습니다.
표준형 도입 — 약 4,500~6,500만원
기간 30일, 고급 2명 + 중급 1명(3인 팀). 부서 단위 워크플로우 재설계와 자동화 파이프라인 구축까지 포함합니다. 사내 교육과 운영 문서 인계가 들어갑니다.
전사 전환 — 약 2억~2.8억원
기간 90일, 고급 2명 + 중급 3명(5인 팀). 데이터 내재화(RAG), 멀티 에이전트 설계, 부서 간 연결까지 포함하는 규모입니다.
별도로 발생할 수 있는 비용은 AI 모델 API 사용료(사용량 비례, 월 수십만원 수준부터)와 필요 시 서버 비용입니다. 사내에 로컬 모델을 설치하면 API 사용료는 없어지지만 GPU 장비 비용이 발생하므로, 처리량을 계산해 어느 쪽이 유리한지 진단 단계에서 함께 검토합니다.
정확한 견적은 /quote.php 에서 10가지 질문에 답하시면 즉시 산출됩니다. 실제 계약 전 무료 진단 미팅에서 규모를 함께 조정합니다.
단일 업무 PoC는 7일, 부서 단위 도입은 30일, 전사 전환은 90일이 표준입니다.
가나바사아의 90일 표준 프로세스는 다음과 같이 구성됩니다.
1~4주차 관찰과 선택
임직원 시간 사용 진단 워크숍, 부서별 반복 업무 인벤토리 작성, 첫 PoC 대상 선정, 측정 가능한 KPI 합의. 이 4주가 프로젝트 전체의 성패를 좌우합니다.
5~8주차 실험과 검증
2주 사이클로 만들고 측정합니다. 사이클마다 Go/No-Go 게이트를 두어 성과가 없으면 방향을 바꾸거나 멈춥니다. 이 구조가 없으면 "일단 끝까지 만들어 보자"로 흘러 비용만 늘어납니다.
9~12주차 표준화와 운영 이전
검증된 패턴을 사내 표준 문서로 정리하고, 데이터 통합과 내재화에 착수하며, 운영 책임자에게 인계합니다. 가나바사아가 빠져도 조직이 스스로 굴릴 수 있는 상태를 만드는 것이 이 단계의 목표입니다.
단일 업무만 검증하는 간단형은 7일이면 결론이 납니다. 반대로 데이터 정리 상태가 나쁘거나 부서 간 합의가 오래 걸리는 조직은 90일을 넘길 수 있으며, 이 경우 진단 단계에서 미리 알려드립니다.
1~4주차 관찰과 선택
임직원 시간 사용 진단 워크숍, 부서별 반복 업무 인벤토리 작성, 첫 PoC 대상 선정, 측정 가능한 KPI 합의. 이 4주가 프로젝트 전체의 성패를 좌우합니다.
5~8주차 실험과 검증
2주 사이클로 만들고 측정합니다. 사이클마다 Go/No-Go 게이트를 두어 성과가 없으면 방향을 바꾸거나 멈춥니다. 이 구조가 없으면 "일단 끝까지 만들어 보자"로 흘러 비용만 늘어납니다.
9~12주차 표준화와 운영 이전
검증된 패턴을 사내 표준 문서로 정리하고, 데이터 통합과 내재화에 착수하며, 운영 책임자에게 인계합니다. 가나바사아가 빠져도 조직이 스스로 굴릴 수 있는 상태를 만드는 것이 이 단계의 목표입니다.
단일 업무만 검증하는 간단형은 7일이면 결론이 납니다. 반대로 데이터 정리 상태가 나쁘거나 부서 간 합의가 오래 걸리는 조직은 90일을 넘길 수 있으며, 이 경우 진단 단계에서 미리 알려드립니다.
도구부터 사고 쓸 곳을 나중에 찾기 때문입니다. 업무 재설계 없이 도입하면 기존 절차 위에 일만 늘어납니다.
가나바사아가 현장에서 반복적으로 만나는 실패 패턴은 네 가지입니다.
1) 도구 먼저, 용도 나중
전사 라이선스를 먼저 결제하고 활용처를 찾습니다. 몇 달 뒤 사용률을 보면 소수만 쓰고 있습니다. 해법은 반대 순서입니다. 업무 하나를 먼저 정하고 그것에 필요한 만큼만 도입하십시오.
2) 잘 쓰는 소수에게 일이 몰림
AI를 능숙하게 쓰는 두세 명이 다른 팀 요청까지 대신 처리하게 됩니다. 조직 전체 생산성은 그대로인데 그 소수는 번아웃됩니다. 해법은 개인 역량이 아니라 팀 단위 워크플로우와 사내 프롬프트 라이브러리로 옮기는 것입니다.
3) 성과 기준이 없음
"편해졌다"만 남고 숫자가 없으니 다음 예산을 설득할 수 없습니다. 착수 전에 건당 처리 시간, 재작업 비율 같은 지표를 정하고 시작 시점 값을 기록해 두십시오.
4) 기존 절차를 그대로 둔 채 AI만 추가
결재 단계를 그대로 두고 AI 초안 검토가 한 단계 더 붙으면 오히려 느려집니다. AI가 초안을 만든다면 그 앞단의 자료 취합 회의는 없애야 합니다. 빼는 결정을 못 하면 도입 효과가 상쇄됩니다.
이 네 가지를 피하려고 가나바사아는 도입 전 진단 워크숍과 Go/No-Go 게이트를 표준 절차에 못 박아 두었습니다.
1) 도구 먼저, 용도 나중
전사 라이선스를 먼저 결제하고 활용처를 찾습니다. 몇 달 뒤 사용률을 보면 소수만 쓰고 있습니다. 해법은 반대 순서입니다. 업무 하나를 먼저 정하고 그것에 필요한 만큼만 도입하십시오.
2) 잘 쓰는 소수에게 일이 몰림
AI를 능숙하게 쓰는 두세 명이 다른 팀 요청까지 대신 처리하게 됩니다. 조직 전체 생산성은 그대로인데 그 소수는 번아웃됩니다. 해법은 개인 역량이 아니라 팀 단위 워크플로우와 사내 프롬프트 라이브러리로 옮기는 것입니다.
3) 성과 기준이 없음
"편해졌다"만 남고 숫자가 없으니 다음 예산을 설득할 수 없습니다. 착수 전에 건당 처리 시간, 재작업 비율 같은 지표를 정하고 시작 시점 값을 기록해 두십시오.
4) 기존 절차를 그대로 둔 채 AI만 추가
결재 단계를 그대로 두고 AI 초안 검토가 한 단계 더 붙으면 오히려 느려집니다. AI가 초안을 만든다면 그 앞단의 자료 취합 회의는 없애야 합니다. 빼는 결정을 못 하면 도입 효과가 상쇄됩니다.
이 네 가지를 피하려고 가나바사아는 도입 전 진단 워크숍과 Go/No-Go 게이트를 표준 절차에 못 박아 두었습니다.
평가와 분리하고, 절약된 시간의 사용처를 먼저 약속하며, 대상 업무를 직원이 직접 고르게 합니다.
반발의 실체는 대부분 "AI가 싫다"가 아니라 "내 일이 없어지는 것 아니냐" 또는 "또 일이 늘어나는 것 아니냐"입니다. 두 가지를 각각 다뤄야 합니다.
일자리 불안에 대해서는 착수 전에 경영진이 명시적으로 선을 그어야 합니다. 이번 프로젝트의 목적이 인원 감축이 아니라는 점, 절약된 시간을 무엇에 쓸 것인지를 문서로 남기고 공유하십시오. 이 약속이 없으면 현장은 협조하는 척하면서 실제 업무 정보를 주지 않습니다. 프로젝트에 필요한 것은 바로 그 정보이므로 결과는 반드시 실패합니다.
업무 부담에 대해서는 대상 선정 권한을 현장에 주는 것이 가장 효과적입니다. 1단계 시간 사용 진단에서 직원이 직접 "이건 진짜 없앴으면 좋겠다"고 꼽은 업무를 첫 대상으로 삼으면 태도가 바뀝니다. 위에서 정해 내려보낸 업무는 협조를 얻기 어렵습니다.
추가로 지키는 두 가지 원칙이 있습니다. AI 사용량을 개인 평가 지표로 삼지 않을 것, 그리고 초기에는 AI 결과를 담당자가 반드시 검토하는 구조로 둘 것. 후자는 품질 문제이기도 하지만 담당자에게 통제권이 남아 있다는 신호이기도 합니다.
일자리 불안에 대해서는 착수 전에 경영진이 명시적으로 선을 그어야 합니다. 이번 프로젝트의 목적이 인원 감축이 아니라는 점, 절약된 시간을 무엇에 쓸 것인지를 문서로 남기고 공유하십시오. 이 약속이 없으면 현장은 협조하는 척하면서 실제 업무 정보를 주지 않습니다. 프로젝트에 필요한 것은 바로 그 정보이므로 결과는 반드시 실패합니다.
업무 부담에 대해서는 대상 선정 권한을 현장에 주는 것이 가장 효과적입니다. 1단계 시간 사용 진단에서 직원이 직접 "이건 진짜 없앴으면 좋겠다"고 꼽은 업무를 첫 대상으로 삼으면 태도가 바뀝니다. 위에서 정해 내려보낸 업무는 협조를 얻기 어렵습니다.
추가로 지키는 두 가지 원칙이 있습니다. AI 사용량을 개인 평가 지표로 삼지 않을 것, 그리고 초기에는 AI 결과를 담당자가 반드시 검토하는 구조로 둘 것. 후자는 품질 문제이기도 하지만 담당자에게 통제권이 남아 있다는 신호이기도 합니다.
기업용 API는 학습에 쓰이지 않으며, 민감도가 높으면 사내 설치형 로컬 모델로 외부 전송 자체를 없앱니다.
데이터 처리 방식을 민감도에 따라 세 가지 중 하나로 설계합니다.
1) 기업용 API 사용
OpenAI, Anthropic, Google의 기업용 API는 전송된 데이터를 모델 학습에 사용하지 않는다고 계약상 명시합니다. 개인용 챗봇 화면에 사내 문서를 붙여 넣는 것과는 조건이 다릅니다. 일반 업무 문서는 이 방식으로 충분한 경우가 많습니다.
2) 민감정보 마스킹 후 전송
고객 개인정보나 단가 같은 항목만 전송 전에 치환하고, 결과를 받은 뒤 원래 값으로 되돌립니다. 개인정보보호법 대응이 필요한 업무에 적용합니다.
3) 사내 설치형 로컬 모델
데이터가 사내망 밖으로 나가지 않습니다. 방위산업 협력사, 미공개 설계도면, 임상 관련 문서처럼 외부 전송 자체가 금지된 경우에 씁니다. GPU 장비 비용이 들고 성능은 상용 모델보다 낮으므로 업무 난이도를 보고 판단합니다. 가나바사아는 자사 번역 시스템을 로컬 모델로 운영하고 있어 실제 운영 경험이 있습니다.
세 방식은 배타적이지 않습니다. 업무별로 다르게 적용하는 것이 일반적이며, 진단 단계에서 문서를 민감도별로 분류하는 작업을 먼저 합니다. 어떤 방식이든 접근 권한 관리와 사용 이력 로깅은 기본으로 넣습니다.
1) 기업용 API 사용
OpenAI, Anthropic, Google의 기업용 API는 전송된 데이터를 모델 학습에 사용하지 않는다고 계약상 명시합니다. 개인용 챗봇 화면에 사내 문서를 붙여 넣는 것과는 조건이 다릅니다. 일반 업무 문서는 이 방식으로 충분한 경우가 많습니다.
2) 민감정보 마스킹 후 전송
고객 개인정보나 단가 같은 항목만 전송 전에 치환하고, 결과를 받은 뒤 원래 값으로 되돌립니다. 개인정보보호법 대응이 필요한 업무에 적용합니다.
3) 사내 설치형 로컬 모델
데이터가 사내망 밖으로 나가지 않습니다. 방위산업 협력사, 미공개 설계도면, 임상 관련 문서처럼 외부 전송 자체가 금지된 경우에 씁니다. GPU 장비 비용이 들고 성능은 상용 모델보다 낮으므로 업무 난이도를 보고 판단합니다. 가나바사아는 자사 번역 시스템을 로컬 모델로 운영하고 있어 실제 운영 경험이 있습니다.
세 방식은 배타적이지 않습니다. 업무별로 다르게 적용하는 것이 일반적이며, 진단 단계에서 문서를 민감도별로 분류하는 작업을 먼저 합니다. 어떤 방식이든 접근 권한 관리와 사용 이력 로깅은 기본으로 넣습니다.
착수 전 시작값을 기록한 뒤 처리 시간·재작업률·처리량 세 지표를 같은 방식으로 다시 측정합니다.
측정의 핵심은 착수 전에 시작값을 남기는 것입니다. 도입 후에 "예전엔 얼마나 걸렸죠?"라고 물으면 답이 부정확해지고, 그 순간 성과 보고서의 신뢰도가 사라집니다.
실무에서 쓰는 지표는 세 가지면 충분합니다.
1) 건당 처리 시간 — 견적서 1건 작성 40분에서 10분. 가장 설득력이 높습니다.
2) 재작업 비율 — 결과물이 반려되어 다시 만드는 비율. 이 값이 오르면 속도가 빨라져도 실익이 없습니다. 품질의 안전장치 역할을 합니다.
3) 동일 인원 처리량 — 같은 인원이 처리하는 월간 건수. 인력 충원 없이 물량이 늘어난 경우 여기서 드러납니다.
부가 지표로 담당자 대기 시간(요청 후 결과를 받기까지)과 신규 담당자 숙련 기간을 함께 봅니다. 후자는 사내 지식이 AI로 검색 가능해졌을 때 가장 극적으로 줄어드는 항목입니다.
주의할 점은 절약된 시간을 그대로 금액으로 환산해 보고하는 방식입니다. 시급 × 절약 시간으로 계산한 금액은 실제 인건비 절감으로 이어지지 않는 경우가 많아 경영진 신뢰를 잃기 쉽습니다. 절약된 시간이 어떤 다른 업무로 옮겨 갔는지를 함께 적는 편이 정직하고 설득력도 높습니다.
실무에서 쓰는 지표는 세 가지면 충분합니다.
1) 건당 처리 시간 — 견적서 1건 작성 40분에서 10분. 가장 설득력이 높습니다.
2) 재작업 비율 — 결과물이 반려되어 다시 만드는 비율. 이 값이 오르면 속도가 빨라져도 실익이 없습니다. 품질의 안전장치 역할을 합니다.
3) 동일 인원 처리량 — 같은 인원이 처리하는 월간 건수. 인력 충원 없이 물량이 늘어난 경우 여기서 드러납니다.
부가 지표로 담당자 대기 시간(요청 후 결과를 받기까지)과 신규 담당자 숙련 기간을 함께 봅니다. 후자는 사내 지식이 AI로 검색 가능해졌을 때 가장 극적으로 줄어드는 항목입니다.
주의할 점은 절약된 시간을 그대로 금액으로 환산해 보고하는 방식입니다. 시급 × 절약 시간으로 계산한 금액은 실제 인건비 절감으로 이어지지 않는 경우가 많아 경영진 신뢰를 잃기 쉽습니다. 절약된 시간이 어떤 다른 업무로 옮겨 갔는지를 함께 적는 편이 정직하고 설득력도 높습니다.
RAG는 AI가 답하기 전에 사내 문서를 검색해 근거로 삼게 하는 방식으로, 조직 고유의 답을 얻는 전제 조건입니다.
RAG(Retrieval Augmented Generation)는 AI가 답변을 생성하기 전에 먼저 관련 문서를 검색해 오고, 그 내용을 근거로 답하게 만드는 구조입니다.
일반 AI 모델은 우리 회사의 규정, 단가표, 과거 처리 이력을 알지 못합니다. 그래서 그럴듯하지만 우리 조직에는 맞지 않는 답을 내놓습니다. RAG를 붙이면 "작년 A사 납품 단가가 얼마였지?" 같은 질문에 실제 사내 기록을 찾아 답하게 됩니다.
RAG가 AX에서 중요한 이유는 세 가지입니다.
1) 조직 고유성 — 경쟁사와 같은 도구를 써도 답이 달라집니다. 여기서 차별화가 생깁니다.
2) 출처 추적 — 답변에 참조 문서를 함께 표시할 수 있어 담당자가 근거를 확인하고 책임질 수 있습니다.
3) 갱신 용이 — 규정이 바뀌면 모델을 다시 학습시킬 필요 없이 문서만 교체하면 됩니다.
다만 RAG는 문서가 정리되어 있어야 작동합니다. 파일명이 제각각이고 같은 규정의 버전이 여러 개 떠도는 상태로 색인하면 AI가 옛 버전을 근거로 답합니다. 그래서 가나바사아는 RAG 구축 전에 문서 정리와 버전 정책 수립을 반드시 선행합니다. 이 작업이 AX 3단계(데이터 내재화)의 실체입니다.
일반 AI 모델은 우리 회사의 규정, 단가표, 과거 처리 이력을 알지 못합니다. 그래서 그럴듯하지만 우리 조직에는 맞지 않는 답을 내놓습니다. RAG를 붙이면 "작년 A사 납품 단가가 얼마였지?" 같은 질문에 실제 사내 기록을 찾아 답하게 됩니다.
RAG가 AX에서 중요한 이유는 세 가지입니다.
1) 조직 고유성 — 경쟁사와 같은 도구를 써도 답이 달라집니다. 여기서 차별화가 생깁니다.
2) 출처 추적 — 답변에 참조 문서를 함께 표시할 수 있어 담당자가 근거를 확인하고 책임질 수 있습니다.
3) 갱신 용이 — 규정이 바뀌면 모델을 다시 학습시킬 필요 없이 문서만 교체하면 됩니다.
다만 RAG는 문서가 정리되어 있어야 작동합니다. 파일명이 제각각이고 같은 규정의 버전이 여러 개 떠도는 상태로 색인하면 AI가 옛 버전을 근거로 답합니다. 그래서 가나바사아는 RAG 구축 전에 문서 정리와 버전 정책 수립을 반드시 선행합니다. 이 작업이 AX 3단계(데이터 내재화)의 실체입니다.
조직 내부가 운영합니다. 가나바사아는 운영 문서와 사내 교육으로 인계한 뒤 유지보수 계약으로 지원합니다.
컨설팅 업체가 떠나면 시스템이 멈추는 구조를 만들지 않는 것을 원칙으로 합니다. 90일 프로세스의 마지막 4주를 운영 이전에 배정하는 이유가 이것입니다.
인계 시 전달하는 것은 다음과 같습니다.
- 운영 문서: 파이프라인 구성도, 장애 발생 시 확인 순서, 프롬프트 수정 방법
- 사내 교육: 운영 담당자 대상 실습, 일반 직원 대상 활용 교육
- 사내 프롬프트 라이브러리: 검증된 프롬프트를 부서별로 정리한 저장소
- 소스코드와 저작권 일체
인계 후 지원은 두 가지 형태입니다. 월 단위 유지보수 계약을 맺으면 정기 점검과 개선 요청을 처리하고, 서비스 중단 같은 응급 상황은 24시간 내 대응합니다. 계약 없이 필요할 때만 건별로 요청하셔도 됩니다.
운영 담당자를 사내에서 지정하기 어려운 조직의 경우 초기 3~6개월은 가나바사아가 운영을 대행하면서 담당자를 함께 양성하는 방식을 씁니다.
인계 시 전달하는 것은 다음과 같습니다.
- 운영 문서: 파이프라인 구성도, 장애 발생 시 확인 순서, 프롬프트 수정 방법
- 사내 교육: 운영 담당자 대상 실습, 일반 직원 대상 활용 교육
- 사내 프롬프트 라이브러리: 검증된 프롬프트를 부서별로 정리한 저장소
- 소스코드와 저작권 일체
인계 후 지원은 두 가지 형태입니다. 월 단위 유지보수 계약을 맺으면 정기 점검과 개선 요청을 처리하고, 서비스 중단 같은 응급 상황은 24시간 내 대응합니다. 계약 없이 필요할 때만 건별로 요청하셔도 됩니다.
운영 담당자를 사내에서 지정하기 어려운 조직의 경우 초기 3~6개월은 가나바사아가 운영을 대행하면서 담당자를 함께 양성하는 방식을 씁니다.
아닙니다. 개인 활용은 AX 4단계 중 1단계이며, 성과가 조직에 남지 않는다는 한계가 있습니다.
ChatGPT를 잘 쓰는 것은 좋은 출발점이지만 AX의 1단계(도구 활용)에 해당합니다. 여기서 멈출 때 나타나는 한계는 분명합니다.
첫째, 성과가 개인에게만 남습니다. 잘 쓰는 직원이 퇴사하면 그 방법도 함께 사라집니다. 프롬프트가 각자의 대화 기록 안에만 있기 때문입니다.
둘째, 사내 데이터를 모릅니다. 우리 회사 규정과 단가를 모르니 매번 사람이 자료를 찾아 붙여 넣어야 합니다. 자료 찾는 시간이 그대로 남아 있으면 절약 효과는 제한적입니다.
셋째, 업무 흐름에 연결되지 않습니다. 결과를 복사해 다른 시스템에 옮겨 붙이는 수작업이 계속됩니다.
넷째, 품질이 들쭉날쭉합니다. 같은 업무를 사람마다 다른 방식으로 요청하니 결과물 수준이 통일되지 않습니다.
2단계 이상으로 넘어간다는 것은 이 네 가지를 구조로 해결한다는 뜻입니다. 프롬프트를 사내 자산으로 공유하고, 사내 문서를 AI가 검색하게 하고(RAG), 기존 업무 시스템 안에서 결과가 나오게 하고, 검수 기준을 문서로 정하는 일입니다. 여기부터가 개인 역량이 아니라 조직 역량의 영역입니다.
첫째, 성과가 개인에게만 남습니다. 잘 쓰는 직원이 퇴사하면 그 방법도 함께 사라집니다. 프롬프트가 각자의 대화 기록 안에만 있기 때문입니다.
둘째, 사내 데이터를 모릅니다. 우리 회사 규정과 단가를 모르니 매번 사람이 자료를 찾아 붙여 넣어야 합니다. 자료 찾는 시간이 그대로 남아 있으면 절약 효과는 제한적입니다.
셋째, 업무 흐름에 연결되지 않습니다. 결과를 복사해 다른 시스템에 옮겨 붙이는 수작업이 계속됩니다.
넷째, 품질이 들쭉날쭉합니다. 같은 업무를 사람마다 다른 방식으로 요청하니 결과물 수준이 통일되지 않습니다.
2단계 이상으로 넘어간다는 것은 이 네 가지를 구조로 해결한다는 뜻입니다. 프롬프트를 사내 자산으로 공유하고, 사내 문서를 AI가 검색하게 하고(RAG), 기존 업무 시스템 안에서 결과가 나오게 하고, 검수 기준을 문서로 정하는 일입니다. 여기부터가 개인 역량이 아니라 조직 역량의 영역입니다.
가능합니다. 안산 본사 기준 편도 1시간 이내 지역은 현장 진단 워크숍을 방문으로 진행합니다.
가나바사아는 경기도 안산시 상록구에 본사를 두고 경기 남서부와 인접 충남권을 주력 영업 지역으로 합니다.
방문 진단이 가능한 지역과 본사 기준 이동 시간
- 안산 (본사 소재)
- 시흥 약 20분, 군포 약 20분, 안양 약 30분
- 화성 약 35분, 수원 약 35분, 인천 약 40분, 오산 약 45분
- 용인 약 50분, 평택 약 55분, 안성 약 60분, 아산 약 70분
지역별로 첫 PoC 대상이 달라지는 편입니다. 안산·시흥의 반월·시화 국가산업단지 제조 기업은 구매·품질 문서 처리가, 인천 남동산단과 항만 물류 기업은 운송·통관 서류가, 수원 전자·IT 협력사는 기술 문서 검색이, 평택·아산의 반도체·디스플레이 협력사는 교대 근무 인수인계 문서가 첫 대상으로 자주 선정됩니다.
진행 방식은 이렇습니다. 첫 미팅과 시간 사용 진단 워크숍은 현장 방문으로 진행합니다. 실무자가 실제 쓰는 문서와 시스템을 눈으로 봐야 후보 선정이 정확해지기 때문입니다. 이후 개발과 주간 점검은 원격으로 하고, Go/No-Go 게이트가 있는 시점에 다시 방문합니다.
위 지역 외의 기업도 원격으로 진행 가능합니다. 다만 진단 워크숍만큼은 1회 방문을 권장합니다. 자세한 지역별 안내는 /ax-gyeonggi.php 를 참고하세요.
방문 진단이 가능한 지역과 본사 기준 이동 시간
- 안산 (본사 소재)
- 시흥 약 20분, 군포 약 20분, 안양 약 30분
- 화성 약 35분, 수원 약 35분, 인천 약 40분, 오산 약 45분
- 용인 약 50분, 평택 약 55분, 안성 약 60분, 아산 약 70분
지역별로 첫 PoC 대상이 달라지는 편입니다. 안산·시흥의 반월·시화 국가산업단지 제조 기업은 구매·품질 문서 처리가, 인천 남동산단과 항만 물류 기업은 운송·통관 서류가, 수원 전자·IT 협력사는 기술 문서 검색이, 평택·아산의 반도체·디스플레이 협력사는 교대 근무 인수인계 문서가 첫 대상으로 자주 선정됩니다.
진행 방식은 이렇습니다. 첫 미팅과 시간 사용 진단 워크숍은 현장 방문으로 진행합니다. 실무자가 실제 쓰는 문서와 시스템을 눈으로 봐야 후보 선정이 정확해지기 때문입니다. 이후 개발과 주간 점검은 원격으로 하고, Go/No-Go 게이트가 있는 시점에 다시 방문합니다.
위 지역 외의 기업도 원격으로 진행 가능합니다. 다만 진단 워크숍만큼은 1회 방문을 권장합니다. 자세한 지역별 안내는 /ax-gyeonggi.php 를 참고하세요.