디지키 AI 에이전트 자동화 사례: 송금 요청 3분의 2를 처리하는 승인 관문 설계

디지키는 정확히 무엇을 자동화했나?

두 개의 업무 흐름이다. ① 송금 요청 응대: AI 에이전트가 고객 이메일을 읽고, 무엇을 요청하는지 파악하고, 관련 정보를 모아, 처리 추천안을 만들어 직원에게 승인받는다. 이 흐름으로 요청의 약 3분의 2가 자동 처리된다. ② 결제 대사: 여러 은행·통화·언어·파일 형식으로 들어오는 수십만 건의 전자 입금에서, 암호 같은 은행 메모를 대형 언어모델이 해석해 올바른 인보이스와 계정에 매칭한다.

디지키는 미국 미네소타에 본사를 둔 글로벌 전자부품 유통사로, 이 시스템을 엔터프라이즈 AI 플랫폼 다타이쿠(Dataiku) 위에 구축했다. 눈에 띄는 것은 조직 운영 방식이다. 디지키는 특정 문제 하나를 풀기 위해 여러 부서에서 사람을 모아 수개월 단위로 운영하는 "AI 스트라이크 팀"을 쓴다. 몇 년짜리 전사 프로젝트가 아니라, 문제 하나를 끝내고 해산하는 단기 집중 구조다. 현재 회계 외에도 고객 운영, 무역 컴플라이언스 등 70개 이상의 활용 사례가 단계별로 진행 중이다.

디지키의 데이터과학·AI 담당 시니어 매니저 트래비스 채런(Travis Charon)은 이 시스템의 목적을 "회계 판단을 대체하는 것이 아니라 불확실성을 좁히는 것"이라고 설명한다. AI가 후보를 좁혀 오면 판단은 사람이 한다는 구조가, 아래에서 볼 62%와 19%의 분리로 이어진다.

왜 100%가 아니라 3분의 2인가?

나머지 3분의 1이 기술적으로 불가능해서가 아니다. 틀렸을 때의 비용이 다르기 때문이다. 단순 매칭은 틀려도 다시 맞추면 되지만, 모호한 입금을 잘못된 계정에 넣으면 고객 분쟁과 회계 오류로 번진다. 그래서 디지키는 확신도가 높은 62%만 완전 자동으로 처리하고, 복잡하거나 모호한 19%는 검증 플래그를 붙여 사람에게 넘긴다.

이 19%가 이 사례에서 가장 배울 만한 지점이다. 자동화 프로젝트의 실패는 대부분 자동화율을 목표로 잡을 때 시작된다. 90%를 넘기려고 모호한 사례까지 AI에게 맡기는 순간, 오류가 손댈 수 없는 곳에서 조용히 쌓인다. 반대로 디지키 구조에서는 AI가 확신하지 못하는 사례가 전부 사람 앞에 줄을 서므로, 오류가 날 자리가 눈에 보이는 곳에 모인다. 하네스 엔지니어링에서 말하는 검증 관문이 정확히 이 장치이고, 회복 비용이 큰 작업일수록 관문을 앞에 두는 것이 원칙이다. 이 구조 설계는 하네스 엔지니어링 총론에서 계층별로 다뤘다.

자동화율 62%보다 중요한 숫자는 사람에게 넘긴 19%다. 그 목록을 설계한 회사만 자동화를 오래 끌고 간다.

직장인에게는 무엇이 어떻게 체감되나?

해고 통보가 아니라 채용 공고가 사라지는 것으로 먼저 온다. 디지키 회계팀은 줄지 않았다. 대신 필요했던 20~30명의 증원이 없던 일이 됐다. 그리고 남은 사람의 업무는 "요청을 처리하는 일"에서 "AI가 올린 추천안을 판단하고, 예외를 다루는 일"로 바뀐다.

디지키의 닉 컴포티치(Nick Krmpotich)는 AI 에이전트를 "의욕 넘치는 인턴(eager intern)"에 비유한다. 여러 데이터베이스를 뒤져 정보를 모아 오는 일은 시키면 지치지 않고 하지만, 최종 판단과 감독은 사람의 몫이라는 뜻이다. 그런데 그는 도입에서 가장 어려웠던 부분이 "기술과는 아무 상관이 없었다"고 말한다. 반복 업무가 사라진 뒤 생긴 시간을 더 가치 있는 문제 해결과 고객 대응으로 옮기도록 사람들을 돕는 일이 가장 어려웠다는 것이다.

이 관찰을 뒤집으면 직장인 개인의 자기점검 질문이 된다. 내 업무 중 "여러 곳에서 정보를 모아 정리해 넘기는" 비율이 얼마나 되는가. 그 부분은 디지키의 3분의 2처럼 에이전트에게 넘어갈 가능성이 가장 높은 구간이다. 반면 추천안이 맞는지 판단하는 능력, 예외 상황을 다루는 능력은 자동화될수록 오히려 값이 오른다. 같은 도구를 써도 직업별 개선폭이 4%에서 65%까지 벌어지는 이유도 이 판단 능력의 차이였다는 것이 생산성 격차 실측 분석의 결론이다.

우리 회사에 옮긴다면 어떤 순서인가?

디지키 구조를 재현하는 최소 단위는 세 가지다. ① 요청이 들어오는 창구 하나를 고르고(이메일 등), ② AI가 "추천안까지만" 만들게 하고, ③ 확신 없는 사례를 사람에게 넘기는 기준을 문서로 정한다. 처음부터 실행 권한을 주는 것이 아니라, 추천과 실행 사이에 승인 단계를 두는 것이 디지키 방식의 핵심이다.

순서로 보면 이렇다. 먼저 반복 요청이 가장 많이 들어오는 창구 하나를 고른다(전 부서가 아니라 하나). 다음으로 그 요청을 처리할 때 사람이 어떤 정보를 어디서 모으는지 목록화한다. 이 목록이 곧 에이전트에게 줄 접근 범위가 된다. 그다음 2~4주 동안은 에이전트가 추천안만 만들고 사람이 전건 승인하면서, 추천이 틀리는 유형을 기록한다. 그 기록이 쌓이면 "자동 처리해도 되는 유형"과 "계속 사람이 볼 유형"의 경계가 데이터로 그어진다. 디지키의 62 대 19도 처음부터 정한 숫자가 아니라 이렇게 그어진 경계다.

도구 선택과 첫 자동화 대상 고르기의 실행 세부는 직장인 AI 자동화 3단계에, 부서 단위 자동화가 전사로 확장되다 막히는 지점은 오케스트레이션 ROI 격차 분석에 정리해뒀다.