단순히 교육만 진행하고 끝나지 않습니다.

교육 진행은 실무에서의 활용으로 이어질 수 있도록, 맞춤형 프로젝트를 진행합니다.

이렇게 접근하고, 수행했습니다.

수업은 강의로 끝나지 않고, 수강생 각자의 실제 업무를 재료로 세 단계를 거쳐 진행했습니다.

1단계. 업무를 AI가 맡을 수 있는 단위로 쪼개기

먼저 각자 하는 업무 하나를 골라 단계별 과업으로 세분화했습니다.

제안서 작성, 월간 보고서, 정기점검표 검토, 협력사 평가, 경쟁사 매출 분석 등 30건이 넘는 업무가 나왔습니다.

과업마다 인지·이해·분석·생성 중 어떤 일인지 표시하면서, 어디까지 AI가 하고 어디서 사람이 확인할지 경계를 그었습니다.

막연하던 업무가 과업 단위로 쪼개지자, AI에게 맡길 지점이 눈에 보이기 시작했습니다.

2단계. 과업마다 업무용 프롬프트 만들기

세분화한 과업마다 AI에게 줄 지시문을 직접 작성했습니다.

역할, 입력값, 출력 형식을 정해 두니 같은 요청도 매번 비슷한 품질의 결과가 나왔습니다.

여기에 메타 프롬프트 실습을 더해, 좋은 프롬프트를 AI와 함께 다듬는 방법까지 익혔습니다.

3단계. n8n으로 과업을 워크플로우로 잇기

마지막으로 과업과 프롬프트를 n8n 노드로 연결해 실제로 도는 자동화를 만들었습니다.

최종 프로젝트에서는 기존 업무 흐름(AS-IS)과 AI가 맡을 부분(TO-BE)을 나란히 적고, 사람이 확인할 지점과 기대효과까지 정리했습니다.

결과적으로

• 제안수행본부는 RFP 메일이 오면 요구사항을 뽑아 개요·기술·관리·지원으로 분류하고 시트에 저장하는 흐름을 설계했습니다.

• 생산기획팀은 공급처 홈페이지의 펌웨어 업데이트를 매일 확인해 변경이 생기면 검증팀에 업무 요청 메일을 보내는 흐름을 만들었습니다.

• 인사총무팀은 이력서를 데이터로 바꿔 필수 자격을 검증하고 자기소개서 요약본을 받아보는 흐름을,

• 사업지원부는 수많은 정기점검표를 AI가 검수해 오류 목록을 보고하는 흐름을 만들었습니다.

같은 도구를 배웠지만, 결과물은 부서 수만큼 다양하게 나왔습니다.

성공 사례 | 매일 아침 나라장터 공고가 디스코드로 도착합니다

가장 먼저 현업에 붙은 것은 나라장터 공고 알림 워크플로우입니다.

그동안은 매일 나라장터에 접속해 키워드로 공고를 검색하고, 사전규격과 본 공고를 확인한 뒤, 내용을 정리해 메신저와 메일로 공유해야 했습니다.

이제는 매일 아침 정해진 시간에 n8n이 나라장터 API로 물품·용역·사전규격 공고를 조회합니다.

등록해 둔 키워드와 맞는 신규 공고만 걸러 AI가 공고명, 발주기관, 예산, 마감일을 요약하고, 그 결과를 디스코드 채널로 보내 줍니다.

담당자는 출근해서 도착한 요약만 확인하고 검토할 공고를 고르면 됩니다.

매일 사람이 하던 검색과 정리가 사라지고, 팀 전체가 같은 시간에 같은 공고를 보게 됐습니다.

교육을 통해 확인한 변화

• 내 업무를 과업 단위로 세분화하고 AI 역할을 구분하는 방법

• 과업별 업무용 프롬프트와 메타 프롬프트 작성

• n8n으로 메일, 시트, 메신저, AI를 잇는 워크플로우 구성

• AS-IS와 TO-BE를 비교해 자동화 효과와 사람의 확인 지점 설계

• 테스트 결과를 보고 다음에 확장할 기능을 스스로 정리하는 습관

자동화를 개발자에게 맡기던 조직에서, 현업이 직접 자기 업무의 자동화를 설계하는 조직으로 첫걸음을 내디뎠습니다.