[AI는 어떻게 조직을 배우는가] 1. 회의와 대화는 어떻게 AI의 회사 지식이 될까?

생성형 AI를 업무에 사용하는 것이 이제는 꽤 자연스러워졌습니다. 문서를 요약하거나 이메일을 작성하고, 회의 내용을 정리하는 일은 이미 많은 사람이 AI에 맡기고 있습니다.

그런데 AI가 단순한 업무 도구를 넘어 실제로 함께 일하는 동료가 되려면 무엇이 더 필요할까요?

더 좋은 AI 모델도 중요하지만, 그것만으로는 충분하지 않습니다. 아무리 뛰어난 AI라도 우리 회사에서 지금 어떤 프로젝트를 진행하고 있는지, 지난 회의에서 어떤 결정을 내렸는지, 특정 고객에게 어떤 약속을 했는지는 알 수 없기 때문입니다.

AI가 일을 잘하려면 결국 맥락(Context)이 필요합니다.

그리고 회사에서 가장 많은 맥락이 만들어지는 곳 중 하나가 바로 사람들의 대화입니다.

문서에 남지 않는 정보가 있습니다

회사에는 이미 많은 정보가 쌓여 있습니다. 이메일, 메신저, CRM, 사내 위키, 기획서와 보고서까지 종류도 다양합니다. 하지만 실제로 일을 하다 보면 중요한 정보가 항상 문서에 남는 것은 아닙니다.

예를 들어 회의에서 이런 이야기가 오갈 수 있습니다.

“원래 정책은 이렇지만 이번 고객은 예외로 처리하죠.”

“지난번에도 비슷한 방법을 시도했는데 결과가 좋지 않았습니다.”

“기능 자체보다 이 고객이 실제로 해결하려는 문제가 무엇인지 먼저 봐야 할 것 같아요.”

회의가 끝난 뒤 최종 문서에는 ‘A안으로 진행’이라는 결론만 남을 수도 있습니다. 하지만 실제 업무를 이해하는 데 필요한 것은 그 결론뿐만이 아닙니다.

왜 A안을 선택했는지, 다른 안은 왜 제외했는지, 무엇을 우려했는지, 어떤 상황에서는 예외가 가능한지 같은 정보가 함께 있어야 이후의 판단도 제대로 할 수 있습니다.

이런 정보는 흔히 조직의 암묵지라고 불립니다. 그리고 상당한 양의 암묵지가 매일 회의, 상담, 인터뷰와 같은 대화 속에서 만들어집니다.

회사 위키에는 원칙이 적혀 있을 수 있습니다. CRM에는 고객의 현재 상태가 저장되어 있을 수 있습니다. 하지만 “왜 이번에는 원칙과 다르게 결정했는지”, “그 과정에서 어떤 우려가 있었는지”까지 남아 있는 경우는 많지 않습니다.

대화에는 결과만이 아니라 판단이 만들어지는 과정이 남습니다.

AI도 신입사원처럼 회사를 배울 수 있다면

새로운 사람이 회사에 들어오면 처음부터 모든 것을 알고 있지는 않습니다.

회사 위키와 매뉴얼을 읽는 것도 필요하지만 그것만으로 바로 조직을 이해하지는 못합니다. 회의에 참석하고 동료들과 이야기하면서 현재 진행 중인 프로젝트를 알게 되고, 사람들이 어떤 기준으로 의사결정을 하는지도 조금씩 이해합니다.

매뉴얼에 적혀 있지 않은 것들도 자연스럽게 배우게 됩니다. 영어에는 이렇게 주변에서 보고 듣는 과정에서 자연스럽게 지식을 습득한다는 의미로 삼투압을 뜻하는 Osmosis라는 표현을 사용하기도 합니다. 앞으로 AI도 비슷한 방식으로 조직을 이해하게 될 수 있습니다.

사람이 매번 처음부터 상황을 설명하는 대신, 지금까지 있었던 회의와 대화가 Context로 축적되어 있다면 AI는 필요한 순간에 이전 기록을 참고할 수 있습니다.

“지난번 이 고객과 어떤 이야기를 했지?”

“이 프로젝트 방향이 바뀐 이유가 뭐였지?”

“예전에 비슷한 문제가 있었나?”

“우리 팀은 이런 상황에서 보통 어떤 기준으로 판단했지?”

이 질문에 답하기 위해 사람이 과거 회의록과 이메일을 일일이 찾아다니는 대신, AI가 축적된 Context를 바탕으로 필요한 정보를 찾아 활용하는 것입니다.

이것이 AI가 조직을 이해하기 시작하는 방식이 될 수 있습니다.

그래서 회의 기록의 가치도 달라집니다

지금까지 회의를 녹음하고 전사하는 가장 큰 이유는 회의록을 만드는 것이었습니다. 누가 무엇을 이야기했는지 기록하고, 핵심 내용을 요약하고, 결정사항과 할 일을 정리하는 것입니다. 앞으로는 여기에 또 하나의 가치가 생길 수 있습니다.

오늘의 대화를 미래의 AI가 사용할 수 있는 Context로 남기는 것입니다.

회의 하나만 놓고 보면 하나의 기록입니다. 하지만 프로젝트가 진행되는 동안 수십 번의 회의가 기록되고, 고객과의 미팅과 인터뷰까지 함께 쌓이기 시작하면 이야기가 달라집니다. 그 기록에는 프로젝트가 어떻게 시작되었고, 어떤 문제를 만났으며, 어떤 논의를 거쳐 방향이 바뀌었는지가 담깁니다.

각각의 회의록이 독립된 문서로 끝나는 것이 아니라 서로 연결되면서 조직의 Context Layer가 되는 것입니다.

다글로가 만드는 것은 ‘회의록’만이 아닙니다

다글로는 회의와 통화, 인터뷰, 강의 등 음성으로 이루어진 정보를 텍스트로 변환합니다.

녹음하거나 음성 파일을 업로드하면 내용을 받아쓰고, 여러 사람이 참여한 대화에서는 화자를 구분할 수 있습니다. 받아쓴 내용을 요약하거나 필요한 내용을 찾고, 기록을 바탕으로 AI와 대화하는 것도 가능합니다.

지금 당장은 이런 기능을 ‘AI 회의록’이라고 부르는 것이 가장 이해하기 쉽습니다. 하지만 조금 더 길게 보면 음성 인식이 담당하는 역할은 훨씬 커질 수 있습니다.

사람이 일하면서 만들어내는 수많은 대화를 AI가 읽고, 검색하고, 활용할 수 있는 데이터로 바꾸는 것이기 때문입니다.

AI가 조직을 이해하려면 먼저 조직에서 일어나는 일이 데이터로 남아 있어야 합니다. 그리고 아직도 많은 업무 정보는 키보드가 아니라 사람의 입을 통해 만들어집니다. 다글로는 그 정보를 놓치지 않고 기록합니다.

기록된 대화가 쌓일수록 AI는 더 많은 맥락을 갖게 됩니다

좋은 Context를 만들기 위해 거창한 지식관리 시스템부터 구축해야 하는 것은 아닙니다.

우리가 이미 매일 하고 있는 대화부터 제대로 남기는 것이 시작일 수 있습니다. 회의를 하고, 녹음하고, 전사하고, 필요한 내용을 다시 찾을 수 있게 만드는 것. 그 기록이 계속 쌓이면 AI는 조금씩 더 많은 맥락을 갖게 됩니다.사람이 조직에 들어와 수많은 대화를 들으며 자연스럽게 그 조직을 배우는 것처럼 말입니다.

다글로를 통한 기록은 AI가 우리를 이해하기 위한 첫 번째 Context가 됩니다.

그리고 AI의 Osmosis는 바로 여기서부터 시작될 수 있습니다.