보고서 작성에 활용하는 생성형 AI 적용 방향

보고서 작성에 활용하는 생성형 AI 적용 방향

기업의 MI (Market Intelligence, 마켓 인텔리전스) 담당자뿐만 아니라, 직장인이라면 보고서 작업에 많은 시간과 에너지를 투자합니다. 특히 MI 업무에서는 의사결정을 위해 중요한 정보 및 인사이트를 다루기 때문에, 내용을 체계적으로 정리하고자 보고서 작업에 많은 노력을 기울이고 있습니다.

보고서 작업은 크게 데이터 분석, 구조화 및 작성, 시각화, 검수 및 번역의 4단계로 분류됩니다. 이번 콘텐츠에서는 단계별로 보고서 작성이 생성형 AI로 인해 어떻게 효율화될 수 있을지 알아보겠습니다.

📌 시리즈 콘텐츠 목차

1. 생성형 AI가 마켓 인텔리전스에 미치는 영향
2. 마켓 센싱을 위한 MI 업무의 생성형 AI 적용 방향
3. 고객 조사에 활용하는 생성형 AI 기반 MI 접근법
4. 보고서 작성에 활용하는 생성형 AI 적용 방향
5. MI 거버넌스 업무를 위한 생성형 AI 적용 방향

1. 보고서 작업이 생각보다 중요한 이유

회사 내에서는 보고서 작업에 대한 부정적 시각도 존재합니다. 실질적인 실행보다는 문서화 작업에 과도하게 집중하면서, 비효율적인 시간 소모나 불필요한 문서 작업으로 인식되기도 합니다.

그럼에도 불구하고 보고서 작업이 중요한 이유는 다음과 같습니다.

• 의사결정 지원: 보고서는 상위 의사결정자가 핵심 정보를 빠르게 파악하고, 보다 정확하고 효과적인 결정을 내릴 수 있도록 돕습니다.
• 커뮤니케이션 명확화: 동일한 회의에 참석하더라도 개인마다 해석이 다를 수 있습니다. 구두로만 소통할 경우 이러한 차이가 커질 수 있어, 문서화로 각자의 이해를 일치시키는 과정이 필요합니다. 보고서는 공통된 이해를 형성하고 전략적 방향성을 하나로 수렴하는 데 도움이 됩니다.
• 기록 및 축적: 보고서는 프로젝트의 히스토리를 체계적으로 기록하여 향후 유사한 과제에 참고 자료로 활용하거나 사후 분석을 통해 개선 사항을 도출하는 데 유용합니다.

따라서 좋은 보고서는 의사결정을 지원하기 위하여 적시에 제공되어야 하며, 전달하려는 내용이 잘 읽힐 수 있도록 명확한 언어를 사용하고, 시각화, 논리의 구조화가 잘 되어 있어야 합니다.

하지만 현재는 좋은 보고서를 작성하기 위해 많은 시간이 소요되고 있는데요. 데이터의 시대에 통합적으로 분석해야 할 것들이 많아졌고, 수많은 데이터를 정돈하고 시각화하는 데에도 많은 노력이 필요합니다. 뿐만 아니라 명확한 메시지를 위하여 적합한 단어와 문장을 고르는 데도 시간이 많이 필요합니다.

MI팀은 민첩한 의사 결정 지원을 위해 지속적으로 속도 향상을 요구받고 있습니다. 따라서 보고서 작업도 효율성을 높이는 방안을 꾸준히 모색하고 있는데요. 그렇다면 생성형 AI를 활용하여 보고서 작성이 어떻게 효율화될 수 있을지 살펴보겠습니다.

2. 데이터 수집 및 분석

[As-is]

• 인터넷에 방대하게 펼쳐져 있는 정보를 수집하는 데 시간이 많이 소요됩니다.
• 사람이 데이터를 모두 읽고 분석하는 데 시간이 많이 소요됩니다.

[To-be]

• AI를 활용한 차세대 검색 서비스를 통해 데이터 수집의 속도가 원활해질 것입니다.
  • 현재 대화형 AI에게 원하는 자료를 물어보면, 다양한 정보를 출처와 함께 제공하는 솔루션들이 쏟아져 나오고 있습니다. (예: 일본 스타트업 Felo 사의 ‘Felo AI research’, 퍼플렉시티 ‘Perplexity’, 솔트룩스 ‘Goover’, 등)

• AI가 실시간으로 데이터를 분석 및 요약하여 시간을 절약해 줄 것입니다.
  • PDF 등 텍스트 문서뿐만 아니라 오디오 파일, 유튜브 링크 등을 업로드 하면 내용을 분석하여 요약해 주는 솔루션들이 등장하고 있습니다. (예: 구글 ‘노트북 LM’, ‘Mapify’ 등)

• 이러한 솔루션들은 향후 지속 발전하여 MI 담당자의 의도를 이해하고 더 적절하고 상세한 정보를 제공할 것입니다. 덕분에 MI 담당자는 인사이트를 도출하는 데 더 집중하거나 적합한 정보를 더 빠르게, 적시에 제공할 수 있게 될 것입니다.

3. 보고서 구조화 및 작성

[As-is]

• (구조화) 보고서는 단순히 데이터를 나열하는 것이 아닌, 목적과 핵심 메시지를 중심으로 논리적이고 일관된 흐름을 만들어야 하므로 많은 노력와 시간이 소요됩니다.
• (작성) 이해관계자들이 읽기 쉽도록 문장을 다듬고 명료한 단어를 사용하기 위해 많은 노력이 들어갑니다.
  • 수직적으로 보고서를 검토받으며(예: 사원/대리 → 과장/차장 → 팀장) 단어 및 문장을 고치는 데 시간을 많이 쓰고 있습니다.

[To-be]

• (구조화) 아직은 명확한 AI 서비스는 없으나 AI 에이전트 시대를 맞이하며 보고서의 스토리라인을 제안해 주는 서비스도 향후 등장할 것으로 예상됩니다. 다만, 보고서의 구조화는 산업에 대한 이해(도메인 지식) 및 사내 이해관계에 따른 중요도 등을 바탕으로 논리가 만들어지므로 해당 영역은 여전히 사람의 역할로 남을 것으로 예상됩니다.
• (작성) AI의 도움을 받아 더 효율화될 것으로 예상됩니다. 현재 챗GPT 같은 도구를 통해 언어 교정을 받을 수 있고, AI를 통해 단어 교정을 받는 서비스도 등장하고 있기 때문입니다. (예: Canva)
  • AI의 발달로 인해 향후에는 보고서를 점검할 때 MI 담당자는 단순 단어 교정보다는 사내 이해관계에 적합한 톤앤매너를 살펴보고 의사결정에 더 중요한 영역에 시간을 쏟게 될 것으로 기대됩니다.

4. 보고서 시각화

[As-is]

• 분석 내용을 보다 효과적으로 전달하기 위하여 텍스트를 도형이나 그래프 등으로 시각화하는데 많은 시간과 노력을 기울이고 있습니다. 또한, 파워포인트 등 시각화 도구를 활용하는 개인의 스킬에 따라 결과물의 퀄리티에도 차이가 발생합니다.

[To-be]

• AI로 인해 데이터 시각화는 효율화 및 자동화될 것입니다.
  • (효율화) AI 시각화 서비스를 통해 담당자는 텍스트만 입력하면 다양한 도형 및 그래프를 제안받을 수 있습니다. 이를 통해 시각화를 위해 고민하는 노력과 시간이 줄어들 것입니다. (예: Napkin)
  • (자동화) 실시간 AI 대시보드를 통해 담당자들이 원하는 형태로 시각화된 데이터를 추출할 수 있을 것입니다. 사람마다 원하는 디자인이 다를 수 있으므로 다양한 시각화 옵션을 제공해 주는 AI 대시보드를 통해 원하는 레이아웃, 색상, 포맷으로 보고서를 추출하게 될 것입니다.

5. 보고서 검수 및 번역

[As-is]

• 데이터 오류 및 오타 검수를 위해 많은 시간이 소요되며, 시간을 쏟더라도 휴먼에러로 인해 놓치는 부분이 발생하고 있습니다.
• 글로벌 회사의 경우 번역에 많은 시간과 비용을 쓰고 있으며, 리소스의 제약으로 ‘영어’ 위주로 작업을 진행하고 있습니다.

[To-be]

• AI를 활용하여 철자, 문법 등의 실수를 효율적으로 검수할 수 있습니다. (예: Grammarly 등)
• LLM 발전으로 인해 AI의 언어 처리 능력이 지속적으로 향상되고 있습니다. 때문에 향후에는 단일 언어로 된 보고서를 업로드하면 다양한 언어로 동시에 번역해 주는 AI 번역 서비스가 등장할 것으로 기대됩니다. 이를 통해 각국 담당자들이 모국어로 보다 명확하게 정보를 이해할 수 있는 환경이 조성될 것으로 기대됩니다.

마지막으로 정리하자면…

보고서 업무는 단순한 문서 작업처럼 보일 수 있으나, 상위 의사결정자가 정확하고 신속하게 결정을 내리도록 지원하고 유관부서들이 같은 이해도를 바탕으로 전략을 추진할 수 있도록 연결해 주는 중요한 매개체입니다. 따라서 보고서는 적시에 제공되며 명확한 언어/시각화/구조화를 통해 메시지를 효과적으로 전달해야 합니다.

AI의 발전으로 향후 데이터 수집, 보고서 시각화, 검수 및 번역 작업은 효율화 및 자동화되고 MI 담당자의 업무 속도가 향상되어, 인사이트 전달의 적시성이 높아질 것으로 보입니다. 또한 AI 에이전트의 도움을 받아 보고서의 시각적인 퀄리티가 상향 평준화될 것으로 예상됩니다. 따라서 MI 담당자들은 데이터 속에서 인사이트를 발견하는데 더 집중할 수 있게 될 것입니다.

또한, 산업 지식(도메인 지식) 및 회사 내부 상황에 대한 이해도가 높은 담당자들이 보고서를 어떤 메시지로, 어떻게 전달해야 효과적일지를 잘 알기 때문에, 보고서의 최종 인사이트 도출과 구조적 흐름은 MI 담당자의 중요한 역할로 남을 것으로 예상됩니다.

다음 포스팅에서는 마켓 인텔리전스의 주요 업무 중 하나인 ‘거버넌스 업무’에서 생성형 AI를 어떻게 적용할 수 있을지, 무엇을 준비해야 할지 자세히 살펴보도록 하겠습니다.