CH 0

커넥트웨이브
HR AI 세션

AI x HR 실무 활용 사례

커넥트웨이브 HR AI 세션 · 90분 · 2026
① Opening

창작과 정성의 가치가
인정받는 세상을 만듭니다

Global No.1 Creator Ecosystem

아이디어스 서비스 화면 아이디어스 핸드메이드 마켓플레이스 누적 거래액 1.3조 · 작가 1.5만 · 월 300만 명
텀블벅 서비스 화면 텀블벅 크라우드 펀딩 플랫폼 누적 거래액 4,500억 · 프로젝트 5.2만 건
텐바이텐 서비스 화면 텐바이텐 디자인 문구 & 캐릭터 커머스 누적 거래액 1조 · 회원 850만
2012 백패커 설립
300억 시리즈 C 투자 유치
45개국 글로벌 서비스
Forbes 아시아 100대 스타트업
백패커팀 소개

강사 소개

Instructor

이원경

백패커 · 프렌즈셀
Philosophy Spreader

현 백패커 프렌즈셀
평가보상 · HR Data
AI 프로젝트 리드

전 휘슬러코리아 HR&Admin Team Leader
전 SK커뮤니케이션 인력팀 Manager

사내 AI 교육 이력

  • AI 활용 기초교육
  • 나만의 AI Agent 구축 실습
  • 제미나이 CLI 설치부터 활용까지
  • Slack · GAS · 비개발자 코딩에이전트 활용

AI 활용 주요 개발 사례

  • 앱 리뷰 및 개발자 답변 모니터링 시스템
  • 네이버 스마트스토어 쿠폰 발급 자동화
  • 택배 송장 출력 · 방문객 주차등록 자동화
  • 사내 휴양소 운영 시스템 웹앱 구축
강사 소개
CH 0 핵심 메시지

오늘 가져가실 한 줄

인류 최강의 레버리지 활용 방법,
우리는 2%만 하면 됩니다.

매일 반복되는 확인 업무 하나부터 시작합니다.

사실 1. 작년엔 아직 어려웠습니다

가장 잘하는 AI도
처음엔 2.5%였습니다.

그때 "아직 우리 일에 못 맡긴다"는 판단은
꽤 합리적이었습니다.

1/40 = 2.5%  —  최고 성능 AI, 2025

"가장 성공률이 높았던 AI도
2.5%에 불과 — 현재 AI
에이전트의 실질적 업무 도움은
아직 제한적."

Scale AI · 240개 프리랜서 프로젝트

"그 2.5%가 어떻게 성공했는지에
주목해야 한다."

작년 기준선

사실 2. 올해부터 조건이 바뀌었습니다

130 일

검증 가능한 작업 길이
2배 증가 추정 속도

METR TH1.1 · 2023년 이후 P50 추세

4.8 시간

50% 성공 기준
time horizon 추정치

처리 가능한 과제 길이

99.95 %

MirrorCode gotree 사례
2,000 / 2,001 테스트 통과

정확한 사양이 있는 장기 코딩 과제

백패커 내부 확산

#talk_ai_자동화 채널 월간 게시글 수 추이

8~10
2025 월평균
15
2026-01
51
2026-02
일평균 3.2건
3월 중순 이후

AI는 먼저 '다음 단어'를 배웠습니다

Pre-training · Next Token Prediction

대한민국의 ?

카드를 눌러보세요. AI는 정답을 외운다기보다, 다음에 올 가능성이 높은 말을 예측합니다.

그래서 처음의 AI는 말은 유창하지만, 검증은 약했습니다

그럴싸함만으로는 부족했습니다

가능했던 것

유창한 문장
일반 상식
번역·요약

한계

사실 여부 검증 불가

그럴듯한 문장을 만들 수는 있지만, 스스로 맞는지 확인하지 못하면 환각이 생깁니다.

필요해진 것

정답 검증
생각의 과정
오류 자가 수정

RLVR — 보기 좋은 답에서 검증 가능한 답으로

기존 · RLHF

글짓기 선생님

사람이 보기에 좋은 답을 고릅니다.

좋은 말투와 형식은 늘지만, 그럴싸한 오류가 남을 수 있습니다.

최신 · RLVR

수학 선생님

정답을 검증할 수 있는 문제를 풉니다.

맞았는지 틀렸는지 확인하면서 생각의 과정을 강화합니다.
Insight 복잡한 추론

단순 검색이 아니라, 여러 단계를 거쳐야 하는 문제를 끝까지 풀어봅니다.

그래서 우리는 사수처럼 시킵니다

01 과정을 요구하라

정답보다 먼저 어떤 순서로 풀지 물어봅니다.

02 문제를 쪼개라

큰 업무를 확인 가능한 작은 단위로 나눕니다.

03 채점 기준을 주어라

논리적 비약, 누락, 형식 같은 검증 조건을 줍니다.

04 생각할 시간을 줘라

추론 모델은 천천히 단계별로 풀수록 강해집니다.

그래서 우리도 —
검증 가능한 모양으로 쪼개서 시키면 됩니다.

"당신은 AI의 사용자가 아니라,
AI의 '사수'입니다."

사전 설문 + 90분 로드맵

16/16

전원이 챗봇 사용 중

이미 출발선에 있음

87.5%

데이터 분석 1순위 학습 니즈

Ch.2에서 실제 사례로

43.8%

보안·정보 누출 1순위 걸림돌

각 사례에서 구조로 확인

01근태가장 친숙한 자동화
02조직문화87.5%가 원한 데이터 분석
03평가정책 초안과 기준 정리
04채용1년 자동화 여정
05온보딩개인 도구가 시스템으로
06노무무거운 점검은 더 조심스럽게

도구 단계

① 챗봇이미 사용 중
② 무료 자동화다음 주 시작 가능
③ 코딩 에이전트6개월~1년 후

작은 반복 업무에서 시작해, 데이터와 시스템으로 확장합니다.

CH 1 AI 활용 ① 시스템 구축

Chapter 1  ·  10분

수작업이
사라지는
첫걸음

근태미등록알림 — FlexAuto 사례

Before — 매일 미등록자 확인

Masked Flex screen 구성원 근무
마스킹된 Flex 구성원 근무 화면
실제 Flex 화면 캡처 조직명·민감정보 마스킹

작업 단계

  1. ①Flex 접속·로그인
  2. ②구성원 근무 확인
  3. ③미등록자 확인
  4. ④대상자 명단 정리
  5. ⑤Slack 태그 알림

매일 놓치면 바로 티 나는 일

Before

어떻게 만들었나

STEP 01

Start

클릭 1번

GUI 실행

→

STEP 02

Flex 확인

미등록자 수집

Playwright

→

STEP 03

Sheets

대상자 적재

Google Sheets

→

STEP 04

Slack

채널 태그 알림

GAS 실행

"로그인 세션 만료가 제일 힘들었어요.
Claude한테 물어보면서 고쳤습니다."

세션 만료 대응

Python + Tkinter GUI

Playwright → Flex 확인

Sheets + GAS → Slack

비밀번호: OS 보안 저장소

DEMO · FlexAuto

라이브 또는 영상 시연

Start 버튼 → Flex 미등록자 확인 → Sheets 적재 → Slack 알림

After — 매일 확인이 자동 알림으로

Before

매일

사람이 미등록자 확인

→

After

자동

Sheets/GAS가 Slack 태그

비밀번호 저장 위치

OS 보안 저장소에 보관

CH 1 수작업이 사라지는 첫걸음

수작업이
사라지는
첫걸음

다음은 데이터 분석입니다

CH 2 AI 활용 ②+③ 데이터 분석·보고서

Chapter 2  ·  조직문화

87.5%

데이터 분석 1순위 니즈

낮아진 공개채널 비율을 발견했습니다

XX.X% XX.X% XX.X% N월 N월 N월 공개채널 소통비율 (%)

DISCOVERY

-XX.X%p

평소보다 낮은 흐름이 N개월 연속 이어졌습니다.

QUESTION

직군 때문인가, 개인 습관인가, 팀 안의 반복 신호인가?

NEXT

그냥 느낌으로 넘기지 않고, AI에게 깊게 분석시켰습니다.

공개채널 소통비율 · N년 N~N월

AI가 파고든 분석 결과

누적 공개채널 비율

XX.X% N명 · N건

XX.X% 미만

N / N 구성원 기준

XX.X% 미만

N / N 극저구간

XX.X% 미만 셀

N / N N명 이상 셀

직군별 상위

OperationsXX.X% EngineeringXX.X% MD/SelectionXX.X%

직군 영향은 있었지만, 직군만으로는 설명되지 않았습니다.

가명 · 실제 집계

A님 vs B님 XX.X% vs XX.X% 동일 직무 공용 채널 사용
C님 vs D님 XX.X% vs XX.X% 유사 업무 협업 채널 사용

리더 신호

직속/공석XX.X%
리더 있음 · 낮음XX.X%
리더 있음 · 높음XX.X%

핵심은 양이 아니라 공개를 기본값으로 만드는 반복 신호였습니다.

문화건전성 지표로 확장했습니다

Basecamp / admin / culture

문화건전성 지표

월별 자동 수집
공개소통XX.X%
월간토큰추이
근무시간h
핫워커%
랜덤런치%
수집률n/N

각 지표들이 어떻게 수집되는지

Slack 멤버 CSV 공개채널 소통
Tuner API / CSV 월간 토큰
핫워커 Sheets 근무시간 · 달성률
Basecamp DB 사내 이벤트 참여율
AX Ops Sheets AI 도구 채택
자동 수집 구조까지 만들면서, 문화가 측정 가능한 신호가 됐습니다.

뉴스레터 초안, 그리고 사람의 검수

AI: 데이터 수집 · 정리 · 분석 · 초안 사람: 방향성 · 글쓰기 · 검수 · 인터뷰
CH 2 AI 활용 ②+③

데이터 → 보고서

AI가 가장 잘 하는 것

다음은 — 그 데이터로 만드는 의사결정입니다.

CH 3 AI 활용 ④ 아이데이션·기획 가속

평가 기획을
AI와 함께

시스템 만들기 전, 정책부터 가속화됩니다

Before — 정책 초안 작성의 부담

평가 정책 한 세트

  1. ×등급 정의
  2. ×자격 기준
  3. ×평가 일정
  4. ×예외 처리
  5. ×운영 가이드

초안만 잡는 데

2 주

레퍼런스 찾고, 회사 맥락에 맞추고, 리더 공유 전 모양을 갖추는 시간

평가 정책 초안

AI에게 시킨 흐름

STEP 01

입력

기존 정책 + 회사 맥락

→

STEP 02

AI

기준·예외 제안

→

STEP 03

초안

5개 항목 동시 생성

→

STEP 04

검수

사람이 내용 결정

→

STEP 05

확정

리더 공유 → 피드백

맥락 넣기 → AI 초안 → 사람 검수 → 최종 확정

After — 며칠이 아니라 몇 시간

Before

2주

정책 초안 첫 버전

→

After

3시간

같은 수준의 첫 버전

사람이 결정한다 — 그건 변함없습니다
CH 3 다음: 한 사람의 1년 여정

여기까지가
빠른 사례들이었어요

이제 — 한 사람의 1년 여정으로 들어갑니다

다음 사례: 한 사람이 1년 동안 만든 변화

AI 활용 ① 자체 시스템 구축

Chapter 4  ·  17분

한 채용담당자의 1년

채용담당자(J님) — 백패커 프렌즈셀(HR)

2025년 4월, 처음 ChatGPT를 써본 분이 1년 후에 만든 것

2025-04

Stage 1

잔여 연차 계산기

Apps Script · 비용 0원

2026-03

Stage 2

컬처핏 스케줄러

Next.js · Slack · Calendar · Drive

2026~

Stage 3

사내 모듈로 흡수

onboarding 9 모듈의 interview

Stage 2 — 컬처핏 인터뷰 스케줄러

Next.js · Slack API · Google Calendar FreeBusy · Google Drive API · Claude Code

01

캘린더 등록

담당자 그대로

02

면접관 추천

빈 시간 → 적은 순 → 오래된 순

03

Slack 메시지

참석 / 불참 버튼

04

자동 초대

참석 클릭 → Calendar

05

Drive 폴더

지원자별 비공개 공유

06

통계 기록

참여 이력 자동 저장

추천 로직 — 공정성을 코드로

① 캘린더가 비어 있는 면접관 → ② 참여 횟수가 적은 순 → ③ 마지막 참여일이 오래된 순
CH 4 DEMO · 컬처핏 스케줄러

라이브 또는 영상 시연

일정 조회 → 면접관 추천 → Slack 초대 → 비공개 Drive 폴더

Stage 3 — 사내 모듈로 흡수

2026-03 standalone

컬처핏 스케줄러

Next.js · Slack · Calendar · Drive

한 사람의 도구
→

onboarding 통합 플랫폼 · 9 모듈

TO 관리
입사자
체크리스트
후보자
interview
컬처핏 스케줄러
면접 리포트
수습 관리
처우 밴드
AX 비용
HR 1명의 자동화는 1년 안에 회사 자산이 됩니다
CH 4 사내 시스템으로 흡수

첫 시도가
회사 자산이 됐습니다

1년 후, 사내 시스템의 한 모듈로 들어갔습니다

다음은 그 도구가 들어간 통합 플랫폼입니다

onboarding 통합 플랫폼

TO 관리
입사자
체크리스트
후보자
interview
면접 리포트
수습 관리
salary
axops
CH 5 AI 활용 ① 통합 시스템

onboarding 통합 플랫폼

흩어진 자동화 →
시스템

컬처핏 스케줄러가 여기에

모듈 1 — interview

2026-03 standalone

컬처핏 스케줄러

Stage 2 단독 화면

한 사람의 도구
→

onboarding module

interview

동일 기능 · 플랫폼 안으로 흡수

후보자·처우·AX 비용과 연결
컬처핏 스케줄러 standalone → onboarding 9 모듈 중 interview

모듈 2 — 입사자 정보

Onboarding Queue

TO 선택

TO-042 프렌즈셀 · HR Ops ONBOARDING
TO-039 Talent · Recruiting OFFER

TO 관리에서 온보딩 상태가 되면 입사자 정보 생성으로 이어집니다.

Profile Form

기본 정보 입력

이름 김OO
입사일 2026-05-13
직무 HR Ops

실제 이름·연락처·처우 정보는 마스킹하고 흐름만 보여줍니다.

System Sync

설문·시스템 연동

설문 응답 입사자 정보와 연결
사번·HR DB 생성 대기열
사진 폴더 업로드 체크

프로필, 설문, 사번, 사진 처리가 한 화면의 작업 큐로 모입니다.

입사자 정보 — TO에서 프로필, 설문, 사번·사진 연동까지

모듈 3 — salary 처우 대시보드

권한 있는 담당자만

K-1
연차 1~2년
K-2
연차 3~4년
K-3
본인 직무 자동 숨김
K-4
연차 7년+

"권한 있는 담당자만 접근합니다.
연차별 익명 급여 밴드를 집계해 표시합니다.
로그인 사용자의 본인 직무를 숨기는 데 사용됩니다."

익명 밴드 설계

밴드만 표시

본인 직무 숨김 · HR팀 집계 제외

익명 처우 밴드

모듈 4 — axops 지원 현황 대사

01

Flex 신청

신청자·도구·요금제

→
02

Gowid 결제

카드 이용·사용자

→
03

Tuner·구독

실제 플랜·활동

→
04

자동 대사

신청-결제-사용

→
05

이슈 점검

누락·불일치 필터

신청내역과 결제내역을 대조해 지원 현황을 한눈에 봅니다
DEMO · onboarding 4 모듈 워크스루

라이브 또는 영상 시연

interview → 입사자 정보 → salary → axops

0:50 interview 0:50 입사자 정보 0:50 salary 0:45 axops

보조 사례 — azit도 같은 패턴입니다

복지

숙소·랜덤런치·우산

근태

Flex 연동·자동 수집

문화건전성

7개 행동 지표

핫워커

근로시간·보상 산정

onboarding : 채용·입사자 중심 azit : 재직자 운영 중심
CH 6 AI 활용 ② 데이터 분석 + ③ 보고서 초안
약 150명 샘플 규모
×
14 항목 근로감독 자동 점검

HR이 가장 두려워하는 일을 구조화합니다

14 항목을 한 명씩, 다시 한 번씩

□ 근로시간
□ 최저임금
□ 근로계약서
□ 휴게시간
□ 야간근로
□ 휴일수당
□ 연차휴가
□ 4대보험
□ 퇴직금
□ 산업안전
□ 모성보호
□ 비정규직
□ 외국인
□ 기타 고지
약 150명 × 14 항목 약 2,100개 데이터 포인트 수작업으로는 하루가 사라집니다

데이터를 넣으면, 리스크 초안이 나옵니다

STEP 01 데이터 인사 DB + 근태 원본
원천 데이터 취합 Sheets · CSV
→
STEP 02 자동 검증 14 항목 스크립트
반복 점검 Python · pandas
→
STEP 03 리포트 초안 위험도 등급
보완 조치 제안 Markdown · AI 보고서
점검 리포트 샘플 리포트
항목위험도비고
근로시간 초과HIGH최근 4주 재확인
최저임금MID수당 포함 재계산
근로계약서 미비LOW보존 위치 확인
야간근로 수당MID산정 기준 검토

Human in the Loop

휴먼 인 더 루프

AI — 1차 점검자
  • 14 항목 데이터 스캔
  • 위험도 등급 부여
  • 보고서 초안 생성
사람 — 최종 판단자
  • 법 조항 해석
  • 사실관계 최종 확인
  • 담당자 서명·제출
AI는 1차 점검자, 사람은 최종 책임자
CH 6 AI 활용 ②+③

가장 무거운 일을
AI가 가장 잘 도와줍니다.

약 150명 × 14 항목 → AI 1차 점검 → 사람 최종 판단

다음 → Ch.7 여러분의 다음 주 월요일

시키는 법 3원칙 — 여러분은 AI의 사수입니다

PLAN 검증법 먼저

"어떻게 됐는지 어떻게 알지?"를 미리 정해두기

DO 쪼개서 시키기

큰 업무를 확인 가능한 단위로 나눠서 진행하기

CHECK 사람이 마지막

공유 전에는 결과와 맥락을 반드시 검수하기

검증 가능한 단위로 시키기 사용자가 아니라 사수처럼 시킵니다

비개발자 보안 3원칙 — 이것만 지키면 됩니다

"비밀번호·API 키,
민감 데이터,
검수 없는 공유.
이 세 가지를 피하세요."

× 비밀번호·키

코드에 직접 쓰지 않기

× 민감 데이터

외부 AI로 보내지 않기

× 검수 없이 공유

사람이 마지막에 확인하기

CH 7 20명이 각자 시작하면

20명이 각자
시작하면

1년 후에는 회사의 일하는 방식이 바뀝니다

"저도 했기 때문에, 모두들 하실 수 있습니다"

작은 시작의 누적

FAQ 01 / 10 운영 · 안정화

오픈은 끝이 아니라 베타의 시작입니다

Question

배포된 서비스의 안정적 운영, 서비스 퀄리티 개선을 위해 지속적으로 해야 하는 작업과 유의사항이 있을까요?

서비스는 오픈한 뒤에도 계속 고칩니다.

  • 오픈 전부터 욕심이 생깁니다. 하나 만들면 또 만들고 싶어집니다.
  • 버그와 예외사항은 계속 나오니, 안정화될 때까지 베타테스트 기간을 둡니다.
  • 서비스 퀄리티 개선과 확장은 계속 이어집니다.
  • 걱정할 필요는 없습니다. 만드는 것도 했으니, 고치는 건 더 쉽습니다.
FAQ 02 / 10 시작법 · 활용 팁

AI도 운전이나 요리처럼, 작게 시작합니다

Question

아무것도 모르는 사람이 처음 접할 때 어디서 시작해야 하나요? 이미 쓰는 사람이 더 쉽고 빠르게 활용할 꿀팁도 궁금합니다.

내 업무에서 작은 자동화를 하나 시작하세요.

  1. 1맥락과 데이터를 충분히 줍니다.
  2. 2자료를 구조화·문서화하게 합니다.
  3. 3가능한지, 어떤 방법이 있는지 묻습니다.
  4. 4가장 괜찮은 제안으로 계획을 세웁니다.
  5. 5계획을 다각도로 검토하게 합니다.
  6. 6브라우저 확인 등 검증 기준을 줍니다.
  7. 7수정과 레슨런 문서화를 시킵니다.
FAQ 03 / 10 입문

처음 할 일은 공부가 아니라 사용입니다

Question

초보 AI 입문자가 제일 먼저 해야 할 것은 무엇인가요?

일단 써보고, 대화하고, 따라해봅니다.

  • 해보고 싶은 것을 유튜브로 보고 바로 따라해봅니다.
  • 하다가 궁금한 점은 바로 GPT에게 물어봅니다.
  • 예: "커밋이 뭐야? 70세 어르신도 알 수 있게 설명해줘."
FAQ 04 / 10 자동화 설계

자동화는 끝그림과 운영 매뉴얼에서 시작합니다

Question

업무자동화에 AI를 활용할 때 제일 먼저 무엇을 하시나요?

리서치 → 설계 → 구상 → 끝그림을 먼저 만듭니다.

  • 무엇이 자동화되어야 하는지, 결과 화면이 어떤 모습이어야 하는지 정합니다.
  • 시스템 운영 매뉴얼을 자세히 만듭니다.
  • 매뉴얼 작성 자체도 AI에게 시킬 수 있습니다.
FAQ 05 / 10 협업 툴

협업 툴은 소통과 피드백이 절반입니다

Question

여러 사람이 함께하는 협업 툴을 만들 때 가장 고려해야 하는 부분과 추천 툴이 있다면?

가볍게 껍데기를 만들고, 괜찮은지 먼저 물어봅니다.

  • 소통이 가장 중요합니다.
  • 만드는 과정에서 계속 의견을 듣습니다.
  • 피드백은 매우 소중합니다. 코드는 금방 짭니다.
  • 피드백 수용과 구현은 Claude에게 맡기면 됩니다.
FAQ 06 / 10 추천 자료

AI 실무 활용은 책보다 최신 사례가 빠릅니다

Question

AI 입문자가 실무에 활용할 때 참고할 만한 추천 도서가 있다면?

도서는 추천하지 않습니다.

  • AI 도구와 활용법은 너무 빨리 바뀝니다.
  • 최신 사용 사례와 실전 기록을 보는 편이 더 낫습니다.
  • lattice-log.vercel.app
    /blog/2026-05-06-claude-code-korean-books
FAQ 07 / 10 기초 지식

원하는 툴의 모양을 잘 알수록 잘 만들 수 있습니다

Question

여러 사람이 사용하는 평가툴 같은 툴을 만들려면 어떤 기초 지식이 도움이 될까요?

기능, 형태, 용어를 먼저 익히면 좋습니다.

  • 평가툴이 어떤 형태여야 하는지, 어떤 기능이 필요한지 알아야 합니다.
  • 토글, 사이드바, 드롭다운 버튼 같은 UI 용어를 알면 설명이 쉬워집니다.
  • 바이브코딩을 하려면 개발 기본 지식이 있으면 좋습니다.
  • 조코딩 유튜브 참고
FAQ 08 / 10 강의

자동화 강의는 목표와 수준에 따라 달라집니다

Question

자동화 기능을 이용하고 싶은데 시작이 너무 어렵습니다. 참고할 수 있는 강의도 있을까요?

정답 강의 하나로 고르기는 어렵습니다.

  • 각자 하고자 하는 바와 현재 수준에 따라 너무 다릅니다.
  • 6개월 전 영상도 이미 아웃데이트되었을 수 있습니다.
  • 저한테 연락주세요.
FAQ 09 / 10 비용

무료 기능만으로는 어렵습니다

Question

AI 무료 기능만 이용해서 업무 결과물을 낼 수 있을까요?

무료로는 어렵습니다.

실험과 학습은 가능하지만, 실무 결과물까지 안정적으로 내려면 적절한 유료 도구와 회사 정책 안의 사용 환경이 필요합니다.

FAQ 10 / 10 보안 정책

보안 정책 안에서 안전하게 쓸 방법을 찾아야 합니다

Question

보안상의 이유로 엑셀 등 자동화가 막히는 경우 어떻게 해결하나요?

내 업무에 쓰려면 회사의 보안 정책을 따라야 합니다.

  • 가장 바람직한 방법은 보안 정책 내에서 하는 것입니다.
  • 동시에 어떻게 안전하게 쓸 수 있을지는 계속 챌린지해야 합니다.
  • 미군도 쓰고, 대한민국 정부와 구청 공무원도 씁니다. 우리도 쓸 수 있어야 합니다.
Q&A 별도 5분

본 발표는 여기까지입니다

지금 질문 받겠습니다

보안 MS 환경 추천 강의
1 / 62