근거를 인용해 답한다
Notion 매뉴얼을 지식베이스로 삼아 Google Gemini가 답변을 생성하고, 어떤 문서를 참고했는지 함께 보여줍니다. 자주 묻는 질문을 버튼으로 제공해 진입 장벽도 낮췄습니다. (Google Apps Script 기반, API 키는 코드 밖 Script Properties로 분리)
Case Study · 03
반복되는 행정 문의를,
매뉴얼이 스스로 답하게
같은 질문에 매번 사람이 답하던 일을, 매뉴얼을 근거로 답하는 AI 튜터봇으로 옮겼습니다. 단순 챗봇에서 멈추지 않고 "무엇을 못 답했는지"를 지표로 모아 매뉴얼을 보강하는 루프까지 설계했습니다.
7주
만에 운영 적용
근거
매뉴얼 인용 답변
루프
미답 → 매뉴얼 보강
Problem
같은 질문이, 계속 사람에게 왔다
훈련비용신청 기준, 개강 일정에 맞춰 할 일 같은 행정 문의는 답이 정해져 있는데도 반복해서 담당자에게 물어왔습니다. 신규 인원의 온보딩도 매번 같은 설명을 되풀이해야 했습니다.
문제는 "질문이 많다"가 아니라 "정해진 답을 사람이 매번 찾아 전달한다"는 데 있었습니다. 답의 출처(매뉴얼)는 있으니, 그 매뉴얼을 근거로 대신 답하는 도구가 필요했습니다.
Solution
답하고, 못 답한 것을 기록하고, 매뉴얼을 키운다
못 답한 질문을 개선 신호로
매뉴얼에 없어서 답하지 못한 질문을 모아 "매뉴얼 보강 후보"로 띄웁니다. 무엇을 먼저 보강해야 하는지가 데이터로 잡히도록 설계했습니다.
사용량·응답시간·품질을 한눈에
호출 수, 평균 응답 시간, 좋아요/싫어요 평가, 토큰 사용량을 한 화면에 모아 도구가 실제로 쓰이고 있는지, 어디를 개선할지 판단할 수 있게 했습니다.
Screens
실제 화면
실명·소속 등 민감 정보는 가리고 올렸습니다.
Result
결과와 배운 점
착수 약 7주 만에 운영(OP)에 적용해, 반복 문의 응대와 온보딩을 매뉴얼 기반으로 대신하기 시작했고 행정M 대시보드 안에 탑재해 실제 업무 흐름에서 바로 쓰도록 했습니다.
배운 것 — AI 도구의 진짜 가치는 "답을 잘한다"보다 "못 답한 것을 다음 개선으로 이어주는 구조"에 있다는 점입니다. 답변 자동화에서 멈추지 않고 매뉴얼을 키우는 루프를 함께 설계했기에, 쓸수록 더 잘 답하는 도구가 됐습니다.