채널효율부서 D.O.G.E.

안녕하세요, 채널톡의 엔지니어 라온입니다! 👋🏻

DOGE? 일론 머스크의 DOGE팀이 떠오르셨다면… 저희도 비슷합니다.

다만 저희는 Department of Generative Efficiency이죠!

무슨 뜻인지 궁금하지 않으신가요?

이 글은 개발 영역을 벗어나 비즈니스 영역의 문제를 해결하려 했던 한 엔지니어의 솔직한 경험담입니다. 그 1달 반의 여정을 공유해보려고 합니다.

들어가며

"하루 종일 미팅하고 나면 정작 그 내용을 정리하느라 밤 늦게까지 남아있어야 해요."

지난 5월, 제품팀 엔지니어인 저에게는 전혀 알지 못했던 세일즈팀의 고충이었습니다. 하루에도 3~4개의 고객 미팅이 이어지는 상황에서, 각 미팅의 핵심 내용을 세일즈포스에 빠짐없이 기록하는 것이 생각보다 큰 부담이라는 걸 처음 알게 되었어요. 실제로 어떤 분은 체감상 고객과 대화하는 시간보다 그 내용을 정리해서 기록하는 데 에너지를 더 많이 쓴다고 하시더라고요. 이런 문제를 발견하고 나서 관심을 갖기 시작했고, 뭔가 해결해보고 싶은 생각이 들었습니다.

그런데 마침 채널톡에서는 이런 문제들을 해결하기 위한 DOGE라는 특별한 TF가 시작되었습니다. 생성형 AI를 활용해 조직 내 비효율을 제거하고, 구성원들이 정말 중요한 일에 집중할 수 있도록 돕는 것이 목표였어요. 그리고 프론트엔드 개발자인 제가 이 프로젝트에 합류하게 되었습니다.

처음에는 위 문제에 대해 단순하게 생각했어요. "AI로 미팅 녹음을 자동으로 요약해서 CRM에 기록해주면 되겠네. 기술적으로는 충분히 가능해 보이는데?" 하지만 1달 반 동안 직접 구현해보면서 전혀 예상하지 못한 깨달음을 얻게 되었습니다.

문제만 잘 정의되면 그 해결책을 찾는 것은 쉽다. 하지만 그 문제를 발굴하는 것은 정말 어렵다.

1. DOGE TF는 왜 시작되었는가?

일론 머스크의 DOGE(Department of Government Efficiency)에 대해서 들어보신 분들이 많으실 것이라고 생각합니다. 저희도 그 이름에서 영감을 받아 DOGE(Department of Generative Efficiency)라는 태스크포스를 만들었습니다. 여기서 'Generative'는 요즘 계속해서 주목받고 있는 생성형 AI(GPT, Claude 같은)를 의미해요. 조직 내부의 효율성을 생성형 AI로 높여보자는 게 목표였어요.

5월 중반부터 7월 초까지 약 1달 반 동안 진행된 이 프로젝트의 핵심 미션은 간단했습니다:

생성형 AI를 활용해서 조직 내 업무 프로세스의 비효율을 자동화로 해결해보자!

사실 채널톡은 이미 AI를 적극적으로 활용하고 있는 조직이에요. Cursor를 전사 도입한지 6개월이 넘었고, 개발팀에서는 PR 작성 자동화, 코드 리뷰 자동화, 번역 자동화 등 다양한 자동화를 이미 구축해놓은 상태였거든요. 하지만 이번에는 개발 영역을 넘어서 비즈니스 업무까지 자동화 범위를 확장해보자는 야심찬 계획이었습니다.

DOGE TF는 총 3명으로 구성되었어요. 전략 컨설턴트와 스타트업 CSO 경험을 가지고 계신 브라이언(전 채널톡 COO)이 리드를 맡아주셨고, 비즈옵스 팀 리드인 젠, 그리고 웹팀 소속 프론트엔드 엔지니어인 제가 참여했습니다.

2. 우리는 왜 세일즈팀의 문제를 풀려고 했는가?

그런데 왜 하필 세일즈팀이었을까요? 채널톡은 지금 제품 주도 성장에서 세일즈 주도 성장으로 전환한지 1년이 넘어가고 있습니다.

간단히 설명하면, 기업 규모별로 접근 방식이 달라야 했어요:

• 연매출 100억 미만(SMB): 좋은 제품이 있으면 자연스럽게 도입해주시는 경우가 많음

• 연매출 100억~1,000억(Mid Market): 내부 의사결정 구조가 SMB보다 복잡해서 세일즈의 적극적 노력이 필요

• 연매출 1,000억 이상(Enterprise): 더욱 복잡한 영업 프로세스가 필요

현재 채널톡은 Mid Market을 타겟으로 하고 있어서, 여러 의사결정권자들을 설득하고 도입 과정의 다양한 이슈들을 해결하는 세일즈팀의 역할이 더욱 중요해졌어요. 세일즈팀의 병목을 해결하는 것이 곧 채널톡 전체의 성장 병목을 해결하는 것과 직결되어 있었습니다. 즉, 자동화의 임팩트가 가장 큰 곳이 바로 세일즈 도메인이였습니다.

3. 세일즈팀에서 발견한 자동화 기회들

저희는 세일즈팀과 함께 여러 차례 미팅을 가지며 실제 업무 프로세스를 깊이 있게 들여다봤어요. 그 과정에서 발견한 것은 생각보다 많은 '숨은 업무'들이었습니다. DOGE TF에서는 세일즈 업무 프로세스의 다양한 영역에서 다음과 같이 자동화 기회를 발굴했습니다:

미팅 전: 잠재 고객 정보 자동 조사

세일즈 미팅 전 고객사의 업종, 규모, 경쟁사 등을 일일이 조사하는 시간이 상당했어요. "이 회사 어떤 회사지?", "어떤 페인포인트가 있을까?" 같은 기본 정보 수집에만 미팅당 30분씩 소요되고 있었거든요.

미팅 후: 세일즈 미팅 로그 자동화

세일즈 미팅이 끝난 후, 그 내용을 세일즈포스에 요약하고, 다음 액션 아이템을 정리하는 작업입니다.

성과 관리: 세일즈 성과 1on1 리포트 제작 자동화

매니저가 멤버와의 1on1에서 매주 성과 리뷰를 위해 각종 데이터를 수집하고 정리하는 업무입니다. "이번 주 파이프라인이 어떻게 변했지?", "컨버전율은?" 같은 질문에 답하기 위해 여러 툴을 오가며 데이터를 취합하는 시간이 필요했어요.

활동 관리: 액션 관리 봇

멤버들이 다음에 해야 할 일들을 트래킹하고 알림을 관리하는 업무입니다. 놓치기 쉬운 팔로우업들을 체계적으로 관리하는 것이 과제였습니다.

저희는 이렇게 크게 4개의 영역에서 자동화를 진행해보았어요. 그중 제가 중점적으로 구현한 세일즈 미팅 로그 자동화에 대해 자세히 다뤄보겠습니다.

4. 세일즈 미팅 로그 자동화

어떤 문제를 풀려고 했는가?

• 미팅 로그를 매번 사람이 작성할 필요가 없다.

  온라인/오프라인 미팅을 쉽게 로그로 전환하여 세일즈포스에 자동으로 기록되도록 하자.

• '세일즈 미팅'은 세일즈의 중심이고, 모든 미팅 기록은 곧 조직의 자산이다.

  이를 놓치지 않고, 일관된 퀄리티로 작성될 수 있도록 하자.

• 시간이 많이 걸린다

  미팅 하나를 요약하는데 15분, 일주일 미팅이 15개라면 한 명 당 225분(약 4시간)이 걸리는 작업

• 휘발성 문제

  기존에 사람이 하던 방식으론 미팅이 많다보면 로깅이 놓쳐질 때도 있고 바로 로그를 남겨두지 않으면 그 미팅에 대한 맥락이 휘발될 수도 있음.

위의 배경들을 종합해보면, 미팅 로깅은 명확한 페인 포인트가 있는 문제였어요. 개인당 주 4시간이라는 구체적인 시간 손실이 있고, 미팅 기록 누락으로 인한 조직 자산 손실도 발생하고 있었거든요. 반면 해결책은 기술적으로 충분히 구현 가능해 보였고, 성공한다면 팀 전체에 즉각적이고 측정 가능한 임팩트를 만들어낼 수 있는 영역이었습니다.

결국 저희가 풀려고 한 문제는 간단했어요:

세일즈 미팅을 녹음만 하면 자동으로 세일즈포스에 요약된 로그가 기록되게 만들자!

우리가 선택한 해결 도구, n8n

이 자동화를 구현하기 위해 선택한 도구가 바로 n8n이에요. 비슷한 툴과 비교해보자면 Zapier는 단순한 조건부 분기나 데이터 전달에 특화되어 있고, Make는 복잡한 로직 구성은 가능하지만 AI 연동이 번거로워요. 하지만 n8n은 AI Agent 노드로 추상화된 AI 통합 기능을 제공하고 있어 정말 강력해요. 벡터 데이터베이스 지원, RAG 시스템 구축, 추론과 계획 수립, 대화 히스토리 관리를 위한 메모리 저장소 등이 모두 노드 형태로 제공되거든요. 심지어 내장된 채팅 인터페이스로 AI 에이전트를 바로 테스트해볼 수도 있어서, 마치 레고 블록 조립하듯 쉽게 고급 AI 워크플로우를 만들 수 있었어요.

전체 워크플로우 설계

이제 실제 구현에 대한 얘기를 해볼게요. 자동화의 전체 흐름을 간단히 설명하면 이렇습니다:

세일즈포스 이벤트 → 구글 캘린더 이벤트 동기화

• 세일즈팀 멤버가 세일즈포스에서 미팅 일정(이벤트)을 생성하면, 자동으로 구글 캘린더에도 동일한 이벤트가 생성됩니다.

• 이때 구글 캘린더 이벤트 설명란에 세일즈포스 영업기회(Opportunity) ID와 이벤트 ID를 숨겨놓아요. 나중에 이 정보로 어떤 세일즈포스 이벤트를 업데이트해야 하는지 찾을 수 있거든요.

미팅 진행 및 녹음

• 온라인 미팅: 구글 캘린더의 Google Meet 링크로 미팅 진행. 파이어플라이즈(Fireflies)가 자동으로 참여해서 녹음

• 오프라인 미팅: 파이어플라이즈 모바일 앱으로 직접 녹음

파이어플라이즈는 미팅 녹화에 담긴 음성을 텍스트로 변환(transcription)해주는 도구예요. Google Meet, Zoom 등에 자동으로 참여해서 대화 내용을 실시간으로 기록할 수 있어요.

자동 요약 및 세일즈포스 업데이트

• 파이어플라이즈에서 음성을 텍스트로 변환(transcript) 완료 시, 웹훅으로 n8n에 알림

• n8n이 transcript(음성을 텍스트로 변환한 대화 기록)를 받아서 AI로 미팅 내용 요약

• 1단계에서 저장해둔 ID 정보를 이용해 해당 세일즈포스 이벤트를 찾아서 요약 내용 업데이트

정확한 세일즈포스 이벤트 찾기

구현하면서 가장 까다로웠던 부분 중 하나가 바로 정확한 세일즈포스 이벤트를 어떻게 찾는가였어요.

온라인 미팅은 상대적으로 쉬웠어요:

• 파이어플라이즈가 구글 캘린더와 연동되어 있어서, 온라인 미팅인 경우 cal_id라는 값을 제공해줘요.

• 이 cal_id로 바로 구글 캘린더 이벤트를 조회하고, 설명란에서 세일즈포스 이벤트 정보를 추출할 수 있어요.

오프라인 미팅이 문제였어요:

• cal_id가 없으니까 어떤 구글 캘린더 이벤트와 매칭해야 할지 알 수가 없잖아요?

• 그래서 시간 기반 매칭이라는 아이디어를 생각해냈어요.

• 파이어플라이즈 녹음 시작/끝 시간과 겹치는 구글 캘린더 이벤트들을 모두 조회해서, 그 중에서 1단계에서 생성된 이벤트(설명란에 세일즈포스 이벤트 정보가 있는)만 필터링하는 거죠.

• 만약 여러 개가 나오면 가장 먼저 시작한 이벤트를 선택해요.

이 방식은 사용 방법만 잘 지킨다면 실패하지 않아요. 세일즈포스에서 생성한 미팅과 실제 녹음 시간이 겹치기만 하면 되거든요. 실제 사용해보니 대부분의 케이스에서 잘 동작했어요. 다음은 세일즈포스에 기록되는 최종 결과물 예시입니다.

실제 구현하면서 마주한 어려움들

새로운 워크플로우 도입의 어려움

가장 어려웠던 점은 이 자동화가 기존 업무 방식을 완전히 바꿔야 하는 자동화라는 점이었어요.

기존에는:

1. 구글 캘린더에서 바로 미팅 생성

2. 미팅 후 수동으로 세일즈포스에 로그 작성

이제는:

1. 세일즈포스에서 이벤트 생성 (구글 캘린더 자동 생성됨)

2. 파이어플라이즈 웹훅 설정 (최초 한 번)

3. 온라인 미팅 시 파이어플라이즈 참여 허용

4. 오프라인 미팅 시 모바일 앱으로 녹음

단순히 기능을 추가하는 게 아니라 업무 프로세스 자체를 바꿔야 하는 상황이었어요.

베타테스트를 통한 점진적 개선

그래서 처음부터 전체 팀에 배포하지 않고, 소수의 베타테스터들과 함께 차근차근 테스트했어요. 기술적 문제들은 시간이 지나면서 해결되었지만, 정말 어려웠던 건 사람들의 업무 습관을 바꾸는 것이었어요.

세일즈팀분들은 지금까지 구글 캘린더에서 바로 미팅을 잡고, 미팅 후에 세일즈포스에 직접 로그를 작성하는 방식에 익숙했거든요. 아무리 효율적인 자동화라도 기존 습관과 다르면 자연스럽게 외면받게 되더라고요.

그래서 저는 마치 제품을 런칭하는 PM이 된 것 같은 기분으로 사용가이드를 만들고, 교육 세션을 진행하고, 지속적인 피드백을 통해 개선하는 과정을 반복했어요. 자동화의 가치를 증명하는 것이 정말 중요했어요. "시간이 절약돼요"라고 말로만 하는 게 아니라, 실제로 사용해보신 분들이 "와, 정말 편하네요!"라고 느낄 수 있도록 하는 것이 핵심이었습니다.

사용하지 않는 자동화는 아무리 기술적으로 완벽해도 의미가 없다.

자동화의 효능: 4시간 → 0분

시간(비용) 절약

• 개인당 주 225분(약 4시간) → 0분

• 팀 전체로 보면 월 수십 시간의 절약 효과

데이터를 쌓는 것

• 놓치고 있던, 놓쳐지기 쉬운 미팅 기록이라는 자산을 시스템적으로 쌓이게 함

• 일관된 퀄리티의 미팅 요약이 자동으로 생성됨

• 추후 다른 자동화 파이프라인(예: 고객 인사이트 분석, 세일즈 성과 분석 등)에도 활용 가능한 데이터가 축적됨

무엇보다 세일즈팀분들이 "이제 정말 고객과의 대화에만 집중할 수 있게 되었어요"라고 말씀해주신 게 가장 뿌듯했어요.

5. 엔지니어 입장에서의 느낀 점

해결은 상대적으로 쉽다

이번 프로젝트를 하면서 가장 놀라웠던 건 실제 구현 자체는 생각보다 훨씬 쉬웠다는 점이에요.

먼저 자동화 문제를 풀 때 AI를 적극적으로 활용했어요. n8n 워크플로우를 설계할 때 막히는 부분이 있으면 ChatGPT나 Claude에게 "이런 상황에서 어떤 노드를 사용해야 할까요?"라고 질문하면서 해결책을 빠르게 찾을 수 있었습니다. 프롬프트 작성도 AI와 같이 진행했어요. 세일즈 미팅 도메인에 대한 맥락과 함께 "세일즈 미팅 내용을 요약하는 프롬프트를 작성해줘"라고 요청하면, 사람이 작성하는 것보다 훨씬 체계적이고 정교한 프롬프트를 완성할 수 있었어요.

이런 경험을 통해 AI가 정말 잘하고 있고, 앞으로는 더욱 발전할 거라는 확신이 들었어요. 저희가 DOGE 프로젝트를 진행한 1달 반 동안만 해도 새로운 AI 모델들이 계속 나왔고, 각각이 이전보다 훨씬 뛰어난 성능을 보여줬거든요. 자동화 영역은 AI가 가장 큰 임팩트를 만들어낼 수 있는 분야 중 하나라고 생각해요.

물론 AI가 만능 해결사는 절대 아니에요. LLM이 자연어 처리나 텍스트 요약은 정말 잘하지만, 늘 할루시네이션의 위험이 있어요. 그래서 정확한 API 호출이나 복잡한 로직 처리는 일반 알고리즘으로 구현하는 게 훨씬 안정적이에요. 실제 n8n 구현에서도 각 도구의 강점을 살려서 조합하니까 훨씬 더 신뢰할 수 있는 자동화가 만들어졌습니다.

문제 정의는 상대적으로 어렵다

조직의 생산성을 높이기 위한 자동화를 하면서 가장 크게 깨달은 점은, 엔지니어는 단순히 주어진 문제를 해결하는 것을 넘어, 진짜 문제를 발굴하고 정확히 정의하는 능력까지 갖춰야 한다는 점이었습니다. 이번 프로젝트에서 가장 어려웠던 부분은 겉으로 드러난 불편함 뒤에 숨겨진 진짜 문제를 찾고, 그 문제가 실제로 해결할 만한 가치가 있는지 판단하는 일이었어요.

사실 DOGE TF에 참여하기 전, 제품팀의 주니어 엔지니어로 일할 때는 이미 잘 정의된 문제를 얼마나 잘 구현하느냐가 핵심이었어요. 명확히 주어진 요구사항을 효율적으로 처리하는 게 제 역할이었죠. 하지만 이번에는 완전히 달랐습니다. 제가 직접 세일즈팀과 미팅을 하며, 진짜 해결해야 할 문제가 무엇인지부터 찾아야 했으니까요.

세일즈팀과 여러 번 미팅하면서, 표면적인 문제와 실제 근본적인 문제가 서로 다른 경우를 자주 발견했습니다. 예를 들어, 세일즈팀은 “미팅 로그 작성이 번거롭다”고 했지만, 실제로 중요한 건 ‘일관된 품질의 기록 확보’였어요. 또 “미팅 로그 작성이 시간이 오래 걸린다”는 불만 뒤에는, ‘놓친 미팅 기록으로 인한 비즈니스 기회 손실’이 더 큰 이슈로 숨어 있었죠.

처음엔 저도 기술적 흥미 위주로 접근하다 보니, DOGE Agent라는 올인원 세일즈옵스 툴 개발에 쓸데없는 시간을 쏟기도 했어요. 아무리 완벽한 자동화를 구현해도 사용자가 원하지 않거나 실제 필요하지 않다면 결국 무의미한 작업이 될 수밖에 없다는 걸 그 경험으로 배웠습니다.

이번 경험을 통해 얻은 가장 큰 인사이트는 결국 문제 정의가 문제 해결보다 훨씬 중요하며, 해결 자체는 상대적으로 쉽다는 점입니다. 실제 자동화 구현에 쓰인 시간은 전체의 20% 정도였어요. 나머지 80%는 문제를 발굴하고, 도메인을 학습하며, 이해관계자의 진짜 니즈를 파악하고, 테스트와 피드백을 반복하는 데 쓰였죠. 진짜 문제를 해결하려면 이 80%의 시간이 본질적이었어요.

이 과정에서는 다양한 역량이 요구됐습니다. 세일즈 프로세스나 CRM처럼 완전히 새로운 영역을 빠르게 학습하는 능력, 문제의 핵심을 파악하고 있는 키맨을 찾는 능력, 그리고 이해관계자들이 당연하게 생각해서 드러내지 않는 숨겨진 니즈를 끌어내는 능력까지 필요했죠. 엔지니어는 단순히 좋은 코드를 작성하는 걸 넘어, 복합적인 문제 정의 역량을 갖추어야 한다는 걸 절실히 느꼈습니다.

특히 AI가 점점 더 좋은 품질의 코드를 작성하게 되는 시대에는, 엔지니어들이 기존의 문제 해결 역량을 넘어 ‘문제 정의 역량’에 더욱 집중해야 한다고 생각합니다. 좋은 해결책을 만들기 위해서는 반드시 좋은 문제 정의가 선행되어야 한다는 사실을 이번 프로젝트를 통해 확실히 깨닫게 되었습니다.

커뮤니케이션이 진짜 핵심 역량이 되었다

세일즈팀과 협업하면서 겉으로 드러난 문제와 진짜 문제가 다르다는 걸 깨달았어요. "미팅 로그 작성이 번거롭다"는 말 뒤에 숨은 핵심을 찾기 위해 구체적인 질문을 계속 던졌어요. "어떤 부분이 가장 귀찮으세요?", "실제로 몇 분 정도 걸리시나요?", "놓치는 정보는 주로 어떤 건가요?"

DOGE TF 내부에서는 서로 다른 도메인 지식을 교환하는 과정이 핵심이었어요. 저는 세일즈 업무를 이해하기 위해 질문했고, 반대로 기술 구현에서는 제가 도움을 드릴 수 있었죠.

가장 중요한 건 서로의 암묵지를 끌어내는 것이었어요. 세일즈팀이 당연하다고 여겨서 언급하지 않는 숨겨진 요구사항들을 찾아내야 했거든요. "미팅 직후 바로 기록하지 않으면 중요한 디테일이 사라진다", "다음 액션 아이템이 명확하지 않으면 파이프라인 자체가 막힌다" 같은 것들 말이에요.

결국 문제를 푸는 핵심은 소통이었습니다. 자동화 워크플로우 구현보다 이런 소통 과정이 훨씬 복잡하고 까다로웠고, 중요했다고 생각합니다.

마무리

채널톡에서는 이러한 자동화 문제를 중요하게 생각하고 있습니다

이번 DOGE 프로젝트를 통해 저는 단순한 시간 절약을 넘어 구성원들이 정말 집중해야 할 일이 무엇인지 다시 생각하게 되었어요.

세일즈팀이 미팅 로그 작성이라는 반복적인 업무에서 벗어나, 고객과의 소통과 관계 구축에 더 많은 시간을 투자할 수 있게 되었습니다. 결과적으로 팀이 정말 중요하고 가치 있는 업무에 집중할 수 있는 환경을 만들 수 있었어요. 이처럼 채널톡은 본질에 집중할 수 있게 해주는 자동화를 추구합니다.

한편, 저는 원래 미트 클라이언트 유지보수를 담당하는 프론트엔드 엔지니어였는데, AI 자동화는 사이드 프로젝트로 시작했어요. 하지만 채널톡에서는 이런 역량을 인정받고 적극적으로 활용할 수 있는 환경이 있었습니다. 그만큼 기민하게 시장의 상황에 맞게 변화하는 조직이라고 자부해요.

자동화비밀결사단과 함께하는 여정

채널톡에는 '자동화비밀결사단'이라는 그룹챗이 있어요. 자동화 문제를 풀기 위해 모인 사람들의 모임으로, 엔지니어뿐만 아니라 다양한 직군의 구성원들이 자동화 관련 인사이트를 공유하는 장입니다.

DOGE TF가 끝난 지금도, 이 비밀결사단을 통해 조직 곳곳에서 새로운 자동화 아이디어들이 계속 나오고 있어요. 정말 AI를 잘 사용하는 조직이 되어가고 있다는 걸 실감하고 있습니다.

저희는 각 팀의 업무 지식과 프로세스를 체계적으로 문서화하고, 이를 AI가 활용할 수 있는 형태로 발전시켜 나가는 전사적 AI 워크플레이스를 꿈꾸고 있어요. 모든 구성원이 AI와 함께 일하는 미래를 만들어가고 있습니다.

채널톡에서 만나요

만약 반복 업무에 매몰되지 않고 본질적인 문제 해결에 집중하고 싶은 개발자라면, 혹은 AI와 함께 더 창의적인 도전을 해보고 싶은 분이라면, AI Operations Consultant 채용 공고도 확인해주세요.

문제를 정의하고, AI를 활용해 혁신적인 해결책을 만들어내는 이 여정에 동참할 동료를 기다리고 있습니다. AI를 잘 사용하는 조직인 채널톡에서 여러분의 꿈을 펼쳐보세요!