외관 불량 5종 실시간 검출(정확도 99.2%) — 야간조 불량 유출 클레임 0건 달성
야간조 육안검사 불량 유출로 고객사 클레임을 받던 사출성형사에 라인 비전검사 시스템을 구축했습니다.
링 조명과 돔 조명을 병행한 촬영부에서 스크래치·수축·웰드라인·이물·미성형 5종을 세그멘테이션으로 검출하고, Jetson 엣지에서 판정해 PLC로 NG 배출 신호를 보냅니다. 판정 이미지는 전량 저장되어 분쟁 대응 근거로 활용됩니다.
성과: 파일럿 라인 기준 검출 정확도 99.2%(과검율 1.8%), 도입 후 5개월간 유출 클레임 0건. 신규 불량 유형은 현장에서 이미지 20장만 라벨링하면 주간 재학습 배치가 반영합니다.
쇼핑몰 4채널 주문 취합·송장·정산을 무인화 — 일 3.5시간 반복 업무 제거
4개 판매채널의 주문을 매일 수작업으로 취합하던 풀필먼트사에 n8n 기반 통합 워크플로를 구축했습니다.
채널별 주문 수집 → 재고 차감 → 송장 발번 → 채널 회신 → 일 마감 정산 집계까지 하나의 파이프라인으로 묶고, 주소 오류·품절 같은 예외는 슬랙 승인 버튼으로 사람이 개입하는 하이브리드 구조로 설계했습니다.
성과: 일 3.5시간의 반복 업무 제거, 송장 오발급 월 40여 건 → 2건 이하. 셀프호스팅이라 월 고정비가 거의 없고, 사내 담당자가 직접 노드를 수정할 수 있도록 4주 교육을 병행했습니다.
산업 리서치 초안 3일 → 4시간: 출처 링크가 달린 30p 리포트 자동 생성
심사역들이 딜마다 시장조사에 2~3일을 쓰던 VC에 리서치 에이전트 시스템을 구축했습니다.
시장규모·경쟁사·규제·최근 투자동향을 각각 담당하는 에이전트가 병렬로 조사하고, 검증 에이전트가 수치의 출처 원문을 대조한 뒤 리포트로 조립합니다. 모든 수치와 주장에는 원문 링크가 달리며, 교차 검증에 실패한 항목은 '미확인' 표기로 남깁니다.
성과: 초안 작성 시간 평균 3일 → 4시간, 심사역은 검증과 판단에 집중. 파일럿 12건 후 전사 확대되었고, 조사 이력이 축적되며 산업별 벤치마크 DB로 발전 중입니다.
녹음 업로드 30분 내 노션 회의록 완성 — 주니어 문서 작업 주 22시간 회수
주 30건 이상의 고객 미팅 회의록에 주니어 컨설턴트들의 시간이 잠식되던 펌에 자동화 파이프라인을 구축했습니다.
Zoom/Teams 녹화가 끝나면 화자분리 전사 → 안건별 요약 → 액션아이템(담당·기한) 추출 → 노션 템플릿 적재까지 무인으로 진행됩니다. 고객사명·금액 등 민감 정보는 마스킹 프로파일로 처리하고, 전 과정이 국내 리전 안에서 돕니다.
성과: 회의록 1건 평균 65분 → 검토 8분. 한영 혼용 회의(전체의 40%)에서도 실무 용어 정확도를 확보하기 위해 펌 전용 용어집 900개를 구축했습니다.
제품 정보 입력 → 심의 필터 통과한 카피·구성안 자동 생성, 제작 리드타임 5일 → 1일
월 40개 신규 SKU의 상세페이지 제작이 병목이던 유통사에 생성 파이프라인을 구축했습니다.
원료·함량·인증 정보를 시트에 입력하면 섹션 구성과 카피 3안(신뢰형/친근형/성분강조형)이 생성되고, 식약처 부당광고 가이드 기반 룰셋이 질병 치료·최상급 표현을 자동 차단합니다. 통과한 카피는 피그마 템플릿에 자동 조판되어 디자이너는 마감만 합니다.
성과: SKU당 제작 리드타임 5일 → 1일, 심의 리젝 건수 분기 12건 → 0건. 금지표현 사전은 운영하며 계속 추가되는 살아있는 자산으로 남겼습니다.
타깃 리스트업부터 개인화 첫 메일까지 자동화 — 미팅 전환율 2.1배
세일즈 2명이 수작업으로 콜드메일을 보내던 HR SaaS에 AI SDR 파이프라인을 구축했습니다.
ICP(300인 이하 제조·물류 인사팀) 기준으로 기업·담당자 데이터를 자동 수집·정제하고, 채용공고·뉴스 등 트리거 신호 기반으로 개인화 메일 초안을 생성합니다. 응답 유형을 분류해 시퀀스를 분기하고, 미팅 수락 시 HubSpot 딜 생성과 슬랙 알림까지 자동화했습니다.
성과: 주당 발송 120→800통(품질 유지), 첫 미팅 전환율 0.8% → 1.7%. 스팸 신고율은 0.1% 미만으로 관리 — 발송량보다 타기팅 정밀도에 투자한 결과입니다.
네이버·배민 리뷰를 한 화면에서 — 저평점 실시간 알림과 답글 초안으로 응답률 94%
브랜드 5개·매장 90곳의 리뷰가 방치되던 프랜차이즈 본사에 리뷰 통합 관제 시스템을 구축했습니다.
플랫폼별 리뷰를 수집해 감성·토픽(맛, 위생, 배달, 응대)을 분류하고, 1~2점 리뷰는 슬랙으로 즉시 알립니다. 답글은 브랜드별 말투 프리셋으로 초안을 생성해 슈퍼바이저가 검토 후 게시합니다. 위생 관련 키워드는 별도 에스컬레이션 라인을 태웁니다.
성과: 평균 답글 소요 3.2일 → 6시간, 응답률 94%. 토픽 리포트가 월간 매장 QSC 평가에 반영되면서 본사-가맹점 커뮤니케이션 도구로 자리 잡았습니다.
SKU 1,200개 주간 수요예측과 발주 추천 — 결품률 3.1%p, 폐기 손실 27% 개선
엑셀 감 발주로 결품과 과잉재고가 반복되던 유통사에 수요예측 기반 발주 체계를 구축했습니다.
3년치 판매 이력에 시즌성·프로모션·날씨 변수를 반영해 SKU별 주간 예측을 산출하고, 리드타임과 안전재고를 반영한 발주 추천 수량을 매주 월요일 아침 대시보드와 메일로 제공합니다. 담당자가 수치를 조정하면 다음 주 모델에 반영됩니다.
성과: 6개월 운영 기준 결품률 5.4% → 2.3%, 시즌 상품 폐기 손실 27% 감소. MD팀이 신뢰할 수 있도록 SKU별 예측 근거(기여 요인)를 함께 표시한 것이 정착의 핵심이었습니다.
영수증·세금계산서를 스캔 즉시 구조화, 계정과목 추천까지 — 입력 공수 82% 절감
거래처 140곳의 종이 증빙을 수기 입력하던 세무법인에 OCR 자동 전기 파이프라인을 구축했습니다.
구겨진 감열지 영수증까지 안정적으로 읽도록 전처리(기울기·대비 보정)를 넣고, 사업자번호는 홈택스 상태 조회로 실시간 검증합니다. 계정과목은 거래처별 과거 전기 패턴을 학습해 추천하고, 신뢰도가 낮은 건만 사람 검토 큐로 보냅니다.
성과: 월 4만 장 기준 입력 공수 82% 절감, 오입력으로 인한 재확인 건수 월 900건 → 60건대. 원본 이미지는 국내 스토리지에 3년 보관되어 세무조사 대응에도 활용됩니다.
진료시간 외 걸려오는 예약 전화를 AI가 응대, 월 380건 예약 신규 확보
진료시간 외 전화 예약을 놓치던 피부과 3개 지점에 인바운드 음성봇을 구축했습니다.
시술명·희망 지점·시간대를 자연어로 받아 예약 가능 슬롯을 안내하고, 확정 시 알림톡으로 예약증을 발송합니다. 시술 상담 등 복잡한 문의는 다음 날 콜백 리스트로 정리해 데스크에 전달합니다. 녹취 고지, 개인정보 최소 수집 등 의료기관 요건을 반영했습니다.
성과: 도입 2개월간 야간·점심시간 인입 통화 2,900건 중 월평균 380건이 실제 예약으로 전환. 데스크 통화량 피크가 완화돼 내원 응대 품질이 올라갔습니다.
경쟁사 5개 몰의 상품·가격·재고를 매일 모아 하나의 표로 정규화
경쟁사 다섯 곳의 가격을 담당자 두 명이 매일 손으로 옮겨 적고 있었습니다. 오전 내내 붙잡고도 오후 변동은 놓쳤고, 옮겨 적는 과정에서 오타가 섞였습니다.
상품 식별자가 몰마다 달라 같은 물건이 다른 줄로 쌓이는 게 가장 큰 문제였습니다. 제조사 코드와 상품명 유사도를 함께 보는 매칭 규칙을 만들어 하나로 묶었고, 규칙이 애매한 건은 자동으로 합치지 않고 확인 대기 목록으로 빼 담당자가 판단하게 했습니다.
지금은 하루 12만 건을 새벽에 모아 정규화까지 끝내 두고, 가격이 기준치 이상 흔들리면 슬랙으로 먼저 알립니다. 수기 작업은 사라졌고 담당자는 확인 대기 목록만 봅니다.
문의 1,800건을 학습해 반복 질문을 먼저 처리, 상담사는 예외만
상담 문의의 절반 이상이 수강 연기·환불 규정·교재 배송처럼 답이 정해진 질문이었습니다. 상담사가 같은 답을 하루에 수십 번 반복하느라 정작 복잡한 문의가 밀렸습니다.
과거 문의 1,800건을 유형별로 정리해 답변 근거 문서를 만들고, 답할 때 그 근거 문단을 함께 붙이도록 했습니다. 환불 금액처럼 규정 해석이 갈리는 질문은 일부러 답하지 않고 상담사에게 넘깁니다 — 틀린 답이 나가는 쪽이 늦게 답하는 쪽보다 손해가 큽니다.
도입 두 달 뒤 자동 처리 비율이 62%, 첫 응답까지 걸리는 시간이 평균 14분에서 즉시로 바뀌었습니다. 미해결로 넘어간 질문은 매주 리포트로 모아 근거 문서를 보강하고 있습니다.
관심 기업 40곳의 뉴스·공시를 실시간으로 모아 요약 브리핑 발송
애널리스트들이 아침마다 관심 기업 40곳의 뉴스와 공시를 직접 훑고 있었습니다. 겹치는 기사를 여러 명이 따로 읽는 낭비가 컸고, 장중에 뜬 공시는 놓치기 일쑤였습니다.
공시는 DART API로, 뉴스는 수집기로 모아 같은 사안을 한 묶음으로 합칩니다. 제목만 다르고 내용이 같은 기사가 대부분이라 본문 유사도로 중복을 걷어내는 데 공을 들였습니다.
매일 아침 8시에 기업별 브리핑이 메일로 나가고, 장중 공시는 뜨는 즉시 슬랙으로 알립니다. 수집기가 멈추면 조용히 비는 대신 실패한 잡을 재시도하고 그래도 안 되면 담당자에게 알립니다 — '브리핑이 안 왔다'는 것을 사람이 눈치채기 전에 시스템이 먼저 말하게 했습니다.
