0에서 연간 18만 달러 절감까지: 첫 엔터프라이즈 자동화 프로젝트에서 배운 AI 워크플로우의 모든 것

자동화 에이전시를 운영한 지 8개월 만에, 이 일이 실제로 어떤 가치를 지니는지 다시 생각하게 만든 고객을 만났습니다.

47명의 직원을 둔 이커머스 브랜드였습니다. Shopify + HubSpot + 팬데믹 이후 아무도 건드리지 않은 창고 시스템을 사용 중이었죠.

풀필먼트 팀은 3명이었고, 주당 60시간을 4개의 도구 사이에서 복사 붙여넣기를 하며 보냈습니다. 엑셀이 통합 계층 역할을 하고 있었죠. 주문 오류율은 7%였습니다.

저는 해결하는 데 6주가 걸릴 것이라고 견적을 냈습니다.

그들은 웃더군요.

제가 구축한 것:

n8n을 사용하여 Shopify → HubSpot → 창고 API를 연결했습니다.

표준 자동화 부분은 간단했습니다. 성공의 핵심은 AI 예외 처리였습니다.

기존의 자동화는 주문이 이상할 때(특이한 주소, 재고 불일치, 부분 배송 등) 즉시 중단됩니다. 이 고객 주문의 15%가 그런 경우였죠. 저는 모든 시나리오를 하드코딩하는 대신 GPT-4 API 호출을 사용하여 일반적인 논리로 예외 사례를 처리했습니다.

커스텀 로직에 Python 80줄을 사용했습니다. 핵심 워크플로우를 구축하는 데 48시간이 걸렸고, 출시 전 4주 동안 테스트했습니다.

90일 후 결과:

• 수동 풀필먼트 시간 94% 감소
• 연간 18만 달러 절감 (급여 + 오류 비용 감소)
• 오류율: 7% → 0.4%
• 투자 회수 기간: 90일 미만

그 후 그들은 B2B 온보딩 자동화를 요청했습니다.

14일 걸리던 프로세스가 48시간으로 줄었습니다.

이번에는 더 나은 기본 문서 처리 기능을 갖춘 Make로 전환했습니다.

고객 유형에 따른 AI 생성 환영 시퀀스를 도입했습니다.

검증 기능을 갖춘 스마트 문서 수집. 도매 포털에 자동 프로비저닝을 적용했습니다.

예상치 못한 결과: 48시간 내에 온보딩된 고객은 기존 프로세스로 온보딩된 고객보다 90일 유지율이 34% 더 높았습니다.

온보딩 속도는 고객 생애 가치(LTV)와 직접적으로 연관됩니다. 이런 유형의 작업을 제안할 때 비즈니스 사례로 기억해 둘 가치가 있습니다.

그다음은 보고서였습니다.

선임 분석가가 주당 16시간을 들여 6개의 대시보드에서 데이터를 수동으로 가져와 12개 고객을 위한 슬라이드를 만들고 있었습니다.

데이터를 가져오고, 형식을 지정하고, 전송하는 전체 과정을 자동으로 수행하는 워크플로우를 구축했습니다. 이제 분석가는 데이터 전송 계층이 아닌 실제 분석 업무를 수행합니다.

이런 작업을 하려는 분들에게 드리는 세 가지 조언:

1. 시스템 간 핸드오프가 가장 많은 프로세스부터 시작하세요. 거기서 시간이 낭비되고 있습니다. 수동 프로세스에 도구가 많이 관여할수록 자동화의 성과는 커집니다.

2. AI 예외 처리가 차별화 요소입니다. 표준 자동화는 예외 사례에서 실패합니다. 15%의 복잡한 상황을 처리할 수 있다면 자신 있게 견적을 낼 수 있습니다.

3. 망가진 프로세스를 자동화하지 말고, 먼저 로직을 수정하세요. 이 프로젝트의 2주 동안은 코드를 건드리기 전에 왜 특정 예외가 존재하는지 이해하는 데 시간을 썼습니다.

저는 30~100명 규모 기업의 운영 워크플로우에 집중합니다.

실제적이고 비용이 많이 드는 문제를 겪을 만큼 크면서도, 빠르게 움직여 몇 주 안에 결과를 볼 수 있을 만큼 작기 때문입니다.

이 부문에는 아직 손대지 않은 엄청난 가치가 있습니다. 시스템 간 복사 붙여넣기를 하는 사람에게 연간 5만~6만 달러를 지불하면서도, 전체 과정이 자동으로 돌아갈 수 있다는 사실을 모르는 기업들이 많습니다.