① 어떤 상황에서 AI를 활용했나요?
B2B·B2G 소프트웨어 솔루션의 프리세일즈 업무에서는 고객이 제시한 RFP를 분석해 사업의 본질을 파악하고, 다양한 요구사항을 빠짐없이 제안전략과 제안서에 연결해야 합니다.
특히 제가 실제로 수행한 한 솔루션 도입 제안의 경우, RFP에는 일반적인 SI 구축사업 관점의 내용도 함께 포함되어 있었지만 실제 사업의 핵심은 솔루션 도입, 서식 개발, 기존 시스템과의 연계였습니다.
따라서 RFP 문구를 그대로 따라 제안서를 작성하기보다, 실제 사업범위를 다시 해석하고 각 요구사항을 제품 기능, 시스템 연계, 구축, 운영 관점으로 재분류하는 작업이 필요했습니다.
기존에는 이러한 과정을 담당자가 RFP를 반복해서 읽으면서 수작업으로 정리하고, 다시 목차와 슬라이드에 연결했습니다. 이 방식은 시간이 많이 소요될 뿐 아니라 담당자의 경험에 따라 분석 결과가 달라지거나 요구사항이 제안서에서 누락될 가능성도 있었습니다.
저는 이 문제를 단순한 ‘제안서 작성시간의 문제’가 아니라 ‘복잡한 요구사항을 체계적으로 분석하고 최종 제안서까지 추적할 수 있는 업무방식의 문제’라고 정의하고 AI를 활용하기 시작했습니다.

② 어떤 AI를 어떻게 활용했나요?
저는 NotebookLM과 ChatGPT를 문장 작성도구가 아니라 분석·구조화·검토를 지원하는 업무도구로 활용했습니다.
먼저 RFP와 관련 참고자료를 AI와 함께 검토하면서 사업목적, 사업범위, 기능요구사항, 기술요건, 운영요건 등을 구분했습니다.
이 과정에서 단순히 “RFP를 요약해 달라”고 요청하는 것이 아니라,

"이 요구사항은 제품 기능으로 대응해야 하는가?"
"시스템 연계에 해당하는가?"
"구축·운영 영역인가?"
"현재 사업의 실제 범위에 포함되는가?"
와 같이 업무 판단에 필요한 기준을 중심으로 반복 검토했습니다.
다음 단계에서는 분석한 내용을 제안전략과 3단계 목차에 연결했습니다.

[대목차] → [중목차] → [소목차] → [각 슬라이드의 핵심 메시지]
순으로 구조화하고, 각 슬라이드가 RFP의 어떤 요구사항에 대응하는지도 함께 확인했습니다.
최종적으로 다음과 같은 연결구조를 만들었습니다.

RFP 요구사항
→ 대응전략
→ 제안서 목차
→ 해당 슬라이드
→ 제품 기능·기술근거·검증자료

AI가 제안한 분석이나 문장을 그대로 사용하는 것이 아니라 마지막 단계에서는 반드시 RFP 원문과 제품자료, 시험·검증자료를 사람이 다시 확인했습니다.

③ 활용 결과 어떤 변화가 있었나요?
가장 눈에 띄는 변화는 제안 기획에 필요한 전체 시간이 줄어든 것입니다.
기존 방식에서는 RFP 분석부터 제안전략과 목차를 만들고 실제 제안서를 기획하는 데 통상 약 3주 정도가 필요했습니다.
AI를 활용해 업무 프로세스를 구조화한 이후에는 유사한 범위의 작업을 약 10일 정도에 진행할 수 있었습니다.
다만 단순히 시간이 줄어든 것보다 더 중요한 변화가 있었습니다.
기존에는 담당자가 RFP를 읽고 경험을 바탕으로 제안서를 만드는 방식이었다면, AI 활용 이후에는 각 요구사항이 제안서의 어느 부분에서 어떻게 대응되고 있는지 확인할 수 있는 구조를 만들게 되었습니다.
즉,
‘문서를 만드는 업무’에서 ‘요구사항과 근거를 연결하고 검증하는 업무’로 업무방식이 변화했습니다.
또 한 번의 프로젝트에서 끝나지 않고, 이 과정에서 만든 3단계 목차 구성, 슬라이드별 핵심 메시지 작성, 요구사항 매핑 방식을 이후 다른 제안서에도 유사한 형태로 계속 활용하고 있습니다.
따라서 개인적인 AI 활용 경험이 아니라 반복적으로 사용할 수 있는 제안 업무 프로세스로 발전했다는 점이 가장 큰 변화입니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
저의 AI 활용방식에서 가장 중요한 원칙은 “AI에게 제안서를 대신 쓰게 하지 않는다”는 것입니다.
AI는 다음 네 가지 역할을 수행합니다.

[분석] → [분류] → [연결] → [검토]
반면 최종 판단과 검증은 사람이 담당합니다.
특히 저는 RFP 요구사항과 최종 제안서 사이의 연결관계를 확인할 수 있도록 만들었습니다.
예를 들어 하나의 요구사항이 있다면,

[요구사항 R-01]
→ 대응방향
→ 제안서 Ⅲ.1.2
→ 해당 슬라이드
→ 제품기능
→ 검증자료
처럼 그 근거를 거슬러 올라가 확인할 수 있도록 했습니다.
이러한 추적 가능성(Traceability)이 일반적인 생성형 AI 문서작성과 가장 다른 점입니다.
또, AI의 부정확한 답변 가능성을 고려해 다음 절차를 적용했습니다.

[AI 분석]
→ 사람이 검토
→ 원문·근거자료 확인
→ 최종 반영

따라서 AI를 이용해 업무속도만 높인 것이 아니라, 제안내용의 누락과 오류를 줄이고 품질을 관리하는 방식 자체를 개선했습니다.

⑤ 다른 사람도 따라 할 수 있나요?
이 방법은 전문적인 프리세일즈 업무뿐 아니라 복잡한 원문을 분석해 결과물을 만들어야 하는 대부분의 사무업무에 적용할 수 있습니다.
예를 들어 다음 업무에도 적용할 수 있습니다.
사업계획서 / 공공입찰 / 정책보고서 / 컨설팅 보고서 / 내부 기획서 / 요구사항 분석
방법도 어렵지 않습니다.

1. 원문과 근거자료를 AI에 제공한다.
2. 업무 목적에 맞는 기준으로 내용을 분류한다.
3. 원문과 결과물의 대응관계를 만든다.
4. 결과물에 필요한 근거자료를 연결한다.
5. 사람이 원문과 결과를 다시 검증한다.

별도의 AI 시스템을 개발하지 않아도 NotebookLM이나 ChatGPT 같은 생성형 AI를 활용해 적용할 수 있습니다.
실제로 저는 처음 적용한 프로젝트 이후 다른 제안서에도 같은 개념의 구조를 계속 사용하고 있습니다.
이 점에서 이번 사례는 특정 프로젝트에만 적용 가능한 방법이 아니라, 다른 직장인도 자신의 업무 특성에 맞게 변형해 활용할 수 있는 재현 가능한 AI 업무 프로세스라고 생각합니다.