목록으로
업무 생산성 개선을 위한 AI 활용
서랍 속 명함을 기관의 자산으로
서랍 속 명함을 기관의 자산으로
🤖 활용 AI 도구
Claude Code, Gemma4 26B A4B(로컬, LM Studio), n8n, MLX Whisper large-v3, Qdrant(벡터 DB)
① 어떤 상황에서 AI를 활용했나요?
▸ 정보화·평가·교육 등 협의회와 자문회의를 운영하면서 외부 전문가에게 받은 명함은 담당자 서랍과 개인 휴대폰에 흩어져 있었습니다. 담당자가 바뀌면 그동안 쌓은 인맥도 함께 사라지고, 같은 분을 여러 부서가 따로 접촉해도 서로 알지 못했습니다.
▸ 하지만, ‘작년 그 협의회에 오셨던 그분’을 찾으려면 회의록을 하나씩 열어봐야 했고, 대외 활동이 실제로 기관에 도움이 되고 있는지 숫자로 답할 방법이 없었습니다.
▸ 기관 내에서 시범운영중인 AI 회의록 서비스에 참석자 명함만 이어 붙이면, 누가 언제 어느 회의에서 무슨 말씀을 하셨는지 남길 수 있겠다는 생각에서 출발했습니다.
② 어떤 AI를 어떻게 활용했나요?
▸ AI는 명함관리 기능을 개발하는 과정과, 명함을 읽고 발언을 요약·검색하는 서비스 자체에 활용했습니다. 개발 과정에서는 Claude Code를 활용한 바이브 코딩으로 팀이 직접 구축했습니다.
▸ 요구사항 24건·화면 7개를 정의한 구축계획서를 바탕으로, 기존 AI 회의록 서비스(n8n)에 명함관리 탭과 처리 노드 16개를 붙였습니다. 서비스에서는 맥 스튜디오에 내장된 글자 인식(OCR)으로 명함 사진에서 이름·소속·연락처를 읽고, 한 사진에 여러 장이 있으면 사각형 검출로 나눠 인식합니다.
▸ 회의록 전체녹취의 ‘참석자 1’ 딱지를 눌러 명함과 연결하면 그 화자의 발언 전체가 그분의 이력으로 이어지고, 로컬 LLM(LM Studio)이 발언을 2~3줄로 요약합니다. 명함·참여 이력은 Qdrant 색인으로 구축해 로컬 LLM을 통해 ‘AI 자문해 주실 분’처럼 말로 찾을 수 있게 했습니다.
▸ 명함 사진은 내부망 밖으로 나가지 않도록 보안체계도 마련하였습니다.
③ 활용 결과 어떤 변화가 있었나요?
▸ 개인 서랍에 있던 명함이 기관 단위로 통합 관리되고, 회의록과 이어져 누가 언제 어느 회의에서 무슨 말씀을 하셨는지까지 기관의 자산으로 남게 되었습니다. 명함을 찍으면 이름 공백 제거·전화번호 정규화를 거쳐 등록되고, 이메일→휴대폰→이름+기관 순으로 동일인을 판정해 소속이 바뀌어도 한 사람의 이력으로 이어집니다. 이전 소속은 변경 이력으로 보존됩니다.
▸ 회의 1건당 참석자·이력·회의록 정리에 걸리던 시간이 60분에서 10분으로, 분야별 전문가 섭외와 전문성 확인은 30분에서 10분으로 줄었습니다. 재참여율·발언 참여율·기관 편중도·분야 연결 등 7개 지표로 ‘모신 분이 실제 도움이 되었는지’를 숫자로 확인할 수 있게 되었습니다.
▸ 상용 명함관리 솔루션 도입 시 연 약 1,058만원이 들 비용을 예산 0원으로 대신했습니다. 기억과 개인 명함첩에 의존하던 대외 네트워크가, 담당자가 바뀌어도 시스템에 남는 구조가 되었다는 점이 가장 큰 변화입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
▸ 명함첩이 아니라 대외 네트워크 성과관리 도구로 설계했습니다. 재참여율·발언 참여율 등 성과 지표 7개를 먼저 정의하고, 분류를 사람이 아니라 참여건에 붙여 한 분이 자문이나 평가에 참여한 이력이 사라지지 않게 했습니다.
▸ 목소리를 기계가 알아맞히게 하지 않았습니다. 화자 자동 식별은 신뢰도가 낮아, 담당자가 전체녹취의 화자 딱지를 참석자 수만큼 클릭해 명함을 붙이는 방식으로 발언 연결 문제를 풀었습니다. 원본 녹취는 그대로 두고 화면에서만 실명으로 표시합니다.
▸ 외부 클라우드 AI 대신 맥 내장 OCR과 로컬 LLM만 써서 폐쇄망에 설치 0건으로 구축했고, AI 인식 결과는 저장 전 반드시 사람이 확인·수정하는 화면을 거치게 했습니다. 앞으로는 회의록 작성 절차에 명함 등록을 포함해 전 부서로 확대하고, 분류·역할 코드를 관리자가 직접 관리하도록 개선하고자 합니다.
⑤ 다른 사람도 따라 할 수 있나요?
▸ 외부 전문가와 협의회·자문·평가를 운영하는 부서라면 같은 방식을 참고할 수 있습니다. 로컬에서 LLM을 구동(LM Studio)하고 n8n으로 프로세스 정립만 할 수 있으면 사용자 환경에 맞는 회의록과 명함 등록하는 서비스를 구현할 수 있습니다.
▸ 이러한 프로세스는 Claude Code를 활용하면 다양한 방식과 소스 등을 제공해주기 때문에 어렵지 않게 구현 가능합니다.
▸ 정보화·평가·교육 등 협의회와 자문회의를 운영하면서 외부 전문가에게 받은 명함은 담당자 서랍과 개인 휴대폰에 흩어져 있었습니다. 담당자가 바뀌면 그동안 쌓은 인맥도 함께 사라지고, 같은 분을 여러 부서가 따로 접촉해도 서로 알지 못했습니다.
▸ 하지만, ‘작년 그 협의회에 오셨던 그분’을 찾으려면 회의록을 하나씩 열어봐야 했고, 대외 활동이 실제로 기관에 도움이 되고 있는지 숫자로 답할 방법이 없었습니다.
▸ 기관 내에서 시범운영중인 AI 회의록 서비스에 참석자 명함만 이어 붙이면, 누가 언제 어느 회의에서 무슨 말씀을 하셨는지 남길 수 있겠다는 생각에서 출발했습니다.
② 어떤 AI를 어떻게 활용했나요?
▸ AI는 명함관리 기능을 개발하는 과정과, 명함을 읽고 발언을 요약·검색하는 서비스 자체에 활용했습니다. 개발 과정에서는 Claude Code를 활용한 바이브 코딩으로 팀이 직접 구축했습니다.
▸ 요구사항 24건·화면 7개를 정의한 구축계획서를 바탕으로, 기존 AI 회의록 서비스(n8n)에 명함관리 탭과 처리 노드 16개를 붙였습니다. 서비스에서는 맥 스튜디오에 내장된 글자 인식(OCR)으로 명함 사진에서 이름·소속·연락처를 읽고, 한 사진에 여러 장이 있으면 사각형 검출로 나눠 인식합니다.
▸ 회의록 전체녹취의 ‘참석자 1’ 딱지를 눌러 명함과 연결하면 그 화자의 발언 전체가 그분의 이력으로 이어지고, 로컬 LLM(LM Studio)이 발언을 2~3줄로 요약합니다. 명함·참여 이력은 Qdrant 색인으로 구축해 로컬 LLM을 통해 ‘AI 자문해 주실 분’처럼 말로 찾을 수 있게 했습니다.
▸ 명함 사진은 내부망 밖으로 나가지 않도록 보안체계도 마련하였습니다.
③ 활용 결과 어떤 변화가 있었나요?
▸ 개인 서랍에 있던 명함이 기관 단위로 통합 관리되고, 회의록과 이어져 누가 언제 어느 회의에서 무슨 말씀을 하셨는지까지 기관의 자산으로 남게 되었습니다. 명함을 찍으면 이름 공백 제거·전화번호 정규화를 거쳐 등록되고, 이메일→휴대폰→이름+기관 순으로 동일인을 판정해 소속이 바뀌어도 한 사람의 이력으로 이어집니다. 이전 소속은 변경 이력으로 보존됩니다.
▸ 회의 1건당 참석자·이력·회의록 정리에 걸리던 시간이 60분에서 10분으로, 분야별 전문가 섭외와 전문성 확인은 30분에서 10분으로 줄었습니다. 재참여율·발언 참여율·기관 편중도·분야 연결 등 7개 지표로 ‘모신 분이 실제 도움이 되었는지’를 숫자로 확인할 수 있게 되었습니다.
▸ 상용 명함관리 솔루션 도입 시 연 약 1,058만원이 들 비용을 예산 0원으로 대신했습니다. 기억과 개인 명함첩에 의존하던 대외 네트워크가, 담당자가 바뀌어도 시스템에 남는 구조가 되었다는 점이 가장 큰 변화입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
▸ 명함첩이 아니라 대외 네트워크 성과관리 도구로 설계했습니다. 재참여율·발언 참여율 등 성과 지표 7개를 먼저 정의하고, 분류를 사람이 아니라 참여건에 붙여 한 분이 자문이나 평가에 참여한 이력이 사라지지 않게 했습니다.
▸ 목소리를 기계가 알아맞히게 하지 않았습니다. 화자 자동 식별은 신뢰도가 낮아, 담당자가 전체녹취의 화자 딱지를 참석자 수만큼 클릭해 명함을 붙이는 방식으로 발언 연결 문제를 풀었습니다. 원본 녹취는 그대로 두고 화면에서만 실명으로 표시합니다.
▸ 외부 클라우드 AI 대신 맥 내장 OCR과 로컬 LLM만 써서 폐쇄망에 설치 0건으로 구축했고, AI 인식 결과는 저장 전 반드시 사람이 확인·수정하는 화면을 거치게 했습니다. 앞으로는 회의록 작성 절차에 명함 등록을 포함해 전 부서로 확대하고, 분류·역할 코드를 관리자가 직접 관리하도록 개선하고자 합니다.
⑤ 다른 사람도 따라 할 수 있나요?
▸ 외부 전문가와 협의회·자문·평가를 운영하는 부서라면 같은 방식을 참고할 수 있습니다. 로컬에서 LLM을 구동(LM Studio)하고 n8n으로 프로세스 정립만 할 수 있으면 사용자 환경에 맞는 회의록과 명함 등록하는 서비스를 구현할 수 있습니다.
▸ 이러한 프로세스는 Claude Code를 활용하면 다양한 방식과 소스 등을 제공해주기 때문에 어렵지 않게 구현 가능합니다.
