목록으로
업무 생산성 개선을 위한 AI 활용
AI로 농산물 품질 이상 대응을 데이터 기반 기록·추적으로 개선
농산물 품질 이상 발생 시 AI로 필요한 정보를 선별하고, 경험에 의존하던 대응을 데이터 기반 기록·추적 방식으로 개선했습니다.
🤖 활용 AI 도구
ChatGPT
① 어떤 상황에서 AI를 활용했나요?
농산물은 생산된 지역에서 다른 지역으로 이동한 뒤 품질 이상이 발견되는 경우가 있습니다. 대량의 농산물을 모두 사전에 확인하기는 어렵고, 이미 이동한 농산물을 다시 회수해 확인하는 것도 쉽지 않습니다.
그런데 품질 이상이 발생했을 때 처음 전달되는 정보는 “품질 이상입니다”, “약 5kg입니다”라는 짧은 설명과 사진 몇 장뿐인 경우가 있습니다.
사진만으로는 처음부터 이상이 있었는지, 이동 후 발생했는지, 언제 발견했는지, 어떻게 보관했는지 등을 알기 어렵습니다. 결국 경험과 판단에 의존하게 되고, 판단 근거가 부족하면 결과를 서로 납득하기도 어렵습니다.
그래서 품질 이상이 발생한 순간부터 판단에 필요한 근거를 일정한 방식으로 확보하는 방법을 AI와 함께 만들어보기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
ChatGPT에 품질 이상 사진을 보여주고 처음에는 “왜 이런 현상이 생긴 것 같아?”라고 물었습니다.
AI는 여러 가능성을 제시했지만 사진만으로는 정보가 부족하다는 한계가 있었습니다. 그래서 질문을 바꿨습니다.
“원인을 맞히지 말고, 원인을 판단하려면 무엇을 더 확인해야 하는지 알려줘.”
그러자 AI를 활용하는 방식이 달라졌습니다.
현재 사진과 정보를 입력하면 AI가 ‘처음부터 이상이 있었는지’, ‘언제 발견했는지’, ‘어떻게 보관했는지’, ‘어떤 증상인지’, ‘어떤 사진이 더 필요한지’ 등을 제안하도록 했습니다.
추가 답변과 사진을 확보하면 다시 정보를 보완하는 방식으로
사진·기본정보 입력 → AI가 부족한 정보 확인 → 필요한 질문·자료 제안 → 추가 자료 확보 → 재검토
의 과정을 만들었습니다.
③ 활용 결과 어떤 변화가 있었나요?
비슷한 일이 발생할 때마다 처음부터 AI에게 질문하는 것도 비효율적이었습니다.
그래서 ChatGPT와 함께 필요한 기능과 입력 항목을 설계하고, Python을 활용해 농산물 품질 이상 사례를 기록·추적하는 프로그램까지 직접 만들었습니다.
품목, 지역, 주요 시점, 중량, 증상, 사진 등을 기록하고 추가로 확인한 내용도 하나의 사례로 저장해 다시 조회할 수 있도록 했습니다.
기존의
‘사진 확인 → 경험으로 추정’
방식에서
‘기본정보·사진 기록 → AI로 부족한 정보 확인 → 핵심 질문 → 추가 자료 확보 → 사실과 추정 구분 → 사례 저장·누적’
방식으로 바뀐 것이 가장 큰 변화입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음 AI에게 필요한 질문을 모두 만들어달라고 하자 질문이 너무 많아 실제 상황에서 전부 확인하기 어려웠습니다.
그래서 AI가 제시한 질문을 그대로 사용하지 않고, 원인 판단에 중요한 질문을 먼저 확인하고 추가 질문은 필요할 때만 하며, 알 수 없는 정보는 ‘확인 불가’로 남기는 방식으로 개선했습니다.
즉, AI가 이상적인 질문을 제안하면 사람이 실제 업무에서 확인 가능한 핵심 질문을 선별하도록 역할을 나눴습니다.
프로그램도 실제 사용하면서 계속 수정하고 있습니다. 최근에는 같은 농산물이라도 품종에 따라 차이가 있을 수 있다는 점을 고려해 ‘품종’도 기록하려고 합니다.
사례가 충분히 쌓이면 품목·품종·지역·시기·증상별로 과거 사례를 비교할 수 있습니다. 단, 사례가 적은 상태에서 특정 품종이나 지역의 문제라고 단정하지 않고 참고 패턴으로만 활용할 계획입니다.
⑤ 다른 사람도 따라 할 수 있나요?
전문 개발자가 아니어도 시작할 수 있습니다.
반복적으로 발생하는 문제를 AI에게 바로 해결해달라고 하기보다,
“현재 정보로 판단할 수 없는 것은 무엇인가?”
“판단하려면 다음으로 무엇을 확인해야 하는가?”
라고 질문해보는 것입니다.
그다음 실제로 확인 가능한 질문만 골라 기록하면 됩니다. 반복되는 과정이 정리되면 저처럼 AI의 도움을 받아 기록 양식이나 간단한 프로그램으로 발전시킬 수도 있습니다.
이번 활용에서 AI는 정답을 대신 내려주는 도구가 아니었습니다.
사진 몇 장과 경험에 의존하던 판단을, 확인 가능한 사실과 자료가 남는 프로세스로 바꾸는 도구였습니다.
※ AI 분석은 입력된 사진과 정보를 기반으로 추가 확인 사항과 원인 가능성을 검토하기 위한 보조 수단이며, AI 결과만으로 품질 이상 원인이나 책임 소재를 확정하지 않습니다.
농산물은 생산된 지역에서 다른 지역으로 이동한 뒤 품질 이상이 발견되는 경우가 있습니다. 대량의 농산물을 모두 사전에 확인하기는 어렵고, 이미 이동한 농산물을 다시 회수해 확인하는 것도 쉽지 않습니다.
그런데 품질 이상이 발생했을 때 처음 전달되는 정보는 “품질 이상입니다”, “약 5kg입니다”라는 짧은 설명과 사진 몇 장뿐인 경우가 있습니다.
사진만으로는 처음부터 이상이 있었는지, 이동 후 발생했는지, 언제 발견했는지, 어떻게 보관했는지 등을 알기 어렵습니다. 결국 경험과 판단에 의존하게 되고, 판단 근거가 부족하면 결과를 서로 납득하기도 어렵습니다.
그래서 품질 이상이 발생한 순간부터 판단에 필요한 근거를 일정한 방식으로 확보하는 방법을 AI와 함께 만들어보기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
ChatGPT에 품질 이상 사진을 보여주고 처음에는 “왜 이런 현상이 생긴 것 같아?”라고 물었습니다.
AI는 여러 가능성을 제시했지만 사진만으로는 정보가 부족하다는 한계가 있었습니다. 그래서 질문을 바꿨습니다.
“원인을 맞히지 말고, 원인을 판단하려면 무엇을 더 확인해야 하는지 알려줘.”
그러자 AI를 활용하는 방식이 달라졌습니다.
현재 사진과 정보를 입력하면 AI가 ‘처음부터 이상이 있었는지’, ‘언제 발견했는지’, ‘어떻게 보관했는지’, ‘어떤 증상인지’, ‘어떤 사진이 더 필요한지’ 등을 제안하도록 했습니다.
추가 답변과 사진을 확보하면 다시 정보를 보완하는 방식으로
사진·기본정보 입력 → AI가 부족한 정보 확인 → 필요한 질문·자료 제안 → 추가 자료 확보 → 재검토
의 과정을 만들었습니다.
③ 활용 결과 어떤 변화가 있었나요?
비슷한 일이 발생할 때마다 처음부터 AI에게 질문하는 것도 비효율적이었습니다.
그래서 ChatGPT와 함께 필요한 기능과 입력 항목을 설계하고, Python을 활용해 농산물 품질 이상 사례를 기록·추적하는 프로그램까지 직접 만들었습니다.
품목, 지역, 주요 시점, 중량, 증상, 사진 등을 기록하고 추가로 확인한 내용도 하나의 사례로 저장해 다시 조회할 수 있도록 했습니다.
기존의
‘사진 확인 → 경험으로 추정’
방식에서
‘기본정보·사진 기록 → AI로 부족한 정보 확인 → 핵심 질문 → 추가 자료 확보 → 사실과 추정 구분 → 사례 저장·누적’
방식으로 바뀐 것이 가장 큰 변화입니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
처음 AI에게 필요한 질문을 모두 만들어달라고 하자 질문이 너무 많아 실제 상황에서 전부 확인하기 어려웠습니다.
그래서 AI가 제시한 질문을 그대로 사용하지 않고, 원인 판단에 중요한 질문을 먼저 확인하고 추가 질문은 필요할 때만 하며, 알 수 없는 정보는 ‘확인 불가’로 남기는 방식으로 개선했습니다.
즉, AI가 이상적인 질문을 제안하면 사람이 실제 업무에서 확인 가능한 핵심 질문을 선별하도록 역할을 나눴습니다.
프로그램도 실제 사용하면서 계속 수정하고 있습니다. 최근에는 같은 농산물이라도 품종에 따라 차이가 있을 수 있다는 점을 고려해 ‘품종’도 기록하려고 합니다.
사례가 충분히 쌓이면 품목·품종·지역·시기·증상별로 과거 사례를 비교할 수 있습니다. 단, 사례가 적은 상태에서 특정 품종이나 지역의 문제라고 단정하지 않고 참고 패턴으로만 활용할 계획입니다.
⑤ 다른 사람도 따라 할 수 있나요?
전문 개발자가 아니어도 시작할 수 있습니다.
반복적으로 발생하는 문제를 AI에게 바로 해결해달라고 하기보다,
“현재 정보로 판단할 수 없는 것은 무엇인가?”
“판단하려면 다음으로 무엇을 확인해야 하는가?”
라고 질문해보는 것입니다.
그다음 실제로 확인 가능한 질문만 골라 기록하면 됩니다. 반복되는 과정이 정리되면 저처럼 AI의 도움을 받아 기록 양식이나 간단한 프로그램으로 발전시킬 수도 있습니다.
이번 활용에서 AI는 정답을 대신 내려주는 도구가 아니었습니다.
사진 몇 장과 경험에 의존하던 판단을, 확인 가능한 사실과 자료가 남는 프로세스로 바꾸는 도구였습니다.
※ AI 분석은 입력된 사진과 정보를 기반으로 추가 확인 사항과 원인 가능성을 검토하기 위한 보조 수단이며, AI 결과만으로 품질 이상 원인이나 책임 소재를 확정하지 않습니다.
📎 첨부파일 (1)
📄 AI활용사례_농산물품질이상_기록추적프로세스.pdf _박현주.pdf
