목록으로
업무 생산성 개선을 위한 AI 활용
AI가 능독적으로 참여하는 회의
회의에 참석하는 AI, 질문에 즉시 답하고 회의록과 도식까지 실시간 완성하는 자체 구축형 AI 회의 앱
🤖 활용 AI 도구
Gemma 4, Gemma 3 멀티모달, Whisper, TTS
① 어떤 상황에서 AI를 활용했나요?
회의 중에는 "지난 프로젝트에서는 어떻게 처리했지?", "관련 사양이 어떻게 되어 있었지?"처럼 그 자리에서 확인이 필요한 질문이 계속 나오는데, 참석자 중 아무도 답을 모르면 담당자가 확인 과제를 안고 돌아가 자료를 준비한 뒤 다음 회의를 다시 잡아야 했습니다. 논의가 겉돌아 안건과 시간을 넘기거나, 앞서 결정한 내용과 어긋나는 발언이 나와도 그 자리에서 바로잡지 못하고 넘어가는 일도 있었습니다. 회의가 끝나면 누군가 내용을 정리해 회의록을 쓰고 메일로 공유하는 일이 매번 반복됐습니다. 이런 문제를 없애기 위해 AI를 회의 도구가 아닌 회의 참석자로 참여시켰습니다. AI는 회의 흐름 속에서 답이 없는 질문에 즉시 음성으로 답하고, 겉도는 논의를 정리하고, 모순된 발언을 지적하며, 동시에 회의 내용을 실시간으로 정리합니다.
② 어떤 AI를 어떻게 활용했나요?
LLM: 외부 API 없이 자체 GPU 서버에 Google 오픈 모델 Gemma 4 31B와 Gemma 3 27B를 올려 구동합니다. 회의 내용을 외부 LLM 서비스로 보내지 않으므로 보안이 필요한 사내 회의에도 적용할 수 있습니다.
음성: 실시간 음성인식(STT)으로 발언을 텍스트화하고, AI의 답변은 TTS로 회의실에 음성으로 전달합니다.
사내 지식: 업무 규정, 프로젝트 진행 상황, 처리 방법 등 사내 자료를 RAG와 카탈로그로 구조화해, 일반 지식뿐 아니라 우리 회사 업무에 대한 질문에도 답합니다.
제어: 회의 개설, 발언 인식, 질문 판별, 답변 생성, 회의록·다이어그램 생성까지 전체 흐름을 파이썬으로 직접 개발해 통합했습니다.
③ 활용 결과 어떤 변화가 있었나요?
후속 회의 감소: 궁금한 점을 회의 중에 바로 해결하니 다음 회의 때 확인이 줄어 회의 횟수와 업무 처리 시간이 단축됐습니다.
회의가 안건과 시간 안에서 끝남: 논의가 겉돌면 AI가 지금까지의 논의를 정리하고 결정을 촉구하며 안건과 남은 시간을 알립니다. 앞선 결정과 어긋나는 발언은 그 자리에서 바로잡히므로 나중에 결정이 뒤집히거나 다시 논의할 일이 줄어듭니다.
회의록 작업 대폭 단순화: AI가 회의 내용을 실시간으로 정리해 PDF/HTML 회의록을 자동 생성하고 메일 첨부까지 바로 이어집니다(기존에 회의록 정리에 30분~1시간씩 걸리던 작업이 1분 이내로 단축). 회의 중간이든 종료 직후든 전원이 같은 회의록을 즉시 공유합니다.
화이트보드 필기 대체: 논의 내용을 다이어그램으로 자동 도식화해, 화이트보드에 그리고 다시 옮겨 적던 시간이 사라지고 회의에 더 집중할 수 있게 되었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
요약 도구가 아닌 참석자 : 기존 화상회의 도구(ZOOM 등)의 AI 기능은 회의 내용 요약/공유가 중심이지만, 이 앱의 AI는 회의 중에 참석자끼리 나온 질문에 아무도 답하지 못하면 먼저 정보를 제공하고, 논의가 겉돌면 정리해 결정을 촉구하거나 안건과 시간을 알리고, 사실 오류나 앞서 결정한 내용과 모순되는 발언을 지적합니다. 묻지 않아도 필요한 순간에 개입하는 것이 핵심입니다.
어디서나 휴대폰으로 회의 시작: 휴대폰에서 회의를 열어 실시간 전송하고, 링크를 받은 사람은 누구나 참여해 AI에게 질문할 수 있습니다.
개인 질문과 공통 질문 분리: 개인 질문은 질문한 사람에게만 답이 보이고, 공통 질문은 전원에게 보이며 음성으로도 함께 답합니다. 개인 궁금증은 회의 흐름을 끊지 않고 해소하고, 공통 사안은 전원이 같은 답을 듣습니다.
사내 지식 연결: RAG·카탈로그로 연결한 사내 업무와 프로젝트 현황을 회의 중 바로 물어볼 수 있습니다.
전 과정 자체 구축: 상용 LLM API에 의존하지 않고 오픈 모델과 자체 GPU 서버로 구현해 회의 데이터에 대한 통제권을 확보했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
구성 요소는 GPU 서버, 오픈 LLM(Gemma), 실시간 STT, TTS, 파이썬 제어, RAG로 특별한 상용 솔루션이 필요 없습니다. 환경만 갖추면 바이브 코딩으로도 비슷한 형태까지는 누구나 구현할 수 있습니다. 다만 실제 회의에서 쓸 만한 수준이 되려면 발언 중 질문을 판별하고 답변 시점을 정하는 세밀한 제어/처리 로직, 사내 문서를 RAG/카탈로그로 구조화하는 설계, 회의실 환경에서 음성인식률을 끌어올리는 연구, 이 세 가지에서 많은 시행착오와 노하우가 필요합니다. 저희가 겪은 시행착오와 제어 방법을 정리해 공유하면 다른 조직도 짧은 시간에 따라 할 수 있습니다.
회의 중에는 "지난 프로젝트에서는 어떻게 처리했지?", "관련 사양이 어떻게 되어 있었지?"처럼 그 자리에서 확인이 필요한 질문이 계속 나오는데, 참석자 중 아무도 답을 모르면 담당자가 확인 과제를 안고 돌아가 자료를 준비한 뒤 다음 회의를 다시 잡아야 했습니다. 논의가 겉돌아 안건과 시간을 넘기거나, 앞서 결정한 내용과 어긋나는 발언이 나와도 그 자리에서 바로잡지 못하고 넘어가는 일도 있었습니다. 회의가 끝나면 누군가 내용을 정리해 회의록을 쓰고 메일로 공유하는 일이 매번 반복됐습니다. 이런 문제를 없애기 위해 AI를 회의 도구가 아닌 회의 참석자로 참여시켰습니다. AI는 회의 흐름 속에서 답이 없는 질문에 즉시 음성으로 답하고, 겉도는 논의를 정리하고, 모순된 발언을 지적하며, 동시에 회의 내용을 실시간으로 정리합니다.
② 어떤 AI를 어떻게 활용했나요?
LLM: 외부 API 없이 자체 GPU 서버에 Google 오픈 모델 Gemma 4 31B와 Gemma 3 27B를 올려 구동합니다. 회의 내용을 외부 LLM 서비스로 보내지 않으므로 보안이 필요한 사내 회의에도 적용할 수 있습니다.
음성: 실시간 음성인식(STT)으로 발언을 텍스트화하고, AI의 답변은 TTS로 회의실에 음성으로 전달합니다.
사내 지식: 업무 규정, 프로젝트 진행 상황, 처리 방법 등 사내 자료를 RAG와 카탈로그로 구조화해, 일반 지식뿐 아니라 우리 회사 업무에 대한 질문에도 답합니다.
제어: 회의 개설, 발언 인식, 질문 판별, 답변 생성, 회의록·다이어그램 생성까지 전체 흐름을 파이썬으로 직접 개발해 통합했습니다.
③ 활용 결과 어떤 변화가 있었나요?
후속 회의 감소: 궁금한 점을 회의 중에 바로 해결하니 다음 회의 때 확인이 줄어 회의 횟수와 업무 처리 시간이 단축됐습니다.
회의가 안건과 시간 안에서 끝남: 논의가 겉돌면 AI가 지금까지의 논의를 정리하고 결정을 촉구하며 안건과 남은 시간을 알립니다. 앞선 결정과 어긋나는 발언은 그 자리에서 바로잡히므로 나중에 결정이 뒤집히거나 다시 논의할 일이 줄어듭니다.
회의록 작업 대폭 단순화: AI가 회의 내용을 실시간으로 정리해 PDF/HTML 회의록을 자동 생성하고 메일 첨부까지 바로 이어집니다(기존에 회의록 정리에 30분~1시간씩 걸리던 작업이 1분 이내로 단축). 회의 중간이든 종료 직후든 전원이 같은 회의록을 즉시 공유합니다.
화이트보드 필기 대체: 논의 내용을 다이어그램으로 자동 도식화해, 화이트보드에 그리고 다시 옮겨 적던 시간이 사라지고 회의에 더 집중할 수 있게 되었습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
요약 도구가 아닌 참석자 : 기존 화상회의 도구(ZOOM 등)의 AI 기능은 회의 내용 요약/공유가 중심이지만, 이 앱의 AI는 회의 중에 참석자끼리 나온 질문에 아무도 답하지 못하면 먼저 정보를 제공하고, 논의가 겉돌면 정리해 결정을 촉구하거나 안건과 시간을 알리고, 사실 오류나 앞서 결정한 내용과 모순되는 발언을 지적합니다. 묻지 않아도 필요한 순간에 개입하는 것이 핵심입니다.
어디서나 휴대폰으로 회의 시작: 휴대폰에서 회의를 열어 실시간 전송하고, 링크를 받은 사람은 누구나 참여해 AI에게 질문할 수 있습니다.
개인 질문과 공통 질문 분리: 개인 질문은 질문한 사람에게만 답이 보이고, 공통 질문은 전원에게 보이며 음성으로도 함께 답합니다. 개인 궁금증은 회의 흐름을 끊지 않고 해소하고, 공통 사안은 전원이 같은 답을 듣습니다.
사내 지식 연결: RAG·카탈로그로 연결한 사내 업무와 프로젝트 현황을 회의 중 바로 물어볼 수 있습니다.
전 과정 자체 구축: 상용 LLM API에 의존하지 않고 오픈 모델과 자체 GPU 서버로 구현해 회의 데이터에 대한 통제권을 확보했습니다.
⑤ 다른 사람도 따라 할 수 있나요?
구성 요소는 GPU 서버, 오픈 LLM(Gemma), 실시간 STT, TTS, 파이썬 제어, RAG로 특별한 상용 솔루션이 필요 없습니다. 환경만 갖추면 바이브 코딩으로도 비슷한 형태까지는 누구나 구현할 수 있습니다. 다만 실제 회의에서 쓸 만한 수준이 되려면 발언 중 질문을 판별하고 답변 시점을 정하는 세밀한 제어/처리 로직, 사내 문서를 RAG/카탈로그로 구조화하는 설계, 회의실 환경에서 음성인식률을 끌어올리는 연구, 이 세 가지에서 많은 시행착오와 노하우가 필요합니다. 저희가 겪은 시행착오와 제어 방법을 정리해 공유하면 다른 조직도 짧은 시간에 따라 할 수 있습니다.
