AI는 당신이 일하는 방식을 배워야 한다

Snappy PM을 처음 설계할 때, 아주 자연스러운 아이디어가 떠올랐습니다:

AI가 있으니, AI가 회사의 과거 프로젝트를 읽고 그 회사만의 Workflow를 자동으로 생성하게 하면 어떨까?

합리적으로 들립니다.

그리고 아주 AI-native합니다.

하지만 계속 만들어가면서, 우리는 오히려 생각을 바꿨습니다.

AI는 단순한 것을 아주 똑똑해 보이게 만들기 쉽기 때문입니다.

기업의 과거 프로젝트를 보고 많은 Stage, Rule, Role, Exception을 정리해 낼 수 있습니다.

하지만 문제는:

과거에 일어났다고 해서, 미래에도 그렇게 일어나야 하는 것은 아니다.

기업 자신의 역사적 프로세스에는 원래 우연하고, 비효율적이고, 심지어 잘못된 관행이 많이 포함되어 있을 수 있습니다.

AI가 이 역사를 아주 성실하게 배운다면, 최종 결과는 그저:

Automating yesterday.(어제를 자동화하기)

일 수 있습니다.

그래서 새 버전의 Snappy PM은 매우 중요한 단순화를 했습니다.

더 이상 AI가 회사마다 State Machine을 발명하게 하지 않습니다.

프로젝트의 기본 골격은 다섯 개의 Phase입니다:

Requirement Capturing

Scoping & Design

Implementation or Manufacturing

Deployment or Installation

Closing

이 부분은 안정적으로 유지합니다.

AI가 진짜로 배워야 하는 것은 기업들 사이의 의미 있는 차이입니다.

예를 들면:

어떤 Phase가 당신에게 적용되는가?

보통 어떤 Quotation을 사용하는가?

당신의 Payment Terms는 무엇인가?

어떤 Document가 당신 자신의 표준 템플릿인가?

Inventory가 있는가?

고객이 상대하는 것은 이 회사인가, 아니면 그룹 내의 다른 Sales Company인가?

이것들이 바로:

How you work.

그래서 Snappy는 과거 프로젝트 하나를 읽고, 기업의 작업 습관과 문서를 이해하고, 제안을 할 수 있습니다.

하지만 우리는 여기에 또 하나의 원칙을 주었습니다:

Evidence or default.

AI가 어떤 기업이 특정한 방식으로 일한다고 판단했다면, 우리에게 이렇게 말할 수 있어야 합니다:

어떤 실제 문서에서 그것을 봤는지.

증거가 없으면, 단순하고 안정적인 플랫폼 기본값을 사용합니다 — AI가 추측하게 하는 대신.

이것이 AI 제품 설계에서 매우 중요한 경계라는 생각이 점점 듭니다.

AI의 가장 가치 있는 부분은 반드시:

모든 것을 AI가 결정하게 하는 것

이 아닙니다.

그것은:

무엇을 안정적으로 유지하고, 무엇을 학습해야 하는지 아는 것.

Accounting rules는 안정적이어야 합니다.

핵심 Project Flow는 안정적이어야 합니다.

권한 경계는 안정적이어야 합니다.

반면 기업의 문서, 습관, 템플릿, 구체적인 작업 방식은 학습할 수 있습니다.

그래서 지금 우리는 Snappy PM을 이렇게 설명하는 것을 더 좋아합니다:

AI learns how you work.

It doesn't invent how you should work.

AI는 기업이 소프트웨어에 적응하는 비용을 줄여야 합니다.

새로운 복잡성을 만들어 놓고 기업에게 AI에 적응하라고 요구해서는 안 됩니다.

SnapLedger, your life easier.