AI EASY GUIDE · 2026.09.04
AI 도구는 샀는데, 우리 회사 일에 누가 맞춰주나요? FDE가 필요한 이유
회사에서 ChatGPT나 AI 서비스를 도입했는데도 직원들은 여전히 엑셀을 옮기고, 시스템을 여러 번 열고, 보고서를 손으로 만들고 있다면 이상한 일이 아닙니다. AI를 사용하는 것과 회사 업무가 실제로 바뀌는 것 사이에는 연결 작업이 필요하기 때문입니다.
AI를 샀는데 왜 일이 그대로일까요?
예를 들어 영업팀이 매주 월요일 이런 일을 한다고 해보겠습니다.
| 업무 | 현재 방식 | AI만 도입했을 때 |
|---|---|---|
| 매출 확인 | ERP에서 다운로드 | AI는 ERP 숫자를 모름 |
| 고객 상태 확인 | CRM을 따로 열어봄 | AI는 최신 고객 상태를 모름 |
| 주간 보고 | 엑셀을 합쳐 직접 작성 | 자료를 사람이 먼저 넣어줘야 함 |
| 후속 조치 | 담당자가 메일·메신저 발송 | AI가 사내 시스템에서 실행할 권한이 없음 |
AI의 성능이 부족해서라기보다 회사 데이터와 업무 시스템이 AI와 연결되지 않았기 때문입니다. 그래서 실제 도입에서는 “어떤 AI를 쓸까?”만큼 “누가 우리 업무를 이해하고 이 연결을 만들까?”가 중요합니다.
FDE는 쉽게 말해 ‘회사와 기술 사이의 통역사 + 제작자’입니다
FDE는 Forward Deployed Engineer의 약자입니다. 이름이 낯설지만 역할을 쉽게 풀면 현업 옆에서 문제를 듣고, 필요한 데이터와 시스템을 찾아 실제로 작동하는 해결책까지 만드는 엔지니어에 가깝습니다.
OpenAI도 현재 FDE 역할을 고객과 함께 문제를 정의하고, 기술 범위를 정하고, 시스템을 설계·구축해 실제 운영 환경까지 배포하는 역할로 설명하고 있습니다. 즉 단순히 제품 사용법을 알려주는 지원 업무와는 다릅니다.
일반적인 AI 제안: “AI로 요약할 수 있습니다.”
FDE형 접근: “보고서 숫자는 ERP와 광고 시스템에서 오네요. 먼저 자동으로 가져오고, 계산은 규칙으로 처리하고, AI는 변화 이유를 요약하게 만들겠습니다.”
FDE가 하는 일을 4단계로 보면 쉽습니다
1. ‘AI로 뭘 할까요?’보다 ‘어디에서 일이 막히나요?’를 묻습니다
현업에서는 기술명이 아니라 불편함으로 문제가 나타납니다. “파일을 매일 합친다”, “고객 정보를 세 군데서 찾는다”, “결재 전에 숫자를 다시 확인한다” 같은 이야기입니다. FDE는 이런 흐름에서 자동화할 지점을 찾습니다.
2. 필요한 데이터를 찾습니다
AI가 답하려면 어디의 정보를 봐야 하는지 정합니다. ERP인지, CRM인지, 엑셀인지, 사내 문서인지, 외부 웹사이트인지 확인합니다. 데이터가 엉켜 있다면 먼저 정리해야 할 수도 있습니다.
3. 실제 시스템과 연결합니다
필요한 경우 API, 데이터 파이프라인, 간단한 웹 화면, 대시보드, 자동 알림 등을 만듭니다. 중요한 것은 멋진 데모가 아니라 직원이 기존 업무에서 실제로 사용할 수 있어야 한다는 점입니다.
4. 써보고 고칩니다
처음 만든 자동화는 현장에서 예상하지 못한 예외를 만납니다. 데이터가 비어 있거나, 승인 절차가 다르거나, 담당자마다 사용하는 방식이 다를 수 있습니다. FDE는 이런 문제를 현업과 함께 고쳐 운영 가능한 형태로 만듭니다.
실제 예시: ‘매주 영업회의 자료를 자동으로 만들고 싶어요’
대표가 “AI로 영업회의 자료 좀 자동으로 만들자”고 말했을 때 바로 보고서 생성 AI부터 붙이는 것은 좋은 시작이 아닐 수 있습니다.
먼저 확인해야 할 것은 자료가 만들어지는 과정입니다.
이 흐름을 보면 AI가 필요한 곳과 일반 자동화가 필요한 곳이 나뉩니다. 숫자를 가져오고 계산하는 일은 API와 데이터 처리로 정확하게 만들고, 특이사항을 요약하거나 회의에서 볼 핵심 변화를 설명하는 부분에 AI를 쓰는 편이 자연스럽습니다.
그리고 결과를 매주 월요일 아침 자동으로 생성해 담당자가 검토하도록 만들 수 있습니다. 이렇게 해야 AI가 ‘질문하면 답하는 도구’에서 ‘업무 흐름의 일부’로 들어옵니다.
우리 회사에 FDE형 역할이 필요한 신호
| 현재 상황 | 왜 연결 역할이 필요한가 |
|---|---|
| AI 계정은 많은데 업무 방식은 그대로다 | 개인 사용과 회사 프로세스가 연결되지 않음 |
| ERP·CRM·엑셀이 따로 논다 | 데이터 연결과 기준 통일이 필요함 |
| PoC는 잘 됐는데 현업이 안 쓴다 | 기존 업무 흐름에 녹아들지 못했을 가능성 |
| 개발팀은 기술을 알고 현업은 업무를 알지만 서로 시간이 없다 | 두 영역을 함께 이해하며 조정할 사람이 필요함 |
| 외주를 주고 싶은데 무엇을 만들어야 할지 설명하기 어렵다 | 문제 정의와 기술 범위 설정이 먼저 필요함 |
그렇다고 모든 회사가 FDE를 채용해야 하는 것은 아닙니다
중요한 것은 직함이 아니라 역할입니다. 작은 회사라면 FDE라는 직원을 따로 채용하지 않아도 됩니다. 기존 개발자가 현업과 밀접하게 일할 수도 있고, 외부 파트너가 일정 기간 들어와 업무를 분석하고 구축할 수도 있습니다.
다만 “현업은 요구사항만 전달하고 개발자는 그대로 만들어주는 방식”으로는 AI 프로젝트가 자주 막힐 수 있습니다. AI 자동화는 만들면서 실제 업무와 데이터 상태를 계속 확인해야 하기 때문입니다.
FDE에게 처음 설명할 때는 이것만 준비해도 됩니다
거창한 기획서보다 실제 업무 한 개를 아래처럼 적는 것이 훨씬 도움이 됩니다.
② 언제 반복하는가?
③ 어떤 사이트·파일·시스템을 여는가?
④ 무엇을 복사하거나 판단하는가?
⑤ 마지막 결과는 어디에 입력하거나 전달하는가?
⑥ 틀리면 어떤 문제가 생기는가?
이 정도면 자동화 가능성, 필요한 데이터, 시스템 연결 범위, 사람 확인이 필요한 지점을 함께 판단할 수 있습니다.
FAQ
FDE는 개발자인가요, 컨설턴트인가요?
둘 중 하나로만 보기 어렵습니다. 현업 문제를 이해하는 컨설팅 성격이 있지만 실제 시스템 설계와 구현에도 깊이 관여합니다. 핵심은 분석 보고서로 끝내지 않고 운영 가능한 결과까지 연결하는 것입니다.
작은 회사에도 FDE가 필요한가요?
FDE라는 직함의 직원을 반드시 채용할 필요는 없습니다. 다만 AI와 자동화를 도입할 때 현업 업무, 데이터, 시스템을 함께 이해하고 끝까지 연결할 사람이 없다면 FDE형 역할은 필요할 수 있습니다.
FDE가 있으면 AI가 모든 업무를 자동화해주나요?
아닙니다. 오히려 자동화하지 말아야 할 일도 구분해야 합니다. 반복적이고 규칙이 명확한 부분부터 연결하고, 금액·계약·고객 영향이 큰 결정은 사람의 확인을 남기는 식으로 설계하는 것이 현실적입니다.
AI 제품보다 먼저 ‘연결할 사람’을 생각해보세요
AI 도입이 막혔을 때 새로운 모델이나 서비스를 하나 더 사는 것이 답이 아닐 수도 있습니다. 회사 안의 실제 업무와 데이터가 어디에 있고, 무엇을 연결해야 직원의 일이 달라지는지를 먼저 보는 편이 좋습니다.
FDE라는 이름을 기억하지 않아도 괜찮습니다. 중요한 질문은 하나입니다. “우리 회사의 문제를 이해하면서, 데이터와 시스템까지 직접 연결해줄 사람은 누구인가?”
참고: OpenAI Forward Deployed Engineer - Seoul (2026년 9월 확인)
Voxen은 이런 연결을 만듭니다
Voxen은 AI 기능 하나를 붙이는 데서 끝내기보다, 실제 업무에서 필요한 데이터 수집·데이터 엔지니어링·AI 자동화·API·대시보드·맞춤 시스템 구축을 함께 연결합니다. 현업의 반복 업무를 살펴보고 기존 ERP·CRM·엑셀·외부 데이터를 어떻게 연결해야 실제 변화가 생기는지부터 설계합니다.
이 글도 읽어보세요
대시보드가 있어도 아무도 안 본다면?
데이터를 보는 것에서 끝내지 않고 알림과 실제 행동까지 연결하는 방법을 설명합니다.
직원들이 ChatGPT를 쓰는데, 왜 회사 일은 그대로일까?
개인의 AI 활용과 회사 차원의 업무 자동화가 왜 다른지 먼저 이해할 수 있습니다.
AI가 하면 안 되는 일도 있습니다
자동 처리와 사람 확인을 어떤 기준으로 나눌지 쉬운 사례로 정리했습니다.