전산실로 하루에도 수십 건씩 들어오는 같은 요청들. "비밀번호 초기화 해주세요", "이 권한 좀 열어주세요", "엑셀 다운로드가 안 돼요". 처리하는 데 익숙해질수록, 정작 어떤 일이 가장 많은 시간을 잡아먹는지는 잘 보이지 않습니다. 자동화 후보를 찾는 첫걸음은 새 도구가 아니라, 이미 쌓여 있는 티켓을 들여다보는 일입니다.
먼저 보는 것은 데이터, 손대는 것은 없습니다
분석은 기존에 쌓인 헬프데스크 티켓 기록을 읽기만(read-only) 하는 데서 시작합니다. SAP·Douzone 같은 운영 시스템이나 티켓 도구 자체를 수정하지 않고, 내보낸 로그·CSV만으로 패턴을 살핍니다. 이 단계에서 바뀌는 것은 아무것도 없습니다.
반복 요청을 유형으로 묶기
비슷한 요청을 같은 묶음으로 분류하는 일이 핵심입니다.
- 계정·권한: 비밀번호 초기화, 접근 권한 부여
- 데이터 조회·추출: 정기 리포트, 엑셀 내보내기
- 단순 안내: 사용법 문의, 절차 확인
- 예외 처리: 오류 대응, 비정형 요청
AI는 이 분류 초안을 빠르게 만들어 줄 수 있습니다. 다만 "이건 자동화해도 되는가"라는 판단은 사람의 몫입니다.
빈도 × 시간 매트릭스로 우선순위
유형별로 두 축을 봅니다. 얼마나 자주 들어오는가(빈도), 건당 처리에 얼마나 걸리는가(시간).
- 빈도 높음·시간 김 → 1순위 후보
- 빈도 높음·시간 짧음 → 2순위(누적 부담)
- 빈도 낮음·시간 김 → 표준화 먼저 검토
- 빈도 낮음·시간 짧음 → 당분간 그대로
수치는 추정이 아니라 실제 티켓 기록에서 나온 증거여야 합니다.
결정은 사람이, 게이트는 명시적으로
후보가 정해져도 곧바로 자동화로 넘어가지 않습니다. 어떤 요청을 자동 처리할지, 어디까지 위임할지는 담당자가 승인하는 HITL 게이트를 거칩니다. 예상 효과는 참고치일 뿐, ROI를 보장하지는 않습니다.
작게 시작하기
처음부터 전체 헬프데스크를 바꿀 필요는 없습니다. 가장 또렷한 1순위 유형 하나만 골라, 읽기 분석으로 검증하고 작게 적용해 보는 것으로 충분합니다. 효과가 확인되면 그때 다음 유형으로 한 칸씩 넓혀 가면 됩니다. 쌓인 티켓은 이미 답의 절반을 갖고 있으니, 먼저 그것을 차분히 읽어 보는 데서 시작해 보시길 권합니다.