AI 자동화 업무 선정 기준: 업무 적합도 진단 4단계와 스코어카드로 1순위 3개 고르기

회의실 화이트보드에 업무가 스무 개 적혀 있다.

다들 “이건 자동화되겠는데요”라고 말하지만, 정작 무엇부터 손댈지는 아무도 결정하지 못합니다. 누군가는 메일 정리를, 누군가는 보고서 초안을, 누군가는 재고 대사를 꼽습니다. 다음 주 회의에도 같은 목록이 그대로 올라옵니다. 이 자리에서 빠져 있는 건 아이디어가 아니라, 판단을 끝낼 수 있는 AI 자동화 업무 선정 기준입니다.

이 글을 끝까지 읽지 않아도 괜찮습니다. 스코어카드와 워크시트부터 손에 쥐고 싶다면 업무 선정 워크시트와 진단 자료 모음에서 먼저 확인해도 됩니다.

핵심 요약

• AI 자동화 업무 선정 기준은 ‘반복적이니까’가 아니라 빈도×소요시간×오류율×리스크 4축 점수화
• 예외 다수·비정형 판단·개인정보 민감·월 1회 이하 업무를 먼저 걸러내는 제외 우선 접근
• 규칙형은 RPA·노코드, 언어와 판단이 섞인 업무는 생성형 AI·AI 에이전트로 도구 분기
• 2~4주 파일럿 후 시간 절감과 오류율 변화로 확산 여부를 결정하는 검증 루프

많은 팀이 자동화 후보를 고를 때 목소리 큰 사람의 불편이 1순위가 됩니다. 그렇게 시작한 과제는 대개 두 달쯤 뒤 조용히 멈춥니다. 예외 처리가 많아서, 혹은 원래 그 일이 한 달에 한 번뿐이어서요. AI 자동화 업무 선정 기준이 감이 아니라 점수여야 하는 이유가 여기 있습니다.

이 글은 그 판단을 수치로 바꿉니다. 빈도·소요시간·오류율·리스크를 각각 점수화하는 스코어카드, 제외해야 할 업무를 걸러내는 판별 목록, RPA와 노코드와 AI 에이전트를 비용·난이도로 비교한 표를 순서대로 다룹니다.

근거는 두 가지입니다. 하나는 자동화 우선순위를 다루는 국내외 실무 자료를 훑어 공통 기준과 빠진 기준을 정리한 것. 다른 하나는 40곳 넘는 기업·기관에서 AI 교육을 진행하며 실무자들이 실제로 들고 온 업무 목록을 반복해서 본 경험입니다.

다 읽고 나면 내 팀의 업무 목록을 점수표에 넣어 1순위 과제 3개와 제외할 업무를 나눌 수 있습니다. 2~4주 파일럿 계획과 성과 지표까지 직접 설계하는 것이 목표입니다.

왜 자동화는 ‘도구’가 아니라 ‘업무 선정’에서 실패하나요?

도구는 이미 결제해뒀는데 쓰는 사람이 없다. 이 장면이 반복된다면 문제는 도구가 아닙니다.

실패한 자동화에는 패턴이 있습니다. 가장 눈에 띄는 업무부터 손대고, 예외 처리가 절반인 업무를 첫 과제로 고르고, 끝나고 나서 무엇이 좋아졌는지 잴 숫자가 없습니다.

여기서 구분이 하나 필요합니다. ‘AI 적용 가능 업무’와 ‘지금 자동화해서 이득인 업무’는 같지 않습니다. 기술적으로는 대부분 가능하지만, 투입 대비 회수가 되는 업무는 그중 일부입니다.

그래서 필요한 게 판단 기준입니다. 감이 아니라 점수로요.

이 글은 AI 자동화 업무 선정 기준을 네 단계로 나눠 다룹니다. 업무를 태스크로 분해하고, 스코어카드로 업무 자동화 우선순위를 매기고, 제외할 업무를 걸러내고, 도구를 매칭한 뒤 2~4주 파일럿으로 검증하는 순서입니다.

조직 전체의 준비도나 정착 로드맵은 이 글의 범위가 아닙니다. 그 부분은 AI 활용 성숙도 5단계 쪽에서 다루고, 여기서는 AI 도입 업무 진단 하나만 확실히 끝내겠습니다.

1단계: 우리 팀 업무를 어떤 단위로 쪼개야 진단이 되나요?

“우리 팀 일은 다 비정형이라 자동화가 안 돼요.” 자주 듣는 말인데, 대개 업무를 너무 큰 덩어리로 보고 있어서 그렇습니다.

직무가 아니라 ‘태스크’ 단위로 쪼개는 3가지 질문

1. 이 업무의 시작과 끝은 무엇인가. ‘월간보고서 작성’은 데이터 수집 → 정리 → 초안 작성 → 검수 → 배포의 다섯 구간으로 나뉩니다.
2. 구간마다 입력물과 산출물이 무엇인가. 수집·정리는 규칙형이라 스크립트나 노코드가 맞고, 초안 작성은 생성형 AI가 맞습니다.
3. 사람이 꼭 판단해야 하는 지점은 어디인가. 검수와 최종 배포 승인은 대개 남깁니다.

덩어리로 보면 “불가능”이고, 구간으로 보면 “다섯 중 셋은 가능”이 됩니다. 업무 프로세스 분석의 목적은 딱 이 전환입니다.

1주일 업무 로그로 후보 20개 뽑기

1. 팀원 각자가 5영업일 동안 30분 단위로 한 일을 적습니다. 정확도보다 빠짐없음이 중요합니다.
2. 로그를 태스크 단위로 잘라 중복을 합칩니다. 보통 팀당 15~20개 후보가 남습니다.
3. 담당자 인터뷰로 예외 상황을 확인합니다. “이 경우엔 다르게 처리한다”가 몇 개인지가 뒤에서 점수를 가릅니다.
4. 사람마다 처리 방식이 다른 업무는 후보에서 잠시 뺍니다. 업무 표준화가 자동화보다 먼저입니다.

데이터 입력 자동화나 반복업무 AI 대체는 이 목록이 있어야 시작됩니다. 목록 없이 도구부터 고르면 다시 처음으로 돌아옵니다.

2단계: 자동화 우선순위를 점수로 매기는 스코어카드는 어떻게 쓰나요?

후보 20개를 놓고 회의를 하면 목소리 큰 사람의 업무가 1번이 됩니다. 그걸 막으려고 점수를 씁니다.

4개 평가축과 가중치 배분

빈도 30, 시간 30, 오류율 20, 리스크 20으로 나눕니다. 앞의 셋은 높을수록 좋고, 리스크만 역점수입니다.

평가축(가중치)	5점	3점	1점
빈도(30)	매일 발생	주 1회	월 1회 이하
소요 시간(30)	회당 2시간 이상	회당 30분~1시간	회당 10분 미만
오류율(20)	실수가 잦고 재작업 발생	가끔 누락	거의 오류 없음
리스크(20, 역점수)	내부용·되돌리기 쉬움	사내 공유 문서	고객 노출·법적 책임

계산은 (빈도×0.3 + 시간×0.3 + 오류율×0.2 + 리스크×0.2) × 20입니다. 100점 만점이고, 70점 이상은 즉시 파일럿, 50~69점은 대기, 50점 미만은 제외로 판정합니다.

그대로 채워 쓰는 업무 선정 워크시트

샘플 다섯 개를 실제로 채점하면 이렇게 나옵니다.

업무명	빈도	시간	오류율	리스크	총점	판정
엑셀 데이터 정리	5	4	4	5	90	즉시 파일럿
반복 메일 발송	5	3	3	4	76	즉시 파일럿
주간보고 초안	4	4	2	4	72	즉시 파일럿
1차 고객 문의 응대	5	3	2	1	60	대기
채용 지원자 서류 요약	2	4	3	2	56	대기

고객 문의 응대가 흥미롭습니다. 빈도는 최상위인데 오답이 그대로 고객에게 나가는 구조라 리스크 역점수에서 깎였습니다. 이런 업무는 ‘고객 직접 답변’이 아니라 ‘상담원용 초안 제안’으로 범위를 줄여 재채점하는 편이 안전합니다.

자동화 리스크 평가를 빼면 점수는 늘 반복 업무 쪽으로 쏠립니다. 그래서 AI 파일럿 과제 선정에서는 감점 축이 하나 있어야 합니다. 우선순위 산정의 일반 원칙은 업무 자동화 우선순위 선정에 관한 정리에서도 비슷하게 다룹니다.

한 IT 기업 마케팅팀에서는 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지면서, 그게 생산성 문제가 아니라 조직 안의 위화감으로 번졌습니다. 점수표가 필요한 이유가 여기에도 있습니다. 개인기로 고른 업무는 설득이 안 되고, 점수로 고른 업무는 팀의 결정이 됩니다.

덧붙이면, 저는 결재하는 쪽에 앉아 교육과 도구 도입 품의를 승인하고 반려해봤습니다. 반려한 건들의 공통점은 대상 업무가 ‘전사’라고 적혀 있었다는 점입니다. 이 표는 그 칸을 한 줄로 좁혀줍니다.

채점 결과가 팀별로 얼마나 벌어지는지 궁금하다면 AI 성숙도 자가진단 30문항을 함께 돌려보면 됩니다. 업무 점수와 조직 점수가 어긋나는 지점이 대개 진짜 병목입니다.

3단계: 자동화하면 안 되는 업무는 어떻게 걸러내나요?

제외한다는 말이 소극적으로 들릴 수 있습니다. 반대입니다.

파일럿이 무너지는 대부분의 원인은 도구가 아니라 애초에 후보로 올리면 안 됐던 업무를 골랐다는 데 있습니다. 스코어카드 점수가 높아도, 아래 항목에 걸리면 그 업무는 이번 분기 대상에서 빼는 편이 낫습니다.

즉시 제외 레드플래그 8개 체크리스트

• 예외 케이스가 전체 처리 건의 30% 이상을 차지한다
• 입력 데이터가 비정형이거나, 매번 사람이 손으로 만들어 넣는다
• 처리 빈도가 월 1회 이하다
• 판단 기준이 담당자 머릿속에만 있고 문서로 정리된 적이 없다
• 개인정보·인사평가·계약 조건 등 민감 정보가 흐른다
• 결과가 틀렸을 때 고객·규제기관으로 바로 나가는 대외 리스크가 있다
• 해당 프로세스가 6개월 안에 개편될 예정이다
• 연동해야 할 ERP·CRM에 API나 계정 권한이 없다

예외가 많은 업무를 굳이 밀어붙이면, 자동화 흐름 안에 분기 조건이 계속 늘어납니다. 처음엔 두 갈래였던 로직이 반년 뒤 열 갈래가 되고, 유지보수 시간이 원래 수작업 시간을 넘어서는 지점이 옵니다.

사람이 최종 검토해야 하는 업무(휴먼 인 더 루프)

다만 ‘제외’와 ‘부분 자동화’는 다릅니다. 초안은 AI가 만들고 최종 판단은 사람이 하는 구조로 쪼개면, 레드플래그가 걸린 업무도 앞 구간만 살릴 수 있습니다.

계약서 검토가 그렇습니다. 조항 요약과 변경 이력 정리는 AI 적용 가능 업무지만, 승인 서명은 끝까지 사람 몫으로 남깁니다.

보안 검토가 필요한 데이터도 미리 선을 그어두면 편합니다. 고객 식별정보, 인사·급여, 미공개 재무, 미출시 제품 정보 이 네 가지는 입력 가능 범위·학습 사용 여부·로그 보관 기간을 사전에 확인하는 편이 안전합니다.

한 제약사 사업부 강의를 준비할 때, 요청사항 첫 줄이 “민감정보를 AI에 입력하지 말라는 당부로 시작해달라”였습니다. 이미 부서용 앱까지 만들어 쓰는 팀이었는데도 그랬습니다. 규제 산업일수록 자동화 리스크 평가는 도구 선정보다 앞에 옵니다. 우리 조직이 어느 단계에 있는지 감이 없다면 AI 성숙도 자가진단 체크리스트로 6개 영역 점수를 먼저 확인하는 방법도 있습니다.

4단계: 선정한 업무에 RPA·노코드·AI 중 무엇이 맞나요?

도구부터 정하고 업무를 끼워 맞추는 순서가 가장 비쌉니다. 순서를 뒤집으면 선택은 의외로 단순해집니다.

규칙형 vs 언어·판단형: 갈림길 하나로 도구가 정해집니다

기준은 하나입니다. 그 업무가 규칙으로 다 적히는가, 아니면 매번 문장을 새로 만들어야 하는가.

규칙이 명확하고 같은 화면·시스템 조작을 반복한다면 RPA 자동화나 Google Apps Script, Python 자동화가 맞습니다. 사내 스프레드시트와 메일 안에서 끝나는 일은 Apps Script만으로도 충분한 경우가 많습니다.

여러 앱을 잇는 흐름이라면 Zapier·Make·n8n 같은 노코드 자동화가 빠릅니다. 반대로 글 작성·요약·분류처럼 언어를 다루는 구간은 ChatGPT나 Claude 같은 LLM 기반 워크플로우의 영역입니다.

판단과 다단계 실행이 함께 필요하면 AI 에이전트가 후보가 됩니다. 다만 결과를 사람이 다시 확인하는 검증 비용이 커서, 첫 과제로는 권하지 않습니다.

도구별 비용·난이도·적합 업무 비교표

도구 유형	초기 비용	구축 난이도	유지보수 부담	적합 업무	실패 리스크
RPA	높음(라이선스)	중~상	높음	레거시 화면 조작, 대량 입력	화면 변경 시 전면 중단
Google Apps Script·Python 자동화	낮음	중	중	시트 집계, 정기 메일 발송	담당자 퇴사 시 방치
노코드(Zapier·Make·n8n)	낮음~중	하	낮음	앱 간 데이터 전달, 알림	건수 증가 시 요금 급증
생성형 AI(ChatGPT·Claude)	낮음	하	중	초안 작성, 요약, 분류	할루시네이션·검수 누락
AI 에이전트	중~높음	상	높음	다단계 조사·처리	검증 비용이 절감분 초과

실무에서 선택을 가르는 건 결국 연동입니다. CRM·ERP에서 데이터를 꺼내 써야 하는데 API 권한이 없다면, 아무리 좋은 AI 업무 자동화 도구도 사람이 다시 복사·붙여넣기를 하게 됩니다. 도구 비교 기준을 조직 전체로 넓혀 보려면 AI 활용 성숙도 5단계 기준으로 지금 단계에 맞는 도구부터 잡는 편이 안전합니다. 업종별 적용 범위는 업무 자동화 우선순위 선정 관련 정리도 참고가 됩니다.

첫 과제는 2~4주 파일럿으로 어떻게 검증하나요?

“작게 해보자”는 말은 대개 흐지부지로 끝납니다. 범위와 종료일이 없기 때문입니다.

2~4주 PoC 설계: 범위·담당·성공 기준 정하기

1. 범위를 한 팀·한 업무·한 산출물로 묶습니다. 기간은 2~4주, 점검은 주 1회로 고정합니다.
2. 착수 전에 기준선(As-Is)을 잽니다. 1건당 소요시간, 월 처리 건수, 월 오류 건수 이 세 개면 충분합니다.
3. 성공 기준을 숫자로 적습니다. 예: 처리시간 40% 이상 단축, 오류율 하락, 담당자 재작업률 20% 이하.
4. 담당자와 백업 인력을 한 명씩 지정합니다. PoC가 특정 개인의 취미로 남으면 확산이 불가능합니다.
5. 종료일에 기준선과 같은 방식으로 다시 측정하고, 그 자리에서 판정합니다.

확산·보류·폐기를 가르는 의사결정 플로우

목표를 달성했다면 절차서를 만들어 옆 팀으로 넘깁니다. 이때 예외 대응 절차와 변경 관리 담당을 함께 정해야 운영 체계가 됩니다.

부분 달성이면 범위를 좁혀 한 번 더 돌립니다. 전체 업무가 아니라 가장 잘 된 한 구간만 남기는 방식입니다.

미달일 때가 중요합니다. 원인이 업무 선정인지 도구인지를 나눠서 봐야 합니다. 예외가 많아 실패했다면 도구를 바꿔도 같은 결과가 나옵니다.

40곳 넘는 조직에서 교육을 진행하며 반복해서 본 장면이 있습니다. 파일럿을 접는 결정을 미루다가, 담당자만 조용히 지쳐 사라지는 경우입니다. 폐기도 결과입니다. 측정 지표를 어떻게 잡을지는 AI 교육 효과 측정 지표와 ROI 계산 쪽 계산식을 그대로 가져다 쓸 수 있습니다.

첫 과제 후보를 고르는 감각이 아직 없다면 첫 자동화 업무를 고르는 기준을 훑어보고 우리 팀 목록과 대조해보는 것도 방법입니다.

실제로 얼마나 줄어드나요? 전후 수치로 본 미니 사례 3개

“그래서 몇 시간 줄어드는데요?” 품의서에서 가장 먼저 막히는 질문입니다.

이 질문에 답하려면 사례가 아니라 숫자가 필요합니다. 아래 세 건은 스코어카드 상위에 자주 올라오는 업무 유형을 전후 지표로 정리한 것입니다.

다만 모든 수치는 추정치입니다. 업무 난이도와 데이터 상태에 따라 폭이 크게 달라지므로, 각 조직은 파일럿 착수 전 자기 기준선(As-Is)을 직접 재서 이 표를 대체해야 합니다.

사례별 전후 지표 비교표

업무	적용 방식	소요시간(전→후)	오류(전→후)
주간보고 초안 작성	생성형 AI 초안 + 사람 검수	1인 주 4시간 → 1.2시간	측정 항목 아님
지원자 서류 1차 요약·분류	LLM 요약 + 항목 템플릿 고정	건당 12분 → 3분	항목 누락 8% → 2%
부서별 엑셀 실적 취합	Google Apps Script·노코드 연동	월 6시간 → 40분	수식 오류 월 3건 → 0건

세 건 모두 공통점이 있습니다. 사람이 완전히 빠진 게 아니라, 초안과 취합만 넘기고 판단은 남겼다는 점입니다.

실제로 한 IT 기업 마케팅팀에서 받은 요청도 같은 지점이었습니다. AI로 만들되 사람이 만든 것처럼 보이게 하는 방법, 그리고 잘 쓰는 직원과 못 쓰는 직원의 간극을 줄이는 방법이었죠. 시간 절감 수치는 개인기가 아니라 팀 표준이 있을 때 재현됩니다. 지시 문장을 팀 자산으로 만드는 방법은 기업 AI 교육 도입 로드맵에서 더 다룹니다.

시간 절감을 ROI로 환산하는 간단 계산식

절감 시간은 그 자체로는 결재를 통과하지 못합니다. 금액으로 바꿔야 합니다.

(월 절감 시간 × 인시 단가) − (도구 비용 + 구축·유지보수 시간 환산액)
→ 이 값이 3개월 누적으로 플러스면 확산, 마이너스면 범위 축소

구축 시간을 비용에 넣는 것이 핵심입니다. 이걸 빼면 대부분의 반복 업무 자동화가 과대평가됩니다.

자동화 성과 측정 지표는 넷으로 충분합니다. 소요시간, 오류율, 월 처리 건수, 담당자 재작업률. 재작업률이 빠지면 “빨라졌는데 사람이 다시 손본다”는 상황이 숫자에 잡히지 않습니다.

기준선을 잴 여유가 없다면 AI 성숙도 자가진단으로 조직 병목부터 확인하는 편이 빠릅니다. ROI 산식을 품의서 형태로 옮기는 절차는 AI 교육 효과 측정 글에 정리해 두었습니다.

자주 묻는 질문

AI 자동화 업무는 어떤 기준으로 선정해야 하나요?

빈도·소요시간·오류율·리스크 네 축을 점수화해 가중 합산 70점 이상인 업무만 파일럿 후보로 올리는 방식이 가장 안전합니다. 눈에 띄는 업무가 아니라 자주 반복되고 시간이 많이 들며 실수가 잦은 업무가 회수 속도가 빠릅니다. 리스크는 역점수로 처리해, 민감 정보나 대외 노출이 걸린 업무는 점수가 높아도 자동으로 뒤로 밀립니다. 점수가 비슷하면 도구 연동이 쉬운 쪽을 먼저 잡으면 됩니다.

자동화하면 안 되는 업무는 어떻게 구분하나요?

레드플래그 다섯 가지 중 두 개 이상 걸리면 이번 분기 대상에서 빼는 편이 낫습니다. 예외 케이스가 전체의 30%를 넘는 업무, 입력 데이터가 비정형이거나 수작업에 의존하는 업무, 월 1회 이하 저빈도 업무, 개인정보·인사평가·계약 같은 민감 정보가 섞인 업무, 판단 기준이 문서화되지 않은 업무입니다. 예외가 많은 업무는 구축보다 유지보수에서 비용이 터집니다. 다만 ‘제외’와 ‘부분 자동화’는 다릅니다. 초안은 AI, 최종 판단은 사람으로 나누면 살아나는 업무가 꽤 있습니다.

RPA와 AI 자동화는 어떻게 다른가요?

RPA는 정해진 규칙과 화면 조작 반복에 강하고, LLM 기반 AI는 비정형 언어 처리와 판단 보조에 강합니다. 매일 같은 화면에서 같은 값을 옮겨 담는 일이라면 RPA·Google Apps Script·Python 자동화가 빠르고 저렴합니다. 반면 문의 내용을 분류하거나 보고서 초안을 쓰는 일은 규칙으로 적을 수 없어 ChatGPT·Claude 같은 생성형 AI 영역입니다. 실무에서는 둘을 붙여 씁니다. 수집·정리는 규칙형, 요약·작성은 생성형으로 나누는 구조가 가장 흔합니다.

반복 업무 자동화는 어디서부터 시작해야 하나요?

1주일치 업무 로그로 후보를 15~20개 모은 뒤, 점수 최상위 한 개만 골라 2~4주 파일럿으로 시작하는 순서를 권합니다. 처음부터 여러 업무를 동시에 건드리면 무엇이 효과를 냈는지 분리가 안 됩니다. 착수 전에 1건당 소요시간과 월 처리 건수, 오류 건수를 기준선으로 남겨두는 일이 절반입니다. 기준선 없이 시작한 파일럿은 끝나도 성공 여부를 말할 수 없습니다.

자동화 도입에 실패하는 이유는 무엇인가요?

대부분 도구가 아니라 네 가지 설계 누락에서 무너집니다. 대상 업무 선정이 틀렸거나, 기준선을 재지 않아 효과를 증명 못 하거나, 예외 처리 설계가 빠져 담당자가 매번 손을 대거나, 확산 후 운영 담당자가 지정되지 않아 방치되는 경우입니다. 특히 예외 처리는 초기엔 사소해 보이지만 몇 달 뒤 유지보수 부담의 대부분을 차지합니다. 조직 차원의 준비 상태가 궁금하다면 AI 성숙도 자가진단 체크리스트로 병목 영역을 먼저 확인하는 방법도 있습니다.

마무리

여기까지 읽고도 “그래서 우리 팀은 뭐부터?”가 남았다면 정상입니다. 그 답은 글이 아니라 로그가 알려줍니다.

• 자동화 실패의 원인은 도구 선택이 아니라 대상 업무 선정
• 빈도·시간·오류율·리스크 4축 가중 점수 70점 이상만 파일럿 대상
• 레드플래그 2개 이상이면 제외, 또는 초안-검수를 나눈 부분 자동화

오늘 할 수 있는 첫 행동은 하나입니다. 이번 주 팀 업무 로그를 하루 단위로 적고, 금요일에 스코어카드 워크시트에 후보 5개만 채점해보는 것.

다만 여기까지 해도 남는 어려움이 있습니다. 점수 1위 업무를 골라놓고도 예산과 결재가 붙지 않으면 파일럿은 시작되지 않습니다.

한 IT 기업 마케팅팀에서는 잘 쓰는 직원과 못 쓰는 직원의 간극이 벌어지자, 그건 생산성 문제가 아니라 위화감이라는 조직 문제가 됐습니다. 개인기로 버티던 자동화가 팀의 표준이 되려면 결국 교육과 예산 승인이라는 관문을 통과해야 합니다. 그 관문을 준비하는 순서는 기업 AI 교육 도입 8단계 로드맵에, 비용 산정은 기업 AI 교육 비용 시뮬레이션에 정리해두었습니다.

저는 결재하는 쪽에 앉아 교육 품의서를 승인하고 반려해봤습니다. 반려의 이유는 대개 문장력이 아니라, 빈칸으로 남은 성과 측정 항목과 “보안은?”이라는 한 줄에 대한 준비 부족이었습니다.

이미 한 번 반려를 받고 다시 올려야 하는 상황이라면, 320명 규모 가상 기업 시나리오로 전 칸을 채운 품의서 완성 예시본과 ‘보안은?’, ‘내년에 하자’, ‘무료로 배우면 되잖나’ 같은 반려 사유 5가지별 재상신 문구가 그대로 들어 있습니다. AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)