AI에게 문서 업무를 어디까지 맡길 수 있을까? 위임 가능성(Delegability)으로 판단하는 법

위임 가능성(Delegability)의 뜻

AI에게 업무를 맡길 때는 AI가 그 일을 할 수 있는지보다 맡겨도 되는지를 먼저 따져야 합니다. 이를 판단하는 기준이 위임 가능성(Delegability)입니다. 어떤 업무를 AI에게 맡겨도 되는지, 맡긴다면 어느 단계까지 맡길지를 이 기준으로 가늠합니다.

업무 위임에는 단계가 있습니다. 같은 업무라도 사람이 모두 처리하는 방식부터 AI가 끝까지 처리하는 방식까지 여러 가지가 있고, 위임 가능성이 높은 업무일수록 더 높은 단계까지 안심하고 맡길 수 있습니다.

요즘 AI는 웬만한 일은 해냅니다. 그래도 기업이 도입을 망설이는 건 틀렸을 때 누가 책임지는지, 결과를 믿고 다음 단계로 넘겨도 되는지, 사람은 어디서 확인해야 하는지가 분명하지 않아서입니다.

위임 가능성을 가르는 4가지 기준

사람이 AI에게 일을 맡길지 정할 때는 네 가지를 따집니다. 직접 하고 싶은 일인지, 품이 얼마나 드는지, 잘못됐을 때 무엇을 잃는지, AI를 얼마나 믿을 수 있는지입니다.

이 기준으로 보면 문서 업무는 동기와 난이도 면에서 AI에게 맡기기 좋은 일입니다. 반복이 많고 품이 많이 들기 때문입니다. 걸리는 건 리스크입니다. 값 하나만 틀려도 심사나 행정 처리에 바로 영향을 주기 때문에, 믿을 근거가 충분하지 않으면 맡기기 어렵습니다.

네 가지 가운데 실제로 위임 여부를 가장 크게 좌우하는 건 신뢰입니다. 같은 AI라도 업무마다 믿을 수 있는 정도가 다르니, AI를 도입할지보다 이 업무를 어느 단계까지 맡길지를 업무별로 따져 보는 게 현실적입니다.

위임 수준 4단계

사람과 AI의 역할 분담은 보통 네 단계로 나눕니다.

1. 사람 단독 수행(Human only): AI 없이 사람이 처음부터 끝까지 처리합니다.

2. 사람 주도, AI 보조(Machine in the loop): 사람이 일을 이끌고, AI는 막히거나 실수가 보일 때 제안합니다.

3. AI 주도, 사람 확인(Human in the loop): AI가 처리하고, 확인이 필요한 지점에서만 사람이 봅니다.

4. 완전 자동화(AI only): 사람 개입 없이 AI가 판단하고 실행합니다.

사람들에게 물어보면 완전 자동화를 원하는 경우는 드뭅니다. AI가 일을 하더라도 사람이 주도하거나 필요한 곳에서 확인할 수 있는 방식을 원하고, 어디까지 맡기는지가 분명할 때 안심합니다.

AI 에이전트와 업무 위임

AI 에이전트를 실제 업무에 쓰기 시작하면서 위임은 현장의 문제가 됐습니다. 예전에는 AI에게 답을 물었다면, 이제는 에이전트에게 일 자체를 맡깁니다. 구글 딥마인드 연구진도 에이전트에게 일을 맡길 때는 권한과 책임을 어디까지 넘길지부터 정해야 한다고 봅니다. 실무에서 지켜야 할 원칙은 다음 네 가지입니다.

• 결과를 확인할 수 있는 단위로 나눠 맡길 것

• 위험이 큰 작업일수록 권한을 좁고 짧게 줄 것

• 확신이 낮은 판단에는 사람이 개입할 지점을 둘 것

• 누가 무엇을 처리했는지 기록을 남길 것

국내 직장인을 대상으로 한 연구에서도 비슷했습니다. AI를 통제할 수 있고 책임 소재가 분명하다고 느낄수록 업무를 맡기려는 의향이 높았고, AI가 나 대신 움직인다는 느낌이 강할수록 위험하다고 느꼈습니다. 위임형 AI를 검토하는 기업도 AI가 얼마나 똑똑한지보다 어디까지 믿고 맡길 수 있는지를 더 궁금해합니다.

문서 업무를 AI에게 맡기기 어려운 이유

기업 데이터의 약 80%는 계약서, 신청서, 증빙 서류 같은 비정형 문서입니다. 업체마다 양식이 다르고, 필요한 정보가 여러 페이지에 흩어져 있고, 여러 서류를 함께 봐야 판단이 서는 경우도 많습니다. AI에게 넘기고 싶은 일은 많은데, 막상 맡기려면 걱정이 앞서는 업무입니다.

마이크로소프트 연구진이 여러 분야의 문서 편집을 AI에게 반복해서 맡겨 봤더니, 최신 모델도 편집을 여러 번 거치면 처음 문서에 있던 내용 일부가 빠지거나 달라졌습니다. 실행해 보면 바로 맞는지 알 수 있는 코드 작업 말고는 안심하고 맡길 만한 분야가 많지 않았습니다. 틀린 부분이 매끄러운 문장 속에 섞여 있어서, 업무를 잘 아는 담당자가 원문과 일일이 대조하지 않으면 알아채기도 어려웠습니다.

그래서 문서 업무 자동화에서는 더 큰 모델보다, 결과가 맞는지 확인할 수 있는 구조를 먼저 갖추는 게 중요합니다.

문서 업무 자동화율과 '정확도의 정확도'

위임 가능성을 숫자로 확인하려면 문서 업무 자동화율을 보면 됩니다. 사람이 다시 확인하지 않아도 되는 처리 비율로, 로민 임비 CTO가 KCCV 2026에서 업계 최초로 제시한 지표입니다.

정확도와 문서 업무 자동화율은 다릅니다. 정확도가 98%인 AI라도 틀린 2%가 어디 있는지 모르면 담당자는 결과를 전부 다시 봐야 하고, 그러면 AI에게 맡긴 일은 사실상 없는 것이나 마찬가지입니다. 반대로 어떤 결과가 맞고 어떤 결과가 불확실한지 AI가 정확히 알려 주면, 사람은 불확실한 결과만 보면 됩니다. 확인 없이 넘어가는 문서가 늘수록 문서 업무 자동화율이 오르고 위임 가능성도 높아집니다.

확인할 곳을 골라내는 기준은 신뢰도 점수(Confidence Score)입니다. AI가 결과마다 맞을 가능성을 점수로 함께 내놓으면, 점수가 높은 항목은 그대로 처리하고 낮은 항목만 담당자가 확인합니다.

이때 점수 자체를 믿을 수 있어야 합니다. AI가 99점을 준 결과 100건 가운데 실제로 99건 가까이 맞아야 사람이 그 결과를 건너뛰어도 됩니다. 로민은 신뢰도 점수가 실제 정답 여부와 얼마나 맞아떨어지는지, 다시 말해 '정확도의 정확도'를 높이는 연구를 이어 오고 있습니다. 점수가 부정확하면 생기는 문제는 두 가지입니다.

VLM 같은 생성형 모델을 쓰면서 이 문제는 더 커졌습니다. 생성형 모델은 문서에 없는 값을 그럴듯하게 만들어 내기도 하고 틀린 답에 높은 점수를 매기기도 하니, 점수와 함께 근거가 있어야 합니다.

특히 로민은 추출한 값마다 원문의 어느 페이지, 어느 위치에서 나왔는지 보여 주는 그라운딩(Grounding) 기능을 갖췄습니다. 여러 페이지짜리 계약서에서 AI가 뽑은 계약 금액을 확인하려면 예전에는 문서를 넘겨 가며 위치를 찾아야 했지만, 로민에서는 추출값을 누르면 원문 근거 위치가 박스로 표시되고 틀린 값은 그 자리에서 고칠 수 있습니다.

처리 결과마다 근거가 남기 때문에, 판단 근거를 설명해야 하는 금융·공공 업무에 특히 잘 맞습니다. 앞에서 본 국내 연구에서 책임 소재가 분명할수록 업무를 맡기려 했던 것과도 같은 맥락입니다.

로민의 문서 처리 구조

로민은 문서 업무를 한 번에 AI에게 넘기지 않고, 위임 가능성을 조금씩 높여 갑니다. 다큐먼트 AI 에이전트 '로민'이 문서 구조화(파싱), 분류, 추출을 맡고 사람이 확인해야 할 지점을 정해 주는 방식으로, 위임 수준으로 보면 3단계인 휴먼 인 더 루프(Human in the loop)입니다.

로민은 접수된 서류를 처리한 뒤 신뢰도 점수에 따라 결과를 나눕니다. 신뢰도가 높은 값은 바로 확정하고, 낮은 값은 담당자가 원문 근거와 대조해 수정·승인합니다. 업무 시스템에는 확정된 데이터만 연동되고, 담당자의 수정 내역은 모델 학습에 반영됩니다.

기능이 아무리 좋아도 분류, 추출, 검수, 업무 시스템 연동이 이어지지 않으면 그 사이를 사람이 메워야 합니다. 로민에서는 고객사가 필요한 기능을 골라 업무에 맞는 순서로 직접 짤 수 있습니다. 보험사라면 '청구 서류를 문서별로 나누기 → 서류마다 필요한 정보 추출하기 → 신분증의 주민등록번호 비식별하기 → AI가 확신하지 못한 항목만 담당자가 확인하기' 순서가 됩니다.

신뢰는 앞에서 본 신뢰도 점수와 그라운딩으로 해결하고, 나머지 걸림돌은 아래처럼 풀어 갑니다.

검수 결과의 학습 반영

위임 가능성은 한 번 정해지고 끝나지 않습니다. 담당자가 검수한 결과가 학습에 반영되면 같은 유형의 문서에서 확인할 항목이 줄고, 문서 업무 자동화율이 올라갑니다.

로민은 Active Learning을 적용해 모델을 다시 만들지 않고 증분 학습만으로 성능 개선을 반영합니다. 담당자가 오인식한 영역을 고치고 승인하면 그 결과가 고객사 환경의 모델 학습에 반영되고, 다음 처리부터 개선된 모델이 적용됩니다. 따로 라벨링하지 않아도 검수하는 과정에서 모델이 나아집니다.

담당자가 확인한 결과는 버려지지 않고 다음 처리에 반영됩니다. 처음에는 확인할 항목이 많아도, 쓸수록 확인 없이 넘어가는 문서가 늘어납니다.

AI 에이전트 업무 위임과 다큐먼트 AI

AI 에이전트에게 업무를 맡기려면 먼저 문서 속 정보를 AI가 쓸 수 있는 데이터로 바꿔야 합니다. 에이전트가 받는 데이터가 부정확하면 에이전트에게도 믿고 맡기기 어렵기 때문입니다. 다큐먼트 AI도 문서를 읽고 이해하는 데서 그치지 않고, 그 결과로 실제 업무까지 처리하는 쪽으로 나아가고 있습니다.

• 우리은행 AI 에이전트 사업에서 로민은 에이전트가 처리하는 업무 문서 150종의 인식과 구조화를 맡고 있습니다. 문서가 정확한 데이터로 바뀌어야 그다음 에이전트에게도 업무를 맡길 수 있습니다.

• 코리안리재보험의 특종보험 요율산정 AI 어시스턴트 사업에서는 접수 문서를 분류하고 필요한 정보를 추출해, AI 어시스턴트가 바로 쓸 수 있는 데이터로 만드는 일을 맡았습니다.

• 행정안전부의 범정부 생성형 AI 사업에서는 공공 문서를 표와 레이아웃까지 살린 구조화 데이터로 만들었습니다.

• 한화에어로스페이스는 도면과 성적서 같은 제조 문서를 로민으로 파싱해 검색하고 활용할 수 있는 데이터베이스로 자산화했습니다.

고객 사례

위임 가능성이 높아지면 담당자는 서류를 옮겨 적는 대신 확인만 하면 됩니다. 로민을 도입한 고객사의 변화를 정리했습니다.

로민 고객사 80여 곳 가운데 금융·공공 기관의 비중이 높습니다. 작은 오류도 책임 문제로 이어지는 곳에서 로민을 쓰고 있습니다.

마치며

로민이라는 이름은 Local Minimum에서 왔습니다. 한정된 시간과 자원 안에서 최선의 답을 찾는다는 뜻이고, 로민에게 그 답은 사람이 확인할 일을 최소한으로 줄인 업무 자동화입니다. 문서 업무의 위임 가능성을 높이는 일과도 같은 이야기입니다. 업무를 완성하는 Document AI Agent 로민은 기업이 문서 업무를 믿고 맡길 수 있는 범위를 계속 넓혀 가고 있습니다.

문서 업무 위임 가능성 체크리스트

AI에게 문서 업무를 맡기기 전에 아래 여덟 가지를 확인해 보면 어느 단계까지 맡길 수 있을지 가늠할 수 있습니다.

자주 묻는 질문

Q. 위임 가능성(Delegability)이란 무엇인가요?

어떤 업무를 AI에게 맡겨도 되는지, 맡긴다면 어느 단계까지 맡길 수 있는지를 판단하는 개념입니다. 영어 Delegability를 우리말로 옮긴 말로, AI 업무 위임이나 위임형 AI를 검토할 때 기준이 됩니다.

Q. AI에게 업무를 맡길 때 무엇을 먼저 따져야 하나요?

직접 하고 싶은 일인지, 품이 얼마나 드는지, 잘못됐을 때 파급이 큰지, 결과를 믿을 근거가 있는지 네 가지입니다. 이 가운데 위임 결정에 가장 큰 영향을 주는 것은 신뢰입니다.

Q. 위임 가능성과 문서 업무 자동화율은 같은 개념인가요?

가깝지만 같지는 않습니다. 위임 가능성은 어떤 업무를 어느 단계까지 AI에게 맡길 수 있는지에 대한 판단이고, 문서 업무 자동화율은 사람이 다시 확인하지 않아도 되는 처리 비율로 그 결과를 잰 값입니다. AI가 처리한 비율이 높아도 사람이 결과를 전부 다시 본다면 문서 업무 자동화율도, 위임 가능성도 낮습니다.

Q. 완전 자동화가 최종 목표 아닌가요?

꼭 그렇지는 않습니다. 사람들은 완전 자동화보다 사람이 주도권을 쥐거나 필요한 지점에서 확인할 수 있는 방식을 더 선호하고, 결과에 책임이 따르는 업무일수록 사람이 확인하는 지점이 있어야 맡길 수 있습니다.

Q. 정확도가 높으면 위임 가능성도 높은가요?

그렇지 않습니다. 정확도가 98%여도 틀린 2%가 어디 있는지 모르면 사람이 결과를 전부 다시 확인해야 합니다. AI가 매긴 신뢰도 점수가 실제 정답 여부와 맞아떨어지고, 결과마다 원문 근거를 확인할 수 있어야 위임 가능성이 높아집니다.

Q. 문서 업무 자동화에서 위임 가능성을 높이려면 무엇이 필요한가요?

결과의 근거를 보여 주는 기능, 사람이 확인할 지점을 정하는 기준, 보안 정책에 맞는 구축 방식, 쓸수록 나아지는 학습 구조가 함께 있어야 합니다. 다큐먼트 AI 에이전트 '로민'은 그라운딩, 신뢰도 점수, 검수 단계, 온프레미스 구축, Active Learning으로 이 조건을 갖췄습니다.

Q. AI가 처리한 문서의 오류는 왜 찾기 어려운가요?

최신 모델은 문장을 매끄럽게 쓰면서도 의미를 살짝 바꾸는 경우가 있어서, 겉으로 봐서는 틀린 곳이 잘 보이지 않습니다. 문서 편집을 반복해서 맡기면 처음 내용 일부가 빠지거나 달라진다는 연구 결과도 있습니다. 그래서 원문 근거를 확인하고 사람이 검토하는 구조가 필요합니다.

사용하는 문서로 자동화율을 확인해 보세요

어디까지 AI에게 맡길 수 있는지는 실제 문서로 확인할 때 가장 정확합니다. 로민과 만나 우리 회사 문서의 자동화율을 직접 확인해 보세요.

참고 자료

• Lubars, B. & Tan, C. Ask not what AI can do, but what AI should do: Towards a framework of task delegability. NeurIPS 2019.

• Tomasev, N. et al. Intelligent AI Delegation. 2026.

• Laban, P. et al. LLMs Corrupt Your Documents When You Delegate. 2026.

• 이종훈·안현철. Agentic AI 업무 위임 의사에 관한 연구. 『지능정보연구』 32권 1호, 2026.