개발팀을 기다리지 않고 실무자가 AI 도구를 만들 수 있을까? Dify 도입 사례

직답 요약

Dify에서는 업무를 가장 잘 아는 실무자가 직접 AI 워크플로우와 앱을 만들 수 있습니다. 업무에 필요한 자료와 처리 순서, 결과물의 기준을 개발팀에 전달해 구현하는 대신 실무자의 도메인 지식을 AI에 직접 반영할 수 있고, 이후 업무 방식이 달라졌을 때도 직접 수정하고 관리할 수 있습니다. 개발·IT 조직은 공통 플랫폼과 권한, 시스템 연결처럼 기술적인 영역을 담당하고, 각 부서는 자신의 업무에 필요한 AI를 만드는 방식으로 역할을 나눌 수 있습니다.

회사에서 AI 활용 과제를 모으면 부서마다 필요한 것이 다르게 나옵니다. 마케팅팀은 상품 정보를 바탕으로 콘텐츠를 만들고 싶어 하고, 운영팀은 반복되는 문서 업무를 줄이고 싶어 할 수 있습니다. 문제는 이런 업무를 실제 AI 도구로 만들 때입니다. 어떤 자료를 참고해야 하는지, 어떤 순서로 처리해야 하는지, 어떤 결과물이 실제 업무에 적합한지는 결국 해당 업무를 가장 잘 아는 실무자가 알고 있기 때문입니다.

개발팀에 모든 제작을 맡기면 실무자는 자신의 업무 지식을 요구사항으로 정리해 전달해야 하고, 결과를 다시 확인해야 합니다. 이후 업무 기준이 바뀌면 수정 요청도 반복됩니다. Dify에서는 이 과정을 줄이고 실무자가 자신의 업무 지식을 직접 AI 워크플로우에 반영할 수 있습니다. 업무를 잘 아는 사람이 AI 워크플로우를 직접 만들고, 실제로 사용하면서 계속 수정할 수 있다는 점이 이번 글에서 살펴볼 핵심입니다.

왜 실무자가 직접 만드는 구조가 필요할까?

AI 업무 도구는 한 번 만들어두면 계속 같은 상태로 사용하는 경우보다 실제 업무 변화에 맞춰 수정해야 하는 경우가 많습니다. 새로운 상품이나 채널이 추가될 수 있고, 작성 기준이나 검토 방식이 바뀔 수도 있습니다. 개발팀이 모든 업무 도구를 만든다면 이런 작은 변화까지 다시 설명하고 수정 요청을 해야 합니다. 반대로 업무를 담당하는 실무자가 직접 처리 순서와 결과물 기준을 구성할 수 있다면 자신의 도메인 지식을 더 직접적으로 반영할 수 있고, 업무가 바뀌었을 때도 빠르게 수정할 수 있습니다.

중요한 것은 개발 업무 전체를 각 부서에 넘기는 것이 아닙니다. 어떤 자료를 참고하고 어떤 순서로 처리할지, 어떤 결과가 좋은 결과인지처럼 업무 지식이 필요한 부분은 실무자가 맡고, 시스템 연결이나 사용자 권한처럼 기술적인 영역은 개발·IT 조직이 관리하는 방식입니다. Dify를 활용하면 이 두 영역을 나눠 운영할 수 있습니다.

일본 소비재 그룹은 어떻게 AI 도구 제작을 각 부서로 넓혔을까?

130년의 역사를 가진 일본 소비재 그룹은 사내 생성형 AI 서비스에 Dify를 적용하고, 업무에 필요한 AI 도구를 각 부서가 직접 만들고 관리하는 방식을 도입했습니다. 임직원 8,346명이 각 부서에서 만든 AI 도구를 이용할 수 있는 환경을 마련했고, 2025 회계연도 말까지 각 업무 팀에서 Dify로 직접 도구를 만드는 담당자 100명을 육성하고 부서별 AI 도구 30개 이상을 일상 운영에 올리는 것을 목표로 제시했습니다.

이 사례에서 중요한 것은 AI 도구를 만드는 역할을 개발 조직에만 두지 않았다는 점입니다. 마케팅, 운영처럼 실제 업무를 맡은 사람이 어떤 자료를 참고해야 하고 어떤 결과가 필요한지 판단한 뒤 이를 직접 AI 도구에 반영할 수 있도록 하였습니다. 실무자가 자신의 업무 지식을 AI의 처리 방식으로 옮기고, 실제 사용 과정에서 필요한 내용을 계속 관리할 수 있는 구조를 만든 사례로 볼 수 있습니다.

일본 디지털 플랫폼 운영사는 실무자가 만든 AI를 어떻게 실제 업무에 활용했을까?

여러 비교·리뷰 서비스를 운영하는 일본 디지털 플랫폼 운영사도 Dify Enterprise를 전사 환경에 도입했습니다. 공통 Dify 환경은 AI·데이터 플랫폼팀이 관리하고, 현업 팀은 그 위에서 필요한 AI 앱을 직접 만들었습니다. 전사적으로 70개의 앱이 Dify에서 구축됐고, 사용자의 80%가 매주 Dify를 이용했습니다.

특히 한 서비스의 마케팅팀은 상품 정보를 자동으로 만드는 시스템을 약 3시간 만에 구축했고, 이후에도 해당 시스템을 직접 운영했습니다. 이 사례는 실무자가 직접 만드는 방식의 장점을 보다 구체적으로 보여줍니다. 상품 정보를 어떤 기준으로 정리해야 하는지 가장 잘 아는 마케팅팀이 직접 AI 앱을 만들었기 때문에 개발팀에 업무 규칙을 하나씩 전달해 구현하는 과정을 줄일 수 있었고, 이후 상품 정보나 처리 기준이 달라져도 같은 팀에서 직접 수정할 수 있었습니다. 실무자가 만들고 실무자가 계속 관리한다는 구조가 AI 도구의 제작 속도뿐 아니라 유지보수에도 연결된 것입니다.

실무자가 직접 만들면 무엇이 좋아질까?

첫 번째 장점은 실무자의 도메인 지식을 AI에 직접 반영할 수 있다는 점입니다. 업무 담당자는 어떤 자료를 봐야 하는지, 어떤 순서로 일을 처리하는지, 어떤 결과를 실제 업무에 사용할 수 있는지 알고 있습니다. Dify에서는 이러한 업무 지식을 여러 단계의 AI 워크플로우로 구성할 수 있습니다. 예를 들어 콘텐츠 업무라면 원본 자료에서 필요한 정보를 정리하고, 작성 기준에 따라 초안을 만든 뒤, 원하는 형식으로 변환하고, 마지막에 담당자가 검토하는 흐름을 하나로 연결할 수 있습니다.

두 번째는 개발팀과 실무자 사이의 커뮤니케이션 단계를 줄일 수 있다는 점입니다. 개발팀이 AI 도구를 대신 구현하는 경우 실무자의 업무 지식을 요구사항으로 옮기고, 구현 결과가 의도와 맞는지 다시 확인해야 합니다. 실무자가 직접 워크플로우를 구성하면 자신이 알고 있는 업무 기준을 곧바로 반영할 수 있습니다. 세 번째는 유지보수가 쉬워진다는 점입니다. 업무 규칙이나 결과물 형식이 달라졌을 때마다 개발 요청을 보내는 대신, 업무를 아는 사람이 직접 수정할 수 있어 AI 도구를 실제 업무 변화에 맞춰 계속 운영하기 쉬워집니다.

결국 Dify에서 실무자가 직접 만든다는 것은 단순히 개발 시간을 줄인다는 의미보다 업무 지식을 AI에 반영하는 과정과 이후 유지보수를 실무자에게 더 가깝게 가져오는 것에 의미가 있습니다. 처음 만들 때부터 업무에 더 맞는 AI를 구성하고, 실제로 사용하면서 계속 개선할 수 있기 때문입니다.

실무자가 직접 만들면 개발·IT 조직은 무엇을 맡아야 할까?

실무자가 AI 워크플로우를 직접 만든다고 해서 회사의 AI 환경까지 각 부서가 따로 관리하는 것은 아닙니다. 일본 디지털 플랫폼 운영사에서도 공통 Dify Enterprise 환경은 AI·데이터 플랫폼팀이 구축하고 관리했습니다. 각 부서가 업무에 필요한 AI 앱을 만드는 동안 공통 플랫폼과 기술적인 운영은 별도로 맡은 구조입니다.

우리 회사에서도 같은 방식으로 역할을 나눌 수 있습니다. 마케팅팀은 어떤 데이터를 참고해 어떤 순서로 콘텐츠를 만들지와 결과물 기준을 관리하고, 운영팀은 자신이 사용하는 업무 흐름을 직접 수정할 수 있습니다. 반면 사내 시스템 연결, 사용자 권한, AI 모델과 데이터 접근 범위, 전체 Dify 환경 운영은 개발·IT 조직이 담당합니다. 실무자는 자신의 도메인 지식이 필요한 부분을 관리하고, 개발·IT 조직은 여러 부서가 안정적으로 AI를 만들고 사용할 수 있는 기반을 관리하는 구조입니다.

우리 회사에서는 어떤 업무부터 시작하면 좋을까?

처음부터 전사 업무 전체를 대상으로 할 필요는 없습니다. 처리 과정이 반복되고, 필요한 자료와 판단 기준이 명확하며, 결과의 적합성을 실무자가 직접 판단할 수 있는 업무부터 시작하는 것이 좋습니다. 상품 콘텐츠 제작, 반복 문서 작성, 문의 응대, 데이터 수집·정리처럼 실무자의 업무 지식이 결과 품질에 직접 영향을 주는 업무가 대표적인 후보입니다.

대상 업무를 정했다면 실무자가 참고하는 자료와 처리 순서, 판단 기준을 중심으로 Dify 워크플로우를 구성할 수 있습니다. 업무 지식이 필요한 부분은 실무자가 직접 만들고 관리하되, 사내 시스템 연동이나 접근 권한처럼 기술적인 검토가 필요한 영역은 개발·IT 조직이 맡는 방식으로 범위를 나누면 됩니다.

부서마다 AI로 개선하고 싶은 업무는 있지만 이를 매번 개발 요청으로 풀어야 하는 상황이라면, 먼저 현재 반복되는 업무부터 함께 정리해보세요. 실무자가 어떤 자료를 참고하고 어떤 기준으로 결과를 판단하는지 확인하면 Dify로 직접 구성할 수 있는 워크플로우와 개발·IT 조직의 지원이 필요한 영역을 구체적으로 나눌 수 있습니다.

오픈네트웍시스템은 Dify 공식 파트너로서 현재 업무 흐름과 사용 중인 시스템을 바탕으로 Dify 적용 가능 범위를 검토합니다. 실무자가 직접 만들고 관리할 수 있는 업무가 무엇인지, 기존 시스템은 어떻게 연결해야 하는지, 권한과 운영 환경은 어떻게 구성해야 하는지 판단이 필요하다면 도입 상담을 통해 현재 상황을 공유해 주세요. 실제 업무에 맞는 Dify 활용 범위부터 구축·연동 방식까지 함께 검토해드리겠습니다.

자주 묻는 질문

코딩을 모르는 실무자도 Dify로 AI 업무 도구를 만들 수 있을까?

Dify에서는 개발 업무를 맡지 않는 실무자도 자신의 업무에 필요한 AI 앱과 워크플로우를 구성할 수 있습니다. 중요한 것은 개발 지식보다 어떤 자료를 참고해야 하고 어떤 결과가 좋은지 판단할 수 있는 업무 지식입니다.

실무자가 직접 만들면 무엇이 가장 달라질까?

자신이 알고 있는 업무 기준과 처리 순서를 AI 워크플로우에 직접 반영할 수 있습니다. 이후 업무 기준이나 결과물 형식이 달라졌을 때도 직접 수정할 수 있어 개발팀에 반복적으로 변경을 요청하는 과정을 줄일 수 있습니다.

실무자가 직접 만들면 개발팀은 필요 없을까?

그렇지 않습니다. 실무자는 업무 처리 방식과 결과물 기준을 관리하고, 개발·IT 조직은 Dify 운영 환경, 시스템 연결, 사용자 권한, 데이터 접근 범위처럼 공통 기술 영역을 관리하는 방식으로 역할을 나눌 수 있습니다.

어떤 업무부터 시작하는 것이 좋을까?

처리 순서가 반복되고 필요한 자료가 비교적 명확하며, 결과가 적절한지 실무자가 직접 판단할 수 있는 업무가 적합합니다. 콘텐츠 제작, 반복 문서 작성, 문의 답변, 데이터 수집·정리 등을 후보로 볼 수 있습니다.

출처

출처

• Dify, Consumer Goods & FMCG

• Dify, Internet & Media

• 오픈네트웍시스템, Dify Enterprise 도입 안내