행정업무 생성형 AI 활용 교육 사례 | LH E&S 6시간 과정 (2026년 8월)

행정업무 생성형 AI 활용 교육은 이메일·회의록·공문·보고서·데이터 처리처럼 반복적으로 발생하는 일을 AI와 함께 재설계하는 실무 교육이다. 딥택트러닝 박재현 소장은 2026년 8월 LH E&S 임직원을 대상으로 ‘행정업무에 바로 쓰는 생성형 AI 실무 심화 활용’ 과정을 진행했다. 기능을 넓게 훑기보다 생성형 AI의 한계를 검토하고, 실제 문서와 데이터를 다루는 순서에 초점을 맞춘 6시간 과정이었다.

교육 개요

• 교육 주제: 행정업무에 바로 쓰는 생성형 AI 실무 심화 활용
• 교육 대상: LH E&S 임직원, 행정·사무 업무 중심
• 교육 일자: 2026년 8월
• 교육 시간: 6시간(10:00~17:00)
• 교육 방식: 개인 실습, 조별 토론
• 참석 규모: 20여 명
• 진행 차수: 3개 차수 중 대전 차수

왜 이 교육이 필요한가

생성형 AI를 한두 번 사용해본 사람도 업무에 적용하려면 금세 세 가지 문제를 만난다. 사실을 찾는 일과 초안을 만드는 일을 구분하지 못해 틀린 내용을 그대로 쓰고, 필요한 맥락을 주지 않은 채 좋은 결과만 기대하며, 매번 같은 설명을 처음부터 반복한다.

행정업무는 문서 형식과 검토 절차가 중요하다. 속도만 높이면 오류도 함께 빨라질 수 있다. 그래서 이번 교육은 ‘무엇을 생성할 것인가’보다 ‘어떤 자료를 주고, 무엇을 확인하며, 어느 단계에서 사람이 판단할 것인가’를 먼저 익히도록 구성했다.

검색과 생성은 다른 일입니다

나는 첫 단계에서 검색과 생성을 나눠 설명했다. 최신 정보와 정확한 사실이 필요한 업무는 근거를 찾아야 하고, 논리적 추론이나 아이디어가 필요한 업무는 생성형 AI의 강점을 활용할 수 있다.

LLM은 학습하지 않은 최신 정보를 모르고, 그럴듯한 오류를 만들며, 근거가 불분명한 답을 내놓을 수 있다. 따라서 결과를 바로 채택하지 않고 이유와 출처를 요구하는 자기검증, 다른 AI나 원문으로 확인하는 교차 검증을 업무 절차에 넣었다.

좋은 프롬프트는 맥락을 전달합니다

프롬프트는 질문을 길게 쓰는 기술이 아니다. 지시 문장과 참고자료를 구분하고, 복잡한 일을 작은 단계로 나누며, AI가 맡을 역할과 사용자의 상황을 알려주는 작업이다.

특히 Meta Prompt를 활용해 AI가 먼저 질문하도록 했다. 공문이나 보고서를 바로 쓰게 하는 대신 목적, 대상, 기한, 포함할 내용처럼 빠진 정보를 하나씩 확인하게 하면 AI가 추측으로 빈칸을 채우는 일을 줄일 수 있다.

이메일과 회의록에서 반복업무를 찾습니다

이메일 회신 실습에서는 핵심 내용을 요약하고, 답변에 필요한 의사결정을 객관식 질문으로 확인한 뒤, 상대의 어조에 맞춘 회신과 후속 할 일을 정리했다. 회의록은 녹음, 음성 텍스트 변환, 발언자 확인, 생성형 AI 정리의 흐름으로 다뤘다.

자주 쓰는 업무 상황은 프롬프트를 다듬어 모으고, 절차가 일정한 업무는 맞춤형 챗봇으로 만든다. 이번 과정에서는 무료로 사용할 수 있는 Gemini Gems를 중심으로 반복업무용 챗봇을 설계하고 공유하는 방법까지 연결했다.

보고서 작성은 생각의 순서를 만드는 일입니다

좋은 보고서는 논리적인 내용, 간결한 문장, 보기 좋은 편집을 함께 갖춰야 한다. 먼저 상사의 지시에서 기대사항을 찾아 목차를 세우고, 독자가 이해하기 쉬운 문장으로 다듬은 뒤, 예상 질문과 부정적 피드백을 요청해 빠진 부분을 보완했다.

나는 이 과정을 의도 파악 -> 목차 구성 -> 본문 작성 -> 문장 정리 -> 반론 검토 -> 편집의 순서로 안내했다. 생성형 AI가 보고서를 대신 판단하는 것이 아니라, 작성자가 생각을 점검할 수 있도록 여러 번 질문을 주고받게 했다.

데이터 분석은 정제와 확인에서 시작합니다

엑셀 파일에는 날짜 형식, 거래처명, 제품명, 담당자 표기가 섞이거나 결측치와 이상치가 남아 있을 수 있다. 이런 데이터를 바로 요약하면 보기 좋은 오류가 만들어진다.

교육에서는 데이터의 내용을 먼저 설명하게 하고, 품질 문제를 유형별로 찾은 뒤, 표준화할 값과 ‘확인 필요’로 남길 값을 구분했다. 정리본을 만든 다음에야 거래처별·제품별 합계와 담당자별 실적을 분석하도록 순서를 잡았다.

교육 설계 관점 : 도구보다 업무 흐름을 남깁니다

LH E&S 과정은 이메일, 회의록, 공문, 보고서, 데이터처럼 참석자가 매일 만나는 결과물을 중심으로 배열했다. 6시간 안에 다룰 범위가 넓어 도구 수를 늘리기보다 무료로 접근 가능한 Gemini와 반복 가능한 프롬프트 구조에 집중했다. 다만 개인별 실제 업무를 맞춤형 챗봇으로 완성하고 충분히 개선하기에는 시간이 빠듯했으며, 다음 운영에서는 참가자의 실제 문서를 가져와 후속 수정까지 이어가는 시간을 더 확보할 필요가 있다.

참석자 목소리

“이전 AI 교육과 다르게 업무에 적용 가능할 듯하여 좋았다.”

“AI가 똑똑하지만, 가르쳐야 한다는 것을 깨달았습니다.”

자주 묻는 질문

생성형 AI 교육은 초보자도 참여할 수 있나요?

가능하다. 기본 원리와 검증 방법부터 시작하고, 이메일·회의록처럼 익숙한 업무를 실습 재료로 쓰면 도구 경험이 적어도 흐름을 따라갈 수 있다. 중요한 것은 기능을 많이 아는 것이 아니라 자신의 업무 맥락을 설명하고 결과를 확인하는 습관이다.

생성형 AI가 만든 보고서를 그대로 사용해도 되나요?

그대로 사용하는 것은 권장하지 않는다. 숫자, 날짜, 고유명사, 근거와 결론을 원문과 대조해야 한다. AI는 초안 작성과 반론 점검을 돕고, 최종 판단과 책임은 작성자가 맡는 구조가 안전하다.

사내 문서를 AI에 입력할 때 무엇을 주의해야 하나요?

조직의 보안 규정과 사용 가능한 도구를 먼저 확인해야 한다. 개인정보, 계약정보, 미공개 수치처럼 민감한 정보는 승인된 환경이 아니면 입력하지 않는다. 실습에서는 익명화하거나 대체 데이터를 사용하고, 실제 적용 전에는 사내 기준을 따른다.

반복업무용 챗봇은 어떤 일부터 만들면 좋나요?

빈도가 높고 입력과 출력 형식이 비교적 일정한 일부터 시작하는 것이 좋다. 메일 회신 초안, 회의록 정리, 공문 초안, 보고서 검토처럼 기준을 문장으로 설명할 수 있는 업무가 적합하다. 예외가 많은 업무는 자동화보다 프롬프트 템플릿으로 먼저 운영해보는 편이 안전하다.

데이터 분석 교육에 엑셀 고급 기능이 필요한가요?

고급 기능을 모두 알 필요는 없다. 데이터가 무엇을 뜻하는지 설명하고, 결측치·이상치·표기 불일치를 구분하며, 수정 근거를 남기는 것이 먼저다. 생성형 AI는 정제 방법과 분석 방향을 제안할 수 있지만 임의 수정 여부는 사용자가 결정해야 한다.

이런 조직에 추천합니다

• 이메일·회의록·공문 작성 시간을 줄이고 싶은 조직
• 생성형 AI를 도입했지만 결과 검토 기준이 없는 조직
• 보고서 작성과 데이터 정리를 하나의 업무 흐름으로 개선하려는 조직
• 반복 업무를 프롬프트나 맞춤형 챗봇으로 표준화하려는 팀
• 도구 소개보다 실제 업무 결과물을 만드는 교육이 필요한 기업

함께 보면 좋은 사례

• 우리카드 M365 Copilot 활용법 교육 사례
• 우리금융그룹 일잘러 AI 동료 활용법 교육 사례
• LG에너지솔루션 생성형 AI 업무생산성 교육 사례