프로젝트 2 피드백
2026년 10월 26일 공유
RFP 분석 기반 TFT 구성 아이디어 검토
개요
RFP를 AI로 분석해 필요한 역할과 인력 후보를 찾고, TFT 구성을 돕는 아이디어를 검토했다. RFP 분석 단계는 긍정적으로 평가됐지만, AI 추천 인력을 실제로 배정하는 과정이 현실적으로 작동할지와 제안의 효과를 어떻게 입증할지가 주요 쟁점이었다.
주요 주제
아이디어의 강점
- RFP에서 요구사항과 필요한 역량을 추출해 관련 조직과 역할을 정리하는 접근은 신선하고 유용하다.
- 담당자가 긴 RFP를 읽고 핵심 내용을 파악하는 데 드는 수고를 줄일 수 있다.
- 장기적으로 프로젝트 수행 이력과 인력 정보를 축적하면, 후보자 탐색을 지원하는 회사 자산으로 발전시킬 수 있다.
현실적인 제약
- AI가 적합한 후보를 찾아도 실제 인력 배정은 팀 내부의 업무 조정과 팀장·임원의 판단에 달려 있다. 부서별 프로젝트 우선순위와 가용성도 서로 다르다.
- 구성원의 프로젝트 이력·역할·역량을 정확히 파악할 데이터가 충분히 정리돼 있지 않을 수 있다. 관련 정보가 있더라도 개인정보 보호와 활용 권한을 고려해야 한다.
- AI 추천 → 부서의 검토와 추천 → 역량 재확인 → 인력 요청 절차가 추가되면, TFT 구성이 오히려 늦어질 수 있다.
- 기존에 여러 팀과 협업해 온 영업·사업 담당자나 경험 많은 PM은 필요한 팀과 인력을 이미 알고 있을 수 있다. 이들이 RFP를 분석할 때 AI가 요건과 역할을 정리해 지원하는 편이 현실적일 수 있다.
제안의 효과와 발표 방식
- 핵심 목표인 시간 단축이 현재 제안한 절차로 실제 달성되는지 근거가 부족하다. 인력 확정이 제안서 제출 이후로 밀릴 가능성도 제기됐다.
- AI 도입의 목적은 비용 절감과 생산성 향상이다. 이 사례가 반복 업무를 얼마나 줄이고 어떤 결과를 개선하는지 분명히 보여줘야 한다.
- 발표에서는 반복 설명을 줄이고, AI가 어느 단계에서 무엇을 바꾸는지에 집중할 필요가 있다.
- 시연은 화면을 차례로 보여주는 데 그치지 말고, 앞서 설명한 문제와 AI의 역할이 어떻게 연결되는지 청중이 쉽게 이해하도록 구성해야 한다.
의견 및 관점
- 긍정적 평가: RFP에서 요구 역량을 추출하고 필요한 역할을 정리하는 발상은 타당하며, 아이디어 자체는 신선하다.
- 우려: AI가 인력을 직접 선정·배정하는 과정은 조직의 실제 의사결정 방식과 맞지 않을 수 있다. 현재 구상은 데이터와 부서의 신속한 협조가 가능하다는 가정에 크게 의존한다.
- 개선 방향: 사람을 자동 배정하기보다, RFP 분석 결과와 관련 경험이 있는 후보를 의사결정자에게 제시하는 보조 도구로 정의하는 방안이 현실적이다. 인력 정보와 수행 이력을 활용한다는 전제, 데이터의 정확성, 부서의 최종 판단 역할도 명확히 해야 한다.
- 주제 유지 여부: 주제를 반드시 바꾸기보다는, 시간 단축의 근거와 실제 작동 방식을 보완하고 필요하면 목표와 설명의 초점을 조정하는 것이 좋다는 의견이 나왔다.
질의응답
- 개인정보와 인력 이력은 어떻게 다룰 것인가? 관련 프로젝트 수행 이력과 역할을 활용한다는 전제를 둘 수 있다. 다만 이력이 실제 담당 역할과 다를 수 있으므로 데이터의 정확성과 개인정보 활용 조건을 함께 밝혀야 한다.
- AI가 후보를 추천한 뒤 누가 판단하는가? AI는 후보와 관련 경험을 제시하고, 최종 추천과 배정은 해당 조직의 팀장·임원 또는 사업 담당자가 맡는 방식이 현실적이다.
- 시간 단축 효과를 어떻게 설명할 것인가? 인력 배정까지의 전체 절차가 아니라, RFP 분석과 필요 역할 파악에서 AI가 줄이는 작업과 시간을 구체적으로 제시해야 한다.