직원 온보딩 챗봇

입사 첫 주 신입이 메신저로 가장 자주 묻는 것은 법인카드 신청 방법 같은 기본 절차입니다. 사수와 인사팀은 다른 업무로 바로 답하기 어렵고 사내 위키의 위치도 안내받지 못한 경우가 많아, 질문 하나를 해결하는 데 30분이 걸리기도 합니다.

온보딩 챗봇은 사내 위키, 인사 정책, 시스템 가이드, 전임자 노하우를 한곳에 모아 두고 신입이 한국어로 질문하면 출처와 함께 답하는 시스템입니다. 입사 후 첫 30일 동안 반복되는 100여 개의 질문을 챗봇이 처리합니다.

이 가이드는 온보딩 챗봇 도입 판단에 필요한 범위에서 입사 첫 달의 변화, 도구 조합, 도입 시 주의할 점을 정리했습니다.

도입 효과

온보딩 챗봇을 도입하면 신입, 사수, 인사팀의 첫 달 업무가 달라집니다. 신입은 질문 하나에 평균 25분을 기다리던 답을 출처 링크와 함께 바로 받습니다. 첫 주 만족도 조사에서 "조직에 묻기 어렵다"고 답하는 비율을 절반 이하로 낮추는 것이 이 단계의 목표입니다.

사수와 인사팀의 응대 부담도 줄어듭니다. 사수가 한 달에 30번씩 받던 같은 질문을 신입이 챗봇으로 먼저 해결하고, 인사팀의 단순 문의 처리 시간은 주 15시간에서 주 3시간 수준으로 줄이는 것이 목표입니다. 남는 시간은 정책을 정비하는 데 씁니다.

사내 문서 관리 방식도 바뀝니다. 챗봇이 답하지 못한 질문은 카탈로그에 자동으로 기록되고, 이 목록을 기준으로 매주 위키를 보강하면 문서를 최신 상태로 유지할 수 있습니다.

질문 처리 흐름

신입이 메신저로 질문하면 챗봇은 질문의 의도를 파악해 사내 RAG를 검색하고, 신뢰도가 충분하면 출처를 붙여 바로 답합니다. 신뢰도가 낮은 질문은 인사팀으로 넘기며, 인사팀이 직접 답한 내용은 위키에 반영합니다.

이 흐름에서 중요한 부분은 마지막 두 단계입니다. 답하지 못한 질문을 인사팀으로 이관하고 그 답을 위키와 카탈로그에 쌓는 학습 루프가 있어야 도입 3개월 무렵 자가 응답률 80~90%라는 목표에 가까워질 수 있습니다.

신입 질문의 유형

입사 첫 달 신입의 질문을 모아 보면 범위가 넓지 않습니다. 법인카드 신청처와 한도, 연차를 쓸 수 있는 시점 같은 제도 질문이 있고, VPN 접속 문제의 문의처나 재택근무 신청서 위치와 승인자 같은 시스템과 절차 질문이 있습니다. 전사 회의 참석이 필수인지, 점심 식대 정산은 어디에 올리는지 같은 일상 질문까지 더하면 대부분 6개 카테고리 안에 들어옵니다.

6개 카테고리에 직무별 시스템 가이드를 추가하면 답할 수 있는 범위가 넓어집니다. 디자인팀은 Figma 라이브러리 위치, 개발팀은 Git 권한 신청 방법 같은 문서를 카탈로그에 함께 등록합니다. 이 구성으로 시작하면 첫 달 자가 응답률을 높이기 쉽습니다.

질문의 5가지 처리 상태

챗봇이 받은 질문은 인입, 자동 분류, 자동 응답, 인사팀 검토, 학습 완료의 5가지 상태를 거치며, 상태마다 카탈로그 학습에 반영되는 방식이 다릅니다.

학습 루프의 중심은 부정 피드백이 인사팀 검토와 위키 보강을 거쳐 다시 자동 응답으로 이어지는 경로입니다. 이 루프가 없으면 답변 생성 성능이 좋은 챗봇도 한 분기 안에 정확도가 떨어지기 쉬우므로, 설계 단계에서 루프 구조를 먼저 정합니다.

위키 위치별 도구 선택

도구 조합은 사내 위키가 어디에 있는지에 따라 정합니다. 위키 위치를 확인하면 권장 조합이 좁혀집니다.

위키가 Notion에 정리되어 있다면 Sonnet과 Notion API를 연결하는 옵션 A가 가장 빠르며, 1주 안에 파일럿을 운영할 수 있습니다. Confluence를 쓰는 중대형 조직에는 GPT와 Glean을 연계해 사내 검색 자체를 자산으로 만드는 옵션 B가 적합합니다. 문서가 슬랙과 드라이브, 메일에 흩어져 있다면 Haiku로 RAG 인덱싱을 직접 구축하는 옵션 C를 검토하되, 이 경우 문서 정리부터 시작해야 합니다.

도입 시 주의 사항

가장 흔한 실패는 위키를 갖추지 않은 상태에서 챗봇부터 만드는 경우입니다. 챗봇은 위키에 있는 답을 찾아 주는 도구이므로, 위키가 비어 있으면 LLM이 일반 상식으로 답하거나 환각을 일으킵니다. 도입 첫 2주는 주요 카테고리의 위키를 정리하는 데 씁니다. 전체 일정으로 보면 이 순서가 가장 빠릅니다.

문서 접근 권한은 도입 초기에 정리해야 합니다. 신입의 질문에 임원 연봉 정책이나 다른 부서의 인사 정보가 검색되면 곧바로 사고로 이어집니다. 문서별 접근 권한이 챗봇 답변 단계까지 그대로 적용되도록 RAG 인덱스를 권한별로 분리합니다.

조직 분위기처럼 정답이 없는 질문도 주의해야 합니다. 의도 분류 단계에서 정책, 시스템, 도구 카테고리의 질문만 챗봇이 답하고, 문화나 관계에 관한 질문은 사수나 인사팀으로 넘기는 기준을 정해 둡니다.

마지막은 출처 표기입니다. 답변마다 "출처: 인사정책 v3.2 위키 7쪽" 형태의 링크가 없으면 답변을 신뢰하기 어렵습니다. 출처 표기는 기본 설정으로 적용합니다.

성과 지표

도입 6개월 시점에 다음 4가지 지표로 정착 여부를 판단합니다.

자가 응답률은 챗봇 단독으로 답한 질문의 비율입니다. 80% 이상이면 정착 단계로 봅니다.

핸드오프 평균 시간은 인사팀으로 넘어간 질문에 신입이 답을 받기까지 걸린 시간입니다. 목표는 30분 미만입니다.

신입 첫 달 만족도는 "질문이 막혔을 때 어떻게 했는지" 항목을 기준으로 봅니다. 도입 전 대비 30% 상승이 목표입니다.

인사팀 단순 응대 시간은 주간 처리 시간으로 측정합니다. 목표는 도입 전 대비 70% 감소입니다.

자주 묻는 질문

도입 검토 단계에서 자주 나오는 질문은 신입이 입사할 때마다 챗봇을 새로 학습시켜야 하는지입니다. 챗봇은 한 번 구축하면 모든 신입이 함께 쓰며, 직무와 부서 정보를 메타데이터로 전달해 답변을 자동으로 맞춤화하므로 새로 학습시킬 필요가 없습니다.

챗봇이 잘못 답했을 때의 책임에 대한 질문도 많습니다. 답변마다 출처와 함께 "이 답이 정확하지 않으면 인사팀에 직접 확인하세요"라는 안내를 붙이는 것이 표준이며, 정책 문서가 출처로 명시된 답변은 그 문서의 책임자가 답변 책임자가 됩니다.

도입 규모는 연간 입사자 30명을 기준으로 판단합니다. 그 이상이면 ROI를 비교적 빠르게 측정할 수 있고, 그 미만이면 사수의 1:1 온보딩과 정리된 위키로 충분한 경우가 많습니다. 한국어와 영어를 함께 쓰는 조직에도 적용할 수 있습니다. LLM은 두 언어를 동등하게 처리하며, 위키 원본 언어와 답변 언어를 구분해 카탈로그에 등록하면 됩니다.

도입 시작 방법

이 가이드의 내용으로 사내에서 직접 도입을 시작할 수 있습니다. Notion 위키가 갖춰진 조직이라면 옵션 A로 1~2주 파일럿을 운영하고 첫 분기 자가 응답률을 측정하는 것부터 시작합니다.