기업에서는 AI가 업무 시스템의 화면을 직접 조작하고, 정해진 절차를 수행하는 데까지 활용 범위를 넓히고 있습니다. OpenAI의 GPT-6 Astra와 Google의 Gemini 3.5 Flash처럼 주요 AI 기업들이 Computer Use 기능을 고도화하는 것도 이런 업무 수요와 맞닿아 있습니다.
업무에 Computer Use를 활용할 때는 한 가지 질문이 더 생깁니다. 오늘 완료한 작업을 다음 주와 그다음 달에도 같은 기준으로 정확하게 처리할 수 있을까요? 업무가 반복되는 동안 UI 화면과 입력값은 달라질 수 있고, 실행할 때마다 AI가 화면을 읽고 다음 행동을 판단하면 비용도 계속 발생합니다.
엔터프라이즈 환경에서의 Computer Use는 반복 업무에 적용될 때 정확도와 실행 비용, 실패 이후의 유지보수까지 함께 고려되어야 합니다. 어떤 업무에서 이 방식이 유의미한지, 반복 실행은 어떻게 설계할 수 있는지 살펴보겠습니다.
Computer Use를 적용할 수 있는 업무의 조건
기업에는 담당자가 ERP와 CRM 등 여러 시스템을 오가며 처리하는 반복 업무가 있습니다. 데이터를 내려받아 가공한 뒤 다른 시스템에 업로드하는 작업이 대표적입니다.
절차가 정해져 있는 업무라도, 매월 반복되면 담당자에게 적지 않은 부담이 됩니다. 그러나 이를 모두 AI로 자동화하기는 쉽지 않습니다. 일부 단계는 API로 연결하기 어렵고, UI 화면이 달라지는 등의 변수는 통제하기 어렵습니다.
예를 들어 재무 담당자가 매월 지출 내역 마감 업무를 위해 한 시스템에서 지출 내역과 영수증, 인보이스를 내려받아 다른 업무 시스템에 업로드하고, 정상적으로 반영됐는지 확인한다고 가정해 보겠습니다. 각 화면에서 해야 할 일은 정해져 있지만, 로그인 상태나 파일 이름, 입력값은 실행할 때마다 달라질 수 있습니다. 작업을 마친 뒤에는 업로드 결과와 지출 내역 금액의 일치 여부도 확인해야 합니다.
이런 업무는 업무의 시작점이 있고, 완료 여부를 명확히 판단할 수 있는 기준이 있을 때 자동화 범위를 정하기 적합합니다.
한 번 보여준 업무를 반복 실행할 수 있는가
Enhans의 Computer Use는 AI가 업무 프로세스를 정확하게 이해하고 수행할 수 있도록 담당자가 먼저 업무를 직접 시연하는 절차를 거칩니다. 이 업무의 의도가 무엇인지, 어떤 화면에서 어떤 버튼을 클릭해야 하는지, 어떤 값을 입력하는지, 결과물은 어디에 저장하는지를 실제 작업을 통해 보여줍니다.
AI는 시연 내용을 정리하면서 화면 기록만으로 알기 어려운 조건을 담당자에게 묻습니다. 예를 들어 업로드할 파일은 어떤 기준으로 고르는지, 입력값이 비어 있을 때는 어떻게 처리하는지, 어떤 화면이 나타나야 업무가 끝난 것인지 확인합니다. 담당자가 확인해 준 파일 선택 기준과 예외 처리 방식은 자동화 절차에 반영됩니다.
이후 정리된 절차를 스크립트와 코드로 만들고 테스트합니다. 담당자가 테스트 결과를 확인하고 승인하면, 같은 업무를 수행할 때 이 절차를 다시 사용할 수 있습니다. 반복 실행에서 모델이 화면을 해석하는 횟수를 줄일 수 있다면, 업무량이 늘어날 때의 토큰 비용도 관리하기 쉬워집니다.
반복 업무를 처리하는 대표적인 실행 방식을 비교하면 다음과 같습니다.
화면이 바뀌어도 업무를 수행할 수 있는가
브라우저와 데스크톱 화면은 고정되어 있지 않습니다. 버튼 이름이나 입력 항목이 바뀌고, 작업에 필요한 파일의 저장 위치가 달라질 수 있습니다. 평소에는 나타나지 않던 안내창이 작업을 막기도 합니다. 반복 실행을 위한 스크립트가 준비돼 있어도 이런 변화에 유연하게 대응해야 실제 업무 환경에서도 AI가 안정적으로 실행됩니다.
Enhans의 Computer Use는 실행 이력에서 실패한 단계와 이유를 확인할 수 있도록 합니다. 담당자는 이 기록을 바탕으로 AI와 함께 실행 로직을 수정할 수 있습니다. 수정한 작업은 다시 테스트한 뒤 담당자의 승인을 거칩니다.
하나의 워크플로우에서 확장될 수 있는가
기업의 업무는 시스템에서 데이터를 조회하고 옮기는 것으로 끝나지 않습니다. 취합한 자료의 의미를 파악해 보고서에 반영하거나, 상대방의 질문에 맞는 답변을 작성하는 작업이 이어집니다. 이때 화면에서 수행할 작업과 자료를 해석해 작성할 작업을 하나의 업무 흐름 안에서 연결할 필요가 있습니다.
예를 들어 마케터가 캠페인 성과를 묻는 메일을 받았다고 가정해 보겠습니다. 답변에 필요한 수치를 확인하기 위해 CRM에 접속하고, 관련 데이터를 내려받아 정해진 기준에 따라 정리합니다. Computer Use가 이 화면 작업을 수행한 뒤 정리된 결과를 온톨로지 데이터베이스에 저장합니다. 저장한 수치는 기업의 업무 규칙, 마케팅 담당자의 의사결정 기준과 연결됩니다.
즉, 업무 담당자가 사용하는 해석 기준이 데이터와 연결되는 것입니다. CPC가 올랐을 때 어떤 지표와 운영 조건을 함께 확인해야 하는지, CTR이 떨어졌을 때 소재나 노출 대상의 변화를 어떻게 살펴봐야 하는지와 같은 기준입니다. AI는 온톨로지에 정리된 데이터와 업무 지식을 참조해 성과 변화를 해석하고, 상대방의 질문에 맞는 메일 답변 초안을 작성합니다. 이후 담당자가 직접 답변 내용을 검토한 후 최종 승인합니다.
이처럼 Enhans의 AgentOS에서는 Computer Use의 데이터 취합, 온톨로지를 통한 데이터와 업무 기준의 연결, 생성형 AI의 답변 초안 작성, 사람의 최종 검토와 승인 후 업무 실행까지 하나의 워크플로우로 연결됩니다.
기업에 필요한 Computer Use의 조건: 정확도와 비용의 예측 가능성
프론티어 AI 모델은 처음 접하는 화면에서도 다음 행동을 판단하며 작업을 수행합니다. 다양한 업무를 처리할 수 있지만, 기업에서 같은 작업을 매일 반복한다면 실행할 때마다 화면을 해석하고 판단하는 데 드는 시간과 토큰 비용을 함께 따져야 합니다. 같은 절차를 수행했을 때 결과가 얼마나 일관적인지도 확인해야 합니다.
장부 다운로드, 양식 입력, 자료 취합처럼 절차가 정해진 업무에서는 매번 새로운 실행 경로를 찾을 필요가 없습니다. Enhans는 담당자가 시연한 업무를 스크립트와 코드로 남겨 반복 실행에 활용합니다. 화면 변경으로 실패하면 실행 기록을 바탕으로 필요한 부분을 수정합니다. 이 구조를 통해 반복 업무의 정확도와 실행 시간, 모델 사용 비용을 함께 관리할 수 있도록 설계하고 있습니다.
반복 업무에서 매번 화면과 작업 절차를 처음부터 해석하는 과정을 줄이면, 업무 한 건에 드는 시간과 토큰 비용을 낮출 수 있습니다. 기업은 업무별 실행 시간과 모델 사용량을 기록해 실제 절감 폭을 확인하고, 처리량이 늘어날 때의 비용을 예측할 수 있습니다. 이러한 기준을 바탕으로 반복 업무의 품질과 비용이 예측 가능해질 때, Computer Use도 엔터프라이즈 환경에서 안정적으로 실행될 수 있습니다.
in solving your problems with Enhans!
We'll contact you shortly!