PERSPECTIVES / Instorm
경영진 두 명이 연 26개 행사를 운영합니다. 작은 회사의 운영을 바꾼 AI
OpenAI 공식 사례 6곳을 원문 기반으로 분석합니다. 공연업 2인 경영진의 행사 점검·재고, 음식점 메뉴 가격·현금 대사, 카페의 직원 교육, 인허가 준비, 제조업 품목 체계, 농장 지식 검색까지.
인용한 성과는 OpenAI가 공개한 개별 기업 고객 사례와 회사 측 추정치입니다. 업종 평균 성과나 인스톰의 실적을 의미하지 않습니다.
미국에서 매년 약 26회의 모터스포츠 공연을 운영하는 회사가 있습니다.
여러 도시를 돌며 공연 일정을 준비하고, 장비를 운반하고, 티켓과 기념품을 판매합니다. 행사 날짜가 잘못 올라간 웹사이트도 직접 찾아 고쳐야 합니다.
이쯤 되면 직원이 꽤 많은 회사 같지 않습니까?
그런데 이 회사의 공동창업자 두 명이 핵심 경영진입니다.
ATV Big Air Tour는 ChatGPT Work를 도입한 뒤 매주 약 8시간 걸리던 행사 정보 확인을 약 1시간으로 줄였다고 밝혔습니다. 기념품 재고 확인과 발주 준비는 2~3일에서 2~3시간으로 단축됐습니다.
AI가 공연을 대신한 것은 아닙니다. 사람은 공연을 준비하고 현장에서 관객을 만납니다.
달라진 것은 공연 전에 대표를 붙잡고 있던 운영 업무였습니다.
이 이야기를 시작으로 OpenAI가 공개한 실제 회사들의 운영 사례 여섯 곳을 살펴보겠습니다. 본문 수치는 각 기업이 OpenAI에 보고한 결과나 추정치로, 인스톰 자체 실적은 아닙니다.
직원 수가 아니라 '반복되는 일'을 먼저 봐야 합니다
"우리도 GPT로 홍보 문구를 써봤어요."
요즘 많이 듣는 이야기입니다. 쓸모 있는 출발이지만, 홍보 문구가 빨리 만들어졌다고 해서 인건비 계산, 매출 정리, 직원 교육, 발주, 계약 준비가 저절로 끝나지는 않습니다.
큰 회사라면 업무마다 부서가 있습니다. 작은 회사에서는 그 부서의 이름이 전부 대표님인 경우가 많습니다.
OpenAI는 2026년 9월 9~15일 한 주 동안 전 세계 직원 500명 미만 기업의 직원 약 400만 명이 OpenAI 제품을 사용했다고 발표했습니다. 이는 '전 세계 소기업의 400만 곳이 사용했다'는 통계가 아닙니다. 사용한 사람의 수에 대한 집계입니다.
원문: OpenAI, Helping small businesses put AI to work (2026.09.30)
여섯 회사가 무엇을 바꿨는지, 어떤 자료를 넣었는지, 사람이 어떤 판단을 남겼는지까지 살펴보겠습니다.
1. 공연업 경영진 두 명 — 매일 30개 사이트를 확인하는 일을 누구에게 맡길까?
ATV Big Air Tour가 매일 확인해야 했던 것은 공연 장소와 날짜만이 아니었습니다.
이 회사의 일정은 직접 운영하는 홈페이지에만 올라가지 않습니다. 행사 주최사, 자원봉사자, 티켓 판매팀, 지역 언론, 상공회의소 등 여러 곳이 공연을 소개합니다. 그런데 날짜와 장소 같은 기본 정보가 틀리게 올라올 수 있습니다.
공동창업자 라리사는 매일 약 30개의 온라인 게재물을 직접 확인해 왔습니다. 이 작업에 주당 약 8시간을 썼습니다.
ChatGPT Work로 바꾼 뒤에는 매일 아침 예약된 점검 보고서를 받습니다. AI는 우선 확인 대상 사이트를 점검할 뿐 아니라 라리사가 몰랐던 행사 소개 페이지도 찾아 불일치를 표시합니다. 어느 게시물에 수정 요청을 해야 하는지 담당자 후보를 제시하고 정정 이메일의 초안을 작성합니다.
주당 점검 시간은 약 8시간에서 1시간으로 감소했습니다.
재고 관리에서는 더 직관적인 방식을 썼습니다. 굿즈 사진을 찍어 업로드하자 ChatGPT Work가 품목을 정리하고, 스프레드시트와 시각적인 재고 조회 웹페이지, 재주문 권고안을 15분 이내에 생성했습니다. 라리사가 권고안을 검토해 수정하고 최종 발주를 공급업체에 보냈습니다.
최초 재고 정리 결과를 만드는 데 15분 이내였다는 뜻이지, 실제 발주 전체가 15분 만에 끝났다는 뜻은 아닙니다. 실제 재고 확인부터 발주까지는 종전 2~3일에서 2~3시간으로 감소했습니다.
여기서 끝나지 않습니다. 라리사는 행사 날짜, 장소, 티켓 정보를 AI 검색 서비스가 읽을 수 있도록 홈페이지를 점검하는 일일 AEO 점검도 설정했습니다. 한 차례 점검에서는 ChatGPT가 홈페이지 FAQ의 약 90%를 가져오지 못하는 문제가 발견돼 수정 방향을 제안받았습니다.
회사가 자체 분석에서 제시한 OpenAI 검색·사용자 봇 관련 요청은 연속된 30일 구간에서 183건에서 2,421건으로 증가, 증가율 **1,223%**였습니다. 학습용 봇과 타 AI 플랫폼의 요청은 제외했다고 합니다.
이 숫자는 인용 1,223% 증가나 매출 1,223% 증가가 아닙니다. 특정 범위로 필터링한 홈페이지의 봇 요청 건수 변화입니다. AI가 실제 답변에 몇 번 추천했는지, 고객이 그 답변을 보고 결제했는지는 별도의 측정이 필요합니다.
그럼에도 유의미한 장면이 있습니다. AI를 단순 글쓰기 도구가 아니라 외부 정보 검수, 재고 관리, 홈페이지 기술 점검을 정기적으로 수행하는 운영 도구로 사용했다는 것입니다.
출처: OpenAI, ATV Big Air Tour turned 3 days of work into 3 hours with ChatGPT, 2026.09.02
2. 음식점 세 곳 — 메뉴 가격표 하나를 바꾸는 데 왜 5일이나 걸릴까?
테드 테일러는 반도체 산업에서 25년간 일한 뒤 외식업에 뛰어들었습니다. 지금은 미국 뉴멕시코주에서 Schlotzsky’s와 Cinnabon이 함께 운영되는 가맹 매장 세 곳을 관리합니다.
식당 운영에서 메뉴 가격을 바꾸는 일은 생각보다 복잡합니다. 원재료와 조리 비용뿐 아니라 주변 경쟁점의 가격, 음식의 양, 상대적인 품질, 메뉴 인기도, 매장 주문과 배달 주문의 수익 구조를 함께 봐야 하기 때문입니다.
그는 먼저 ChatGPT Work에 주변 경쟁점의 가격 동향과 메뉴별 특징을 조사하게 합니다. 그다음 카테고리별 메뉴 목록과 현재 매장·배달 가격을 전달합니다. 가격을 전체적으로 어느 정도 올리고 싶은지, 어느 품목은 더 올리고 어느 품목은 덜 올릴지까지 조건을 줍니다. 판매 이력과 납품업체 가격 자료를 더하면 원가율 목표에 맞춰 영향을 추정할 수도 있습니다.
반환되는 결과물은 메뉴별 매장 가격과 배달 가격을 제안한 스프레드시트입니다. 고객 이탈 가능성, 갑작스러운 가격 충격, 추가 메뉴의 경쟁력 같은 관점도 함께 검토합니다.
처음에는 테드도 AI 분석과 기존 수작업 분석을 병행했습니다. 그 과정에서 ChatGPT Work가 지역 경쟁 상황을 더 깊이 비교해, 경쟁력을 떨어뜨릴 수 있는 인상안을 피하는 데 도움이 됐다고 설명했습니다. 이후 AI 권고안을 먼저 받고 사람이 조정하는 방식으로 바꿨습니다.
가격 분석 시간은 5일에서 1~2시간으로 줄었다고 합니다.
그런데 그는 메뉴 가격표에서 멈추지 않았습니다.
매장별 매출과 직원 근무 자료에는 읽기 전용 접근 권한을 부여했습니다. AI는 예정 근무시간, 예산상 근무시간, 실제 근무시간과 예상·실제 매출을 비교합니다. 이전 12주의 실적까지 보며 초과근무, 계획보다 길어진 근무, 인력 배치의 빈틈을 표시합니다.
근무표 실험에서는 직원의 직책, 교육 수준, 근무 가능 시간, 급여와 매출 수준별 필요 인원을 전달했습니다. 처음 AI가 만든 근무표에는 피크타임에 인력을 더 배치하는 규칙이 부족했습니다. 매니저가 그 문제를 발견했고, 규칙을 보완했습니다. 현재는 AI가 한 지점의 전체 근무표를 제안하고 매니저가 검토·수정해 기존 일정 시스템에 입력합니다.
테드는 이 방식을 세 지점으로 확대하면 매출 대비 시간제 인건비 비중을 1~2%포인트 낮춰 연간 5만~10만 달러의 현금 여력을 확보할 가능성이 있다고 추정합니다. 이미 벌어들인 금액이 아닙니다. 추정 시나리오입니다.
눈에 잘 띄지 않는 후방 업무도 바뀌었습니다. 매장별 현금 거래 기록과 은행 입금 기록을 업로드해 일치하는지 대조합니다. 월별 현금 대사는 3시간에서 5~10분으로, 급여 처리에 필요한 자료 취합은 급여 처리 회차마다 4시간씩 단축했다고 합니다. 직원이 물품이나 수리를 요청하는 웹 포털도 만들어 요청 상태를 추적하게 했습니다.
여기서 꼭 볼 부분이 있습니다.
AI가 매장 운영에 대한 모든 권한을 가져간 것이 아닙니다. 테드가 자료와 의사결정 기준을 주고, 출력된 결과를 기존 방식과 비교하고, 관리자가 확인한 뒤 실행합니다.
대표님이 매일 작성하는 표가 이미 있다면, AI가 그 표를 읽고 판단의 초안을 만들 수 있을지부터 확인할 가치가 있습니다.
출처: OpenAI, Franchisee reconciles cash in 94% less time with ChatGPT Work, 2026.10.20
3. 카페 네 곳 — 25페이지 매뉴얼을 만들었는데 직원은 왜 계속 물을까?
Plex Coffee의 공동창업자 필리프 청과 막스 캄프는 처음엔 카운터에 직접 섰습니다. 음료 제조법부터 고객 응대 방식까지 신입 직원에게 하나하나 가르쳤습니다.
매장이 한 곳에서 네 곳으로 늘자 문제가 드러났습니다. 파트타임 직원들은 교대로 출근하고, 매장마다 질문이 쏟아집니다. 물건이 어디 있는지, 특정 업무를 어떻게 처리하는지 묻는 메시지가 WhatsApp 단체 대화방에 쌓였습니다. 매니저는 질문에 답하느라 원래 하던 일에 집중하기 어려워졌습니다.
창업자는 이미 25페이지짜리 직원 매뉴얼도 만들어 두었습니다. 하지만 매뉴얼은 존재할 뿐, 실제로 잘 읽히지 않았습니다.
Plex는 먼저 정보를 Notion에 모았습니다. 그런데 일반적인 키워드 검색은 기대만큼 편하지 않았습니다. 같은 물건이나 절차를 직원마다 다른 단어로 물었기 때문입니다.
그래서 ChatGPT Business와 Notion을 연결했습니다. 직원들은 매장에 있는 iPad에서 필요한 내용을 일상적인 문장으로 질문할 수 있게 됐습니다. 별도로 25페이지 매뉴얼을 맞춤형 GPT에 넣고, 신입 직원에게 보내는 온보딩 이메일에 포함했습니다. 이 GPT는 커피 원산지와 같은 기술 정보뿐 아니라 회사가 중요하게 생각하는 고객 응대 가치까지 대화로 설명하도록 구성됐습니다.
발표된 성과는 두 가지입니다. 특정 운영 질문과 관련된 WhatsApp 메시지가 50% 넘게 감소했고, 신입 교육 기간이 수주에서 수일로 줄었습니다. 전체 메시지의 절반이 줄었다거나 모든 직원의 교육 기간이 정확히 며칠이었다는 의미는 아닙니다.
이후 Plex는 신규 입지 조사에 Deep Research를 사용해 고객 수와 매출 잠재력을 추정하고, 유난히 매출이 높거나 낮았던 날의 원인을 지역 행사나 학생들의 이동과 관련해 살펴보기 시작했습니다. 공급업체별로 다른 주문 절차를 에이전트로 처리하는 방안도 실험 중이라고 소개했습니다. 발주 자동화가 완전히 운영된다고 발표한 것은 아닙니다.
작은 회사에서 직원에게 같은 내용을 세 번 이상 설명한다면 매뉴얼을 더 길게 쓸 문제가 아닐 수 있습니다.
매뉴얼에 답이 있느냐보다, 현장에서 그 답을 얼마나 빨리 찾느냐가 중요할 때가 있습니다.
출처: OpenAI, Plex Coffee delivers fast, personal service with ChatGPT, 2025.10.15
4. 복합문화공간 — 두 번째 지점을 열려는데 서류가 어디 있는지부터 찾아야 한다
미국 덴버의 The Den Family Social은 부모와 아이가 함께 이용하는 복합문화공간입니다. 창업자 챈들러 라이프가 두 번째 지점을 준비하면서 행정 업무가 늘었습니다.
첫 번째 지점에서 이미 해본 일도, 두 번째 지점에서 다시 하려면 관련 이메일과 문서, 과거 의사결정을 찾아야 합니다. 갑자기 인허가 일정이 앞당겨질 기회가 생기면 그 압박은 더 커집니다.
The Den은 Gmail, Slack, Google Drive를 ChatGPT Work와 연결해 회사 전반에 흩어진 정보를 가져오고, 필요한 서류를 확인하고, 누락된 항목을 찾고, 제출 형식에 맞추는 일을 진행했습니다.
두 번째 주류 판매 허가 신청 준비에서 갑자기 더 빠른 청문회 일정을 확보할 기회가 생겼습니다. 자료 검색, 분류, 형식 변환, 취합에 4일이 걸렸을 업무를 팀 검토와 마무리까지 포함해 3시간에 처리했다고 합니다. 보조금 신청 준비도 3일에서 2시간으로 줄었습니다.
회사가 발표한 경영진의 전체 절감 시간은 매주 10~15시간입니다. 창업자는 이와 별도로 회의 전에 ChatGPT와 쟁점을 탐색하면서 탐색적 논의 시간 약 7시간을 줄인다고 추산했습니다. 이 두 수치는 서로 범위가 겹칠 수 있으므로 합산해 '매주 22시간 절감'이라고 해석해서는 안 됩니다.
또 다른 사례도 흥미롭습니다. 프로그램·파트너십 책임자 브룩은 어떤 제휴가 성공했고 어떤 제휴가 실패했는지, 그 이유를 ChatGPT에 설명하며 제휴 체계 초안을 만들었습니다. 총괄 매니저 마이아는 회계 담당자의 재무 보고서와 POS의 매출·재고 데이터를 모아 지점별 구매 및 재고 의사결정을 위한 자료를 정리했습니다.
반면 회원 체크인·수업 등록 앱과 POS 연동, Slack 알림 시스템은 향후 검토 계획으로 소개됐습니다. 이미 구축된 결과라고 쓰면 안 됩니다.
사업을 확장하는 대표가 부족한 것은 아이디어보다 '지난번에 어떻게 했는지'를 되찾을 시간일 수 있습니다.
출처: OpenAI, The Den frees up 10–15 hours a week to grow with ChatGPT Work, 2026.10.01
5. 86년 된 금속 재활용업체 — 몇 주 미뤘던 품목 번호를 오후에 정리했습니다
Reno Salvage는 미국 네바다주의 오래된 금속 재활용·가공 업체입니다. 운영 책임자 리처드 레인이 맡은 현장에는 매일 예상하지 못한 일이 생깁니다. 잘못 표기된 자재가 들어오고, 장비가 갑자기 멈추고, 고객은 생소한 규격을 묻습니다.
회사는 1,000개가 넘는 품목에 체계적인 부품 번호를 부여하는 일을 몇 주 걸릴 작업으로 생각해 미뤄왔습니다. 리처드는 품목 이름에 두께와 폭을 결합하고, 치수를 소수 표현으로 바꾸는 규칙을 정해 ChatGPT에 전달했습니다. 현장 직원들이 외우기 쉬워야 한다는 조건도 붙였습니다.
OpenAI가 게시한 실제 대화 예시에는 AI가 part_number, category_id 두 열로 된 엑셀 결과물을 준비하는 장면이 나옵니다. 회사 설명에 따르면 몇 주 미루던 분류 작업이 오후 한나절에 정리됐습니다.
한번은 플라즈마 절단 장비가 고장 났을 때 증상을 설명하고 문제 해결 단서를 얻어 작업을 이어 갔다고 합니다. 고객의 자재 규격이나 재료 계산에 관한 질문을 받으면 현장에서 ChatGPT로 관련 정보를 찾아 답변을 준비하기도 합니다.
다만 설비 점검과 수리에서는 중요한 제한이 있습니다. OpenAI의 이 사례는 특정 고장 해결 경험을 소개할 뿐, AI만으로 모든 설비를 안전하게 진단하거나 수리할 수 있다고 보장하지 않습니다. 위험한 장비는 제조사 지침과 숙련된 기술자의 안전 판단이 우선입니다.
이 회사가 얻은 가치는 단순히 엑셀 파일 하나가 아닙니다.
현장 경험이 많은 사람의 분류 기준을 정리해 다른 직원도 일관되게 사용할 수 있도록 했다는 점입니다.
출처: OpenAI, Small businesses are getting more done with ChatGPT — Reno Salvage, 2026.02.04
6. 농장 — 1971년부터 쌓인 손글씨 장부를 다음 세대가 검색합니다
Sharp & Sharp Certified Seed는 미국 사우스캐롤라이나주의 가족 농장입니다. 레이철 샤프는 아버지 돈 샤프가 오랫동안 쌓아온 노하우를 이어받을 준비를 하고 있습니다.
농장의 오래된 기록은 종이 장부에 있었습니다. 1971년부터 남겨온 작물 기록입니다. 언제 무엇을 심었는지, 얼마나 수확했는지, 어떤 방법을 썼는지 등이 담겼습니다.
레이철은 이 기록을 디지털화해 ChatGPT로 검색할 수 있도록 만들었습니다. 회사는 이제 과거 재배 기록에 접근할 수 있게 됐다고 설명합니다.
농장에서는 컴퓨터 앞에 앉아 있을 시간도 부족합니다. 레이철은 콤바인을 타거나 밭을 돌아다니면서 음성 모드로 작업량을 기록합니다. 문제가 있어 보이는 콩 작물은 사진을 찍어 질문하고, 농기계를 수리할 때는 부품 정보를 확인하는 데 활용합니다.
공개된 예시에는 관개용수 사용량을 계산할 방법을 묻고, 자재가 어느 건물에 있는지 지도로 정리하는 대화도 있습니다.
정확한 수확량 증가나 농장 수익 개선 수치는 공개되지 않았습니다. 이 사례를 'AI 도입으로 생산성이 몇 퍼센트 증가했다'고 바꿔 말할 수는 없습니다.
그러나 저는 이 사례가 특히 의미 있다고 생각합니다.
오랫동안 한 사람의 경험 속에 남아 있던 정보가 다음 세대의 업무 도구가 됐기 때문입니다. 우리나라의 가족기업과 작은 제조사에도 이런 기록이 얼마나 많을까요?
여섯 회사가 보여준 공통점
공연업체는 외부에 올라간 일정 정보를 확인했습니다. 음식점은 매출과 원가·근무시간을 비교했습니다. 카페는 이미 존재하던 매뉴얼을 직원이 바로 꺼내 읽게 만들었습니다. 복합문화공간은 흩어진 서류를 다시 모았습니다. 금속 업체는 오랫동안 미뤄둔 품목 체계를 정리했고, 농장은 1971년부터 쌓인 기록을 검색 가능하게 했습니다.
이 가운데서 AI가 현장 업무의 모든 결정을 대신한 사례는 없습니다. 메뉴 가격은 대표가 확인했고, 근무표는 매니저가 수정했고, 발주는 담당자가 검토했습니다.
중요한 것은 'AI로 무엇을 보여줄까'보다 '이번 주에 사람이 왜 똑같은 일을 또 하고 있는가'입니다.
또한 발표된 수치를 정확히 구별해야 합니다. ATV Big Air Tour의 봇 요청 증가율은 AI 검색 추천률이 아닙니다. 음식점의 연간 현금 흐름 개선 규모는 미래 추정치입니다. 농장이나 금속 업체가 특정 매출 증가율을 발표한 것도 아닙니다.
대표님 회사에도 이런 일이 있습니까?
월말마다 같은 엑셀을 다시 만드는 일, 직원이 바뀔 때마다 반복하는 설명, 여러 거래처에 걸쳐 흩어진 파일을 찾는 일, 비품과 재고를 조사하는 일, 외부에 잘못 게시된 회사 정보를 확인하는 일.
그중 매달 가장 많은 시간을 쓰는 한 가지만 기록해 보십시오.
1회 작업 시간, 반복 횟수, 필요한 자료, 반드시 사람이 승인해야 할 단계만 적어도 시작할 수 있습니다.
인스톰은 도구 자체보다 업무의 병목을 먼저 살펴봅니다. 현재 사용하는 문서와 엑셀만으로 해결할 수 있다면 새로운 시스템을 만들지 않는 편이 나을 수도 있습니다.
대표님 회사에서 매주 반복하는 일이 무엇인지 알려주십시오. 실제 자료를 바탕으로 어떤 부분부터 검토할 수 있을지 이야기하겠습니다.
인스톰 AI 업무 컨설팅 문의 · support@instormcorp.com
다음 글
2편에서는 영업과 매출의 문제를 살펴봅니다. 혼자 영업하는 교육사업자, 고객 맞춤형 데모로 경쟁하는 직원 다섯 명의 스타트업, 리뷰를 제품 개발에 활용하는 소비재 기업 등 네 가지 사례를 자세히 소개합니다.
2편: 1인 사업자가 열흘 만에 유료 교육 예약을 만들었습니다
참고 자료
- OpenAI, ATV Big Air Tour (2026.09.02)
- OpenAI, Ted Taylor restaurants (2026.10.20)
- OpenAI, Plex Coffee (2025.10.15)
- OpenAI, The Den (2026.10.01)
- OpenAI, Small business stories — Reno Salvage / Sharp & Sharp (2026.02.04)
- OpenAI, Helping small businesses put AI to work (2026.09.30)
※ 시간 절감과 운영 성과는 각 회사가 공개한 개별 고객 사례의 보고·추정치입니다. 외부에서 독립 검증한 국내 평균 성과나 인스톰 실적이 아닙니다. 위험 작업과 개인정보 등은 전문가 검토 및 별도 통제가 필요합니다.
