공공기관 생성형 AI 교육: 코레일로지스 철도물류 데이터를 사업계획 AI 비서로 연결하다
생성형 AI 교육의 성과는 새로운 도구를 아는 데서가 아니라,
조직의 데이터를 실제 의사결정과 보고 업무로 연결할 때 만들어집니다.
안녕하세요, 데이터다이빙입니다.
생성형 AI를 처음 도입하는 조직에서는 어떤 도구를 사용할 수 있는지 알려주는 것만큼,
AI를 실제 업무의 어느 단계에 적용할지 이해하는 과정이 중요합니다.
특히 데이터 정리와 분석, 사업계획 수립, 보고자료 작성처럼 여러 단계가 이어지는 업무라면 각 기능을
분리해서 배우기보다 앞 단계의 결과를 다음 단계로 연결해보는 경험이 필요합니다.
데이터다이빙은 코레일로지스의 첫 생성형 AI 교육을 맡아, 생성형 AI의 기초부터 프롬프트 설계, 철도물류 데이터 분석, 차년도 사업계획안과 보고용 PPT 제작, 맞춤형 AI 비서 설계까지 이어지는 7시간 프로젝트형 과정을 진행했습니다.
이번 글에서는 코레일로지스와 함께 진행한 ‘공공기관 생성형 AI 교육’을 소개합니다.
4시간 기능 교육에서
7시간 프로젝트형 과정으로
교육은 처음에는 4시간 과정으로 논의됐습니다.
하지만 생성형 AI를 처음 배우는 구성원에게 기초적인 활용법만 전달하기보다, 데이터 분석과 문서 작성,
발표자료 제작, 맞춤형 업무 비서까지 실제 업무 흐름을 충분히 경험하게 할 필요가 있었습니다.
교육 범위를 구체화하는 과정에서 임원진의 참여와 기대, 코레일로지스의 업무 특성을 함께 반영했고,
최종적으로 총 7시간의 프로젝트형 과정으로 확대했습니다.
과정은 생성형 AI 이해, 프롬프트 설계, 데이터 정리와 분석, 문서와 발표자료 제작, 맞춤형 AI 비서 제작의 다섯 단계로 구성했습니다.
각 단계를 독립된 기능 실습으로 나누지 않은 것도 이번 교육의 중요한 설계 방향이었습니다. 앞 단계에서 만든 결과를 다음 단계의 입력으로 활용해, 하나의 업무가 처음부터 끝까지 이어지도록 구성했습니다.
첫 AI 교육일수록
기능보다 활용의 기준이 필요하다
이번 과정은 코레일로지스에서 조직 차원으로 처음 진행한 생성형 AI 교육이었습니다.
본사 경영·운영 지원 부서 구성원과 함께 사장과 본부장을 포함한 임원진도 교육에 참여했습니다.
구성원마다 생성형 AI를 접해본 경험과 활용 수준이 다른 상황이었기 때문에 특정 도구의 기능부터 바로
실습하기보다, 생성형 AI의 개념과 업무 활용 범위를 공통으로 이해하는 과정이 먼저 필요했습니다.
교육은 기존의 인지형 AI와 생성형 AI가 어떻게 다른지 살펴보는 것에서 시작했습니다. 이어 생성형 AI가 문서 작성, 정보 탐색, 데이터 요약, 발표자료 구성 등 어떤 업무를 지원할 수 있는지 살펴보고, AI 에이전트가 주어진 지침과 자료를 바탕으로 여러 작업을 수행하는 방식까지 단계적으로 설명했습니다.
동시에 AI가 모든 결과를 대신 판단하는 것은 아니라는 점도 강조했습니다. 생성형 AI가 초안 작성과 분석을 지원하더라도 결과의 정확성과 적절성을 검토하고 최종 의사결정을 내리는 역할은 사람에게 있다는
기준을 교육 초반부터 함께 다뤘습니다.
철도물류 업무의 언어로 프롬프트를 설계하다
생성형 AI를 실제 업무에 활용하려면 AI에게 업무의 배경과 목적을 정확하게 설명할 수 있어야 합니다.
프롬프트 실습에서는 업무의 목적에 맞게 구체적인 구조를 설계하는 방법을 다뤘습니다. 단순히 질문을
길게 작성하는 것이 아니라, 어떤 상황에서 누가 사용할 결과물인지까지 AI가 이해할 수 있도록 효율적인
구조를 만드는 과정이었습니다.
실습 예시 역시 일반적인 보고서나 이메일 작성에 머무르지 않고 철도물류 업무의 맥락을 반영했습니다.
폭설로 화물열차 운송이 지연된 상황을 가정해 화주사와 협력 운송사, 내부 영업·운영 부서에 전달할 안내문을 작성했습니다. 현재 상황과 지연 원인, 출고와 배송 일정에 미치는 영향, 조치 현황, 정상화 전망, 고객이 확인해야 할 사항을 포함하고, 불안을 줄이면서도 책임감이 드러나는 공식적인 문체를 지정했습니다.
이를 통해 같은 AI를 사용하더라도 업무의 맥락과 판단 기준을 어떻게 전달하는지에 따라 결과의 구체성과 활용도가 달라진다는 점을 확인할 수 있었습니다.
서로 다른 지사 데이터를
하나의 기준으로 정리하다
이번 교육의 중심 프로젝트는 2025년 철도물류 데이터를 분석해 2026년 사업계획안으로 발전시키는
과제였습니다.
참여자는 본사의 사업기획 실무자가 되어, 지사마다 서로 다른 형식으로 작성된 Excel 데이터를 분석
가능한 형태로 정리하는 단계부터 시작했습니다.
지사별 데이터에는 고객사 코드의 표기 방식이 다르거나 TEU 값이 비어 있는 등 바로 통합하기 어려운
요소가 포함돼 있었습니다. 참여자는 생성형 AI의 도움을 받아 다른 시트의 기준표와 거래처명을 연결하는 함수를 만들고, 결측값을 정리하는 VBA 코드를 작성했습니다.
이 과정에서 중요한 것은 함수와 코드의 실행 여부만이 아니었습니다. 고객사별 매출과 물동량을 같은 기준으로 비교할 수 있는 데이터가 됐는지, 원본 데이터가 보존됐는지, 사용 중인 Excel 환경에서도 정상적으로 작동하는지를 함께 확인했습니다.
정리된 데이터는 피벗 테이블 분석으로 이어졌습니다. 물동량과 매출, 월별 추이, 고객사별 기여도, 운송
지연 패턴 등을 확인하기 위해 행·열·필터·값 영역을 어떻게 구성할지 AI의 추천을 받은 뒤, 참여자가 직접 피벗 구조와 집계 결과를 검토했습니다.
AI가 분석 방향을 제안할 수는 있지만, 어떤 기준이 실제 사업계획에 의미가 있는지는 업무를 이해하는
사람이 판단해야 하기 때문입니다.
데이터에서 사업계획안과 보고용 PPT까지
하나의 이야기로
데이터를 정리하고 피벗 테이블을 만드는 것만으로는 업무가 끝나지 않습니다. 분석한 숫자가 무엇을 의미하는지 해석하고, 이를 사업 전략과 실행 계획으로 발전시켜야 합니다.
참여자는 피벗 분석 결과를 바탕으로 현재 사업 현황과 문제를 정리하고, 차년도에 유지하거나 확대할
사업과 개선이 필요한 영역을 검토했습니다.
이후 분석 결과를 다음과 같은 흐름의 사업계획안으로 발전시켰습니다.
현황을 확인하고 문제와 원인을 정의한 뒤, 이를 해결하기 위한 전략 방향과 세부 실행 방안, 기대효과를
작성했습니다. 기존 약식보고서의 구조와 표현을 참고자료로 제공해 실제 상부 보고에 적합한 문서 형식을 갖추도록 했습니다.
작성한 사업계획안은 다시 10장 분량의 보고용 PPT 구조로 연결했습니다. ChatGPT를 활용해 슬라이드별 제목과 핵심 메시지를 정리하고, Gamma를 이용해 발표자료의 시각적 초안을 제작했습니다.
단순히 분석한 숫자를 슬라이드로 옮기는 것이 아니라, 숫자에서 의미를 찾고 이를 전략과 실행 계획으로
연결하는 보고의 흐름을 만드는 데 초점을 맞췄습니다.
일회성 프롬프트를
사업계획 AI 비서로 확장하다
마지막 단계에서는 앞서 진행한 데이터 분석과 사업계획 작성 과정을 반복해서 활용할 수 있도록
Gemini Gems를 설계했습니다.
참여자는 Gems의 지침에 AI가 맡을 역할과 작업 순서, 결과물의 형식, 반드시 확인해야 할 기준을 작성했습니다. 필요한 경우 답변의 근거가 될 자료를 지식으로 제공하고, 미리보기 영역에서 실제 응답을 확인하며 지침을 수정했습니다.
최종 실습에서는 Excel과 피벗 데이터를 바탕으로 인사이트를 도출하고, 차년도 사업 전략과 사업계획안, PPT 개요를 단계적으로 작성하는 ‘차년도 사업 계획안 도출 Gems’를 구성했습니다.
Gems가 모든 결과를 한 번에 자동 생성하도록 하지는 않았습니다. 데이터 분석, 전략 제안, 문서 작성, PPT 구성의 각 단계가 끝날 때 사용자가 결과를 검토한 뒤 다음 단계로 넘어가도록 설계했습니다.
이는 생성형 AI가 결론을 대신 결정하는 방식이 아니라, 사람이 단계별 결과를 확인하면서 반복 업무의
효율을 높이는 방식입니다.
첫 AI 교육을
다음 업무와 후속 과정으로 연결하다
코레일로지스 과정은 생성형 AI를 처음 접하는 조직이 기초 교육을 실제 업무 활용으로 어떻게 확장할 수
있는지를 보여준 사례입니다.
프롬프트를 작성하는 방법에서 출발해 지사별 물류 데이터를 정리하고, 피벗 테이블로 인사이트를 도출한 뒤, 이를 2026년 사업계획안과 보고용 PPT로 발전시켰습니다. 마지막에는 전체 업무를 반복 수행할 수
있는 맞춤형 Gems로 연결했습니다.
보고서 작성, Excel 분석, PPT 제작을 각각 구분해 학습한 것이 아니라, 하나의 업무 결과가 다음 단계의
자료가 되도록 구성했다는 점이 이번 교육의 핵심입니다.
교육 이후 담당자와의 후속 소통에서는 차년도 교육에 대해서도 문의하고 싶다는 뜻이 전해졌습니다.
이번 과정이 일회성 교육을 넘어, 생성형 AI를 조직의 실제 업무에 적용할 수 있는 가능성을 확인하는 계기가 된 것입니다. 코레일로지스의 첫 AI 교육은 구성원들이 공통의 활용 기준을 익히고, 향후 수준별·업무별 심화 교육을 검토할 수 있는 출발점이 됐습니다.
데이터다이빙은 생성형 AI의 기능을 전달하는 데서 그치지 않고, 조직의 실제 데이터와 문서, 보고 체계를 반영해 업무의 시작부터 결과물까지 연결되는 교육을 설계합니다.
우리 조직의 업무에 맞는 생성형 AI 교육이 필요하다면 데이터다이빙과 함께 시작해 보세요.
상세 커리큘럼이 궁금하신가요?
공공기관 생성형 AI 교육 커리큘럼에 대해 자세히 알고 싶으시다면,
아래 버튼을 클릭하여 문의해 주세요. 귀사의 특성에 맞는 맞춤형 교육 방안을 제안해 드리겠습니다.
![2025 시흥시 생성형AI 행정업무 교육 [3-Track 진행]](https://datadiving.net/wp-content/uploads/2025/09/Frame-19-1-768x432.png)
![KB증권 ChatGPT와 엑셀을 활용한 데이터분석 교육(집합교육) – [1/2]](https://datadiving.net/wp-content/uploads/2023/12/기업교육-16_9-집합교육_KB1-768x432.png)
![SK텔레콤 챗GPT를 활용한 엑셀 업무자동화 교육(집합교육) – [1/2]](https://datadiving.net/wp-content/uploads/2023/12/기업교육-16_9-집합교육_SK1-768x432.png)