How NVIDIA scales expertise with ChatGPT Work
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 요약
NVIDIA는 ChatGPT Work로 반복 업무와 정보 분석을 재사용 가능한 워크플로로 전환해 고객 지원과 협업에 쓸 시간을 확보하고 있다.
📌 핵심 요약
- NVIDIA의 GTM과 솔루션 아키텍처 업무에서는 ChatGPT Work를 활용해 반복 운영 절차를 자동화하고 외부 AI 동향을 내부 우선순위와 연결한다.
- Will Daney는 GTC 준비 과정에서 시간의 약 40%를 차지하던 수작업 분석의 상당 부분을 주 2회 실행되는 워크플로로 전환했으며, 12주 준비 기간에 주당 약 16시간을 절약한다.
- Will Daney의 워크플로는 산호세, 타이베이, 유럽, 워싱턴 DC의 행사 지원 동료들에게 공유됐으며 지역별 필요에 맞게 수정됐다.
- Rachita Jain은 신뢰할 수 있는 외부 자료와 내부 맥락을 함께 검토하는 워크플로를 구축해 매주 약 25~40건의 외부 AI 업데이트를 실행에 참고할 5~8개의 신호로 압축한다.
- Rachita Jain은 한 사례에서 아이디어를 작동하는 프로토타입으로 만드는 데 약 3~5일이 걸렸으며, 별도 도구로 구성 요소를 수작업 개발했다면 약 2~3주가 걸렸을 것으로 추정했다.
🧩 주요 포인트
- GTC 준비의 반복 분석 자동화 → 담당자가 현장 조직과 협력하고 고객의 성공을 지원할 시간 확보.
- 외부 AI 업데이트와 내부 맥락의 결합 → NVIDIA의 우선순위와 연결되는 정보를 선별하고 실행 판단에 활용.
- 담당자가 통제하는 재사용 가능한 워크플로 → 행사·지역·기능별로 검증된 업무 방식을 조정하고 확산할 기반 마련.
🧠 상세 정리
1. 정보 취합에서 실행 중심 업무로의 전환
NVIDIA는 ChatGPT Work를 활용해 지식근로자가 정보를 모으는 데 쓰는 시간을 줄이고, 그 정보를 바탕으로 행동하는 데 더 많은 시간을 쓰도록 돕고 있다. 원문은 GTM과 솔루션 아키텍처 업무를 중심으로, ChatGPT가 업무를 조직하고 자동화하며 확장하는 과정에 들어온 모습을 설명한다. GTM에서는 반복되는 운영 절차를 바꾸는 데 활용하고, 솔루션 아키텍처에서는 빠르게 변하는 외부 동향을 NVIDIA의 내부 우선순위와 연결하는 데 활용한다. 두 사례를 관통하는 방향은 담당자의 전문지식을 워크플로에 담아 반복 활용하면서 고객 지원과 판단에 집중할 여유를 확보하는 것이다.
2. GTC 준비 분석의 자동화와 시간 절감
Will Daney는 NVIDIA의 글로벌 영업, 사업 개발, 제품 부문 리더들이 전략을 실행하고 성과를 측정하도록 지원하며, 글로벌 AI 콘퍼런스인 GTC의 현장 조직 지원도 맡는다. 과거에는 계정 목록 취합, 등록 현황 추적, 고객과 파트너에게 유익한 행사 경험을 제공하기 위한 후속 행동 파악에 상당한 스프레드시트 작업이 필요했다. 그는 행사 준비 과정에서 수작업 분석이 자신의 시간 중 약 40%를 차지했다고 추정한다. 현재는 그 작업의 상당 부분을 주 2회 실행되는 ChatGPT Work 자동화 과정으로 전환했으며, 12주간의 GTC 준비 주기에서 주당 약 16시간을 절약한다. 확보한 시간은 현장 팀을 더 잘 이해하고 고객의 성공을 지원하는 방법을 함께 찾는 데 사용한다.
3. 담당자 주도의 수정과 지역별 재사용
Will Daney는 자신이 워크플로를 직접 소유하고 관리하므로 행사 상황이 달라지면 그에 맞춰 작업 과정을 수정할 수 있다고 설명한다. 새로운 도구를 구매하고 도입한 뒤 유지하는 절차를 기다리지 않아도 된다는 점이 이러한 운영 방식의 장점으로 제시된다. 같은 기반 프로세스를 다른 지역의 팀에 공유할 수 있어, 산호세와 타이베이, 유럽, 워싱턴 DC의 행사 지원 동료들도 그의 ChatGPT 워크플로를 전달받아 현지 필요에 맞게 조정했다. 그는 이미 개발한 워크플로를 행사마다 거의 추가 부담 없이 자동화해 활용할 수 있다는 점을 핵심으로 꼽는다. 이 사례는 시간 절감과 함께 현업 담당자가 업무 변화에 대응하며 자신의 작업 방식을 다른 지역으로 확장하는 모습을 보여준다.
4. 외부 AI 동향과 내부 우선순위의 연결
Rachita Jain은 NVIDIA 마케팅 조직의 AI 운영 팀에서 AI 워크플로를 만들고 새로운 도구의 도입을 지원한다. 매일 새로운 모델과 벤치마크, 연구가 등장하는 환경에서 그의 과제는 자료를 구하는 것보다 어떤 변화가 NVIDIA에 중요한지 판단하는 것이다. 이를 위해 신뢰할 수 있는 외부 자료를 내부 프로젝트, 대화, 우선순위 등의 맥락과 함께 검토하는 ChatGPT Work 워크플로를 구축했다. 이 과정은 외부 변화와 내부 업무가 의미 있게 겹치는 지점을 찾아 실행에 참고할 통찰을 제시한다. 매주 약 25~40건의 외부 AI 업데이트를 5~8개의 실행 가능한 신호로 압축하며, Rachita는 이를 수동적인 읽기에서 능동적인 정보 활용으로 바뀐 경험으로 설명한다.
5. 아이디어에서 프로토타입까지의 개발 지원
Rachita Jain은 정보 분석뿐 아니라 실제 결과물을 만드는 과정에서도 같은 환경을 활용한다. 아이디어에서 출발해 가능한 접근법을 탐색하고, 코드베이스를 살펴보며, 문제를 디버깅하고 결과를 다듬는 작업을 서로 분리된 도구 사이에서 계속 이동하지 않고 진행할 수 있다. 원문은 이런 방식으로 이전에는 부수적인 프로젝트에 머물렀을 시도가 며칠 안에 작동하는 제품으로 발전할 수 있다고 설명한다. 구체적인 한 사례에서는 아이디어를 작동하는 프로토타입으로 구현하는 데 약 3~5일이 걸렸다. 이는 별도 도구에서 구성 요소를 수작업으로 만들었다면 약 2~3주가 필요했을 것이라는 그의 추정과 비교되며, 모든 개발 업무에 동일하게 적용되는 측정 결과로 제시되지는 않는다.
6. 검증된 업무 방식의 확산과 현업 통제
원문은 다음 기회로 이미 효과가 확인된 업무 방식을 더 넓게 확장하는 방향을 제시한다. 전문지식을 재사용 가능한 워크플로로 전환하면 NVIDIA의 여러 팀이 검증된 프로세스를 기능, 행사, 지역에 맞게 조정할 수 있다. 이때 실제 업무에 가장 가까운 사람들이 프로세스가 어떻게 발전할지 계속 통제하는 것이 함께 강조된다. 공유된 워크플로는 빠르게 변하는 외부 AI 동향을 내부 우선순위와 더 신속하게 연결하고, AI를 활용하는 업무 방식을 더 많은 직원에게 확산하는 데 도움이 될 수 있다. 목표는 팀이 결과를 해석하고 협력하며 고객을 지원하는 일에 더 많은 시간을 쓰도록 하는 것이며, Will은 이미 자신의 경험에서 중요한 업무에 집중할 여유를 얻었다고 말한다.
🧾 핵심 주장 / 시사점
- GTC 사례에서 자동화의 가치는 절약한 시간뿐 아니라 현장 팀과 고객 지원에 그 시간을 다시 투입할 수 있다는 데 있다.
- Rachita Jain의 정보 분석 사례는 외부 자료의 양보다 NVIDIA의 내부 맥락과 연결되는 정보의 선별이 중요하다는 점을 보여준다.
- 워크플로의 재사용과 현업 담당자의 수정 권한을 함께 유지하는 방식이 지역과 업무 기능에 맞춘 확산의 기반으로 제시된다.
✅ 액션 아이템
- GTC 준비에서 확보한 시간을 현장 조직과의 협력 및 고객 성공 지원에 활용.
- 외부 AI 업데이트와 내부 맥락을 함께 검토해 NVIDIA의 우선순위와 연결되는 정보 선별.
- 담당자의 통제를 유지하며 재사용 가능한 워크플로를 행사·지역·기능별 필요에 맞게 조정.
❓ 열린 질문
- GTC 준비에서 주당 약 16시간을 절약한 결과는 현장 조직과의 협력 및 고객 지원에 어떤 변화를 가져왔는가?
- 매주 약 25~40건의 외부 AI 업데이트에서 5~8개의 신호를 선별할 때 NVIDIA의 내부 우선순위는 어떻게 반영되는가?
- 담당자가 통제하는 재사용 가능한 워크플로를 다른 행사·지역·기능으로 확산할 때 어떤 조정이 필요한가?
