AI 좌석 배치, 잘하는 일과 여전히 사람이 정해야 하는 일

자동화가 진짜 잘하는 일

좌석 채우기는 일종의 패킹(적재) 문제이고, 컴퓨터는 이런 문제를 잘 풉니다. 이 열두 명은 대학 친구들, 이 여섯 명은 한 가족, 테이블 하나는 8인석이라고 알려주면, 이름을 하나씩 드래그하는 것보다 훨씬 빠르게 유효한 배치를 만들어냅니다.

• 손님을 혼자 남기지 않고 모든 테이블을 정원까지 채우기
• 테이블 경계를 넘어서도 지정한 그룹을 함께 앉히기
• 취소가 생겼을 때 인원수를 다시 맞추기

AI가 알 수 없는 것

생성기는 오직 사용자가 입력한 내용만 압니다. 사촌 두 명이 지난봄부터 서로 말을 안 한다는 것도, 하객 명단에 누군가의 전 애인이 있다는 것도, 할머니는 출입구 근처에 앉히되 밴드와는 멀리 떨어뜨려야 한다는 것도 알지 못합니다. 실제로 좌석표를 결정짓는 것은 바로 이런 제약 조건들이며, 이를 하나하나 입력하는 데는 직접 손으로 자리를 배치하는 것보다 더 오랜 시간이 걸립니다.

절약 시간을 따지기 전에 준비 비용부터 계산하세요

정직하게 비교하려면 '생성 시간 대 수동 시간'이 아니라 '준비 + 생성 + 검토 대 수동 배치'를 따져야 합니다. 관계를 하나하나 태그하고, 떨어뜨려야 할 규칙을 입력하고, 결과를 확인하려고 테이블을 전부 다시 읽는 동안, 단순히 드래그하고 셔플하는 방식은 이미 끝나 있는 경우가 많습니다.

• 손님 140명의 관계를 태그하는 것만 해도 한 시간짜리 데이터 입력 작업입니다.
• 누가 만들었든 결국 모든 테이블을 직접 검토하게 됩니다.
• 직접 만든 좌석표라야 친척에게도 이유를 설명할 수 있습니다.

손님 명단이 어디로 가는지 생각하세요

클라우드 기반 생성기를 쓰려면 전체 손님 명단과, 종종 누구와 누구를 떨어뜨려야 하는지에 대한 메모까지 다른 사람의 서버에 올려야 합니다. 결혼식 하객 명단이든, 학급 명단이든, 고객 이름이 들어간 회사 만찬 명단이든 이는 실제로 감수해야 할 위험입니다. 200명의 이름을 붙여넣기 전에 데이터가 어디에 저장되는지, 얼마나 오래 보관되는지, 그리고 그 데이터가 무언가를 학습시키는 데 쓰이지는 않는지 먼저 확인하세요.

같은 결과에 더 빨리 도달하는 작업 방식

절대 바뀔 수 없는 결정부터 먼저 배치하세요. 신랑신부, 부모님, 헤드 테이블, 접근성이 필요한 손님입니다. 그 자리는 잠그세요. 그다음 나머지 손님을 셔플해 방을 채우고, 어색해 보이는 몇몇 테이블만 손봅니다. 기계적인 부분에서는 자동화의 속도를 그대로 얻으면서, 판단이 필요한 부분에서는 사람의 판단을 유지할 수 있습니다.

• 무엇보다 먼저 고정 좌석을 배치하고 잠그세요.
• 나머지는 셔플해서 테이블을 정원까지 채우세요.
• 사람의 눈이 필요한 두세 개 테이블만 수정하세요.
• 잠긴 좌석은 건드리지 않고 다시 셔플하세요.

자동화는 전체 좌석표가 아니라 하나의 단계여야 합니다

Seat Maker는 이 방식을 의도적으로 택했습니다. 사람을 배치할 때는 드래그 앤 드롭, 이미 내린 결정을 지킬 때는 잠금, 나머지를 채울 때는 셔플을 사용합니다. 손님 명단은 기기 안에만 저장되고, 행사장에서 오프라인으로도 작동하며, 모든 테이블은 실제로 사용자가 직접 승인한 결과입니다.