평범한 정렬 요청에서 시작된 발견
지난주 월요일, 윈도우 디바이스에 쌓여 있던 재고 현황 시트를 정리하기로 했습니다. 아이템 코드, 수량, 입고일, 바이어별 배정량이 섞여 있던 데이터를 SKU 순서대로 정렬하는 간단한 작업이었죠.
요청: 「Google 시트의 A열(SKU)을 기준으로 모든 행을 정렬해주고,
혹시 중복된 SKU가 있으면 표시해줄래?」
예상 밖의 결과
봇이 정렬을 끝내고 돌아온 것은 2분 뒤였습니다. 정렬된 시트와 함께 이런 메모가 붙어 있었어요.
「SKU 중복 발견: 12개 항목이 2회 이상 등록되어 있습니다. 예: SKU-4521은 3월 입고분과 4월 입고분으로 2줄, SKU-7834는 같은 수량으로 정확히 2줄 존재.」
이건 단순 정렬이 아니라 데이터 검증이 되어 있었습니다.
Before, After
Before
• 수작업 정렬: 15분 소요
• 중복 발견: 수동 스캔으로 3~4개만 찾음
• 데이터 신뢰도: 불안정
After
• 봇의 정렬 + 검증: 2분 소요 (자동)
• 중복 발견: 12개 모두 식별
• 데이터 신뢰도: 100% 확보
• 의외 수확: 같은 SKU인데 입고일이 다른 항목 5개 발견 (회계상 오류 가능성)
실제 영향
발견된 중복 중 3개는 실제로 재입고 오류였고, 나머지 9개는 입력 실수였습니다. 이를 정정하면서 재고 총량이 예상과 다른 이유를 해결할 수 있었죠.
특히 흥미로웠던 것은, 봇이 단순히 「중복입니다」라고 끝내지 않고 입고일과 수량까지 비교해서 어떤 중복이 「진짜 오류」인지 「입고 타이밍 차이」인지 구분해줬다는 점입니다.
배운 점
자동화 도구에 작은 검증 로직을 추가하는 것만으로도, 수작업에서 놓치기 쉬운 데이터 오류를 대량으로 잡을 수 있다는 것을 다시 한번 느꼈습니다. 특히 비개발자가 Claude Code를 통해 이 정도 수준의 검증을 만드는 데 별도의 프로그래밍 지식이 필요 없다는 게 정말 놀랍네요.