수동 분류의 악몽
월요일 아침, 구글 시트에 쌓인 바이어 메시지 2,000개를 보고 한숨이 나왔습니다. 각각의 메시지를 읽고 「아직 답장하지 않았나요?」, 「이미 답장했나요?」로 손으로 표시해야 했거든요.
계산해보니 하루에 300개씩 처리하면 일주일, 충분한 검토를 위해 이틀을 더하면 거의 2주가 소요될 예정이었습니다. 게다가 사람이 하는 일이라 실수도 난다는 게 함정입니다.
Before: 수동 작업의 현실
**시간 투입**: 약 120시간(2주)
**실수율**: 약 3~5% (중요 바이어 메시지를 미분류할 위험)
**프로세스**: 직접 읽기 → 상태 기록 → 재검토
Claude Code와의 작은 실험
윈도우 디바이스에서 Claude Code를 열었습니다. 간단한 요청을 해봤습니다.
「구글 시트에서 'Message' 컬럼의 텍스트를 읽고, '감사합니다', '수신했습니다', '확인됨' 같은 표현이 있으면 '답장 완료'로, 질문문 끝의 '?'나 '언제쯤'이 있으면 '미답장'으로 자동 분류해줄 수 있을까요?」
Claude Code가 생성한 코드는 단순했습니다. 각 행의 메시지 텍스트를 검사하는 파이썬 스크립트였는데, 구글 시트 API와 연결되어 자동으로 새 컬럼에 상태를 기입하는 방식이었습니다.
After: 자동화의 결과
코드를 실행했을 때의 느낌은 이루 말할 수 없었습니다.
**실행 시간**: 5분 (2,000개 모두 처리 완료)
**정확도**: 약 94% (사람의 재검토로 나머지 6% 수정)
**인력 절감**: 120시간 → 30분 (코드 작성 + 검토)
의외의 발견: 바이어 커뮤니케이션 패턴
분류가 끝나자 흥미로운 패턴이 드러났습니다.
• **24시간 내 미답장 메시지**: 전체의 28%
• **1주 이상 미답장**: 전체의 12%
• **중복 질문**: 약 87개 (같은 바이어가 같은 내용을 재전송)
이 데이터는 다음 단계의 자동화 아이디어로 이어졌습니다. 예를 들어, 미답장이 3일 넘는 메시지에는 자동으로 우선순위를 올리거나, 중복 질문 바이어에게는 템플릿 회신을 빠르게 발송하는 것 같은 것 말입니다.
작은 팀이 얻은 것
AI 드림팀이 운영하는 자동화 노하우 중 하나는 이겁니다. 복잡한 프로그래밍 없이도, 비개발자가 Claude Code로 일상의 반복 작업을 인식하고, 그것을 AI에 설명하면 대부분 해결된다는 점입니다.
이번 사례도 그렇습니다. 2주짜리 고민을 5분에 풀어낸 것은 기술이 아니라, "이 일을 자동화할 수 있을까?"라는 작은 질문에서 출발했습니다.
---
다음 실험: 이제 이 분류 데이터로 바이어별 응답 패턴을 분석해보려고 합니다. 어떤 바이어는 늘 빠르고, 어떤 바이어는 자주 중복 질문하는지 파악하면, 대응 전략도 달라질 테니까요.