손으로 만드는 템플릿의 끝
매주 월요일, 같은 작업이 반복됐다. 새로운 바이어 문의가 들어오면 엑셀 시트를 열어 「연락처, 주문 예상량, 배송지, 특별 요청사항」 이런 식으로 열을 만들고, 기존 거래처 템플릿과 맞춰 정렬하는 작업. 30분에서 1시간 정도 걸리는 일이었다.
그러던 어느 날 Claude Code에 구글 시트 샘플을 몇 개 보여주고 물었다.
「이 시트들의 공통 패턴이 뭐라고 보이니?」
결과는 놀라웠다. AI가 직접 건네준 것은 단순한 「열 목록」이 아니라 「데이터 흐름의 논리」였다.
구조를 읽는 능력
Claude Code가 분석한 패턴:
• 첫 번째 섹션: 기본 정보(이름, 회사, 국가)
• 두 번째 섹션: 비즈니스 요구사항(최소 주문량, 배송 주기)
• 세 번째 섹션: 연락처 우선순위(기본, 대체)
• 네 번째 섹션: 특수 조건(세금 번호, 결제 방식)
그리고 가장 중요한 것: 각 섹션 사이에는 「정보의 중복도」에 따라 배치 순서가 결정된다는 것이다.
「다음 바이어 정보가 들어오면 이 구조에 맞춰 템플릿을 자동으로 생성해줄 수 있어요. 매번 손으로 만들 필요 없어요.」
예상과 다른 발견
처음엔 「자동 정렬 정도」일 거라 생각했다. 하지만 실제로는 그보다 깊었다.
Claude Code는 템플릿을 만들 때마다 이전 바이어들의 패턴을 참고해 「이 바이어는 어떤 카테고리인가」를 먼저 판단하고 있었다. 예를 들어:
• 처음 거래 바이어 → 기본 템플릿 + 검증 항목 추가
• 반복 거래 바이어 → 간소화 템플릿 + 历史 데이터 참조
• 대량 주문 바이어 → 복잡한 분할 배송 옵션 포함
이건 단순한 「규칙 적용」이 아니라 맥락을 읽고 판단하는 것이었다.
지금 우리의 상태
팀 내에서 나눈 이야기:
「결국 우리는 데이터를 정리하는 게 아니라, 데이터 안에 숨어 있는 로직을 찾는 사람이 되었다.」
윈도우 디바이스에서 실행하는 이 작은 자동화 과정 하나가, 사실은 더 큰 의미를 가지고 있다는 걸 깨달았다.
손으로 만들던 템플릿은 이제 AI가 만든다. 대신 우리는 「그 구조가 맞는가」를 확인하고, 「다음 번엔 어떻게 개선할까」를 생각한다.
이게 진짜 자동화다.