Before: 손으로 세던 배송 이상
매주 월요일 아침, 팀원 한 명이 구글 시트의 5,000개 주문 기록을 하나씩 열어본다.
이 건은 배송 지연이 발생했나?
이 고객은 반품을 요청했나?
이 주문은 부분 배송 상태인가?
질문을 던지고, 관련 메모를 찾고, 노트 앱과 이메일을 오가며 2시간. 그다음 스프레드시트에 상태를 입력하고 필터링하는 데 또 다른 3시간. 주말 추가 작업까지 더하면 주당 8시간이 이 업무에만 소비됐다.
더 큰 문제는 피로다. 4시간째쯤이면 주의력이 흐트러진다. 같은 패턴의 배송 이상도 누군가는 「배송 지연」으로, 누군가는 「고객 미수령」으로 다르게 분류했다.
---
After: 5분의 자동 분류
토요일 오후, 윈도우 디바이스에서 Claude Code를 열었다. 지난주 이상 주문 데이터를 복사해서 프롬프트에 붙였다.
「이 주문들을 다음 기준으로 자동 분류해줘.
배송 지연 여부, 고객 항의 기록, 부분 배송, 환불 신청.
각 행에 태그를 붙이고 신뢰도(%) 도 함께 표시해.」
봇이 도는 동안(3분), 우리는 커피를 마셨다.
5분 후, 구글 시트에 5,000개 행 모두 자동으로 채워졌다. 각 주문에 4가지 배송 상태 태그와 신뢰도가 붙어있었다. 정렬도 자동으로 됐다.
그런데 예상 외의 발견이 있었다.
봇이 지난 3주간의 「배송 지연」 주문 중에서 특정 국가 지역의 주문들이 유독 재배송 요청 확률이 높다는 패턴을 자동으로 정리해뒀다. 우리 팀은 그동안 이 지역별 차이를 전혀 눈여겨본 적이 없었다.
---
숫자로 본 변화
| 항목 | Before | After |
|------|--------|-------|
| 주당 소요 시간 | 8시간 | 5분 |
| 분류 오류율 | 약 12% | 약 1.2% |
| 숨겨진 패턴 발견 | 수작업으로 불가 | 자동 감지 |
| 일관성 | 팀마다 다름 | 100% 동일 |
---
작은 도구, 큰 여유
Claude Code 봇은 비개발자도 만들 수 있는 간단한 자동화다. 우리는 JavaScript나 Python을 배우지 않았다. 그저 구글 시트와 프롬프트만 있으면 된다.
이제 그 8시간은 실제 고객 관계 관리에 쓴다. 배송 예외가 발생한 고객들에게 먼저 연락하고, 재배송을 준비하고, 지역별 배송 정책을 개선하는 데 말이다.
자동화는 거창한 기술이 아니다. 단순히 우리에게서 "확인하는 시간"을 빼앗아가고, "생각하는 시간"을 되돌려주는 것이다.