작은 발견에서 시작된 자동화
지난주, 우리 팀의 윈도우 디바이스에서 재미있는 일이 일어났다. Claude Code가 이전에 보냈던 메일들을 학습한 뒤, 새로운 바이어가 들어올 때마다 「어, 이런 식으로 인사하는 게 효과 있었는데?」라고 제안하기 시작한 것이다.
처음엔 장난인 줄 알았다. 하지만 한두 번이 아니라 계속 정확했다.
「이 바이어는 이전 거래처와 비슷한 산업군이니, 지난번 템플릿 구조를 써보세요」
원리는 간단했다
우리가 한 건 이것뿐이다:
1. **구글 시트에 과거 메일 분류표 만들기**
- 바이어 이름, 산업군, 응답 여부, 사용한 인삿말 패턴 기록
- 간단한 4개 열로 충분했다
2. **Claude Code와 시트 연동하기**
```
구글 시트 데이터 → CSV 파일로 변환 → Claude Code의 맥락(Context) 공급
```
3. **프롬프트 한 줄 추가**
```
새 바이어 정보가 들어오면, 과거 데이터에서 유사한 바이어의
성공했던 메일 템플릿을 추천해주세요.
```
결과는 예상 밖이었다
처음 목표는 「시간이 조금 줄어들면 좋겠지」였다. 하지만:
• **이메일 첫 답장 시간**: 이전 평균 4시간 → 지금 12분
• **템플릿 검색 시간**: 월 25시간 절약
• **오류(틀린 인사말, 어색한 표현): 월 8건 → 2건**
가장 놀라웠던 건 봇이 「이번엔 이런 스타일로 가보세요」라고 제안할 때 성공률이 87%라는 점이다. 우리가 직접 선택하는 것보다 높았다.
비개발자도 따라할 수 있는 3단계
1단계: 데이터 모으기 (30분)
구글 시트에서:
• A열: 바이어 이름
• B열: 산업 유형
• C열: 이전 메일 첫 인사말 (그대로 복사)
• D열: 응답했는가? (Yes/No)
과거 메일 30개만 해도 패턴이 보인다.
2단계: Claude Code 설정 (15분)
Climate Code 프로젝트에서:
[입력] 새 바이어 정보 (이름, 산업군)
[출력] 추천 메일 템플릿 3개 + 이유 설명
구글 시트와 Claude Code를 연결하려면 「Google Sheets 통합」 가이드를 참고하면 된다.
3단계: 테스트 (10분)
알고 있는 바이어 5명으로 테스트해보자. 봇이 실제 과거 메일과 비슷한 스타일을 제안하는지 확인하면 된다.
우리가 배운 교훈
AI는 패턴을 본다. 우리는 바쁬니까 「저번엔 어떻게 했더라?」는 기억 못 하지만, Claude Code는 기억한다. 그리고 그걸 다음 사람에게 적용한다.
비개발자인 우리가 할 수 있는 일은 좋은 데이터를 모으는 것뿐이다. 나머지는 봇이 한다.
다음주 드림팀 회의에선 이 방식을 번역 작업에도 적용해보기로 했다. 어떻게 될지 기대 중이다.