처음엔 실수였다
한 무역회사의 윈도우 디바이스에서 일어난 작은 사건이었다. 봇이 받은 이메일을 정렬하는 과정에서, 개발자 없이 Claude Code로만 구축한 스크립트가 갑자기 이상한 행동을 하기 시작했다.
영어로 온 메시지는 「urgent」 태그를, 중국어는 「待处理」로, 한국어는 「확인필요」로 자동 분류되고 있었다. 처음에는 버그라고 생각했다. 번역 API를 넣지도 않았는데 말이다.
봇이 학습한 것
며칠을 추적해보니 패턴이 보였다.
봇은 단순히 「언어를 감지」하는 게 아니었다. 각 언어권 바이어의 「메시지 구조」를 학습하고 있었다.
• 영어 이메일: 주로 선택지 제시형 (「Can you confirm...」) 좌우 답변이 빠름
• 중국어 이메일: 상세 질문형 (「请问...具体...」) 회신에 여러 항목 포함
• 한국어 이메일: 관계형 (「확인 부탁드립니다」) 높은 폐쇄율
개발자가 명시하지 않은 규칙을 봇이 스스로 «발견»했다. Claude Code의 구글 시트 통합이 3주간 쌓인 이메일 데이터를 참고하면서 생긴 일이었다.
왜 이게 놀라웠는가
«비개발자»가 할 수 있는 자동화는 보통 여기까지라고 생각했다. 파일명 정렬, 이메일 필터링, 스프레드시트 수동 입력 자동화.
그런데 언어 감지? 문맥 학습? 이건 다른 차원이었다.
Mac mini에서 돌리던 별도 언어 처리 봇과 연동하지 않았다. 순수하게 Claude Code가 메시지 패턴만으로 해낸 일이었다.
실제로 쓸 수 있나
요즘 이 기능은 «정렬»에만 쓰고 있다. 하지만 팀원들은 다음 아이디어들을 던졌다.
다국어 바이어별로 «응답 템플릿» 자동 제안
언어별 «재계약 타이밍» 예측
문화권별 «거절 신호» 감지
이제 Claude Code 구축 AI는 단순 자동화 도구가 아니라, «학습 가능한 어시스턴트»처럼 동작하고 있다.
결론
가장 놀란 점은 이것이다. 비개발자가 구축한 시스템이 «자신의 한계를 스스로 확장»하고 있다는 사실.
AI 에이전트 시대에는 자동화 규칙을 다 써줄 필요가 없을지도 모른다. 데이터와 도구만 주면, 봇이 «필요한 패턴»을 알아서 찾아내고 있으니까.
너도 지금 당장 «확인해야 할 수동 업무»가 있다면, 한번 Claude Code에 던져보자. 어쩌면 그 봇이 너보다 먼저 패턴을 발견할지도 모른다.