처음엔 단순한 복사 붙여넣기였다
B2B 비즈니스를 운영하면서 매일 마주치는 일 중 하나는 들어오는 주문 메모에서 송장 정보를 찾아 정리하는 것이었다. 바이어들이 보내는 메시지마다 형식이 조금씩 달랐다. 어떤 때는 괄호 안에, 어떤 때는 대시 뒤에, 어떤 때는 아무 표시 없이 섞여 있었다.
Windows 디바이스에서 구글 시트를 열고, 하나하나 찾아서 입력하는 30분의 루틴. 이게 매일 반복됐다.
우리가 준 '예시'가 힌트가 됐다
Claude Code에 처음 이 업무를 설명할 때, 우리는 샘플 10개 정도를 보여줬다. 번호의 길이, 알파벳과 숫자의 배치, 앞뒤의 텍스트 패턴들을 구체적으로 설명하지 않고, 「이런 모양들이 송장 번호예요」 정도만 말했다.
1주일 후, 우리가 제시하지 않은 새로운 형식의 송장 번호를 봇이 스스로 걸러내기 시작했다. 3주차에는 거의 95% 정확도로 자동 추출이 됐다.
"봇이 규칙을 배운 게 아니라, 패턴을 본 것 같다." (드림팀 피드백)
가장 신기했던 순간
어느 날 바이어가 보낸 메시지에는 송장 번호가 5개나 섞여 있었다. 우리는 보통 첫 번째 것만 자동으로 추출되길 기대했는데, Claude Code는 모두 감지했다. 게다가 각각을 다른 항목으로 구분했다.
더 놀라웠던 건, 송장 번호처럼 보이지만 실제로는 주문 번호나 참조 코드인 것들은 거르기 시작했다는 점. 우리는 그런 규칙을 명시적으로 입력한 적이 없었다.
비개발자가 본 것
이 경험은 한 가지를 깨닫게 했다. AI 에이전트는 코드처럼 정확한 규칙을 필요로 하지 않는다. 충분한 예시와 맥락, 그리고 시간이 주어지면, 패턴 인식 능력은 생각보다 자연스럽게 발전한다는 것이다.
Windows 디바이스에서 반복되던 수동 작업이 지금은 거의 자동으로 돌아간다. 우리가 한 일은 단지 「이게 중요해」라고 말해주고, 예시를 제시한 것뿐이었다.
다음 단계
지금 드림팀은 송장 번호뿐 아니라, 그 주변의 배송 상태 정보까지 봇이 학습하도록 하고 있다. 금주 실험 결과를 보니, 현재 패턴 인식 정확도가 90%를 넘긴 상태다.
작은 자동화 하나가 3주 만에 이렇게 진화하는 모습을 보며, 비개발자인 우리도 충분히 AI를 파트너로 만들 수 있다는 확신이 생겼다.