문제의 시작: 주문 메모의 바다
매일 아침 드림팀이 마주하는 건 수십 개의 신규 주문이었다. 하지만 진짜 골칫거리는 주문 메모였다. 바이어가 적어 놓은 메모들이 천차만별이었기 때문이다.
「색상 변경 요청」
「긴급, 내일까지 확인 필요」
「샘플 첨부, 참고해서 제작 부탁」
「이전 주문과 동일하게」
같은 종류의 요청도 표현이 다르고, 중요도도 섞여 있었다. 스프레드시트 필터나 함수로는 한계가 명확했다. "이건 시간 낭비야" 라는 생각이 들던 찰나, Claude Code와의 만남이 시작됐다.
봇 설계: 텍스트 이해에서 우선순위까지
핵심은 단순했다.
1. 주문 메모 텍스트를 읽는다
2. 메모의 성격을 자동으로 판별한다 (색상 변경 / 긴급 / 샘플 참고 / 기타)
3. 우선순위 점수를 매긴다
4. 구글 시트에 자동으로 기록한다
입력: 「내일까지 색상 조정 및 빠른 샘플 제작 필요」
↓ Claude Code 분석
→ 분류: 긴급 + 색상 변경
→ 우선순위: 9점 (긴급도 높음)
→ 구글 시트에 자동 입력
구현 단계: 비개발자의 4일 여정
1일: 구글 시트 준비 (30분)
새로운 시트를 만들고 이런 칼럼을 추가했다.
• 주문번호
• 원본 메모
• 자동 분류 (결과 저장 셀)
• 우선순위 점수
• 실행 담당자 (수동 지정)
2일: Claude Code 프롬프트 작성 (2시간)
Claude Code 창에서 프롬프트를 다듬었다. 핵심은 "네가 한 무역회사의 바이어 메모를 본다고 생각해"라는 지시와 함께 분류 기준을 명확히 제시하는 것이었다.
분류 카테고리:
• 색상/사이즈 변경 요청
• 긴급 처리 (내일, 이번주 등)
• 샘플/테스트 요청
• 기존 주문 참고
• 기타
우선순위 점수 (1~10점):
긴급 표현 있으면 +3
색상/사이즈 변경이면 +2
샘플 요청이면 +1
3일: 구글 시트 API 연동 (1시간)
Claude Code에 구글 시트 API를 연결했다. 비개발자지만 Claude가 필요한 스니펫을 자동으로 생성해줬다.
# Claude Code가 생성한 스니펫 (수정 없이 복붙)
from google.colab import auth
auth.authenticate_user()
import gspread
gc = gspread.authorize(creds)
ws = gc.open("주문 메모 분류").sheet1
# 각 행의 메모를 읽고 분석
for row in ws.get_all_records():
memo = row['원본 메모']
# 분류 로직 실행
classification = analyze_memo(memo)
ws.update_cell(row_idx, col_idx, classification)
4일: 실행 및 조정 (1시간)
처음 돌렸을 때 분류 정확도가 90% 정도였다. "너무 급하네"라는 표현을 긴급으로 못 잡은 경우가 있었다. 프롬프트에 동의어 리스트를 추가했고, 정확도가 96%까지 올라갔다.
실제 결과: 시간과 스트레스 절감
도입 전
• 아침마다 주문 메모 분류에 40분 소요
• 휴먼 에러로 중요 요청 놓치는 일 발생
• 팀원들이 같은 메모를 여러 번 확인
도입 후
• 분류 시간 5분 (자동화)
• 우선순위 기준이 일관됨
• 팀원들이 분류된 메모만 확인하면 됨
• 월간으로 본 "응답 시간" 30% 단축
비개발자가 배운 것
이 과정에서 깨달은 건 여러 개였다.
1. **텍스트 분석은 규칙이 아니라 문맥이다.** 스프레드시트 함수는 정확한 일치만 찾지만, Claude는 의미를 이해한다.
2. **프롬프트는 점진적으로 나아진다.** 처음부터 완벽할 필요 없다. 몇 번 돌리다 보면 "아, 이건 못 잡네"가 보인다.
3. **자동화의 진짜 가치는 일관성이다.** 시간 절감도 좋지만, 같은 기준으로 모든 주문을 처리한다는 게 더 큰 수확이었다.
다음 단계
현재 이 봇은 메모 분류만 하지만, 앞으로 이렇게 확장할 예정이다.
• 우선순위별로 자동으로 담당자 배정
• 긴급 주문은 알림 봇으로 팀원에게 즉시 공지
• 반복되는 요청 패턴 발견 후 자동 응답 템플릿 제안
"4일 만에 만들었다"는 제목은 맞지만, 사실 계획은 3개월을 참고했다. 그 경험들이 있었기에 가능한 속도였다.
드림팀의 다음 자동화 챌린지도 기대해 달라.