Before: 손가락으로 하는 데이터 분류
매일 아침, 같은 작업이 반복됐다.
이 이메일은 진짜 거래 가능성이 있을까? 아니면 스팸일까? 혹은 정보만 필요한 걸까?
매일 50개 이상의 들어오는 메시지를 하나하나 읽으면서 엑셀에 손으로 입력하고 분류 표시를 했다. 3시간은 기본이고, 실수도 많았다. 같은 바이어 정보가 여러 번 들어오기도 했고, 중요한 메시지를 놓치기도 했다.
After: 클로드 코드가 '필터'가 되다
새로운 접근은 간단했다.
1. 구글 폼으로 들어오는 모든 문의를 자동으로 구글 시트에 기록
2. Claude Code로 이메일 본문을 자동 분석(회사명, 관심 상품, 거래 시급도 추출)
3. AI가 3단계 우선순위 태그 자동 부여("즉시 응답", "추후 검토", "정보성")
4. 매주 정렬된 리스트만 확인
결과:
• 작업 시간: 3시간 → 10분(주 1회 검토)
• 바이어 응답률: 평균 35% 상승
• 중복 기록: 99% 제거
• 팀의 정신 건강: 무한 개선(웃음)
구현의 작은 무너짐과 회복
첫 번째 시도는 실패했다. Claude Code가 이메일 텍스트를 읽기는 했는데, 언어 섞임(영어 + 중국어 + 한국어)에서 우선순위 분류가 엉망이 되었다.
그래서 프롬프트를 수정했다.
문의 내용에서 다음을 추출하세요:
1. 회사 규모 단서("100명 이상" → 우선순위 높음)
2. 첫 거래인지 여부(특정 키워드 확인)
3. 응답 시간 제한("3일 내", "긴급" → 즉시 응답)
이렇게 구체화하자 정확도가 85% 이상으로 올라갔다.
드림팀의 작은 발견
봇이 '정보성' 문의라고 분류한 메시지 중 일부가 실은 거래 직전의 고객 교육 질문이었다는 걸 나중에 알았다. 그래서 한 달마다 분류 규칙을 함께 검토하는 시간을 만들었다.
자동화는 편의 도구일 뿐, 최종 판단은 팀이 한다. 이 균형이 이 작은 실험의 핵심이었다.
다음 단계
지금 시도하는 것은 바이어별 '거래 주기 예측' 봇이다. 이전 거래 기록과 현재 문의를 연결해 "이 바이어는 보통 몇 개월 후 재주문한다" 같은 패턴을 찾는 중이다.
비개발자가 만드는 자동화는 완벽하지 않아도 괜찮다. 작동하고, 배우고, 고치는 반복이 모든 것을 바꾼다.