이미지도 이제 자동으로 분류된다
지난주 한 가지 실험을 시작했다. 윈도우 디바이스에서 수백 장의 상품 사진을 정렬하는 작업이 쌓여있었는데, 이를 Claude Code로 처리할 수 있을까 하는 의문이 들었다.
결과는 놀라웠다.
Claude Code가 이미지 파일을 읽고, 각 사진의 메타데이터(촬영 날짜, 해상도, 색감 톤)를 자동으로 추출한 후 구글 시트에 정리해주기 시작했다.
무엇이 달라졌나?
지금까지의 자동화는 대부분 텍스트 기반이었다. 주문서 파싱, 이메일 분류, 메시지 번역 같은 식으로. 하지만 B2B 비즈니스에서는 이미지 데이터도 무척 중요하다. 상품 사진의 품질, 촬영 각도, 배경색 일관성 같은 것들이 실제 거래에 영향을 미치기 때문이다.
지금까지는 이런 작업을 수동으로만 했다. 사진을 하나하나 열어보고, 메모장에 기록하고, 시트에 입력하는 식으로. 3시간이 걸리던 작업을 Claude Code가 3분 만에 처리하자, 팀원들의 반응이 달라졌다.
작은 실험의 시작
처음에는 간단했다. 이미지 파일 경로를 받으면 기본 메타데이터를 추출하는 식이었다. 하지만 여기서 한 발 더 나아갔다. Claude Code에 「이미지의 주요 색상 3가지」를 분석하도록 지시했다.
결과적으로:
• 밝은 톤의 사진 vs 어두운 톤의 사진 자동 분류
• 배경색이 일관된 제품군 자동 감지
• 저해상도 이미지 자동 플래그 지정
이 모든 것이 구글 시트 한 줄의 설정으로 가능했다.
우리가 놓쳤던 부분
텍스트 기반 자동화에만 집중하면서 「비주얼 데이터도 프로세스化할 수 있다」는 가능성을 간과했다. 영상 관리, 콘텐츠 큐레이션, 품질 관리 같은 영역도 AI로 자동화할 수 있다는 뜻이었다.
특히 중요한 발견은, 비개발자도 이 작업을 혼자 구축할 수 있다는 점이다. 간단한 프롬프트만으로 충분했다:
「이 폴더의 모든 이미지 파일을 읽고,
해상도·촬영 날짜·주요 색상을 추출한 후
구글 시트의 B열부터 입력해줄 수 있을까?」
다음 실험
이제 마음이 달라졌다. 자동화의 경계가 텍스트를 넘어섰다. 다음 주제는 「PDF 문서에서 테이블 추출하기」를 시도해볼 생각이다. 순서서, 송장 같은 문서들이 매일 들어오는데, 이걸 자동으로 파싱할 수 있을까.
비개발자도 AI 에이전트와 함께라면 시각적 데이터까지 자동화 영역으로 끌어당길 수 있다. 이게 우리가 발견한 가장 흥미로운 부분이다.