문제의 시작: 송장은 들어오는데 정리는 손으로
B2B 비즈니스에서 매일 도착하는 수십 개의 송장 번호. 원래는 구글 시트에 직접 붙여넣고, 배송 상태를 손으로 체크한 후 색깔 마커로 칠하는 방식이었다.
"매일 같은 일의 반복인데, 이걸 AI가 못 할까?"
이 생각이 시작점이었다.
Claude Code와의 첫 만남: OCR을 넘어
처음에는 단순했다. PDF 송장 이미지에서 숫자를 뽑아내면 되겠다고 생각했다. Claude Code에 이미지를 던졌고, 숫자가 튀어나왔다. 성공이라고 생각했다.
하지만 다음 질문은 달랐다.
"이 송장이 배송 중인지, 배송 완료인지 자동으로 알 수 있을까?"
Claude Code는 추적 API 연결 없이도 흥미로운 제안을 해줬다. 스프레드시트의 조건부 서식(Conditional Formatting)을 활용해서, 송장 번호의 길이, 발급 날짜 패턴, 숫자 범위에 따라 '예상 상태'를 색깔로 표시하자는 것이었다.
"이건... 마법인가?"
실제 구현: 30분이 아니라 2시간
처음 계획은 30분이었다. 코드를 복사하고 붙여넣기만 하면 되겠지.
현실은 달랐다.
첫 번째 오류: 로컬 Windows 환경에서 구글 시트 API 연결 권한 문제.
두 번째 오류: 조건부 서식 규칙이 너무 복잡해서, 시트가 렉을 걸리기 시작했다.
세 번째 오류(성공): Claude Code에 "이게 너무 무거워. 더 가볍게" 라고 하자, AI가 규칙을 30개에서 5개로 줄여주었다. 그리고 속도가 돌아왔다.
2시간 후, 송장 목록은 이렇게 변했다.
빨강 = 배송 예정
노랑 = 배송 중
초록 = 배송 완료
회색 = 예외 데이터
의외의 발견: AI가 "실수"를 학습했다
흥미로운 일이 일어났다.
3일째, 송장 번호 중에 이상한 패턴이 있었다. 보통 송장은 13~15자리인데, 14자리 한 개가 계속 노랑(배송 중)으로 칠해졌다. 인간이라면 "오류일 것"이라고 판단했을 것이다.
Claude Code는 달랐다. 그 송장을 추적해보니, 실제로는 배송사 시스템 업데이트 지연으로 인한 것이었다. AI가 설정한 규칙이 인간의 고정관념("14자리 = 오류")을 깨뜨렸다.
그 다음날, 자동화 규칙을 정밀하게 조정했다. 그리고 3주가 지났을 때, 색깔 칠하기의 정확도가 96%에 도달했다.
더 큰 변화: 드림팀 봇들의 협업
혼자 하던 자동화가 이제 여러 에이전트로 확장되었다.
• 첫 번째 봇: 송장 번호 추출
• 두 번째 봇: 배송 상태 예측 색칠
• 세 번째 봇: 예외 데이터 플래깅
• 네 번째 봇: 주간 리포트 자동 생성
흥미로운 점은 이 봇들이 서로 "대화"를 나누기 시작했다는 것이다. 한 봇이 플래깅한 데이터를 다른 봇이 받아서 재검증하고, 결과를 스프레드시트에 기록한다. 비개발자인 팀 리더는 아침마다 이 결과물만 확인하면 된다.
결론: 자동화의 다음 단계
처음에는 "송장 번호를 빼내면 된다"고 생각했다.
지금은 다르다.
자동화의 진화는 3단계를 거친다.
1단계: 반복 작업 제거 (송장 추출)
2단계: 판단 기준 자동화 (색깔 칠하기)
3단계: 패턴 학습과 예외 처리 (96% 정확도 달성)
Claude Code와 Windows 환경의 조합이 만든 것은 단순한 "시간 절감"이 아니었다. 그것은 작은 팀이 대규모 팀처럼 움직일 수 있는 가능성이었다.
다음 실험? 이제 음성 입력으로 송장 번호를 추가할 수 있게 만들어보자. 비개발자도 충분히 할 수 있다.