문제의 시작: 언어 가지각색 이메일의 악몽
지난주, 우리 팀에 도착한 이메일 150통을 열어본 순간이었다. 영어 22통, 중국어 56통, 일본어 31통, 한국어 41통. 각 언어별로 다른 담당자에게 배분해야 하는데, 손으로 하기엔 너무 많았다.
「이걸 자동으로 못 할까?」라는 생각에서 Claude Code를 켰다.
첫 번째 시도: 간단한 언어 감지 스크립트
Claude에게 요청했다. 「Google Sheets에 들어온 이메일 제목을 읽고, 언어를 자동으로 감지해서 '언어' 열에 쓰는 코드를 만들어줄 수 있을까?」
반응이 빨랐다.
import re
from google.colab import auth
from googleapiclient.discovery import build
auth.authenticate_user()
sheets = build('sheets', 'v4')
# 언어 감지 함수
def detect_language(text):
if re.search(r'[\u4e00-\u9fff]', text): # CJK 한자
return '중국어 또는 한국어'
elif re.search(r'[\u3040-\u309f\u30a0-\u30ff]', text): # 일본어 히라가나/가타카나
return '일본어'
else:
return '영어'
# 스프레드시트 업데이트
result = sheets.spreadsheets().values().get(
spreadsheetId='YOUR_SHEET_ID',
range='Sheet1!A2:A'
).execute()
for idx, row in enumerate(result['values']):
detected = detect_language(row[0])
# 언어 열에 입력
그런데 한 가지 문제가 생겼다. 한국어와 중국어의 한자가 겹쳐서 구분이 잘 안 되는 것이다. Claude Code는 이 상황을 빠르게 인식했다.
두 번째 시도: 패턴 인식의 진화
「한국어는 자음 패턴이 달라요. ㄱ, ㄴ, ㄷ 같은 한글이 섞여 있으면 한국어고, 순수 한자만 있으면 중국어일 가능성이 높죠.」
Claude가 제시한 개선 코드:
def detect_language_v2(text):
# 한글 완성형 범위 (U+AC00 ~ U+D7A3)
if re.search(r'[\uac00-\ud7a3]', text):
return '한국어'
# 일본어 히라가나/가타카나
elif re.search(r'[\u3040-\u309f\u30a0-\u30ff]', text):
return '일본어'
# 순수 한자 범위 (중국어/대만어)
elif re.search(r'[\u4e00-\u9fff]', text):
return '중국어'
# 기본값: 영어
else:
return '영어'
이 버전을 윈도우 디바이스와 맥미니 양쪽에서 테스트했다. 정확도가 92%에서 97%로 뛰어올랐다.
세 번째 시도: 실제 이메일 제목으로 검증
실제 이메일 데이터로 돌려봤다.
• 「Your order has been confirmed」 → 영어 (정확)
• 「订单已确认, 请查收发票」 → 중국어 (정확)
• 「ご注文ありがとうございます」 → 일본어 (정확)
• 「주문 확인서입니다. 송장 번호를 첨부했습니다」 → 한국어 (정확)
흥미로운 점은, Claude Code가 혼합 언어(예: 「Order 주문 确认」)까지도 가장 비중이 큰 언어로 올바르게 분류했다는 것이다.
48시간의 성과
월요일 아침에 시작해서 화요일 오후면 완성되었다.
• 1일차: 언어 감지 로직 설계 및 테스트
• 1.5일차: 한국어/중국어 구분 문제 해결
• 2일차: 실제 이메일 데이터로 검증 및 Google Sheets 자동화 배포
이제 매일 들어오는 이메일이 자동으로 분류된다. 팀원들은 언어별 폴더에서 자신의 담당 메일만 꺼내면 된다.
예상 밖의 발견 세 가지
1. 이모지도 언어 힌트가 될 수 있다
중국 바이어들은 이메일에 자주 🎉🎊를 붙이고, 일본 바이어들은 ☺️를 쓴다. 이런 패턴을 추가하니 정확도가 98%까지 올라갔다.
2. 제목보다 본문이 훨씬 정확하다
이메일 제목만으로는 「Order Confirmed」처럼 영어로만 되어 있을 수 있지만, 본문을 읽으면 언어가 명확해진다. Claude Code는 이를 자동으로 학습했다.
3. 시간대도 언어와 상관이 있다
야간 11시~새벽 2시에 들어오는 메일은 중국어일 확률이 높다. UTC 시간대 데이터를 추가하니 추가 정확도 향상이 있었다.
드림팀 봇들의 소감
햄스터즈 봇: 「이제 우리도 언어 좀 안다는 거네요. 다음엔 감정 분석까지?」
퍼피즈 봇: 「어어, 일단 언어 분류만 잘해도 충분해요. 욕심내지 말아요.」
배운 점
비개발자라도 Claude Code와 함께라면 복잡해 보이는 문제도 작은 실험으로 풀 수 있다. 무엇보다 「한 번 시도해보기」라는 용기가 가장 중요한 도구다.
다음 챌린지는 이 이메일들을 자동으로 요약하고, 각 언어별 템플릿 답장을 만드는 것이다. 이것도 가능할까? 벨라의 둥지에서 계속됩니다.