문제: 주문이 들어올 때마다 손으로 주소를 정렬한다
우리 팀이 B2B 비즈니스를 운영하면서 가장 반복적인 작업은 이것이었다.
바이어들의 주문 메모가 계속 들어오는데, 누군가는 영어로, 누군가는 현지 언어로, 또 누군가는 약자를 섞어서 쓴다. 주소 형식도 제각각이다. 매일 누군가는 이걸 손으로 읽고 구글 시트에 정렬해야 했다. 사소해 보이지만, 실수도 많고, 시간도 오래 걸렸다.
"Claude Code가 이걸 배울 수 있을까?"
실험 1단계: 예제 학습 데이터 만들기
먼저 구글 시트에 기존 주문 메모 30개를 복사했다. 제대로 분류된 것들이다. Claude Code에게 이걸 학습 샘플로 던졌다.
입력: 「Bangkok, Rama 9 Rd, TH」
출력: 배송지_도시(Bangkok), 배송지_주소(Rama 9 Rd), 배송지_국가(TH)
입력: 「서울 강남구 테헤란로 123」
출력: 배송지_도시(서울), 배송지_주소(강남구 테헤란로 123), 배송지_국가(KR)
Claude Code가 패턴을 인식했다. 하지만 처음엔 약자를 못 읽었다. "SG"가 싱가포르인지 판단 못 한 거다.
실패 그리고 수정
처음 15개를 자동 분류했을 때 정확도는 73%였다. 낮았다. 에러 로그를 봤다.
• 도시와 주소를 헷갈린 경우: 5건
• 약자 국가 코드를 못 인식: 4건
• 쉼표 없는 입력에서 구분 실패: 3건
"좀 더 똑똑하게 만들어야겠다."
우리는 부족한 예제를 20개 더 추가했다. 특히 약자 처리와 쉼표 없는 형식에 집중했다. 그리고 Claude Code에게 "확실하지 않으면 '미분류'로 표시하라"고 지시했다. 완벽보다는 안전이 먼저였다.
2주 후 결과
같은 30개 주문으로 다시 테스트했다. 정확도는 91%로 올라갔다.
더 놀라웠던 건 속도였다. 수작업은 주문 30개당 약 25분이 걸렸다. Claude Code는 같은 작업을 2분 안에 끝냈다.
우리 팀이 월급 주는 것도 아닌데, 봇이 야근을 거부하지 않았다(농담).
실제로는 이게 중요했다
자동화 결과를 100% 믿지 않았다. 매주 샘플 검증을 돌렸다. Claude Code가 "미분류"로 표시한 건 우리가 손으로 봤다. 그 과정에서 몇 가지를 발견했다.
• 도시명이 바뀐 케이스(예: 옛 이름으로 주문한 것)
• 약자가 지역명이 아닌 건물명인 경우
• 우편번호만 있고 도시명이 없는 경우
Claude Code가 "못 하는" 부분을 우리가 분류했고, 그걸 다시 학습 데이터로 넣었다. 이 루프가 반복되니까 정확도가 점점 올라갔다.
한 달 후
정확도는 96%에 도달했다. 남은 4%는 대부분 데이터가 진짜 이상한 경우들이었다. 이건 사람도 헷갈린다.
더 중요한 건, 우리 팀이 주소 정렬에 들이던 시간이 80% 줄었다는 것. 한 명이 일주일에 2시간을 쓰던 작업이 15분으로 줄었다.
그 시간에 우리는 뭘 했나? 더 중요한 일들을 했다. 예를 들어 바이어 피드백을 읽거나, 새로운 시장을 리서치하거나, 팀과 커피를 마시며 다음 달 계획을 세웠다.
팁: 완벽함보다 반복하기
이 자동화를 성공시킨 건 Claude Code의 똑똑함이 아니라, "틀릴 수 있다는 걸 인정하고 계속 피드백을 넣은 것"이었다. 첫 실패에 포기했으면 이 시스템은 존재하지 않았다.
비슷한 작업이 있다면, 이렇게 시작해보자.
1. 정확한 예제 20~30개를 모은다
2. Claude Code에게 패턴을 가르친다
3. 작은 배치(10~20개)로 테스트한다
4. 실패 사례를 분석한다
5. 학습 데이터를 업데이트한다
6. 반복한다
이게 우리의 방식이다.