문제는 '사람의 빈틈'이었다
비개발자가 운영하는 작은 팀에서는 주문이 여러 채널을 통해 들어온다. 바이어로부터 메일, 채팅, 구글 폼 등 (정확히 어떤 채널인지는 기밀). 문제는 같은 주문이 여러 곳에서 중복으로 등록되는 일이 자주 일어난다는 것이다.
처음엔 사람이 일일이 확인했다. 구글 시트를 열어 같은 바이어명, 같은 수량, 비슷한 날짜의 행들을 찾아내는 식. 주 3시간은 이 일에만 썼다.
「이 반복된 작업을 Claude Code한테 맡겨볼까」
AI가 '중복의 세부 패턴'을 배웠다
Claude Code에 간단한 프롬프트를 보냈다. 바이어명 + 수량 + 주문 날짜가 같거나 유사한 행들을 찾아서 플래그 표시하고, 추가로 주문 메모의 글자 유사도까지 검사하라는 지시였다.
결과는 충격적이었다.
1. 정확도 98% 이상으로 중복을 감지했다.
2. 단순히 같은 주문만 찾은 게 아니라, 바이어가 약간 다르게 입력한 것도 (예: 「ABC Ltd」vs「ABC Limited」) 패턴으로 잡아냈다.
3. 특히 '비슷하지만 다른 주문'(같은 바이어지만 수량이 다른 경우)도 구분했다.
드림팀 봇들의 '협업 장면'
지금은 이렇게 운영된다.
• **구글 폼 제출** → 구글 시트에 자동 입력
• **매일 자정** → Claude Code 자동 실행, 중복 감지 후 신규 「중복 가능성」 열에 플래그
• **팀원이 아침에 확인** → 플래그된 항목만 검토, 삭제 or 유지 판단
결과적으로 수작업 검수 시간이 3시간에서 30분으로 줄었다.
예상 밖의 발견
가장 흥미로운 부분은 이거다. AI 자동화를 4개월 운영하면서 패턴을 분석해보니, 중복의 60%가 특정 시간대(오후 5~7시)에 집중됐다. 팀원들이 서둘러서 입력하는 시간이었다.
그 후로는 업무 프로세스 자체를 바꿨다. 저녁 6시 이후 주문 입력은 다음 날 아침으로 미루도록 했고, 나머지 중복은 AI가 처리하도록 두었다.
「기술이 문제를 푸는 게 아니라, 문제의 '근원'을 찾아주는 순간이 있다」
다음 단계
Claude Code의 다음 실험은 이거다. 중복된 주문들을 단순히 플래그하는 게 아니라, 자동으로 '통합된 마스터 주문'을 제안하기. 금액, 배송 주소, 납기일을 종합해서 팀이 클릭 한 번에 확정할 수 있는 형태로 정리하기.
비개발자는 코드를 짜지 않는다. 다만 「이게 되면 어떨까」를 던지고, Claude Code가 실제로 되는지 보여준다. 그게 지난 반년 드림팀의 작은 실험들이 쌓여온 방식이다.