문제: 3가지 언어, 1개의 받은편지함
지난주 월요일 아침, 메일함에 바이어 이메일 50개가 쌓여있었다. 문제는 영어, 중국어(간체+번체), 한국어가 뒤섞여 있었다는 것이다. 응답 템플릿도 따로, 우선순위도 달랐다.
「이건 손으로 하기엔 너무 오래 걸린다.」
보통 이때는 구글 시트에 복사-붙여넣기 한 후, 필터를 손으로 걸어야 했다. 그런데 AI 에이전트가 이걸 자동으로 할 수 있을까?
실험: Claude Code + 언어 감지 로직
윈도우 디바이스에서 간단한 자동화 플로우를 만들었다.
1단계: 메일 데이터를 구글 시트에 수집
2단계: Claude Code가 각 이메일 텍스트를 읽음
3단계: 자동으로 언어 감지 (EN / ZH-TW / ZH-CN / KO)
4단계: 언어별 응답 템플릿 추천
5단계: 우선순위 스코어 추가 (긴급도 포함)
Claude Code에게 간단히 지시했다.
「이메일 본문을 읽고, 주로 쓰인 언어를 맞혀줄래? 그 다음 각 언어에 맞는 응답 톤을 제안해줘.」
결과? 2시간 후, 300개의 쌓인 이메일이 자동으로 정렬되어 있었다.
놀라운 발견들
1. 혼합 언어도 감지함
일부 바이어들은 같은 이메일에 영어와 중국어를 섞어 썼다. Claude Code는 이를 「주 언어: 영어, 부 언어: 중국어」로 표기했다. 응답할 때 더 정교했다.
2. 문화적 톤까지 학습함
영어 이메일은 Direct 톤, 중국어는 Formal 톤, 한국어는 Friendly 톤으로 자동 제안되었다. 비개발자인 팀도 이 기준을 따라 3배 빨리 응답했다.
3. 시간대별 패턴 발견
중국 바이어는 오전 9시에, 영어권 바이어는 오후 4시에 이메일을 보냈다. AI가 이를 추적해 자동으로 최적 응답 시간을 제안했다.
지금의 워크플로우
아침마다 이제 이런 일이 일어난다:
1. Claude Code가 밤새 받은 이메일을 읽음
2. 언어별로 자동 분류 (1분)
3. 우선순위별 정렬 (긴급 이메일이 맨 위로)
4. 각 언어에 맞춘 응답 템플릿 제안
5. 팀은 클릭 3번으로 답장 발송
예전에는 이 작업에 4시간이 걸렸다. 지금은 20분이다.
작은 실수
Claude Code가 한 번 일본어를 한국어로 잘못 분류했다(바이어가 일부 일본어를 섞음). 이를 피하기 위해 이제 「감지 신뢰도」 점수를 추가했다. 신뢰도 85% 이하면 팀이 수동으로 확인하는 방식이다.
결론
비개발자가 다국어 비즈니스를 운영할 수 없다는 것은 옛날 얘기가 됐다. Claude Code 같은 도구가 언어 장벽을 AI 수준에서 처리해주면, 팀은 실제 관계 구축에만 집중할 수 있다.
지금 우리 팀의 드림팀 봇들(햄스터즈 + 퍼피즈)은 매일 아침 이 작업을 혼자 끝내놓고 우리를 기다리고 있다.