반복 업무를 아직 사람이 하고 있다면,
AI 시스템으로 자동화합니다

부산 소재 해운사. 본선(선박)이 보내는 입출항 레포트와 항구별 대리점 정산서가 각각 이메일로 도착하면, 담당자가 두 서류의 입출항 시각을 눈으로 대조하고 결과를 엑셀 집계표에 수기로 입력하고 있었다. 건당 약 15분, 월 35~45건 — 매달 9~11시간이 단순 대조와 옮겨 적기에 쓰이고 있었고, 스캔본 PDF가 섞여 있어 눈 대조 과정에서 실수할 여지도 있었다.

서류를 업로드하면 (1) 본선 레포트에서 입출항 시각을 추출하고 (2) 대리점 정산서의 시간·금액 항목과 자동 대조한 뒤 (3) 기존에 쓰던 엑셀 집계표 양식에 그대로 기입한다. 핵심 설계 원칙은 완전 자동 판정이 아니라 사람이 최종 확인할 항목을 골라내는 것 — 불확실한 값은 시스템이 추정하지 않고 '확인 필요'로 담당자에게 표시한다. 엑셀 수기 입력 자동화에서 가장 위험한 것은 조용히 틀리는 값이기 때문이다. 이메일 서류 자동 처리의 전 과정 — 수신된 서류에서 값 추출, 정산서 대조, 집계표 기입 — 을 하나의 파이프라인으로 묶었다.

연 매출 30억 원 규모 D2C 여성 패션 브랜드. 직원 12명. CS 담당 2명이 하루 평균 180건의 카카오톡·인스타 DM·메일 문의를 처리하고 있었다. 80%가 반복 문의(배송 조회, 사이즈 교환, 재입고 알림)였고, CS팀은 정작 클레임·VIP 응대 같은 고부가 업무에 손을 못 대고 있었다. 외주 챗봇 솔루션을 두 번 도입했다가 모두 6개월 안에 해지 — 자사 상품 데이터와 연동이 안 되고, 시즌마다 룰을 다시 짜야 했기 때문.

14일 PoC로 가장 빈도가 높은 3개 문의 유형(배송 조회, 사이즈 추천, 재입고 알림)만 먼저 자동화. Cafe24 주문 API와 상품 마스터를 직접 연동하고, Claude를 단순 응답 생성기가 아니라 '내부 데이터를 조회해서 답하는 에이전트'로 설계. 대답할 수 없는 질문은 무조건 사람 CS에게 에스컬레이션 — AI가 모르는 걸 지어내지 않는 것이 핵심 설계 원칙.

직원 23명, ARR 8억 원 규모 B2B SaaS 스타트업. 14일 무료 체험 후 유료 전환율이 18%에 머물러 있었다. 분석해보니 가입자의 절반이 첫 3일 안에 핵심 기능 1개도 안 써본 채 이탈. CS팀은 매일 신규 가입자에게 수동으로 환영 메일·온보딩 가이드를 보내고 있었지만, 한 명당 30분이 걸려 하루 10명 이상은 대응 불가. 마케팅팀은 '더 많이 유입시키자'고 했지만, 진짜 문제는 유입이 아니라 새는 양동이였다.

14일 PoC 목표를 단 하나로 좁힘 — '가입 후 첫 3일 동안 핵심 기능 1개 이상 사용한 비율을 끌어올린다.' 신규 가입자의 회사 도메인을 자동으로 분석해서 산업·규모를 추정하고, GPT-4o가 그 회사에 가장 잘 맞는 사용 시나리오 1개를 골라 맞춤형 온보딩 메시지를 보내는 시스템. 사람이 30분 걸리던 일을 AI가 90초에.

수강생 1,200명 규모 온라인 코딩 부트캠프. 강사 8명이 매주 30개의 라이브 수업을 진행하고, 수업이 끝나면 운영팀이 영상을 보면서 강의 노트·요약·퀴즈를 수동으로 만들었다. 영상 1개당 평균 4시간 작업 → 주 120시간 → 운영팀 3명이 이것만 하고 있었다. 그 결과 수업 후 학습 자료 제공까지 평균 5일이 걸렸고, 수강생 만족도 조사에서 '복습 자료가 너무 늦게 온다'가 가장 큰 불만.

강의 영상이 업로드되면 자동으로 전사 → 챕터 분할 → 요약 → 학습 노트 → 퀴즈 5문항 생성 → Notion 강의실에 게시까지 가는 파이프라인. 사람은 마지막에 검수만. Claude를 단계별로 다르게 활용 — 챕터 분할은 구조화 출력, 요약은 긴 컨텍스트, 퀴즈는 코드 스니펫 이해가 필요해서 정확도 높은 모델로 분리.