# Claude Code로 'AI 직원' 팀 만들기. 3일 걸리던 이커머스 업무를 15분으로 끝내는 완전 자동화 가이드

> https://bookfactory.kr/board/ai-tech/18204
> 게시판: AI·머신러닝
> 작성자: admin
> 작성일: 2026-09-23T20:42:29.126Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/316334031/rectangle_large_type_2_e3b9fa8521f063df1a78a3b5510637dd.jpeg?width=1280)

“뉴스레터, 상품 등록, 데이터 집계, 문의 대응. 정신 차려 보니 하루가 온통 수작업으로 끝나 있다.” EC를 운영하다 보면 이런 고민은 피할 수 없습니다. 이 자료는 인력 부족으로 고민하는 중소 규모의 EC·D2C 사업자, EC 담당자, 컨설턴트를 위해 Claude Code를 활용한 ‘AI 사원’ 팀을 만드는 방법을 설명하는 실전 가이드입니다. 원본은 ‘3일 걸리던 업무가 15분으로’라는 자료입니다. 전체 16페이지 분량에 현장에서 바로 쓸 수 있는 노하우와 배경 지식을 더했습니다. 끝까지 읽고 나면 자사의 어떤 업무부터 자동화해야 할지, 그리고 안전하게 맡기기 위한 기준을 어떻게 설계해야 할지가 보일 것입니다.

## 01: 3일 걸리던 업무가 15분으로

![01：3日かかった業務が15分に](https://assets.st-note.com/img/1790066626-dvXE4ZInlj03YPR8Nkoh2HuJ.jpg?width=1200)

오늘의 주제는 'AI를 활용한 시간 단축'이 아닙니다. 업무 자체를 맡길 수 있는 구조를 만드는 이야기입니다. ChatGPT 같은 채팅 AI에 '문장 작성을 맡기는' 단계에서 한 걸음 더 나아가, AI가 직접 파일을 열고, 집계하고, 리포트를 완성하는 단계까지 다룹니다. 참고로 '3일→15분'은 자료에서 소개하는 일례입니다. 실제 단축 폭은 업무의 정형화 정도와 데이터 정비 상태에 따라 달라집니다. 먼저 '자사의 부담이 큰 업무가 정말로 정형화할 수 있는지'를 판단하는 관점으로 읽어 주세요.

## 02: 실무의 70%가 수작업에 빼앗기고 있다

![02：実務の7割が手作業に奪われている](https://assets.st-note.com/img/1790066721-On4bfuxYlMChqpItUE8VRzkT.jpg?width=1200)

EC 운영의 실태는 바로 이렇습니다. 상품 등록, 재고 확인, 주문 데이터의 엑셀 가공, 뉴스레터 원고 작성, 보고서 작성에 쫓기다 보면 "시책을 고민할 시간"이 남지 않습니다. 만성적인 리소스 부족으로 시책이 멈추는 것은 담당자의 능력이 아니라 구조의 문제입니다. 여기서 중요한 것은 목표 설정입니다. 목표는 야근을 줄이는 것뿐만이 아닙니다. 비게 된 시간을 CRM 설계, 상품 기획, 고객 이해와 같은 "사람만이 할 수 있는 사고"에 재투자하는 것입니다. 자동화의 목표는 "편해지는 것"이 아니라 "생각할 시간을 되찾는 것"입니다. 먼저 자신의 1주일 업무를 빠짐없이 정리해 "사고"와 "수작업"으로 색을 나눠 보세요. 7할 룰이 자사에도 해당하는지 숫자로 확인할 수 있습니다.

## 03: ‘지시를 내릴 상대’에서 ‘자율형 동반자’로

![03：「指示を出す相手」から「自律型伴走者」へ](https://assets.st-note.com/img/1790066745-kULNnP7V6zHsAR84JtqbMfm2.jpg?width=1200)

기존 채팅 AI는 답을 내놓는 데 그쳤습니다. 결과를 복사해 Excel에 붙여넣고, CMS에 입력하는 것은 사람의 일이었습니다. Claude Code는 이렇게 직접 손을 움직여야 하는 부분까지 담당합니다. Claude Code라고 하면 “엔지니어용”이라는 인상이 있지만, 본질은 “파일과 시스템을 직접 조작할 수 있는 AI”입니다. CSV 가공, 문서 생성, 데이터 연동 등 EC 업무의 대부분은 코드를 쓰는 능력보다 파일을 다루는 능력이 요구됩니다. 그래서 비엔지니어 운영자에게도 효과가 있습니다.

## 04: 4D 프레임워크

![04：4Dフレームワーク](https://assets.st-note.com/img/1790066793-xCriMKStRfDs849721VuaWgw.jpg?width=1200)

이 프레임은 Anthropic이 제안하는 AI 활용 사고방식(AI Fluency)에서 유래했습니다. 많은 실패는 Description 부족(지시가 모호함)과 Diligence 부재(확인 없이 공개함)에서 비롯됩니다. 이 두 가지만이라도 오늘부터 유념해 보세요.

## 05: AI 사원을 움직이는 3대 요소

![05：AI社員を駆動する3大要素](https://assets.st-note.com/img/1790066838-z6u2BAt1IlbhLipsfmC9UH7G.jpg?width=1200)

“AI 사원”을 사원답게 만드는 것은 이 3종 세트입니다.
CLAUDE.md 회사 규정·공통 가이드라인(브랜드 톤, 금지 표현 등) 취업규칙·사내 규칙
Skills 반복 업무의 표준 절차 업무 매뉴얼
MCP 외부 도구(GA4 등)와의 연결 사용 가능한 도구·접근 권한
용어 설명: MCP(Model Context Protocol)는 AI와 외부 도구를 연결하는 공통 규격입니다. “AI용 USB 단자”로 생각하면 이해하기 쉽습니다.
포인트는, 작성한 규칙이 자산으로 남는다는 것입니다. 특정 개인에게만 귀속된 “그 사람밖에 모르는 방식”을 문서화하여 AI와 사람 모두가 활용할 수 있는 상태로 만드는 것입니다.

## 06: 1인으로 운영하는 10명 규모의 가상 조직

![06：1人で10人規模のバーチャル組織](https://assets.st-note.com/img/1790066913-EWGiySCD90Bfrse3QF4vmbOt.jpg?width=1200)

인간 조직과 마찬가지로, AI에게도 역할 분담을 시키는 것이 핵심입니다.

- 분석 담당 AI: 매출·접속 집계와 시사점 도출
- 콘텐츠 제작 AI: 상품 설명·뉴스레터·SNS
- 고객 지원 AI: 문의 대응 초안
- 법무 AI: 약관·계약서 리스크 검토

오너는 사령탑(비서 AI)과만 대화하고, 비서 AI가 각 담당에게 배분합니다. 역할을 한정할수록 지시는 짧아지고, 출력은 안정됩니다. 처음부터 모두 만들 필요는 없습니다. 가장 부담이 큰 역할 하나부터 시작하고, 익숙해지면 늘려 가세요.

## 07: GA4와 수주 데이터의 대화형·교차 분석

![07：GA4と受注データの対話型・横断分析](https://assets.st-note.com/img/1790066954-DNInuWUlpEwcj1VGotXBK8RO.jpg?width=1200)

접속 분석과 주문 데이터는 별도의 화면에 있어 대조하는 데 번거롭기 쉽습니다. BI 툴(Looker Studio 등)을 구축하는 데도 전문 지식이 필요합니다. MCP로 연결하면, "지난달 CVR(구매율)이 하락한 원인은?"이라고 묻기만 해도 유입 경로별·상품별 경향을 횡단하여 분석한 답을 바로 얻을 수 있습니다. 실전 팁

- 질문은 ‘원인 → 잘 팔리는 책 / 안 팔리는 책 → 다음 한 수’ 순으로 깊이 파고든다
- 나온 숫자는 GA4 원 화면에서 1~2곳을 샘플로 확인한다(실사)

분석은 "결과를 보는 작업"에서 "질문을 던지는 일"로 바뀝니다.

## 08: Dynamic Workflows를 활용한 대규모 병렬 리서치

![08：Dynamic Workflowsによる大規模並列リサーチ](https://assets.st-note.com/img/1790066991-LnyjfdOp3uczSAsh8w7Z2rCl.jpg?width=1200)

경쟁 EC 사이트 100개 업체의 가격·소구점·리뷰 경향 조사나 타깃 리스트의 속성 분석은 사람이 하면 수일이 걸립니다. 병렬 처리라면 조사 대상별로 하위 AI를 두어 동시에 조사하고 상위 AI가 통합할 수 있습니다. 자료는 최대 1,000개의 병렬 운용을 언급하고 있지만, 실제로 사용 가능한 규모나 기능은 사용 중인 플랜이나 버전에 따라 다를 수 있습니다. 도입 전 최신 공식 정보를 확인하십시오. 또 하나의 주의점은 정보의 팩트체크입니다. 조사 결과의 중요한 수치나 주장은 출처까지 확인하는 운용 방식을 마련합시다.

## 09: 상품 데이터에서 여러 매체의 콘텐츠와 LP를 동시에 생성

![09：商品データから複数媒体のコンテンツとLPを同時生成](https://assets.st-note.com/img/1790067011-SGr1kY3AgxeEDjt84y7oBmOq.jpg?width=1200)

하나의 상품 데이터로부터 **매체별로 다르게 쓴 문구와 LP(HTML/CSS)**를 동시에 출력할 수 있습니다. 핵심은 브랜드 톤을 CLAUDE.md나 지식에 미리 적어두는 것입니다. 브랜드 톤 정의에 넣을 항목

- 1인칭, 어미, 이모지 사용 여부
- 사용해도 되는 말 / 피해야 할 말
- 과거의 ‘좋은 글’ 샘플 3~5개
- 약기법·경품표시법 등의 표현상의 주의사항

특히 건강·미용 분야는 표현 규제가 엄격하기 때문에 금지 표현 목록을 인공지능에 미리 등록해 두는 것이 안전한 운영의 첫걸음입니다. 다만 최종 검수는 반드시 사람이 해 주세요.

## 10: 동영상과 썸네일의 전자동 생성

![10：動画とサムネイルの全自動生成](https://assets.st-note.com/img/1790067039-QNdC7wj5vegnKZ3ax2i0h9to.jpg?width=1200)

숏폼 영상이나 프로모션은 물량이 성과를 좌우합니다. 그런데 제작이 특정 담당자에게 의존하고 있으면 양산할 수 없습니다. 흐름은 간단합니다. 음성이나 메모로 아이디어를 전달하면 AI가 구성과 대본을 만들고, 편집 시스템과 연동해 자막과 애니메이션을 넣고, 이미지 생성으로 썸네일과 배너를 제안합니다. 핵심은 '틀'을 고정하는 것입니다. 도입부 3초의 훅, 길이, 자막 스타일 등을 Skills로 정의하면 품질이 균일해집니다. 전부를 한꺼번에 자동화하지 말고, 우선 '대본 작성만'부터 시작하는 것이 현실적입니다.

## 11: 영수증 정리부터 계약서 리스크 체크까지

![11：領収書整理から契約書のリスクチェックまで](https://assets.st-note.com/img/1790067060-Ca37zEuSA8n0dMN9WqPe1I6X.jpg?width=1200)

화려하지는 않지만, 효과를 체감하기 쉬운 영역입니다.

- 영수증 정리: 이미지를 OCR(문자 인식)로 판독해 날짜·금액·거래처·내용을 회계 소프트웨어용 CSV로 정리
- 계약서 검토: 위험이 있는 조항에 변경 내역과 의견을 달아 반환

월말 경리 업무와 문의 대응 부담이 줄어듭니다. 다만, 계약서에 대한 AI 검토는 변호사를 대체하지 않습니다. '누락 방지를 위한 1차 체크'로 삼으시고, 중요한 계약은 전문가의 확인을 받으세요.

## 12: 프로그래밍 없이 성장하는 'LLM Wiki'

![12：プログラミング不要で育つ「LLM Wiki」](https://assets.st-note.com/img/1790067084-rxUS19uoDFdVPmMX06ka4KHf.jpg?width=1200)

여기가 가장 중요한 부분입니다. 하루의 리듬은 이렇게 됩니다.

- 야간~이른 아침: AI가 데이터 수집과 보고서 작성을 마친다
- 아침: 사람이 보고서를 확인하고 승인한다
- 일중: 업무를 통해 배운 점이 지식으로 축적된다

LLM Wiki란 AI가 참조하고 업데이트하는 사내 위키(지식 모음집)입니다. /init으로 Claude Code가 프로젝트를 읽어들여 CLAUDE.md의 기본 틀을 만들어줍니다. 여기에 "틀렸던 점"과 "잘 통했던 패턴"을 계속 추가해 나가면, 같은 실패를 반복하지 않는 구조가 완성됩니다.

## 13: 리스크 방지를 위한 HITL 승인 흐름

![13：リスクを防ぐHITL承認フロー](https://assets.st-note.com/img/1790067103-1KR7U5kuPF9SNrItfXDgEe3p.jpg?width=1200)

HITL(Human In The Loop)이란 중요한 판단에 인간이 반드시 관여하도록 하는 설계입니다.

- 녹색: 데이터 수집·분석 등 위험이 없는 작업은 자동
- 노란색: Plan 모드. AI가 실행 전에 계획을 제시하고 사람이 미리보기로 확인한다
- 빨강: 결제, 외부 공개, 고객 대상 일괄 발송 등 되돌릴 수 없는 조작은 인간의 최종 승인이 필수

게다가 훅(특정 조작 전후에 테스트나 검사를 자동으로 실행하는 장치)을 함께 사용합니다. 구분 기준은 "잘못했을 때 되돌릴 수 있는가?"입니다.

## 14: AI 사원 도입의 3단계

![14：AI社員導入の3段階](https://assets.st-note.com/img/1790067125-Xr8vsD1cAQWoduMUB5kHNmIY.jpg?width=1200)

- 1단계: 단일 업무 자동화 뉴스레터 작성이나 접속 분석 등, 가장 힘든 1개 업무부터 시작하세요. 성공 경험이 가장 중요합니다.
- Step 2: 팀 구축 여러 에이전트를 연계하여 부서 간 워크플로를 자동화합니다.
- 3단계: 경영 대시보드 및 전자동 운영 표준 업무 설계서를 토대로 전사 최적화와 자동 순회를 목표로 합니다.

조급하게 Step 3을 노리지 않는 것이 성공의 철칙입니다. Step 1에서 “AI에게 맡겨도 괜찮은 범위”에 대한 감각이 길러지면, 다음 설계가 훨씬 수월해집니다.

## 15: 우선 '손 떼고 싶은 업무' 정리부터

![15：まずは「手放したい業務」の洗い出しから](https://assets.st-note.com/img/1790067167-W7yHuNZFCVf6SdkIKMgcYaDb.jpg?width=1200)

자료는 표준 업무 설계서(레퍼런스 구현)를 활용한 최단 경로 도입 지원을 안내합니다. 직접 시작하는 경우에도 첫걸음은 같습니다. 손을 떼고 싶은 업무를 정리하는 3단계

- 1주일간의 작업을 적어 내다
- 매번 거의 같은 절차로 하는 작업에 ○ 표시하기
- ○ 중에서 “실수해도 되돌릴 수 있는” 것 하나를 고르기

이 세 가지를 충족하는 업무가 가장 먼저 자동화해야 할 업무입니다.

**출처:** [note 원문](https://note.com/bclab_omo_fde/n/nce6deeb2a127)

*번역: Gemma 3(.44) 초벌 + 교정 44청크*

[원문 보기](https://note.com/bclab_omo_fde/n/nce6deeb2a127) | 출처: note.com