🧩 11. 운영: 반복업무 자동화 실전

반복업무 자동화를 시작할 때 팀이 가장 자주 착각하는 지점이 있습니다. “스크립트만 돌면 자동화가 끝난다”는 생각입니다. 실제 운영에서는 스크립트보다 먼저 입력 규칙, 승인 흐름, 실패 복구 순서가 정리돼 있어야 자동화가 오래 갑니다.

11편은 특정 부서 전용이 아니라, 어떤 팀이든 바로 가져다 쓸 수 있도록 구성한 실전 가이드입니다. 고객사 요청 follow-up과 주간보고처럼 자주 반복되는 업무를 기준으로, “한 번 돌려보기”가 아니라 “매일 안정적으로 돌리기”에 초점을 맞췄습니다.

안내: 이 문서는 생성형 AI를 활용해 초안을 작성했고, 공개된 근거 자료를 교차 확인해 운영 실무 관점으로 보강했습니다.

이 글의 근거 자료

OpenAI Skills + Shell tips: 작업을 작게 쪼개고 안정적으로 운영하는 원칙
- https://developers.openai.com/blog/skills-shell-tips
OpenAI Eval Skills: 산출물 품질 점검 루프 설계
- https://developers.openai.com/blog/eval-skills
OpenAI Harness engineering: 실행 환경(하네스) 안정화 관점
- https://openai.com/ko-KR/index/harness-engineering/

핵심 요약

자동화의 출발점은 “코드”가 아니라 “반복 패턴 분해”입니다.
입력/중간/결과/승인 큐를 분리하면 운영 사고가 크게 줄어듭니다.
프롬프트는 분해 → 구현 → 검증 3개만 고정해도 품질 편차가 눈에 띄게 줄어듭니다.

flowchart LR
A[고객사 요청 접수] --> B[분류/우선순위]
B --> C[자동 Follow-up 큐 생성]
C --> D[승인 후 발송]
D --> E[상태 업데이트]
E --> F[주간보고 자동 생성]
F --> G[회고/재발 방지]

🧠 칠판 치트시트

자동화는 “빨리 만들기”보다 “안 깨지게 운영하기”가 핵심

입력/승인/출력을 분리하면 책임 경계가 선명해진다

실패한 날에 팀이 덜 흔들리도록 루틴을 먼저 만든다

프롬프트는 늘리기보다 표준화가 중요하다

회고 없는 자동화는 결국 수동 복귀로 끝난다

시작 전에 3가지만 먼저 고정

1) 도구는 가볍게, 실행 규칙은 명확하게

필수 도구는 복잡할 필요가 없습니다.

VS Code
Python 3.10+
pandas, openpyxl, pyyaml

핵심은 누가 실행해도 같은 방식으로 돌아가게 만드는 것입니다.

2) 폴더 구조를 업무 흐름과 1:1로 맞추기

아래 구조만 지켜도 운영 시 혼선이 크게 줄어듭니다.

10-input: 원본 입력
20-work: 중간 가공
30-output: 최종 산출물
40-queue: 승인 대기 큐
90-prompt: 프롬프트 템플릿

특히 30-output과 40-queue를 분리해두면 “만들어진 결과”와 “아직 보내면 안 되는 결과”를 명확히 나눌 수 있습니다.

3) 하네스 4요소를 최소 버전으로 붙이기

자동화 품질은 코드 길이보다 환경 품질에 더 크게 좌우됩니다.

가독성: 운영 규칙을 문서에서 바로 찾을 수 있는가
관측: 실패 원인이 로그에 남는가
규칙강제: 테스트/체크를 통과해야 다음 단계로 가는가
피드백: 실패 이유를 다음 실행에 반영하는가

자동화 사고과정 5단계

1) 문제를 “작업”이 아니라 “반복”으로 보기

“업무가 많다”보다 “매주 반복되는 같은 패턴이 무엇인가”를 먼저 잡아야 합니다.

예: “고객사 요청 응대가 많다” 대신
→ “마감 2일 전 상태 확인 + 지연 건 안내 + 담당자 재할당”처럼 쪼개면 자동화 단위가 선명해집니다.

2) 입력·판단·예외·출력을 분리해 설계하기

실무에서 실패가 많이 나는 지점은 예외 처리 누락입니다.

입력: 어떤 데이터가 들어오는가
판단: 무엇을 기준으로 분기하는가
예외: 누락/중복/형식오류가 나면 어떻게 멈추는가
산출물: 누구에게 어떤 형태로 전달되는가

3) 사람 판단이 필요한 지점을 남겨두기

자동화가 잘 되는 팀은 “사람을 빼는 팀”이 아니라 “사람이 판단할 지점을 정확히 남겨두는 팀”입니다.

예: 발송 문구 생성은 자동화하되, 발송 버튼은 승인자에게 남겨두는 방식이 안전합니다.

4) 검증 기준을 숫자로 고정하기

다음 세 가지면 충분합니다.

누락 건수
처리 리드타임
재작업 건수

숫자가 있으면 개선이 되고, 없으면 느낌만 남습니다.

5) 실패 시 재실행 순서를 문장으로 남기기

장애는 반드시 옵니다. 중요한 건 실패 자체가 아니라, 실패 후 팀이 멈추지 않는 구조입니다.

현장에서 바로 쓰는 유즈케이스 2가지

유즈케이스 A) 고객사 요청 Follow-up 자동화

많은 팀이 요청 접수는 빠르게 하지만, 중간 follow-up이 늦어져 신뢰를 잃습니다.

운영 흐름은 단순하게 잡는 게 좋습니다.

입력: 요청일/담당자/마감일/상태
분기: 임박·지연·대기 상태별로 메시지 템플릿 분리
산출물: 40-queue/followup_queue.json
승인: 승인자 확인 후 발송

이렇게 하면 “빨리 보내는 자동화”가 아니라 “실수 없이 보내는 자동화”가 됩니다.

유즈케이스 B) 주간보고 자동화

주간보고는 길게 쓰는 능력보다, 팀이 다음 주 결정을 빠르게 하게 만드는 구조가 중요합니다.

보고서 구조를 고정해두면 품질 편차가 줄어듭니다.

이번 주 숫자 3개
지난주 대비 변화 1개
다음 주 액션 3개

저장 경로는 30-output/weekly_report.md로 고정하고, 팀이 항상 같은 위치에서 확인하게 만드는 편이 운영에 유리합니다.

실전 프롬프트 3종 (복붙용)

A) 업무 분해 프롬프트

역할: 업무자동화 설계자.
목표: [업무명]의 반복 시간을 줄이고 누락을 줄인다.
입력: [파일/시트/데이터 소스]
출력: [원하는 산출물]
제약: 원본 수정 금지, dry-run 우선, 로그 필수.
요청: 업무를 입력-판단-예외-승인-출력 5단계로 분해해줘.

B) 구현 프롬프트

위 분해 결과를 기준으로 Python 실행 스크립트를 작성해줘.
조건:
1) 10-input만 읽기
2) 30-output에 결과 저장
3) 40-queue에 승인용 데이터 생성
4) logs/run.log 기록
5) 실패 시 원인과 재실행 순서 출력

C) 검증 프롬프트

이 자동화에서 발생 가능한 실패 시나리오 5개를 만들고,
각 시나리오별로 즉시 조치/임시 복구/영구 개선을 체크리스트로 정리해줘.

15분 운영 점검 루틴

5분: 오늘 입력 데이터 누락/형식 오류 확인
5분: 승인 큐에서 중복/오발송 위험 확인
5분: 전일 실패 로그 1건 회고 + 재발방지 한 줄 기록

이 루틴만 붙여도 “돌아가는 자동화”에서 “운영되는 자동화”로 넘어가기 쉬워집니다.

일하는 ai

탐색기