처음 현장에 들어갔을 때 데이터정리는 거의 전부 수작업이었습니다. 엑셀에 숫자를 하나씩 옮겨 적고, 그래프를 매번 손으로 만들고, 같은 형식의 결과를 반복해서 정리했습니다. 하루 8시간 중 6시간이 데이터정리에 쓰이는 날도 있었습니다. 저는 코딩경력도 IT직무 경험도 없었지만, Python과 사내에서 사용 가능한 LLM을 이용해 이 과정을 자동화하기 시작했습니다.
가장 큰 변화1~2시간 걸리던 작업은 약 10초, 조건에 따라 10시간 가까이 걸릴 수 있는 처리도 자동화 후 수초 수준으로 줄었습니다. 데이터정리 6시간이 사라지면서 남는 시간에 다른 자동화 도구와 AI 앱을 만들 수 있게 됐습니다.
자동화 전에는 무엇을 손으로 했나
- 엑셀 데이터 하나하나 입력
- 여러 파일의 항목 복사·통합
- 그래프 매번 수동 생성
- 기준값과 결과값 눈으로 비교
- 동일 형식 보고서 반복 작성
- 오류·누락 수동 확인
각 작업은 어렵지 않아 보여도 양이 많아지면 대부분의 시간을 차지합니다. 집중력이 떨어지면 숫자를 잘못 옮기거나 그래프 범위를 틀리는 실수도 생길 수 있습니다.
코드를 전혀 몰라도 시작한 방법
개발환경은 Python과 VS Code, 회사 안에서 허용된 LLM이 전부였습니다. 제가 업무과정을 단계별로 설명하고, LLM이 만든 코드를 실행해 결과를 확인하고, 오류를 다시 설명해 수정했습니다. 코드를 처음부터 외우지 않아도 시작할 수 있었지만, 결과가 맞는지 검증하고 업무규칙을 정확히 설명하는 능력은 반드시 필요했습니다.
“AI가 다 만들어 주니 아무것도 몰라도 된다”는 표현은 절반만 맞습니다. 첫 코드는 만들 수 있어도 실제 현장에서 계속 쓰려면 예외조건, 파일형식, 사용자 실수, 보안제한을 이해해야 합니다.
상사 허가와 보안환경
회사 업무에 사용하는 도구는 무엇이든 상사에게 설명하고 허가를 받은 뒤 진행했습니다. 외부 AI에는 회사 데이터를 입력할 수 없었고, 사용할 수 있는 개발도구와 라이브러리도 보안정책의 제한을 받았습니다.
일부 Python 라이브러리는 설치가 막혀 있어, 허용된 기능만으로 대체 구현해야 했습니다. 이 과정은 시간이 오래 걸렸지만 회사 보안정책을 우회한 것이 아니라 허용범위 안에서 다른 방법을 찾는 작업이었습니다.
6시간을 10초로 줄인 흐름
| 단계 | 수동 | 자동화 |
|---|---|---|
| 데이터 불러오기 | 파일별 열기·복사 | 지정 폴더 일괄 읽기 |
| 정리 | 행·열 수동 편집 | 규칙에 따라 자동 가공 |
| 비교 | 눈으로 값 확인 | 조건별 자동 판정 |
| 그래프 | 매번 범위 선택 | 같은 형식으로 자동 생성 |
| 출력 | 보고파일 수동 작성 | 정해진 형식으로 저장 |
자동화 후 중요한 것은 “빨라졌다”보다 결과가 항상 같은 규칙으로 나온다는 점이었습니다. 사람의 반복실수를 줄이고, 남는 시간을 해석과 개선에 쓸 수 있었습니다.
도구가 늘면서 업무도 늘었습니다
몇 가지 프로그램을 발표하고 실제로 사람들이 사용하기 시작하자 주변에서 새로운 요청이 들어왔습니다. “이 작업도 줄일 수 있느냐”, “이 파일도 자동비교할 수 있느냐”는 문의가 늘었습니다. 자동화로 제 기존업무는 줄었지만, 자동화 개발과 유지보수라는 새 일이 생겼습니다.
이것은 단점이면서 경력기회이기도 했습니다. 원래 연구·측정 보조였지만 현장 DX와 자동화 역할까지 넓어졌기 때문입니다.
오류가 생기면 당일 수정
사용자에게서 오류 제보를 받으면 직접 현상과 입력파일을 확인하고, 원인을 찾은 뒤 가능한 한 그날 수정해 다시 배포했습니다. 주변에서는 예상보다 빨리 고쳐졌다고 반응했습니다. 자동화 프로그램은 처음 배포보다 유지보수 속도가 신뢰를 결정했습니다.
AI 앱과 포상·평가 연결
자동화와 개선활동은 현장에서 긍정적으로 평가됐고, 개선보고 포상금과 부문 표창으로도 이어졌습니다. 최근 보너스가 늘어난 데 일부 영향을 줬다는 설명도 들었습니다. 하지만 기본급 승급에는 명확하게 연결되지 않았습니다. 업무성과, 포상, 보너스, 승급은 서로 관련이 있어도 같은 기준으로 움직이지 않았습니다.
자동화할 작업을 고르는 기준
- 같은 순서를 반복하는가?
- 입력과 출력 형식이 일정한가?
- 사람이 자주 실수하는가?
- 결과를 샘플로 검증할 수 있는가?
- 회사 보안규정 안에서 처리 가능한가?
반대로 예외가 많고 사람의 판단이 핵심인 업무는 완전자동화보다 보조도구로 만드는 것이 안전합니다.
초보자가 시작할 때 필요한 능력
- 현재 업무를 단계별로 설명하는 능력
- 입력값과 정답 샘플을 준비하는 능력
- 오류메시지를 읽고 다시 질문하는 습관
- 결과를 원본과 대조하는 검증
- 회사 보안과 기밀범위 이해
문법을 전부 외울 필요는 없지만, 프로그램이 왜 그렇게 동작하는지 조금씩 이해해야 수정과 유지보수가 가능합니다.
외국인 직원에게도 가능한가
가능합니다. 오히려 언어가 완벽하지 않더라도 반복업무의 구조를 잘 이해하고 결과를 보여 주면 평가받을 수 있습니다. 다만 일본어 보고와 사용자 설명은 필요합니다. 프로그램만 던지는 것이 아니라 매뉴얼과 사용법, 오류대응을 일본어로 전달해야 현장에서 실제로 쓰입니다.
보안 원칙
외부 AI에 회사 데이터·제품명·고객정보를 입력하지 않았고, 이 글에도 내부 화면·코드·데이터구조·사용 라이브러리 목록을 공개하지 않습니다.
- 정상 입력뿐 아니라 빈 값과 잘못된 파일도 테스트
- 오류메시지를 사용자가 이해할 수 있게 표시
- 수정 전후 결과를 같은 샘플로 비교
- 버전과 변경내용을 간단히 기록
첫 실행이 성공했다고 끝이 아니었습니다. 사용자가 다른 형식의 파일을 넣거나, 비어 있는 셀이 생기거나, 경로가 바뀌면 오류가 날 수 있습니다. 그래서 오류제보가 오면 당일 현상을 재현하고 수정해 다시 배포하는 흐름을 만들었습니다. 사용자가 “벌써 고쳤느냐”고 반응한 이유는 코드가 화려해서가 아니라, 업무가 멈추는 시간을 짧게 만들었기 때문이라고 생각합니다.
유지보수까지 생각해야 실제 업무도구가 됩니다
결국 자동화는 단순히 시간을 없애는 기술이 아니라, 사람이 반복입력에서 벗어나 검증·해석·개선으로 역할을 옮기는 과정이었습니다. 남는 시간에는 다른 자동화 도구와 AI 앱을 만들었고, 발표를 반복하면서 주변 부서의 의뢰까지 받게 됐습니다.
자동화 전에는 하루 8시간 중 약 6시간을 데이터 정리에 쓰는 날도 있었습니다. 자동화 후에는 같은 정리 작업이 약 10초 안에 끝났지만, 제 일이 사라진 것은 아니었습니다. 입력파일 형식이 바뀌었는지 확인하고, 결과가 원본과 맞는지 검증하고, 사용자가 이해할 수 있도록 화면과 설명을 다듬는 일이 새로 생겼습니다.
자동화 전후에 제가 실제로 맡은 역할
| 구분 | 자동화 전 | 자동화 후 |
|---|---|---|
| 데이터 처리 | 엑셀 값을 직접 입력하고 여러 파일을 복사·통합 | 입력파일 형식과 경로를 확인한 뒤 프로그램으로 일괄 처리 |
| 그래프·비교 | 그래프를 매번 수동으로 만들고 기준값과 눈으로 비교 | 자동 생성 결과가 원본과 맞는지 샘플 검증 |
| 보고서 | 같은 형식을 반복 작성 | 자동 초안을 확인하고 현장 설명과 예외사항을 보완 |
| 문제 대응 | 입력과 정리에 시간이 묶여 개선할 여유가 적음 | 오류 재현, 수정, 재배포와 사용자 설명에 시간 사용 |
즉 자동화 후 제 역할이 사라진 것이 아니라 반복 입력자에서 설계·검증·유지보수 담당자로 바뀌었습니다. 6시간짜리 정리 작업이 약 10초로 줄어든 뒤에는 남는 시간으로 다른 자동화 도구와 AI 앱을 만들었고, 실제 사용자가 늘면서 오류 확인과 기능 개선 요청도 함께 늘었습니다.
프로그램을 만드는 순간보다 계속 사용할 수 있게 유지하는 과정이 더 중요했습니다. 입력파일 열 이름이 바뀌거나 빈 셀이 생기면 정상 입력뿐 아니라 잘못된 파일도 테스트했고, 오류메시지를 사용자가 이해할 수 있게 바꿨습니다. 수정 전후에는 같은 샘플로 결과를 비교하고 변경내용을 간단히 기록했습니다.
마무리
코딩경력 0에서 시작했지만, 업무를 정확히 설명하고 LLM이 만든 결과를 검증하면서 6시간 데이터정리를 약 10초로 줄일 수 있었습니다. 이후 자동화 도구와 AI 앱을 계속 만들며 주변 의뢰까지 받게 됐습니다. 중요한 것은 AI가 코드를 대신 쓰는지가 아니라, 현장문제를 정의하고 안전하게 검증해 실제 사용자가 계속 쓸 수 있게 만드는 능력이었습니다.
댓글