Claude Code × Slack 기반 사내 자동화 고도화: 투자자 대응 자동화 사례를 중심으로
관련글
Claude Code를 슬랙이랑 붙여서 사내 자동화를 고도화했다
1. 배경: 왜 Claude Code를 슬랙과 연결했는가
AI 코딩 에이전트의 발전은 단순한 코드 자동완성 수준을 넘어서, 이제는 업무 전체 흐름을 오케스트레이션하는 단계에 접어들었다. Allganize의 Changsu Lee가 구현한 시스템은 그 전형적인 사례다.
핵심 문제의식은 단순했다. 팀원들이 반복적으로 수행하는 업무들—재무 데이터 취합, 투자자 양식 작성, 고객사별 커스텀 앱 개발, 권한 관리 등—이 매번 사람의 손을 거쳐야 했고, 요청 양식이나 맥락이 조금씩 달라 표준화가 어려웠다. 이 문제를 해결하기 위해 선택한 도구가 Claude Code + Slack 연동이었다.
2. 시스템 아키텍처: 어떻게 작동하는가
2.1 슬랙을 단일 입력 창구로
이 자동화 시스템의 가장 중요한 설계 원칙은 슬랙이 유일한 인터페이스라는 점이다. 팀원은 별도의 대시보드, 폼, 명령어를 외울 필요 없이 슬랙 채널에 자연어로 요구사항을 작성하면 된다. 시스템은 이 메시지를 파싱하고, 업무 유형을 분류하고, 적절한 실행 경로를 자동으로 선택한다.
2.2 구성원별 독립 Workspace 자동 생성
요청이 들어오면 시스템은 해당 구성원 전용 workspace를 자동으로 생성한다. 이는 여러 명이 동시에 서로 다른 작업을 진행할 때도 각자의 컨텍스트가 완전히 분리되어 유지됨을 의미한다. 동일 인물이 여러 업무를 병렬로 요청해도 각 작업은 독립적인 컨텍스트 위에서 실행된다. 이 설계는 Claude Code의 멀티 에이전트 서브에이전트(subagent) 구조를 활용한 것으로, 각 태스크가 독립된 실행 단위로 관리된다.
2.3 업무 유형별 실행 전략의 자동 분기
시스템은 요청의 성격에 따라 실행 방식을 다르게 선택한다:
Skill로 처리: 이미 정의된 반복 작업이거나 표준화된 API 호출이 가능한 경우, 사전에 정의된 Skill을 호출해 빠르게 처리한다.
Google Apps Script로 처리: Google Sheets, Gmail, Google Drive 등 Google Workspace 생태계와의 연동이 필요한 경우 GAS 코드를 자동 생성하고, 설치 안내까지 자동으로 제공한다.
Vibe Coding으로 BE/FE 전체 구현: 기존 툴로 커버되지 않는 새로운 유형의 업무일 경우, 백엔드와 프론트엔드를 처음부터 코딩해서 Alli API에 연결하고, 배포 및 버전 관리까지 자동화한다. “Vibe Coding”은 AI가 요구사항의 전체적인 맥락(vibe)을 이해하고 완성도 높은 코드를 생성하는 패러다임을 의미한다.
2.4 메인 채널 AI의 Orchestration 역할
전체 워크스페이스는 메인 채널에 연결된 오케스트레이터 AI가 관리한다. 이 AI는 각 서브에이전트의 실행 상태를 추적하고, 모호한 요청에 대한 해석 기준을 제공하며, 전체 작업 흐름을 조율한다. 각 구성원의 권한 수준도 이 오케스트레이터 레이어에서 관리된다.
2.5 CLAUDE.md: 살아있는 정책 문서
시스템의 품질을 유지하는 핵심 메커니즘이 CLAUDE.md 파일이다. 이 파일에는 그동안 쌓인 정책, 예외 처리 규칙, 비즈니스 컨텍스트 등이 상세하게 기술되어 있다. 그리고 이 문서는 자동화 작업이 실행될 때마다 자동으로 업데이트된다. 즉, 시스템이 새로운 케이스를 처리할수록 정책 문서가 더욱 정교해지는 자기 발전 구조를 갖추고 있다.
3. 투자자 대응 자동화: 구체적인 사례 분석
이 시스템이 하루에 완전 자동화한 6개 업무 중 하나가 투자자 대응이다. 이 케이스가 특히 흥미로운 이유는 입력의 비정형성과 다중 데이터 소스 연동이 동시에 요구되기 때문이다.
3.1 문제 정의
투자자들은 매 분기 업데이트를 요청하는데, 각 투자자마다 요구하는 양식이 조금씩 다르다. 어떤 투자자는 엑셀 파일을 보내고, 어떤 투자자는 구글 시트 링크를 공유하며, 어떤 투자자는 이메일 본문에 표 형식을 담는다. 이를 수작업으로 처리하려면 매번 담당자가 각 양식을 확인하고, 여러 데이터 소스에서 숫자를 찾아 옮기는 반복적인 작업이 필요하다.
3.2 슬랙에 입력한 요구사항 (원문)
1
2
3
4
5
투자자 대응을 자동화하자.
투자자들은 매 분기별 업데이트를 요청하는데 양식이 다 조금씩 달라.
채워야 하는 숫자는 매출, TCV, 영업이익 — 소스는 우리 구글 시트.
주요 비즈니스 업데이트 — 소스는 보드 미팅 자료.
투자자 요청은 이메일로 오고, 발신자 리스트는 이거.
이것이 전부다. 추가적인 명세서, 플로우차트, API 문서 없이 이 자연어 요구사항 하나로 시스템이 작동하기 시작했다.
3.3 자동화된 처리 흐름
1단계 — 투자자 식별: 이메일로 수신된 투자자 요청에 첨부된 엑셀 파일을 슬랙에 업로드하면, 시스템이 발신자 이메일 주소와 사전에 등록된 투자자 리스트를 대조하여 어느 투자자의 요청인지 자동으로 식별한다.
2단계 — 재무 데이터 취합: 투자자가 요구하는 재무 지표(매출, TCV, 영업이익)를 구글 시트에서 자동으로 읽어온다. 단순 값 복사가 아니라 해당 분기의 데이터를 정확히 참조하는 로직이 포함된다.
3단계 — 비즈니스 업데이트 추출: 보드 미팅 슬라이드(Google Slides 또는 PDF)에서 주요 비즈니스 업데이트 내용을 AI가 추출한다. 이 과정에서 비정형 텍스트와 이미지 형태의 슬라이드를 파싱하고, 투자자 업데이트에 적합한 형태로 요약한다.
4단계 — 양식 자동 완성 및 파일 반환: 투자자가 보낸 양식(엑셀)의 구조를 AI가 분석하고, 앞서 취합한 데이터를 해당 양식의 올바른 위치에 채워 넣는다. 완성된 파일을 슬랙으로 반환한다.
3.4 핵심 재무 지표 이해: 매출, TCV, 영업이익
투자자 업데이트에서 반복적으로 요구되는 세 가지 핵심 지표의 의미를 정확히 이해하는 것은 자동화 품질을 높이는 데 중요하다.
매출(Revenue): 기업이 제품이나 서비스를 판매하여 벌어들인 실제 인식 금액이다. SaaS 기업의 경우 구독 수익을 월 단위로 인식하는 MRR(Monthly Recurring Revenue)이나 연 단위 ARR(Annual Recurring Revenue)이 핵심 지표가 된다. 투자자들은 매출의 절대값뿐 아니라 전년 동기 대비 성장률(YoY Growth)을 함께 본다.
TCV(Total Contract Value, 총 계약 금액): 고객과 체결한 계약의 총 가치로, 계약 기간 동안 발생할 모든 수익의 합계다. 예를 들어 연 1억 원짜리 3년 계약이라면 TCV는 3억 원이다. TCV는 매출과 달리 아직 인식되지 않은 미래 수익을 포함하므로, 기업의 성장 파이프라인과 고객 확보 역량을 보여주는 지표다. 투자자 입장에서는 TCV가 높을수록 향후 매출의 가시성이 높다고 판단한다.
영업이익(Operating Income): 매출에서 매출원가와 영업비용(판매비, 관리비, R&D 비용 등)을 차감한 이익이다. 이자비용이나 세금을 제외한 순수한 영업 활동의 수익성을 나타낸다. 스타트업의 경우 초기에는 영업이익이 마이너스(영업손실)인 경우가 많으며, 투자자들은 영업이익의 절대값보다 손익분기점(BEP)까지의 거리와 개선 추세를 중점적으로 본다.
4. On-Premise 환경에서의 구현 가능성
이 사례에서 특히 주목할 점은 동일한 품질의 자동화를 on-prem 환경에서도 구현할 수 있다는 것이다. 금융, 의료, 공공기관 등 높은 보안 요건을 갖춘 기업들은 클라우드 기반 SaaS 도입에 제약이 있다. Allganize의 Alli는 이런 환경에서도 동일한 AI 기반 자동화를 제공할 수 있다고 밝혔다. 이는 AI 자동화의 적용 범위를 클라우드 퍼스트 기업을 넘어, 레거시 인프라와 엄격한 데이터 거버넌스 정책을 가진 기업으로까지 확장한다는 점에서 중요한 의미를 갖는다.
5. 메타 인사이트: AI를 잘 쓰는 것은 좋은 매니저의 역량과 닮았다
Changsu Lee가 이 경험에서 도출한 인사이트는 기술적 성취를 넘어서는 철학적 함의를 담고 있다.
“AI를 잘 쓰는 것이 좋은 매니저의 역량과 닮았다. 좋은 매니저는 직접 다 실행할 필요는 없지만, 실행 중 일어날 수 있는 디테일을 충분히 알아야 현실적인 업무 지시를 할 수 있다. AI에게 일을 시킬 때도 마찬가지다.”
이 관점은 AI 시대의 인재상에 대한 중요한 시사점을 제공한다. 코드를 직접 작성하는 능력보다, 업무를 구조화하고 명확한 맥락을 제공하며 결과물을 검증하는 능력이 더 중요해지고 있다. AI는 지시를 받아 실행하는 도구지만, 좋은 지시를 내리기 위해서는 그 도메인의 디테일을 이해하는 사람이 필요하다.
이는 AI가 개발자나 지식 근로자를 대체한다는 단순한 공포론과 다른 시각이다. 오히려 AI를 통해 레버리지를 극대화하는 사람과 그렇지 않은 사람 사이의 생산성 격차가 급격히 벌어질 것이라는 예측에 가깝다.
6. 기술 스택 요약
| 구성 요소 | 역할 |
|---|---|
| Slack | 단일 입력 인터페이스 및 결과 반환 채널 |
| Claude Code | 코드 생성, 업무 실행 에이전트 |
| CLAUDE.md | 정책 문서 및 컨텍스트 관리 (자동 갱신) |
| Google Sheets | 재무 데이터 소스 |
| Google Slides / 보드 미팅 자료 | 비즈니스 업데이트 소스 |
| Gmail | 투자자 요청 수신 채널 |
| Google Apps Script | Google Workspace 연동 자동화 |
| Alli API | 최종 AI 처리 및 기업 내 배포 레이어 |
| 멀티 에이전트 구조 | 병렬 컨텍스트 유지 및 오케스트레이션 |
7. 결론
하루 동안 성격이 다른 6개 업무를 완전 자동화했다는 것은 단순한 효율성 향상을 넘어서, AI가 조직의 운영 방식 자체를 바꾸는 전환점에 접어들었음을 보여준다. 특히 투자자 대응 자동화 사례는 비정형 입력, 다중 데이터 소스, 가변적인 출력 양식이라는 세 가지 난제를 동시에 해결했다는 점에서 인상적이다.
앞으로의 경쟁력은 AI 도구의 보유 여부가 아니라, 조직 내 업무를 얼마나 잘 구조화하고, AI에게 얼마나 명확한 맥락을 제공할 수 있는가에 달려 있다. CLAUDE.md로 대표되는 컨텍스트 엔지니어링(Context Engineering) 역량이 조직의 핵심 자산이 되는 시대가 오고 있다.
작성일: 2026-02-25 참고: Changsu Lee (Allganize CEO) LinkedIn/Facebook 포스트 기반 분석