Claude Code로 사업 업무를 자동화할 때 출발점은 ‘무엇을 대신 시킬까’보다 ‘어떤 결과를 받으면 완료인가’를 정하는 일입니다. 고객 정보 수집, 보고서 작성, 웹 앱 테스트처럼 여러 단계를 거치는 작업도 맡길 수 있습니다. 다만 결과물을 고객에게 보내거나 실제 업무에 적용하기 전에는 출처, 수치, 작동 상태를 확인해야 합니다. 자동화의 가치는 첫 결과물을 빨리 만드는 데서 끝나지 않고, 그 확인 과정을 반복 가능한 절차로 남기는 데 있습니다.
먼저 업무 배경과 완료 기준을 파일에 남깁니다
Claude Code 데스크톱 앱에서는 작업할 로컬 프로젝트 폴더를 지정할 수 있습니다. 이 폴더에 사업 설명, 기존 자료, 브랜드 기준, 작업 규칙을 두면 매번 같은 배경을 처음부터 설명할 필요가 줄어듭니다. 프로젝트의 CLAUDE.md 파일은 어떤 자료를 참고하고 어떤 규칙을 따를지 안내하는 중심 지침으로 쓸 수 있습니다.
처음부터 방대한 지침을 만들 필요는 없습니다. 반복하는 업무 하나를 골라 다음 내용을 먼저 적는 편이 실용적입니다.
- 목표: 누구를 위한 업무이며 결과를 어디에 사용할지 정합니다.
- 입력과 연결: 참고할 파일과 접근이 필요한 서비스를 지정합니다. API 키는 다른 서비스에 접근할 권한을 주는 비밀 인증 정보입니다.
- 완료 기준: 결과물의 형식, 포함할 항목, 제외할 오류를 명시합니다.
- 검증과 승인: 자동 점검 항목과 사람이 확인한 뒤 실행할 행동을 구분합니다.
prompt(모델에 주는 작업 지시)에 업무의 이유까지 담으면 결과물도 목적에 맞게 구성할 수 있습니다. 예를 들어 단순히 ‘분기별 수치를 정리해 줘’라고 하기보다, 다음 분기 콘텐츠 계획을 위해 성과 추세와 성과가 좋은 형식을 비교한다고 알려 주는 방식입니다. 외부 서비스 연결에 필요한 권한은 작업 전에 준비해야 하며, 권한이 없는 작업은 사용자 승인을 기다릴 수 있습니다.
잠재 고객 목록은 발송 전 검증까지 설계합니다
영업 업무 사례에서는 Claude Code가 기존 프로젝트 자료를 살펴 대상 고객의 조건을 파악하고, Clay의 데이터를 이용해 잠재 고객을 찾았습니다. 이어 회사 정보와 연락처를 보강하고, 회사별로 다른 이메일 제목과 본문을 작성해 Google Sheets에 정리했습니다. 한 번의 작업에서 공조·설비 업종의 잠재 고객 50건을 10분 안에 정리한 사례입니다.
여기서 중요한 단계는 이메일 작성 이후입니다. 9개의 조사 agent(도구를 이용해 여러 단계를 수행하는 AI)가 자료를 수집했고, 별도의 검증 agent 2개가 작성된 주장과 대상 회사의 정보를 대조했습니다. 그 과정에서 종료된 판촉 행사를 언급하는 문구 등을 포함해 불일치 5건을 찾아 수정했습니다. 목록이 만들어졌다는 사실과 그대로 발송해도 된다는 판단은 다릅니다.
사업에 적용한다면 먼저 대상 고객을 고르는 기준을 확인하고, 개인화 문구가 어떤 정보에 근거하는지 살펴야 합니다. 연락처와 회사 정보의 정확성, 발송 대상에서 제외할 항목도 사람이 최종 확인해야 합니다. 승인이 끝난 목록을 후속 발송 절차에 연결하는 것은 그다음 단계입니다.
▲ 영업 자료의 검증 단계
분석표와 시장 보고서는 서로 다르게 확인합니다
분석 업무에서는 Claude Code가 YouTube Analytics 데이터를 가져와 분기별 조회수, 시청 시간, 유입 경로, 상위 콘텐츠 등을 Google Sheets의 여러 탭으로 구성했습니다. 수집과 계산뿐 아니라 다음 분기 콘텐츠 계획에 참고할 항목까지 정리한 사례입니다.
- 수치를 직접 모으고 분류해 표를 만들 때 예상한 시간: 약 3~4시간
- Claude Code로 해당 분기별 표를 구성한 시간: 약 10분
이 시간은 특정 업무 사례의 비교입니다. 표가 빨리 완성되더라도 어떤 수치가 사업 판단에 중요한지까지 넘겨줄 수는 없습니다. 운영자는 기간과 집계 기준을 확인하고, 눈에 띄는 변화가 있다면 원본 데이터와 함께 해석해야 합니다.
시장 조사 보고서에서는 또 다른 검증이 필요합니다. 별도 검증 agent가 수치와 출처를 대조한 결과, 주장 21개 가운데 18개를 확인했고 1개는 오래된 정보, 2개는 사실 또는 출처 연결에 문제가 있는 항목으로 분류했습니다. 반면 화면을 캡처해 점검하는 방식은 표가 잘리거나 글자 대비가 나쁜 문제를 찾는 데 쓰입니다. 보기 좋은 보고서인지 확인하는 일과 내용이 맞는지 확인하는 일은 분리해야 합니다.
▲ 형식과 사실의 분리 검증
먼저 한 업무를 완성하고 검토 기준을 남깁니다
한 번 성공한 작업을 계속 다시 지시하지 않으려면 skill(반복 작업을 위해 저장하는 절차와 품질 기준)로 만들어야 합니다. 시장 분석 작업에서는 자료 조사, 보고서 작성, 출처 확인, 시각 점검을 절차에 넣었습니다. 초안에서 시장 규모 설명이 부족하고 출처 검증이 빠진 것을 확인한 뒤에는 해당 보고서만 고치는 대신 저장된 skill의 지침도 수정했습니다. 그래야 다음 작업에도 같은 검증 단계가 적용됩니다.
처음부터 작업을 맡기고 자리를 비우기보다는 실행 기록과 초안을 지켜보며 잘못된 방향을 바로잡는 편이 좋습니다. 약 2분의 음성 지시로 n8n 자동화 작업 흐름을 만든 사례에서도 구조가 거의 완성된 뒤 변수 연결과 시험 데이터 확인이 남았습니다. 예약 웹 앱 사례 역시 agent 50개로 예약과 설정 변경을 시험했지만, 실제 사용자에게 내놓기 전 사람의 테스트가 필요한 작업으로 다뤄졌습니다.
AI 자동화 서비스를 사업에 적용하려면 고객의 반복 업무 하나부터 정해 작은 범위에서 시험할 수 있습니다. 필요한 자료와 권한을 확인하고, 완료 기준과 검증 기준을 파일에 적은 뒤, 첫 결과물을 사람이 검토합니다. 발견한 오류와 수정 이유는 저장된 작업 지침에 반영합니다. 고객에게 제공할 것은 ‘자동으로 만들어진 결과’만이 아니라, 그 결과를 어떻게 확인했는지 설명할 수 있는 업무 절차입니다.