과정이 끝날 때마다 반복되는 업무, 쉽게 할 수 없을까?
교육 운영 담당자는 과정이 끝나면 고용24에서 회차별 만족도와 수강후기를 확인해 개선 보고서를 만듭니다.
회차를 하나씩 선택하고, 후기 페이지를 끝까지 넘기며, 필요한 값을 다시 표로 옮기는 일이 반복됐습니다.
문제는 작업량만이 아니었습니다.
회차 하나를 빠뜨리거나 화면의 후기 수와 옮겨 적은 후기 수가 달라도 바로 알아차리기 어려웠습니다.
담당자가 바뀌면 누락값을 처리하는 방식이나 보고서 범위도 달라질 수 있어 또 설명하기를 반복해야 합니다.
필요한 것은 단순한 복사 자동화가 아니었습니다.
무엇을 확인했고 무엇이 빠졌는지, 어느 출처를 언제 확인했는지까지 남기는 집계 방식이 필요했습니다.
자동화하기 전에, 사람이 하던 일을 순차적으로 직접 해봤습니다
프로젝트는 한 회차의 지표 한 행과 수강후기 한 건을 직접 옮기는 일에서 시작했습니다.
작은 표본을 먼저 처리하면서 반복 동작과 빠뜨리기 쉬운 항목을 찾았습니다.
값을 찾지 못했을 때는 0으로 채우지 않고 ‘확인 불가’로 남긴다는 기준도 이 단계에서 정했습니다.
다음에는 Claude Desktop의 Cowork에 과정 URL과 조사 조건을 전달해 여러 회차를 같은 형식으로 정리했습니다.
마지막 후기 페이지까지 확인하고, 값을 추정하지 않으며, 출처 URL과 확인 시각을 남기도록 했습니다.
이후 같은 절차를 Skill로 저장했습니다.
매번 프롬프트를 새로 쓰는 문제는 줄었지만, AI가 모든 회차와 후기를 빠짐없이 가져왔는지는 여전히 사람이 확인해야 했습니다.
그래서 마지막 단계에서는 사람의 확인 질문을 프로그램 규칙으로 바꿨습니다.
모든 회차가 결과에 표시됐는가
화면의 후기 수와 수집한 후기 수가 일치하는가
원본 URL과 확인 시각이 기록됐는가
OpenSpec으로 요구사항과 완료 조건을 먼저 적고, 구현과 테스트가 이 기준을 따르도록 했습니다.
기준이 바뀌면 코드부터 고치지 않고 Spec을 먼저 수정한 뒤 구현과 테스트를 다시 맞췄습니다.
과정 데이터로 비교·검증·보고까지 한 화면에
실제 완성 결과물 화면은 이렇습니다.
과정 URL을 기준으로 고용24의 공개 정보를 수집하고, 결과를 브라우저에 저장해 다시 볼 수 있도록 구성했습니다.
회차별 수강 인원, 평균 만족도, 평가 인원, 참여율, 추천 인원을 비교합니다.
수강후기와 회차별 지표를 한 화면에서 확인합니다.
핵심 값이 비어 있으면 0으로 바꾸지 않고 누락으로 표시합니다.
화면 후기 수와 수집 후기 수가 다르면 불일치 경고를 냅니다.
출처 URL과 확인 시각을 결과에 남깁니다.
경고가 있어도 확인 가능한 결과는 보여주고, 다시 볼 항목만 구분합니다.
보고서는 브라우저에 저장되며 JSON 백업 파일로 보관하거나 다른 환경으로 옮길 수 있습니다.
선택적으로 Gemini API를 연결해 개선 보고서 초안을 만들 수 있습니다.
도구가 데이터를 모았다는 사실과 데이터가 완전하다는 판단은 분리했습니다.
수집이 끝나도 회차 누락, 후기 수, 출처와 시각을 다시 대조할 수 있게 만든 이유입니다.
샘플 오류 3건을 "규칙대로" 찾아냈습니다
프로그램 검증을 위해 4개 회차, 7개 행으로 만든 샘플 데이터에는 세 가지 오류를 넣었습니다.
대상 | 넣어 둔 오류 | 도구의 표시 |
|---|---|---|
2회차 | 화면 후기 4건, 수집 후기 3건 | 후기 수 불일치 |
3회차 | 평균 만족도 빈 값 | 핵심 값 누락 |
4회차 | 화면 후기 2건, 수집 후기 1건 | 후기 수 불일치 |
도구는 세 건을 모두 경고로 표시했습니다.
오류가 있는 행 때문에 전체 결과 생성을 멈추지 않고, 담당자가 문제가 있는 지점으로 바로 돌아갈 수 있게 했습니다.
별도로 확인한 고용24 실제 화면의 한 과정 2회차 값은 총 수강 인원 18명, 평균 만족도 4.8점, 평가 인원 14명, 참여율 77.8%, 추천 인원 14명이었습니다.
평균 점수와 평가 참여 규모를 함께 보여주기 때문에, 점수 하나만 보고 과정 전체를 해석하는 일을 줄일 수 있습니다.
이 검증은 샘플에 넣은 오류를 규칙대로 찾았다는 뜻입니다.
모든 과정의 오류를 자동으로 해결한다는 의미는 아닙니다.
후기 수가 다르면 어떤 값이 맞는지 원본에서 다시 확인하고, 개선안을 실제 운영에 반영할지는 담당자가 결정합니다.
반복 업무에도 검증 기준이 필요합니다
이번 프로젝트에서 확인된 성과는 프로그램의 구현, 샘플 오류 탐지, 회차별 비교와 검토 기능입니다.
실제 업무 시간 절감이나 비용 효과는 측정하지 않았습니다.
그래서 이 사례는 ‘AI가 더 빨리 보고서를 썼다’보다, 담당자의 확인 기준이 프로그램 안에 남았다는 데 초점을 둡니다.
여러 화면에서 숫자를 옮겨 보고서를 만드는 일이 반복된다면,
자동화할 동작만 찾지 말고 사람이 마지막에 확인하는 질문부터 정리해야 합니다.
헬로월드랩스는 실제 업무 자료를 바탕으로 수집, 검증, 보고, 사람 승인을 연결하는 AX 프로젝트를 설계합니다.
