하루에도 수백 건씩 쌓이는 고객 문의,
사람이 일일이 읽고 분류하던 일을
AI가 자동으로 처리한 방법
엑셀 고객 문의 데이터 → 규칙 기반으로 1차 판별 → AI가 2차 정밀 분류 → 결과 엑셀 자동 저장까지,
수작업 없이 단순문의 / 불편민원 / 중립 세 가지로 자동 분류한 실전 기록.
매일 쌓이는 고객 문의,
9시 출근이 두려웠던 CS 담당자
차량 렌트사 고객센터에는 매일 고객들의 다양한 목소리가 쏟아집니다.
예약 방법을 묻는 단순 문의, 차량 고장이나 냄새를 제보하는 불편 민원, 단순 접수나 확인 요청처럼 성격이 애매한 중립 메시지까지.
이 세 가지를 구분하는 일은 단순해 보이지만, 실제로는 그렇지 않습니다. 고객마다 표현이 다르고, 한 문장 안에 질문과 불만이 섞이는 경우도 많습니다.
가장 큰 문제는 이 모든 것이 '섞여서' 들어온다는 점입니다.
담당자는 모니터를 뚫어져라 보며 한 줄 한 줄 읽어야 했습니다.
이 수강생은 차량 공유 서비스의 고객 문의를 처리하는 업무를 맡고 있었습니다. 문의량이 많을수록, 수동 분류에 쏟는 시간도 늘었습니다. 특히 흡연 제보나 차량 고장 신고처럼 즉각 대응이 필요한 민원을 빠르게 걸러내는 것이 늘 과제였습니다.
수작업 분류의 실제 과정
| 단계 | 작업 내용 | 문제점 |
|---|---|---|
| STEP 1 | 엑셀 파일 열어 문의 내용 한 건씩 읽기 | 건수가 많을수록 집중력 저하 |
| STEP 2 | 단순문의 / 불편민원 / 중립 중 판단 | 판단 기준이 사람마다, 날마다 달라짐 |
| STEP 3 | 분류 결과를 엑셀 '분류' 컬럼에 수동 입력 | 입력 누락 및 오기재 빈번 |
| STEP 4 | 취합 후 팀장 보고용 요약 정리 | 별도 취합 시간 추가 소요 |
⚠️ 흡연 제보, 차량 고장 같은 긴급 민원도 다른 문의와 함께 쌓여 늦게 발견되는 경우가 잦았습니다
🔁 분류 기준이 문서화되지 않아 신규 담당자 인수인계 시 혼선이 반복됐습니다
📋 건수가 늘수록 수작업 분류 시간도 비례해서 늘어났고, 이 시간은 순전히 반복 노동이었습니다
빠른 것은 더 빠르게, 어려운 것은 더 정확하게
비개발자도 AI 자동화를 만들 수 있을까? 이 수강생은 교육에서 배운 Python과 GPT API를 활용해, 엑셀 파일을 입력하면 자동으로 분류 결과가 저장되는 프로그램을 완성했습니다.
핵심 아이디어는 "빠른 규칙 먼저, 판단이 어려운 것만 AI에게"라는 2단계 구조입니다. 이렇게 하면 속도와 정확도를 동시에 잡을 수 있습니다.
|
📄 고객 문의 엑셀 파일
수백 건의 텍스트 데이터
|
|
⚡ 1차 — 규칙으로 즉시 판별
"흡연" "고장" "어떻게" 같은 키워드로
명확한 건 바로 분류 완료
|
|
🤖 2차 — AI가 문맥 파악해서 분류
GPT에게 예시와 함께 전달
어려운 문장도 정확하게 판정
|
|
🚨 불편민원
고장 · 흡연 · 환불
|
💬 단순문의
가격 · 위치 · 방법
|
📋 중립
확인 · 접수 · 단문
|
|
✅ 결과 엑셀 자동 저장 완료
|
어떤 기술과 도구를
사용했나요?
|
언어 & 환경
Python (Jupyter Notebook)
코드를 셀 단위로 실행하며 확인할 수 있어 비개발자도 단계별로 테스트하며 만들기 좋은 환경입니다.
|
AI 모델
GPT-4o-mini (OpenAI API)
비용 효율적이면서도 한국어 문장을 문맥에 맞게 이해하고 분류할 수 있는 모델. 퓨샷 예시와 함께 사용해 정확도를 높였습니다.
|
|
데이터 처리
pandas + openpyxl
엑셀 파일을 읽고 분류 결과를 다시 엑셀로 저장하는 역할. 기존 업무 파일 형식을 그대로 유지할 수 있습니다.
|
설계 방식
규칙 사전 + 퓨샷(Few-shot) 프롬프팅
담당자가 직접 판단 기준을 사전 형태로 정리하고, 예시 문장-라벨 쌍을 AI에게 함께 제공해 일관된 분류를 이끌어냅니다.
|
코드 실행 한 번,
이런 결과물이 자동으로 만들어집니다
수백 건의 문의가 담긴 엑셀을 입력하면, 접수 정보와 함께 분류 결과·판정 근거·처리 상태까지 자동으로 채워진 파일이 생성됩니다.
| NO | 접수일시 | 문의 내용 | 분류 | 판정 근거 키워드 | 처리 상태 |
|---|---|---|---|---|---|
| 1 | 25/07/01 09:03 | 차량 예약 방법이 어떻게 되나요? | 💬 단순문의 | 어떻게 | ✓ 완료 |
| 2 | 25/07/01 09:17 | 차에서 담배냄새 심하게 나요. 조치 부탁드립니다. | 🚨 불편민원 | 담배냄새흡연우선규칙 | ⚡ 긴급 |
| 3 | 25/07/01 09:31 | 확인 부탁드립니다. | 📋 중립 | 확인 부탁 | ✓ 완료 |
| 4 | 25/07/01 10:02 | 계기판에 경고등이 들어왔어요. 어떻게 해야 하나요? | 🚨 불편민원 | 경고등강한부정신호 | ⚡ 긴급 |
| 5 | 25/07/01 10:14 | 하이패스는 그냥 통과하면 되나요? | 💬 단순문의 | 되나요질문신호 | ✓ 완료 |
| 6 | 25/07/01 10:29 | 연장을 하려고 하는데 연장이 안돼요. | 🚨 불편민원 | 안돼요연장 불가 | ⏳ 처리중 |
| 7 | 25/07/01 10:44 | 주유카드는 어디에 있나요? | 💬 단순문의 | 어디위치 질문 | ✓ 완료 |
| 8 | 25/07/01 11:05 | 네 알겠습니다. | 📋 중립 | 네/중립신호 | ✓ 완료 |
| 9 | 25/07/01 11:22 | 차량 반납 시 다른 층에 주차해도 되나요? | 💬 단순문의 | 되나요AI판정 | ✓ 완료 |
| 10 | 25/07/01 11:38 | 전기 충전 카드가 차량 내에 없어요. 빨리 조치 부탁드립니다. | 🚨 불편민원 | 없어요AI판정 | ⏳ 처리중 |
| 총 10건 자동 분류 완료 → |
🚨 4건 💬 4건 📋 2건
|
||||
▲ 코드 실행 한 번으로 자동 생성된 분류 결과 파일 — 파란색 컬럼(분류·판정근거·처리상태)이 자동 입력된 항목
자동화 전후,
시간을 벌고 가치를 더하다
| 구분 | 자동화 전 (Before) | 자동화 후 (After) |
|---|---|---|
| 분류 방식 | 담당자가 한 건씩 직접 읽고 판단 | 코드 실행 한 번으로 전체 자동 처리 |
| 분류 기준 | 담당자마다 달라 일관성 없음 | 정해진 기준에 따라 100% 일관됨 |
| 긴급 민원 처리 | 다른 문의 속에 묻혀 늦게 발견 | 즉시 분리되어 골든타임 확보 |
| 결과 저장 | 수동 입력, 누락 및 오기재 발생 | 엑셀에 자동 저장, 체크포인트로 안전 |
| 확장성 | 건수 늘수록 시간 비례해서 증가 | 건수가 늘어도 코드 실행 한 번으로 처리 |
|
수
|
가장 크게 달라진 건 제 업무가 아니라, "고객의 일상"이었습니다. AI 덕분에 고객의 불편함을 더 깊이 들여다볼 수 있게 되었고, 결과적으로 고객의 근본적인 문제를 더 따뜻하고 빠르게 대처할 수 있게 되었습니다. — 수강생 / 차량 공유 서비스 고객센터 담당
|
이 자동화가 가능했던 이유
코딩 한 줄 모르던 교육 기획자가 이 도구를 완성할 수 있었던 건, 화려한 기술 실력이 아니라 "어떻게 하면 우리 고객의 불편을 단 1분이라도 더 빨리 해결할 수 있을까?"를 고민했던 절실함 때문이었습니다.
개발자가 만든 매끄러운 코드보다, 현장에서 고객과 함께했던 담당자가 만든 투박하지만 정확한 규칙이 더 큰 힘을 발휘합니다. 기술은 거들 뿐, 여러분이 가진 업무에 대한 고민이 이 자동화의 본질입니다.
|
배움 01
반복은 구조로 볼 수 있다
수백 건의 문의를 하나씩 처리하는 것이 사실은 같은 동작의 반복임을 인식하는 순간, 코드 한 줄로 해결됩니다. 업무를 구조로 보는 시각 자체가 자동화의 시작입니다.
|
배움 02
규칙과 AI는 함께 쓸 때 강하다
규칙은 빠르고 일관되지만 표현 변화에 취약합니다. AI는 문맥을 이해하지만 기준이 흔들릴 수 있습니다. 두 가지를 조합하면 서로의 약점이 보완됩니다.
|
|
배움 03
작동하면 된다 — 완벽할 필요 없다
처음 코드는 지저분했지만 실무에서 작동했습니다. "완성본 먼저, 개선은 나중에"라는 원칙이 교육 기간 안에 실제 결과물을 낼 수 있게 해줬습니다.
|
배움 04
자동화는 판단을 없애지 않는다
최종 확인이 필요한 건은 여전히 사람이 검토합니다. 자동화가 한 것은 반복 노동을 없앤 것이지, 전문가의 역할을 없앤 것이 아닙니다.
|
같은 방식으로
해결할 수 있는 다른 업무들
"텍스트 데이터를 읽어 → 규칙 판별 후 → AI가 분류하고 → 엑셀로 저장"하는 이 구조는 고객 문의에만 해당하지 않습니다.
고객센터 / CS팀 — 대량 VOC 데이터를 카테고리별로 자동 분류하고 긴급 민원을 즉시 분리
커머스 / 배송팀 — 배송 불만, 단순 배송 조회, 교환/환불 요청을 자동 구분해 담당팀으로 라우팅
HR / 채용팀 — 지원자 이메일 문의를 유형별로 분류해 담당자에게 자동 배분
공공기관 / 민원팀 — 민원 접수 텍스트를 부서별 처리 유형으로 자동 분류해 담당 부서로 전달
리뷰 분석 / 마케팅팀 — 앱 리뷰, SNS 댓글을 긍정/부정/중립으로 분류해 주요 이슈 자동 추출
매일 반복하는 업무가 있다면,
그것이 자동화의 시작점입니다.
규칙 기반 + AI 자동화 · 비개발자 실전 교육결과사례
