왜 멈췄는가

"AI 도구를 잘 쓰는 기업" ≠ AI-Native한 기업

• 에이전트를 만들어 배포하면? → 만든 사람만 할 줄 아는 조직
• 개인이 10x 하는 것보다, 조직이 5x 되는 게 임팩트는 비교할 수 없다

AI-Native 서비스를 만들어야 한다
← AI-Native 조직에서 그런 서비스가 나온다
← 모든 구성원이 일하는 방식 자체를 바꿔야 한다

김태윤 (Theo)

로켓런칭 리드 자동 분석 — "리드 분석해줘" 한 마디로 심사까지

해결하고 싶은 문제

• 신규 신청자 1명당 시트 → Notion 옮기기 + 적합도 판단에 30분~1시간
• 신청자가 늘면 단순 반복 작업이 기하급수적으로 증가
• 평가 기준이 담당자별로 달라 커뮤니케이션 비용 발생

김태윤 (Theo) — 기존 방식의 병목

김태윤 (Theo) — 지향했던 방향성

• 리드 분석해줘 한 마디로 전체 프로세스 + 결과 도출까지 자동 진행
• 각자 머리에만 있는 평가 기준을 명문화 → AI가 일관성 있게 적합도 제안
• 팀 피드백 → AI 평가 기준이 자동 개선되는 자기학습 구조

실은 시트에 신청자가 추가되면 알아서 프로세스가 돌아가는 완전 자동화를 원했음

김태윤 (Theo) — 현재 구현 단계

리드 분석해줘 한 마디로 1차 심사 전체 파이프라인 실행

1. 구글 시트에서 신청자 데이터 자동 수집
2. Notion DB 중복 체크 → 신규 신청자만 분석
3. 5개 항목(웨비나 적합도·SNS 브랜딩·성공사례·강사 온도·전환 준비도) 100점 기준 AI 분석
4. Notion 페이지 자동 생성 (원문 + 분석 + 예상 질문 + 미팅 노트 템플릿)
5. Slack DM으로 분석 결과 요약 발송
6. 팀 판단 메모 → AI 불일치 패턴 분석 → 평가 기준 자동 업데이트

김태윤 (Theo) — 시연

리드 분석해줘 → 수집 → 중복 체크 → AI 분석 → Notion 생성 → Slack 알림까지 자동 실행

김태윤 (Theo) — 추후 과제

• 자기학습 루프 실전 검증 — 팀 피드백 → AI 기준 자동 업데이트 (아직 미경험)
• "분석 등급 vs 실제 매출" 상관관계 검증 — 데이터가 쌓이면
• 신청자 증가 시 배치 처리 성능 최적화
• 1차 서류 심사 → 2차 필터링, 3차 온라인 미팅까지 동일 프로세스 확장

김태윤 (Theo) — 배운 점

• AI에 대한 막연한 두려움이 해소되었다 — 꾸준히 관심 갖고 물어보면 문제없다
• 현재 업무를 단계별로 해체하는 것이 자동화의 첫 단계 — 기준과 프로세스를 언어화·명문화
• Slack·Notion 같은 실제 업무 도구와 연결하면서, 조언자 AI가 진짜 도구 AI가 되었다

"내가 더 편해져서 만든 건데, 회사만 좋게 생겼네 에이"

이보배 (Vivi)

폰스크리닝 자동화 — /ps 홍길동 한 줄이면 끝

문제: 후보자 1명당 일정 조율 → 메시지 발송 → 답변 대기 → 캘린더 → 인터뷰 기록지… 30~40분

해결: Claude Code 스킬 /ps로 전체 플로우 자동화

이보배 (Vivi) — /ps 워크플로우

/ps 홍길동 한 마디로 수집 → 일정 조율 → 발송 → 확정 → 기록지 전체 자동 실행

이보배 (Vivi) — 연동 서비스 구조

4개 외부 서비스를 비개발자가 직접 연결 — OpenAPI · MCP · AppleScript + SQLite

이보배 (Vivi) — 다음 목표: 채용 풀퍼널 자동화

폰스크리닝은 시작일 뿐 — 채용 전 과정을 자동화해 나갈 계획

과제	설명	상태
채용 브랜딩 에이전트	회사·팀 소개 콘텐츠 자동 생성	예정
다이렉트 소싱	링크드인·원티드 등 후보자 제안 발송 자동화	예정
대면 인터뷰 어레인지	면접관 + 후보자 일정 조율 → 캘린더·회의실·안내	/arrange 구현 완료
다중 후보자 일괄 처리	동시에 여러 명에게 제안 메시지 발송	예정

후보자 통화는 자동화하지 않는다 — AI면접관 도입 계획 (아직) 없음

"자동화의 목적은 모든 것을 자동화하는 게 아니라, 사람이 해야 할 일에 집중할 수 있도록 나머지를 덜어주는 것"

최재훈 (Terry)

CX 어시스턴트 — 상담 스크린샷 하나로 분류·검색·응대까지

문제: 채널톡 문의마다 VoC 시트·Notion·Slack을 각각 수동 탐색
신규 입사자일수록 맥락 파악에 시간이 걸려 응답이 느려짐

해결: 채널톡 상담 스크린샷을 첨부하면 4단계 자동 처리

최재훈 (Terry) — 핵심 가치

경험에 의존하던 암묵지를 시스템으로

• 내부 가이드에 명시되지 않은 문의의 경우, 응대 기준이 개인 기억과 주관에 의존
  → SKILL.md에 명문화
• 유사 케이스 검색을 사람 기억이 아닌 3개 소스 자동 통합 탐색으로
• 신규 CX 매니저도 온보딩 시 이 스킬로 동일한 품질 대응 가능

"누구든 동일한 품질로, 빠르게 대응할 수 있는 구조"

최재훈 (Terry) — 추후 목표

1: 검색 속도 최적화

처리 완료 케이스를 메모리에 패턴화

• 유사 문의 시 저장된 케이스 우선 검색 → 응답 속도 향상

VoC 대시보드 시트 검색 최적화

• 현재: 불필요한 열까지 전체 조회 → 토큰 초과
• 단기: 태그+요약 열만 범위 지정 조회 → 속도·토큰 대폭 절감
• 중기: 별도 인덱스 시트(키워드-행번호 매핑) → 전체 스캔 없이 직접 접근

최재훈 (Terry) — 추후 목표

2: CX 대응 기준 자동 업데이트

제품 릴리즈·이슈를 CX가 자동으로 파악

• Slack 제품팀 채널을 정기 스캔 → 이슈 요약
• "이번 주 CX 유의사항" 형태로 자동 문서화
• 한계: CX 관련 이슈인지 필터링이 LLM 판단에 의존 → 초기에는 수시 확인 필요

최재훈 (Terry) — 소감

"내 '존재'가 조직의 '병목'이라는 의식,
그 의식에서 벗어나고자 했던 '집착'이 저만의 동력이었습니다."

이새봄 (Bom)

디자인 시스템 자동화 시도기 — "작고 실제로 작동하는 것"

처음 구상: Figma 변경 → 토큰 자동 추출 → FE 전달 → Slack 알림까지 한 흐름

부딪힌 현실:

• Figma API 접근 불가 (요금제 제약)
• FE 단 자동화는 이미 FE팀이 진행 중

→ 범위를 계속 좁혀서 내가 통제 가능한 가장 작은 지점을 찾기로

이새봄 (Bom) — 구현과 배운 점

구현: Notion DB 버튼 클릭 → Slack #fepd-collab에 FE 멘션 + 문서 링크 자동 발송

직접 코드를 짠 것도, API를 연결한 것도 아니다.
Claude Code에 물었더니 Notion Automations 기능을 알려줬다.
몰라서 못 쓰고 있던 기능 — 실제로 작동하고, 실무에서 쓰이고 있다.

보너스: 디자인 토큰 리부트 시 Claude Code로 네이밍 일괄 변환 스크립트 활용

"자동화의 첫 단계는 코드가 아니라, 내 업무를 들여다보는 것이었다."

송상수 (Eddie)

강의 링크 하나로 리드마그넷 + 워크북 PDF 자동 생성

문제: 영상 강의의 핵심을 빠르게 학습하고 실천으로 연결하고 싶은데, 자막 추출 → 요약 → 재구조화까지 5단계 수작업

해결: /product_create 커맨드 하나로 스크래핑 → 요약 → 워크북 + 리드마그넷 PDF 원스톱 생성

결과: 고객사 강의 링크만 입력하면 상용화 수준의 PDF 3종 자동 생성

송상수 (Eddie) — 고객사 적용 시나리오

라클 고객사에게 제공하는 가치

"내 강의를 선택하기만 하면, 리드마그넷이랑 워크북이 자동으로 나와요"

핵심은 엔진 구현보다 프롬프트 반복 개선으로 상용화 수준 퀄리티 확보

최지영 (Arin)

디자인 요청 취합 에이전트 — Slack·Notion에 흩어진 요청, AI가 알아서 모아준다

문제: Slack 2개 채널 + 개인 DM + Notion 등 4개 채널에서 들어오는 디자인 요청을 수동 취합 & 정리에 약 30분가량 소요

Step 4 — Notion 최종 결과

칸반 보드 + 개별 Task 상세 — Figma 링크, 기획안, 데드라인, 작업 단계까지 자동 기입

Step 5 — 타임라인 자동 계산

김성원 (Ethan)

거래처 사업자정보 자동 검증 — 412개 채널 × 6개 항목, 사람 눈 대신 AI로

문제: 2,000+ 거래처의 사업자등록증 정보를 시트와 수동 대조 → 30시간+ (사실상 불가능)

해결: Claude 멀티모달로 등록증 이미지 자동 읽기 + 시트 자동 대조

결과: 명령어 한 줄로 1,970셀 전량 대조, 343건 불일치 자동 수정 + 색상 표시

김성원 (Ethan) — 검증 파이프라인

김성원 (Ethan) — 왜 AI여야 했는가

멀티모달 AI = 문서를 "눈으로 읽는" AI

• 기존 OCR: 글자 모양만 인식 → 레이아웃 달라지면 실패
• 멀티모달 AI: 문서의 구조와 맥락을 이해 → 469개 서로 다른 형식의 등록증을 템플릿 없이 일괄 처리

컬럼별 불일치 분포 (총 343건)

김성원 (Ethan) — 추후 과제

"단순 자동화가 아니라, 판단 기준을 명확히 설정했다."

캠프를 마치며

"도구를 배운 게 아니라, 일하는 방식이 바뀌었다."

오픈소스로 공개합니다

이 캠프의 커리큘럼은 Claude Code Skills로 만들어져 있습니다.
누구나 설치하고, 자신의 조직에 맞게 커스텀할 수 있습니다.

설치:

npx skills add liveklass/liveklass-ai-native-camp --agent claude-code --yes

GitHub: liveklass/liveklass-ai-native-camp