안녕하세요, Aidne입니다.
이전 포스팅에서 에이전틱 AI가 스스로 업무의 경중을 따지는 ‘능동적 우선순위 판별(Active Prioritization)’의 개념을 다루었습니다. 그렇다면 이 똑똑한 물류 센터장을 내 컴퓨터 안에 실제로 어떻게 채용할 수 있을까요?
오늘은 제가 SCM 현장에서 물류를 라우팅(Routing)하던 방식을 차용하여, 누구나 따라 할 수 있는 Make.com 기반의 ‘지능형 이메일/데이터 분류 자동화 파이프라인’ 설계 청사진을 공개합니다.
1. 기존 파이프라인의 한계: “조건(If)이 없으면 멈춘다”
전통적인 Make.com이나 Zapier 세팅은 철저한 ‘If-Then’ 방식입니다. “제목에 ‘긴급’이라는 단어가 있으면 A로 보내라” 같은 규칙을 사람이 일일이 걸어두어야 하죠. 하지만 고객이 ‘긴급’이라는 단어 대신 “어제 결제했는데 당장 환불해 주세요, 화가 납니다”라고 쓴다면? 기존 봇은 이 맥락을 읽지 못하고 일반 업무로 분류해 버립니다.
우리가 만들어야 할 것은 규칙(Rule)에 얽매인 봇이 아니라, 문맥(Context)을 이해하는 ‘에이전트 노드(Agent Node)’입니다.
2. Make.com 실무: LLM 라우터(Router) 배치하기
이 지능형 공정의 핵심은 데이터가 들어오는 입구(Trigger) 바로 다음에 판단(Triage)을 내리는 AI 모듈을 배치하는 것입니다.
- 데이터 수집 (Trigger): Gmail 모듈이나 Webhook을 통해 외부 데이터(이메일, 폼 응답 등)를 받아옵니다.
- LLM 에이전트 투입 (Action): 바로 다음 단계에 OpenAI(ChatGPT)나 Anthropic(Claude) 모듈을 연결합니다.
- SOP(표준 작업 지침) 프롬프트 입력: 이것이 핵심입니다. AI에게 명확한 역할과 출력 형식을 강제해야 합니다.
“너는 우리 회사의 CS 수석 분류 담당자야. 다음 이메일 본문을 읽고 고객의 감정 상태와 업무의 긴급도를 판단해. 출력값은 반드시 [긴급], [일반], [스팸] 세 가지 중 하나의 단어로만 도출해. 다른 말은 절대 덧붙이지 마.”
3. 스위치(Switch) 모듈로 자율 공정 완성하기
AI가 텍스트의 맥락을 읽고 정확히 [긴급], [일반], [스팸] 중 하나의 태그를 뱉어내면, 이제 이 결과값을 바탕으로 물류 레일(경로)을 나눠주면 됩니다.
- Make.com의 Router(또는 Switch) 모듈을 AI 다음 단계에 붙입니다.
- 경로 A (긴급): AI 출력값이 [긴급]일 경우 ➡️ 슬랙(Slack) 모듈로 담당자에게 빨간색 알림과 함께 원문을 즉시 전송합니다.
- 경로 B (일반): AI 출력값이 [일반]일 경우 ➡️ 노션(Notion) 데이터베이스에 ‘처리 대기’ 상태로 차곡차곡 쌓아둡니다.
- 경로 C (스팸): AI 출력값이 [스팸]일 경우 ➡️ 즉시 모듈을 종료하여 불필요한 태스크(Task) 소모를 방지합니다.
결론: 시스템의 지능은 ‘입구’에서 결정된다
수백 개의 노드를 복잡하게 연결한다고 해서 훌륭한 자동화가 아닙니다. 가장 훌륭한 공정은 입구에서부터 불량품을 걸러내고, VIP 자재를 하이패스로 통과시키는 라인입니다. 단 하나의 LLM 에이전트를 입구에 배치하는 것만으로도, 여러분의 자동화 파이프라인은 수동 기계에서 ‘자율 지능 공장’으로 진화할 것입니다.
제작:에이드네