안녕하세요. 15년 차 SCM 및 업무 자동화 전문가 에이드네(Aidne)입니다. 현업에서 가장 많이 목격하는 비효율 중 하나가 바로 ‘주문 상태 확인’입니다. 영업팀에서 “김 대리님, 1234번 주문 배송 출발했나요?”라고 슬랙으로 물어보면, 물류팀이나 CS팀의 김 대리는 하던 일을 멈추고 무거운 ERP 시스템에 로그인합니다. 주문 번호를 검색하고, 상태를 확인한 뒤, 다시 슬랙으로 돌아와 복사-붙여넣기를 하죠. 하루에 이런 질문이 50번 들어온다면 어떨까요? 이것이 바로 전형적인 ‘김 대리의 엑셀 노가다’이자, 조직의 생산성을 갉아먹는 끊어진 컨베이어 벨트입니다. 오늘은 Make(구 Integromat)와 같은 노코드 툴을 활용해, 슬랙에서 1초 만에 ERP 주문을 조회하는 챗봇 자동화 구축 방법을 낱낱이 파헤쳐 보겠습니다.

슬랙 ERP 연동의 필요성: 실시간 주문 조회 자동화

수억 원을 들여 구축한 ERP 시스템은 훌륭한 기업의 데이터 저장소입니다. 하지만 모든 직원이 ERP의 복잡한 UI를 다루고 학습할 필요는 없습니다. 타 부서 실무진들이 원하는 것은 오직 ‘내 고객의 주문이 지금 어디에 있는가’라는 단일 데이터뿐입니다. 슬랙(Slack)과 사내 ERP를 연동하면, 직원들은 평소 일하는 메신저 환경을 벗어나지 않고도 필요한 데이터를 즉시 얻을 수 있습니다. 이는 단순한 편의성 향상을 넘어, 부서 간 커뮤니케이션 병목 현상을 제거하고 핵심 업무에만 온전히 집중할 수 있는 환경을 만듭니다.

슬랙 챗봇 기반 주문 조회 자동화 구축 워크플로우

수박 겉핥기식의 단순한 자동화 툴 소개는 접어두고, 실제 현업에서 즉시 작동하는 자동화 파이프라인을 3단계로 나누어 심도 있게 살펴보겠습니다. 본 예시에서는 강력한 노코드 미들웨어인 Make를 활용한다고 가정합니다.

1단계: 슬랙 슬래시 명령어(Slash Command) 트리거 수신

자동화의 시작은 사용자의 명확한 요청을 인식하는 것입니다. 슬랙 API 설정 페이지에서 ‘/order’와 같은 슬래시 명령어를 생성합니다. 영업 담당자가 슬랙 채팅창에 ‘/order 20231025-001’이라고 입력하면, 슬랙은 이 텍스트 데이터를 Make의 Webhook URL로 즉시 쏴줍니다. Make에서는 ‘Custom Webhook’ 트리거 모듈을 배치하여 이 신호를 대기시킵니다. 이 단계가 바로 멈춰있던 데이터 컨베이어 벨트의 스위치를 켜는 순간입니다.

2단계: Make 모듈을 활용한 ERP API 호출 및 데이터 파싱

웹훅으로 들어온 데이터 묶음에서 ‘20231025-001’이라는 주문 번호(Text)만 정교하게 파싱(Parsing)해냅니다. 이후 Make의 ‘HTTP Request’ 모듈을 사용하여 사내 ERP(SAP, 더존, 혹은 자체 구축 시스템 등)의 주문 조회 API 엔드포인트로 GET 요청을 보냅니다. 이때 헤더에 API Key나 Bearer Token을 안전하게 담아 보안을 유지합니다. ERP가 뱉어내는 방대하고 복잡한 JSON 응답값 중에서 우리가 실제 슬랙에 뿌려줄 ‘주문 상태(출고 준비 중)’, ‘택배사’, ‘송장 번호’ 데이터만 매핑하여 추출합니다.

3단계: 슬랙 Block Kit 기반 맞춤형 주문 상태 응답 전송

단순한 텍스트로 응답하면 가독성이 떨어져 실무진의 피로도를 높일 수 있습니다. Make의 ‘Slack – Create a Message’ 모듈을 연결하고, 슬랙이 제공하는 Block Kit Builder를 활용해 세련된 UI를 구성합니다. 추출한 ERP 데이터를 변수로 삽입하여, “📦 [20231025-001] 주문 상태: 출고 완료 / CJ대한통운 (1234567890)”과 같이 깔끔하게 포맷팅된 메시지를 요청자 본인에게만 보이도록(Ephemeral 방식) 전송합니다. 이제 김 대리가 일일이 검색해서 답변하던 5분의 시간이, 챗봇을 통한 1초의 데이터 파이프라인으로 변모했습니다.

B2B 엔터프라이즈 환경의 AI 자동화 시스템 확장 전략

단순한 주문 조회를 넘어, 이 워크플로우는 전사적 AI 시스템 도입의 훌륭한 마중물이 됩니다. B2B 의사결정권자라면 이 파이프라인에 AI를 결합하여 고도화하는 것을 기획해야 합니다. 예를 들어, 복잡한 반품 요청이나 CS 문의가 슬랙으로 들어왔을 때, LLM(대규모 언어 모델)이 ERP의 실시간 재고 데이터와 고객의 과거 구매 이력을 분석하여 최적의 환불 및 교환 시나리오를 자동 생성해 담당자에게 제안하는 수준까지 확장할 수 있습니다. 시스템이 시스템과 스스로 대화하게 만드는 것, 그것이 진정한 B2B 워크플로우 자동화의 완성입니다.