AI 자동화 워크플로 입문: 이메일 요약·경쟁사 분석·리드 발굴 3가지 예제

핵심 메시지

• 대부분의 사람은 AI를 질문에 답만 하는 검색엔진처럼 쓰지만, 자동화와 워크플로에 붙일 때 훨씬 강력해진다.
• 자동화는 같은 입력에 항상 같은 결과를 내는 '결정형'과, 한 단계 이상에 LLM을 써서 유연하게 처리하는 '비결정형'으로 나뉜다.
• 모든 AI 워크플로는 트리거, 작업(목표), LLM(두뇌), 도구·서비스라는 4가지 요소로 구성된다.
• 코딩을 몰라도 자연어로 단계를 설명하면 워크플로를 만들 수 있는 도구(예: GenSpark)를 활용해 실전 자동화 3가지를 구축한다.
• 이메일 요약·초안 작성, 경쟁사 콘텐츠 리서치, 잠재 고객(리드) 발굴처럼 반복 업무를 자동으로 처리할 수 있다.

쉽게 이해하기

발표자는 많은 사람이 AI에게 질문을 던지고 답만 받는 방식으로 쓰지만, 그것만으로는 활용도가 낮다고 지적한다. AI는 동적인 정보를 잘 다루고 사람이 준 단계를 파이썬 코드나 고정된 자동화보다 더 유연하게 따라가기 때문에, 자동화와 워크플로에 결합할 때 진짜 가치가 나온다는 것이다.

핵심 개념으로 '결정형(deterministic)'과 '비결정형(undeterministic)' 자동화를 구분한다. 결정형은 구글 시트 행이 갱신되면 슬랙 메시지를 보내는 식으로 같은 입력에 항상 같은 결과를 내며, Zapier·Make·n8n 같은 도구가 잘하는 영역이다. 반면 예외 상황(엣지 케이스)이 많은 현실에서는 한 단계 이상에 LLM을 끼워 넣어 상황에 맞게 판단하게 하는 비결정형 자동화가 필요하다.

예를 들어 이메일에 '영수증'이라는 단어가 있는지 문자열로 검사하는 대신, 이메일 전체를 LLM에게 주고 '이게 영수증인지 판단하라'고 시키면 단어가 없어도 맥락으로 처리할 수 있다. 대신 실행 결과를 정확히 예측할 수 없다는 특성이 있다.

발표자는 AI 워크플로의 4가지 구성요소를 정리한다. 자동화를 시작시키는 트리거(이벤트나 특정 시각), 이루려는 목표인 작업, 추론을 담당하는 LLM(OpenAI·Anthropic 등 무엇이든 가능), 그리고 실제 행동을 수행하는 도구·서비스·API다. 이 네 가지를 한 곳에 모아야 자동화가 완성된다.

이어 코딩 없이 자연어로 노드를 연결해 워크플로를 만들 수 있는 도구(영상에서는 GenSpark, 협찬)를 이용해 세 가지 자동화를 실제로 구축하는 과정을 시연한다.

주요 인사이트

• 첫 번째 자동화는 매일 정해진 시각(예: 오전 9시)에 최근 24시간 이메일을 검색해 우선순위(상·중·하)로 분류하고, 답장이 필요한 메일에 초안을 만든 뒤 보고서를 구글 문서로 저장하는 '일일 이메일 요약'이다. 하루 100통 중 답할 5~10통만 골라내는 반복 업무를 대신한다.
• 두 번째는 매일 유튜브와 웹을 검색해 특정 주제의 채널과 잘 나가는 영상을 찾아 구독자 수·조회수·제목·설명·링크를 구글 시트에 축적하고, 상위 영상의 자막까지 문서로 저장하는 '경쟁사 콘텐츠 리서치'다. 필요한 단계를 일일이 설정하지 않고 원하는 바를 프롬프트로 설명하면 에이전트가 워크플로를 자동 구성해 준다.
• 세 번째는 최근 투자를 유치한 특정 유형의 회사를 검색해 정보와 연락처를 찾고, 광고·협업 가능성을 1~5점으로 매긴 뒤 상위 후보를 슬랙으로 보고하는 '리드 발굴' 파이프라인이다. 슬랙 연동 과정과, 처음엔 개인 DM으로만 전송되던 문제를 디버깅하는 모습까지 보여준다.
• 발표자는 도구를 직접 코딩해 처음부터 만들 수도 있지만, 트리거·작업·LLM·도구를 한곳에서 제공하는 플랫폼을 쓰면 비개발자도 따라 할 수 있다고 강조한다.
• 핵심은 특정 도구가 아니라 '반복 업무를 트리거→작업→LLM 판단→도구 실행'의 흐름으로 재구성하는 설계 사고이며, 다른 플랫폼을 써도 같은 원리로 응용할 수 있다.

자주 묻는 질문

관련 AI 소식