1편 — 문제 정의 & 아키텍처 개요
AI 기반 CRM 자동화의 시작: 왜 우리는 Human-in-the-loop 방식을 선택했는가?
1. 들어가며
고객 문의가 하루 수십 건씩 쏟아지면, 그 모든 내용을 사람이 직접 읽고 정리하고 데이터베이스에 저장하는 일은 생각보다 훨씬 많은 시간을 잡아먹습니다.
AI 기술이 빠르게 발전하고 있지만, “AI에게 전적으로 맡기면 쉽겠지?”라는 기대는 곧 현실적인 문제에 부딪히곤 합니다.
이번 프로젝트는 AI의 능력과 사람의 판단력을 결합해,
고객 문의 → 검수 → CRM DB 반영까지 이어지는 일련의 과정을 거의 자동화한 경험을 바탕으로 합니다.
이 글에서는 왜 이런 시스템이 필요했는지, 그리고 전체 구조를 어떻게 설계했는지에 대해 ‘개념적 관점’에서 풀어보겠습니다.
2. 기존 방식의 문제점: 반복 작업이 시스템 전체를 갉아먹는다
1) 상담 1건 처리에 5분 이상 소요
- 채팅 내용 읽기
- 이름/이메일 여부 확인
- 오류/견적/문의 등 카테고리 판단
- 노션 DB에서 기존 고객인지 검색
- 데이터를 붙여넣고 정리
이 과정을 사람이 직접 반복하면 단 50건만 들어와도 4시간 이상이 소모됩니다.
그 시간 동안 정작 중요한 “실제 고객 상담”은 밀리기 마련입니다.
2) 휴먼 에러(Human Error)
- 이름 오타
- 이메일 누락
- 잘못된 카테고리 라벨
- 기존 고객인데 신규 고객으로 잘못 저장
이 작은 실수 하나가 CRM의 품질을 크게 떨어뜨립니다.
3) 데이터의 흐름이 엉켜 분석이 어려움
기록이 제때 정리되지 않거나, 기존 데이터를 덮어쓰면
“이 고객이 이전에 어떤 문제를 겪었지?”
를 알 수 없기 때문에 통계도 불가능합니다.
3. 해결 전략: Human-in-the-loop 기반의 AI 자동화
처음 구상은 단순했습니다.
"AI에게 채팅 내용만 주면, 알아서 DB에 저장되게 하면 되잖아?"
그러나 현실은 그렇게 단순하지 않았습니다.
AI가 언제나 완벽한 JSON을 출력하는 것도 아니고,
중복 고객 여부를 사람보다 정확히 판단하기도 어렵습니다.
그래서 내린 결론은 명확했습니다.
👉 AI는 ‘자동 입력 보조’만 하고, 최종 결정은 사람이 한다.
이 구조가 바로 Human-in-the-loop(인간 개입형) 접근입니다.
4. 전체 아키텍처 개요 (Overview)
아키텍처는 크게 3개의 팀(모듈)로 분리됩니다.
🧩 1) 입력팀(Input Layer) – AI Bot
고객 문의 메시지를 받아 **정형 데이터(JSON)**으로 변환합니다.
- 이름/이메일 추출
- 문의 유형 분류
- 메시지 요약
- 신규/기존 여부를 판단할 기초 정보 생성
→ 이 단계에서 생성된 데이터는 **구글 시트(Google Sheets)**에 저장됩니다.
→ 상태(Status)는 항상 **“검토대기(Pending)”**로 표시됩니다.
🧩 2) 관리팀(Validation Layer) – 관리자 승인 도구
담당자가 시트를 열어
- AI가 정리한 데이터 검토
- 잘못된 부분 수정
- 일괄 승인 기능(50건도 3번 클릭이면 끝)
을 수행합니다.
관리자는 단지 **“승인/반려”**만 누르면 됩니다.
🧩 3) 처리팀(Process Layer) – Sync Bot
승인된 데이터가 있으면 자동으로 Notion DB에 반영합니다.
- Notion Property에 최신 상태 업데이트
- 페이지 본문에 히스토리 Append
- 중복 고객 여부를 기준으로 Upsert 수행
- 완료된 데이터는 IsSynced 표시
이렇게 Google Sheets → Notion으로 이어지는 Staging → Production 구조가 완성됩니다.
5. Staging vs Production: 왜 DB를 두 개로 나눴는가?
🏗️ Google Sheets = Staging Area
- 날것의 데이터가 들어오는 ‘하역장’
- 오타, 누락, 잘못된 데이터도 허용
- 관리자가 자유롭게 검토 가능
🗃️ Notion = Production DB
- 반드시 검수된 데이터만 들어가는 ‘진열장’
- AI 분석용 기준 DB
- 최종 CRM 정보의 단일 출처(Single Source of Truth)
이 구조 덕분에
“AI가 엉뚱한 데이터를 넣어서 CRM이 오염되는 문제”를 원천 차단할 수 있습니다.
6. 전체 시스템을 한 문장으로 요약하면?
👉 AI가 정리하고 → 사람이 승인하고 → 시스템이 반영하는 CRM 자동화 파이프라인
이 구조는 다음과 같은 이점을 제공합니다.
✔ 데이터 품질 유지
AI가 틀린 정보를 넣더라도 사람 검증이 있기 때문에 안전합니다.
✔ 업무 시간 90% 절약
50건 입력 작업이 4시간 → 16분으로 단축됩니다.
✔ 확장성 보장
노드만 추가하면 Slack 알림, 통계, API 연동 등 기능이 쉽게 확장됩니다.
7. 마무리
1편에서는 왜 이런 CRM 자동화를 구축하게 되었는지,
그리고 전체 시스템을 구성하는 핵심 개념(Human-in-the-loop, Staging→Production 구조)을 중심으로 설명했습니다.
다음 글인 2편에서는 실제 기술 핵심인 ‘Router 패턴’과 Slot Filling’을 상세히 다룹니다.
AI를 어떻게 설계해야 안정성이 올라가는지, 그리고 n8n에서 이를 어떻게 구현했는지를 예시와 함께 소개합니다.