Airtable에 쌓이는 데이터, Slack에서 배운 봇의 규칙
2026.10.10

📝 한줄 요약
AI 비서 코코비와 함께 다른 봇들과 대화하고 Airtable에 데이터를 쌓으며, 작동 결과를 눈으로 확인하는 경험을 했다. 동시에 원치 않는 댓글도 사용자에게는 오류라는 점을 깨닫고, Slack에서 언제 답하고 언제 조용히 있어야 하는지 규칙을 세웠다.
바쁘시면 이것만 읽어도 돼요:
사용한 도구와 목표: OpenClaw·Slack·Airtable로 나만의 AI 비서를 실제로 활용하기
이번 주에 한 일: 다른 봇들과 대화, Airtable 데이터 적재와 시각화, Slack 응답 규칙 정비
가장 인상적이었던 점: 각자 다른 페르소나를 가진 봇들이 대화하는 모습
가장 중요한 배움: 불필요한 댓글은 단순한 말실수가 아니라 사용자에게는 오류이며, 침묵해야 할 때를 정하는 것도 자동화의 일부
🎯 이런 분들께 도움돼요
나만의 AI 비서를 실제 메신저와 업무에 활용해보고 싶은 사람
AI가 데이터를 저장하는 과정을 눈으로 확인하며 배우고 싶은 사람
봇의 성격뿐 아니라 응답 범위와 운영 규칙도 함께 설계하고 싶은 사람
😫 문제 상황 (Before)
AI 비서를 만들었다고 해서 곧바로 모든 일을 맡길 수 있는 것은 아니었다. 실제 공간에서 다른 봇들과 대화하고 데이터를 다루기 시작하면, 어떤 반응이 유용하고 어떤 반응이 불필요한지 운영 과정에서 배우게 된다.
이번 주에는 코코비가 다른 봇들과 대화를 나누고 Airtable에 데이터를 쌓았다. 데이터를 넣는 동안 결과가 바로 화면에 나타나, 기록이 실제로 축적되는 과정을 보며 배울 수 있었다. 반면 Slack에서는 사진관의 자동 알림과 봇들의 대화에 코코비가 불필요한 댓글을 남기는 일이 있었다. 집사에게 불필요한 댓글은 단순히 어색한 대화가 아니라 분명한 오류였다.
🛠️ 사용한 도구
OpenClaw: 코코비의 기억, 행동 규칙과 도구 사용을 관리
Slack: 다른 봇들과 소통하고 채널별 응답 규칙을 적용
Airtable: 데이터를 적재하고 쌓이는 모습을 시각적으로 확인
🔧 작업 과정
각자의 페르소나를 가진 봇들이 한 공간에서 만나다
사람마다 성격이 다르듯, 스터디에 모인 사람들도 저마다 자기 봇과 대화하며 페르소나를 만들어가고 있었다. 그래서 한 공간의 봇들이 모두 같은 말투와 태도를 보이는 게 아니라 각자 다른 성격으로 대화한다는 점이 재미있었다.
AI를 단순한 기능으로만 보는 것과 달리, 각자의 봇에 성격과 역할을 담아 함께 키우는 모습을 직접 볼 수 있었다. 코코비의 페르소나를 정했던 경험이 다른 사람들의 봇을 이해하는 데에도 연결됐다.
Airtable에 데이터가 쌓이는 순간을 눈으로 보다
코코비가 Airtable에 데이터를 담는 동안, 집사는 화면에서 데이터가 바로바로 쌓이는 모습을 지켜봤다. 추상적인 “저장했다”는 답을 듣는 데서 끝나는 게 아니라, 기록이 실제 표에 나타나는 것을 보며 데이터가 축적되는 과정을 이해할 수 있었다.
이 경험은 AI에게 작업을 맡기는 것과 사람이 그 결과를 확인하며 배우는 것이 함께 갈 수 있음을 보여줬다. 코코비가 입력을 맡고, 집사는 시각화된 결과를 살펴보며 데이터의 흐름을 익혔다.
불필요한 댓글을 오류로 보고 Slack 규칙을 다시 세우다
사진관 채널에서 자동 알림이나 다른 봇의 대화에 코코비가 끼어들어 댓글을 남겼다. 내용이 해롭지 않더라도 집사가 원하지 않은 반응이 반복되는 것은 오류였다. 봇이 모든 대화에 반응하는 것이 활발함은 아니며, 응답하지 않아야 할 상황도 명확히 구분해야 했다.
그래서 Slack 규칙을 새로 정리했다. 채널에서는 코코비를 직접 멘션한 메시지에만 응답하고, 멘션이 없는 일반 메시지·자동 알림·봇끼리의 대화에는 댓글을 달지 않도록 했다. 오류를 확인한 뒤 원인을 좁히고, 규칙을 조정해 재발 가능성을 줄이는 과정이었다.
✅ 결과 (After)
Before vs After
항목 | Before | After |
|---|---|---|
다른 봇과의 소통 | 각자 따로 대화 | 서로 다른 페르소나를 가진 봇들의 대화를 경험 |
Airtable 작업 | 데이터 적재 과정이 추상적 | 입력과 동시에 데이터가 쌓이는 모습을 확인 |
Slack 응답 | 자동 알림과 봇 대화에도 불필요한 댓글 발생 | 직접 멘션된 메시지에만 응답하도록 규칙 정리 |
오류 인식 | 원치 않는 댓글을 사소한 반응으로 볼 수 있음 | 사용자에게 불필요한 댓글은 오류로 정의 |
이번 주의 성과는 특정 시간을 절약했다는 수치보다, AI 비서를 운영하며 무엇이 유용하고 무엇이 오류인지 구체적으로 배운 데 있다. 데이터를 눈으로 확인하는 경험과 응답 경계를 조정한 경험이 함께 쌓였다.
💬 이 과정에서 배운 AI 활용 팁
효과적이었던 것
AI의 작업 결과를 시각적으로 확인하기
데이터가 실제로 쌓이는 화면을 보면 작업 결과와 흐름을 이해하기 쉽다.봇의 페르소나를 각자 다르게 설계하기
봇마다 역할과 말투가 분명하면 여러 봇이 함께 있을 때도 개성이 살아난다.응답하지 않을 상황도 규칙으로 정하기
직접 멘션된 경우에만 답하도록 범위를 좁히면 자동 알림과 봇끼리의 대화에 끼어드는 일을 막을 수 있다.
이렇게 하면 안 돼요
모든 메시지에 반응하게 두기
원치 않는 댓글도 사용자 입장에서는 오류다.데이터가 저장됐다는 말만 듣고 확인을 생략하기
화면에서 결과를 확인하면 누락이나 구조를 더 쉽게 파악할 수 있다.
🌍 다른 업무에 적용한다면?
팀에서 사용하는 AI 봇도 답변 규칙만큼 침묵 규칙이 중요하다. 어떤 요청에는 반응할지뿐 아니라 자동 알림, 다른 봇의 메시지, 사람끼리의 대화에는 언제 끼어들지 않을지를 정해두면 불필요한 소음을 줄일 수 있다.
데이터 자동화에서는 작업을 맡긴 사람이 결과를 확인할 수 있는 표나 대시보드를 함께 두면, 자동화가 어떻게 작동하는지 배우고 검토하기도 쉬워진다.
🚀 앞으로의 계획
다음 주에는 코코비에게 나만의 비서로서 실제 일을 조금 더 맡겨보고 싶다. Airtable에 쌓인 데이터를 더 활용하면서, 맡길 수 있는 업무와 사람이 확인해야 할 경계를 경험을 통해 다듬어갈 계획이다.

로그인하고 댓글을 남겨 주세요
추상적인 “저장했다”는 답을 듣는 데서 끝나는 게 아니라, 기록이 실제 표에 나타나는 것을 보며 데이터가 축적되는 과정을 이해할 수 있었다.
에어테이블 db를 좀 익숙하게 쓰다보면, 실제 봇이 어떤작업을 해서 데이터가 어떻게 흘러가는지가 점점 또렷하게 보이게 될거예요!
그리고 코코비가 이곳저곳에서 끼어든 것을 보고 하나씩 설정 고쳐가면서, 슬랙에서 생각보다 많은 권한을 관리할 수 있다는 걸 배우셨기를 바라요! 뿐 아니라 봇들과 함께 대화하는 방에서 멘션 규칙을 어떻게 정해야하는지, 언제 끼고 언제 빠져야 하는지 그 기준을 고민하는 계기가 되었기를요!
30마리 넘는 봇이 같이 사는 마을에서 안 끼어드는 규칙만큼 귀한 게 없어요 ㅎㅎ
봇끼리 369 게임으로 마을을 들썩이게 한 날도, 베스트 발표 때 들어온 질문에 같이 뛰어 준 날도 다 기억해요.
코코비, 앞으로도 마을에서 잘 부탁해요 🐶
저장했다는 말로 끝내지 않고 표에 쌓이는 걸 화면에서 같이 지켜보셨다는 대목이 좋네요. 저도 봇이 했다는 말보다 결과를 눈으로 보고 나서야 마음이 놓이는 쪽이라서요.
CASPER™님, 코코비의 페르소나를 직접 정해 보셔서인지 다른 봇들이 한자리에 모였을 때도 말투와 태도가 어떻게 다른지 눈여겨보셨네요. 그 대목을 읽으니 각자 자기 봇과 나눈 대화가 봇들끼리 만났을 때도 묻어난다는 말이 실감 났어요.



"원치 않는 댓글은 단순 말실수가 아니라 사용자에게는 오류" — 이 정의가 핵심이에요. 유성이도 처음엔 채널 활발하게 다니다가 자동 알림에 반응해서 규칙 다시 세웠어요. 응답 경계를 "언제 침묵할지"로 잡은 관점이 좋네요. 코코비가 멘션 외에도 긴급해 보이는 메시지엔 반응하게 둔 예외 규칙 같은 것도 있나요?