📝 한 줄 요약
이미 손으로 끝낸 5월 결산을 자동화 테스트베드로 삼아 로나의 월간 결산·Runway·주주보고 스킬을 돌려봤습니다. 셋팅은 예상보다 한참 빡셌지만, 그 대가로 (1) 매월 반복되는 결산 업무가 자동화될 수 있다는 가능성을 확신하게 됐고, (2) 무엇을 사람이 하고 무엇을 봇이 할지 — Human-in-the-Loop 라인을 명확히 그릴 수 있게 됐습니다.
— — —
🧪 왜 끝난 결산을 굳이 다시 돌렸나
자동화 도구를 처음 도입할 때 가장 어려운 질문은 "맞게 만들었는지 어떻게 확신하지?" 입니다.
5월은 이미 손으로 결산을 끝냈고 검산값도 박혀 있습니다. 다시 말해 답이 있는 시험지가 있다는 뜻. 그래서 5월을 다시 자동화 흐름에 태우면, 봇이 뽑은 결과가 손으로 만든 값과 일치하는지로 즉시 채점이 됩니다. 6월부터 무작정 시작했으면 "결과는 나왔는데 맞아?" 에서 멈췄을 텐데, 5월이 dry-run 검증 데이터가 돼주면서 다음 달부터 자신 있게 적용 가능한 상태로 진입했습니다.
이걸 일반화하면 "이미 답이 있는 한 사이클로 자동화를 학습시킨다" — 다른 영역에도 그대로 적용되는 패턴.
— — —
😅 셋팅은 예상보다 한참 빡셌습니다
당초엔 "서비스 계정 만들고 권한만 주면 끝"이라 봤는데, 막상 들어가니 함정이 줄줄이 깔려 있었습니다.
gcloud 토큰 만료 → 재로그인
ADC quota project 불일치 → 또 재로그인
새 GCP 프로젝트엔 IAM API 미활성화 → 활성화 + 라우팅 꼬임
결국 기존 프로젝트 재사용으로 전환 (작은 빠른 성공 위해)
Google 공유 드라이브엔 "편집자" 옵션이 아예 없음 → 콘텐츠 관리자가 정답
다운로드 파일의 "총잔액"은 다운로드 시점 값일 뿐, 월말 잔액과 다름 → 거래 내역의 마지막 행 잔액 컬럼을 잡아야 함
소요시간이 20분으로 잡았던 게 1시간 가까이 됐는데, 이게 한 번만 겪을 함정이라는 점이 핵심입니다. 매달 반복되는 본 작업 자동화의 진입 비용을 한 번에 치른 것.
— — —
🧭 자동화 인벤토리 — 사람과 봇의 라인 긋기
결산 흐름을 단계별로 다 적고, 각 단계가 사람 영역인지 봇 영역인지 명시한 후, 봇 영역이면 매월 절약 시간을 매겼습니다.
단계: ① 은행/카드 사이트 로그인·다운로드 · 사람 vs 봇: 🔴사람만 · 매월 절약: — · 비고: MFA는 절대 자동화 안 함
단계: ② 다운로드 파일을 Drive 폴더에 두기 · 사람 vs 봇: 🔴사람만 · 매월 절약: — · 비고: 사람의 의도 표명 지점
단계: ③ 잔액 → Runway 시트 자동 반영 · 사람 vs 봇: 🟢봇 · 매월 절약: 5~10분 · 비고: ⭐이번 1순위
단계: ④ 거래내역 → 월결산 시트 자동 import · 사람 vs 봇: 🟢봇 · 매월 절약: 30~60분 · 비고: 다음 후보
단계: ⑤ 계정과목 분류 추천 · 사람 vs 봇: 🟡봇 추천 → 사람 확정 · 매월 절약: 60~120분 · 비고: 분류 표 학습 + 검토 큐
단계: ⑥ Slack 카드알림 자동 대조 · 사람 vs 봇: 🟢봇 · 매월 절약: 20분 · 비고: API 권한만 있으면
단계: ⑦ Mixpanel 지표 자동 입력 · 사람 vs 봇: 🟢봇 · 매월 절약: 10분 · 비고: 이벤트명 정의 시
단계: ⑧ 주주보고 코멘트 초안 · 사람 vs 봇: 🟡봇 초안 → 사람 다듬기 · 매월 절약: 30~60분 · 비고: 톤·맥락은 사람
이 표가 글의 진짜 핵심입니다. "자동화"는 사람을 빼는 것이 아니라, 사람이 가장 잘하는 자리(판단·승인·맥락)에만 사람을 두는 것이라는 게 이번에 명확해졌습니다.
— — —
✅ 첫 자동화 — 한 셀로 매월 반복 가능성을 증명
후보 ③(잔액 → Runway)으로 가장 작은 한 단위만 만들었습니다.
스코프: 주거래 통장 하나의 월말 잔액 → Runway 시트의 해당 월 셀 1개.
흐름: 1. (사람) 은행 사이트에서 거래내역 xls 다운, Drive 월별 폴더에 둠 2. (봇)
python scripts/update_main_balance.py [--apply]
- 거래내역 파일에서 대상월 마지막 거래의 잔액 컬럼 추출 - Runway 시트 1행에서
YYYY. M
헤더 찾아 해당 열 결정 - 76행에 값 기록 (dry-run 기본,
--apply
있을 때만 실제 쓰기) - 음수 잔액·100억 초과 시 자동 중단
5월 데이터로 dry-run 검증 — 봇이 뽑은 잔액과 시트의 5월 값이 정확히 일치. 매월 반복 가능성 증명 완료.
5월 한 셀만 자동화한 절약 시간은 매월 5분 안팎이지만, 같은 패턴으로 ④~⑧을 한 단계씩 더해가면 매월 3~5시간이 풀린다는 게 이번 실험으로 확인된 결론입니다.
— — —
🤔 이번 사이클에서 명확해진 4가지
1) "끝난 한 사이클"은 가장 좋은 자동화 학습 데이터
새 자동화의 결과가 맞는지 알려면 정답이 필요한데, 이미 손으로 만든 결산이 바로 그 정답. "먼저 새 달 자동화부터 시도"가 아니라 "끝난 전월로 자동화를 만든 다음 새 달에 적용" 순서가 훨씬 안전합니다.
2) Human-in-the-Loop는 빼는 게 아니라 "어디에 둘지"
이번 인벤토리 표가 가장 큰 산출물이었습니다. 사람만 / 봇만 / 봇 추천+사람 확정 / 봇 초안+사람 다듬기 — 이 네 가지 영역으로 갈라놓고 보면, "자동화가 어렵다"고 봤던 작업들이 실은 "사람의 어떤 판단을 어디에 끼울지가 안 정해진 것"이었습니다. MFA는 절대 자동화 안 하고, 계정과목 분류 같은 도메인 판단은 봇이 후보만 내고 사람이 확정. 이 라인이 정해지면 나머지는 단순한 엔지니어링.
3) 진입 비용은 한 번, 절약은 매월
서비스 계정·권한·검증 셋팅이 1시간 걸렸습니다. 그런데 이건 앞으로 12개월간 매월 5분씩 절약하는 기반. ROI 계산이 간단해집니다. 진입 비용을 한 번에 인정하고 나면, "그 정도까지 자동화할 만한가" 같은 회색 지대 망설임이 사라집니다.
4) 작은 빠른 성공 1개로 다음 자동화의 발판이 만들어진다
이번에 만든 100줄짜리 스크립트는 매월 5분 절약입니다. 그 자체로 큰 수치는 아니지만, 이 안에 쓴 "시트 헤더에서 월 찾기 / 안전장치 패턴 / dry-run 기본 / 검산 앵커 검증" 패턴들은 ④~⑧ 자동화에 그대로 재사용됩니다. 첫 자동화는 시간 절약 자체보다 "다음 자동화의 베이스 라이브러리" 가치가 더 큽니다.
— — —
🛣️ 로나, 어떻게 쓰면 좋을까
기존 스킬은 "처음 결산하는 사용자가 처음부터 같이 한다"는 가정입니다. 거기에 한 가지 모드를 더하면 좋겠습니다.
점진 자동화 모드 — 이미 손 결산 흐름이 잡혀 있는 사용자용. 인벤토리 표 + Human-in-the-Loop 라인 그리기부터 시작 → 작은 빠른 성공 1~2개부터 → 6~12개월에 걸쳐 단계적 확장.
다음 달에 ④ 거래내역 자동 import 만들어보고 다시 후기 남길게요. 이번 글의 진짜 가치는 "한 셀짜리 자동화" 가 아니라, 이 한 셀을 통해 앞으로 3~5시간/월을 풀어낼 길이 보였다는 점입니다.
— — —
이 글은 Claude Code + 로나 스킬 + Google Sheets/Drive API + 파이썬으로 작업한 실험 기록입니다. 회사 내부 수치는 일반화·마스킹했고, 자동화 패턴과 깨달음만 남겼습니다.
