이제서야 만들어본 워크스페이스

코딩 무뇌한 변호사가, Claude Code와의 대화만으로 '유사 사건 검색 에이전트' 설계도를 완성하기까지

📝 한줄 요약

코딩을 전혀 모르는 보험전문 변호사가, 예전에 지피타쿠님이 건네준 "workspace-standards"라는 템플릿이 뭔지도 모른 채 방치해두다가, Claude Code에게 처음부터 하나하나 물어보며 결국 내 업무(노션에 쌓인 사건 자료로 유사 사건 찾기)에 맞는 AI 에이전트 설계도를 완성한 이야기입니다.

바쁘시면 이것만 읽어도 돼요:

• Claude Code로 노션 사건 데이터베이스 기반 "유사 사건 검색 에이전트"를 설계, 막연한 아이디어를 실행 가능한 폴더·문서·기능으로 구체화

• 남이 만들어준 템플릿도 뭔지 모르면 그냥 방치하게 된다는 걸 깨달음

• 오픈소스 아이디어들을 그대로 베끼지 않고, AI가 "이게 왜 필요한지" 검증까지 해서 선별 반영

• AI가 스스로 가져온 리서치 자료의 과장된 정보를 재검증해서 걸러낸 순간이 인상적이었음

• 다음 단계로는 증거자료를 입력하면 의견서 초안까지 써주는 에이전트로 확장할 계획

• 가장 큰 교훈: 모르면 모른다고 솔직히 말하는 게 제일 빠른 길이었음

🎯 이런 분들께 도움돼요

• 노션 같은 곳에 자료는 쌓여있지만 "이걸로 뭘 더 할 수 있는지" 몰랐던 전문직(변호사, 회계사, 컨설턴트 등)

• 누군가 만들어준 템플릿(워크스페이스)을 받았지만 뭔지 몰라서 방치하고 있던 사람들

• 코딩을 전혀 몰라도 AI로 업무 도구를 직접 설계해보고 싶은 비개발자

😫 문제 상황 (Before)

저는 보험소비자 편에서 일하는 변호사입니다. 보험사가 보험금을 지급하는 게 타당하다는 의견서를 써서 제출하는 일을 몇 년째 하고 있는데, 이 의견서에는 법원 판결, 저희 로펌만의 논리, 관련 의학 논문까지 다 들어갑니다. 이 자료들은 전부 회사 노션에 업로드해서 관리해왔습니다.

문제는, 신규 사건이 들어올 때마다 노션에 쌓인 과거 사건들 중에 비슷한 사례가 있었는지 일일이 찾아봐야 했다는 겁니다. 사건이 쌓일수록 어떤 판례·논문을 어느 사건에 썼는지 기억에만 의존하게 됐고, 매번 비슷한 자료를 처음부터 다시 찾는 반복 작업이 계속 늘어났습니다.

그리고 사실 더 부끄러운 이유도 있었습니다. 예전에 지피타쿠 님이 "workspace-standards"라는 템플릿 폴더를 건네주신 적이 있었는데, 저는 그게 정확히 뭘 하는 물건인지도 모른 채 그냥 폴더만 열어보고 방치해두고 있었습니다.

🛠️ 사용한 도구

• 도구: Claude Code

• 모델: Claude Sonnet 5

• 연동: Notion (사건 데이터베이스, MCP 연동)

• 특이사항: 작업 중 GitHub 공개 저장소 5개를 참고 자료로 리서치 (직접 설치하지 않고 설계 아이디어만 벤치마크)

🔧 작업 과정

"이게 대체 뭐야" — 방치해뒀던 템플릿과의 첫 대면

받아만 놓고 몰랐던 그 폴더가 계속 마음에 걸려서, 일단 물어보기로 했습니다.

이 워크스페이스를 분석해줘(구조 지침 하네스 등). 나는 코딩 비전문가기 때문에 그에 맞춰서 용어를 해석하고 설명해줘. 그리고 이 워크스페이스의 전체적인 철학도 알려줘.

AI는 폴더 안의 문서들을 전부 읽고, "하네스"가 사실 AI를 마음대로 헤매지 않게 만드는 통제 장치라는 것, 폴더에 10단위 숫자를 붙이는 이유, "워크스페이스 하나 = 목적 하나"라는 원칙 같은 걸 비유를 들어 설명해줬습니다. 코딩 용어 하나 없이 몇 번 주고받았을 뿐인데, 폴더의 정체가 그제서야 이해됐습니다.

"그럼 내 진짜 문제를 꺼내볼까"

이해하고 나니 자연스럽게, 평소 가장 반복적으로 힘들었던 업무를 꺼내게 됐습니다. 제 업무 배경과 노션에 쌓인 자료, 그리고 미리 추천받았던 참고 저장소 두 개를 함께 던졌습니다.

나는 한국의 보험전문 변호사야. 보험소비자 편에서 일을 해. 수년간 일을 해오면서,
보험사에 보험금을 지급하는 것이 타당하다는 의견서를 작성해 제출하고 있어. [...]
신규 사건 의견서 작성 위해 몇가지 파라미터(법적 쟁점 내지 핵심 사실관계 등)를
입력하면, 회사 노션에서 과거 가장 유사한 사건을 반환하는 에이전트를 만들고 싶어.
그런데 그 전에 llm wiki관련 레포지터리를 추천받은 게 두 개 있어 [...]
아직 프로젝트를 생성하지말고 위 2개를 리서치해서 도움이 될 만한 게 있는지 알려줘.

바로 만들자고 하지 않고 "먼저 리서치부터"라고 요청했더니, AI도 그 순서를 그대로 따라줬습니다.

AI가 자기가 가져온 자료를 스스로 의심한 순간

리서치 결과를 처음 받았을 때, 어떤 저장소는 "스타 27,000개"처럼 꽤 부풀려진 것처럼 보이는 수치가 섞여 있었습니다. 그런데 AI가 알아서 "이 요약이 좀 의심스럽다"며 GitHub의 실제 데이터로 다시 대조 확인을 했고, 실제로는 요약이 부정확했던 부분을 스스로 정정했습니다.

이후 하네스 설계와 관련해서 참고할 만한 저장소를 세 개 더 추천받았을 때도 같은 방식으로 진행했습니다.

그 전에 내가 참조할 레포 3개를 추천받았어. 내가 기존에 클로드코드로 작업을 해보니
하네스의 필요성에 대해서 많이 느꼈어. 아래 3개 레포를 참조해서 내가 만들 워크스페이스에
도움이 될만한 부분들을 확인해줘. 특히 하네스 관련으로

이렇게 총 다섯 개의 오픈소스 저장소를 검토했는데, AI는 그냥 "이런 기능이 있더라"라고 나열하는 데서 그치지 않고, 각 아이디어가 왜 제 프로젝트에 필요한지, 어느 저장소에서 가져온 아이디어인지까지 표로 정리해줬습니다. 예를 들어 검색 결과 하나를 "얼마나 비슷한가" 점수 하나로 뭉뚱그리지 않고, "쟁점이 겹치는지 / 의학적 사실이 겹치는지 / 처리 결과가 참고할 만한지" 이렇게 세 가지 관점으로 나눠서 보여주도록 설계했는데, 이건 제가 원래 걱정했던 "AI가 진짜 비슷한 사건을 찾은 게 맞는지 어떻게 믿나"라는 문제에 정확히 맞아떨어지는 답이었습니다.

이 과정에서 제 업무 특성(의뢰인 의료정보가 담긴 파일이라 외부 서버로 보내면 안 됨, 스캔 문서라 글자 인식이 필요함, 자료가 계속 노션에 업데이트됨)도 미리 하나씩 짚어가며 설계에 반영했습니다.

실제로 완성된 나만의 사건 검색 에이전트

리서치와 설계가 끝난 뒤, 마지막으로 이름과 저장 위치, 그리고 검증 기준(과거에 제가 이미 확신하는 유사 사건 사례를 몇 건 정도 기준으로 삼을지)을 정했습니다.

1. 유사사건검색-에이전트
2. E:\.AI 아래 만들어줘
3. 골드셋은 10쌍 정도 대략 우선 가능할 것 같아

그러자 실제로 컴퓨터 안에 폴더와 문서, 실행 가능한 기능 5개(동기화, 유사사건 검색, 검증, 문서 재검토, 정답사례 등록)까지 그 자리에서 전부 만들어졌습니다.

✅ 결과 (After)

Before vs After

결과물

유사사건검색-에이전트라는 이름의 프로젝트 폴더가 실제로 만들어졌고, 안에는 프로젝트 설계 문서 한 벌과 실행 가능한 기능 5개, 정책 문서, 검증 체계까지 총 28개 파일이 들어있습니다. 다만 아직 "완성된 도구"는 아니고, 실제로 노션 자료를 읽어서 처음 동기화를 돌려보는 다음 단계가 남아있는 "설계도가 완성된" 상태입니다.

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

1. 모르면 모른다고 솔직하게 말하기 — "이게 뭔지 하나도 모르겠어"라고 그냥 물어보니, AI가 코딩 용어 없이 눈높이에 맞춰 처음부터 설명해줬습니다

2. AI가 가져온 리서치 자료도 "이거 진짜 맞아?"라고 재검증을 요청하기

3. 처음부터 완벽한 요구사항 없이, 대화를 주고받으며 조금씩 구체화하기

이렇게 하면 안 돼요

1. 템플릿·도구를 받았을 때 "뭔지 모르니까 일단 넘어가자"며 방치하기 (제가 몇 년간 그랬습니다)

2. AI가 찾아온 정보를 검증 요청 없이 그대로 믿고 넘어가기

🌍 다른 업무에 적용한다면?

비슷하게 자료가 흩어져 있는 업무(계약서 검토 이력, 판례 조사 노트, 고객 상담 기록 정리 등)에도 "일단 속성으로 후보를 좁히고, 근거를 여러 관점으로 나눠서 보여주는" 방식은 그대로 적용해볼 수 있을 것 같습니다.

🚀 앞으로의 계획

지금 만든 설계도를 실제로 가동시키기 (첫 동기화 실행)