반복 업무의 구원자, AI 슬랙봇 “도비”의 개발 여정
이번에는 슬랙과 지라의 반복 업무를 자동화한 AI 슬랙봇 ‘도비’의 개발 여정을 소개합니다. 별도 인프라나 복잡한 코딩 없이, GPT와 협업해 단순 명령으로 티켓을 생성하고 업무 시간을 크게 절약한 실전 사례입니다.
이번에는 슬랙과 지라의 반복 업무를 자동화한 AI 슬랙봇 ‘도비’의 개발 여정을 소개합니다. 별도 인프라나 복잡한 코딩 없이, GPT와 협업해 단순 명령으로 티켓을 생성하고 업무 시간을 크게 절약한 실전 사례입니다.
쌓여가는 슬랙 쓰레드와 누락되는 지라 티켓
업무를 위한 필수 도구인 슬랙과 지라! 하지만 이런 경험 다들 있으시죠? 회의 다녀온 사이 기하급수적으로 늘어난 쓰레드 댓글들, 급한 업무 처리하다 깜빡한 지라 티켓 생성까지. 이런 반복적인 업무는 생각보다 많은, 그리고 소중한 시간을 소모하게 만들어요.
“회의를 갔다 오니까 갑자기 쓰레드 댓글이 엄청나게 쌓여있거나 아니면 중간에 멘션 된 경우 다들 있으시죠? 저는 이 긴 내용을 파악을 하다 보면 생각보다 시간을 꽤 사용하게 되더라고요.”
‘도비' 는 플랫폼 PM 혜연님의 이런 일상적인 고민에서 시작됐어요. 특히 주문 관련 에러나 요청이 들어왔을 때 대응하느라 정신없이 일하다 보면 지라 티켓 생성을 자주 깜빡하게 되고, 이는 결국 중요한 이슈나 업무 트래킹 누락으로 이어지는 문제가 있었죠. 작년 체크아웃 운영 티켓만 280건, 티켓 생성에만 약 840분(14시간)이 소요된다는 계산이 나왔어요. 많은 직원들이 이런 반복 작업의 비효율성을 인지하고 있었지만, 주문 개발팀의 규원님 말씀처럼 현실은 달랐습니다.
“운영 업무에 치여 아무것도 할 여유가 없었어요. 하지만 짧은 시간에도 AI 를 활용해 문제를 해결할 수 있을거라는 확신이 생겼고, 미뤄뒀던 일을 이제는 AI를 활용해 빠르게 해결해보려고 했어요.”
현업에 치여 실천으로 옮기지 못하는 상황, 여러분들도 공감하실 거예요. 이런 상황에서 규원님과 혜연님은 AI를 활용한 실질적인 해결책을 모색하기 시작했습니다.
GPT와 함께 시작한 슬랙봇 ‘도비’ 개발 여정
규원님은 개발팀 매니저로서 반복적인 업무를 AI로 자동화할 방법을 오랫동안 고민해왔어요. 하지만 생각만으로는 아무것도 변하지 않았죠.
규원님과 혜연님은 슬랙봇 개발이라는 공통의 목표를 세웠어요. 이 봇의 이름은 ‘도비’! 도비는 두 가지 핵심 기능을 제공합니다: 첫째, 슬랙 쓰레드를 한 방에 요약하는 ‘요약 도비’, 둘째, 내용을 요약해 지라 티켓까지 자동으로 생성하는 ‘지라 도비’예요. 개발 과정은 ChatGPT에게 물어보는 것으로 시작됐습니다. 규원님은 슬랙봇을 빠르게 만드는 방법부터 서버와의 연결, 쓰레드 내용 수집 방법까지 단계별로 GPT에게 질문했어요.
“슬랙에 특정 명령을 호출해서 해당 스레드에 있는 내용을 정리하는 것이 제 첫번째 요구사항이었어요.”
이 과정에서 규원님은 몇 가지 원칙을 세웠는데요, 직접 많은 양의 코드를 생산하거나 DB, 인프라를 다루지 않고 에너지를 최소한으로 쓰겠다는 것이었습니다.
“제가 코딩을 뭔가 주도적으로 하지 않는다가 첫 번째였고요. DB를 안 쓰는 게 두 번째였고 그리고 인프라도 안 쓰는 게 목적이었어요. 그러니까 여기에 내가 뭔가 다른 거를 하겠다는 에너지를 안 쓰려는 게 목적이었고…”
이처럼 최소한의 개발 노력으로 최대한의 효과를 내는 접근법은 특히 현업에 바쁜 직원들에게 중요한 전략이에요. 즉, 디펜던시를 최소화 하는 거죠. 또한 익숙한 기술 환경(Spring Framework)을 활용함으로써 불필요한 학습 곡선을 피할 수 있었죠.
2–3분 걸리던 작업, 이제는 단 몇 초면 충분
도비의 탄생이 가져온 변화는 눈부셨어요. 혜연님이 공유한 바에 따르면, 체크아웃 기준으로 연간 280건의 티켓 생성 시간으로만 약 14시간을 절약할 수 있게 되었습니다. 더불어 간단한 명령어만 입력하면 티켓이 자동 생성되니 업무 누락도 방지할 수 있게 되었죠. 슬랙봇 개발 자체도 놀라울 정도로 빠르게 진행되었어요. 규원님은 이렇게 회고합니다:
“요약 명령어를 입력하니 2~3시간짜리 슬랙 대화의 요약 결과가 바로 정리되었어요.”
특히 AI의 텍스트 처리 능력은 기대 이상이었습니다. 긴 대화를 효과적으로 청크(chunk)로 나누고 핵심만 추출하는 능력은 실무에서 큰 도움이 되었어요.
“내용만 던졌는데 10개씩 자동으로 청크를 나누고, 각 청크에서 핵심 문장도 추출해줬어요. 흥미로웠던 건, 잡담 같은 불필요한 내용도 걸러내는 기능또한 프롬프팅으로 해결했다는 거예요.”
실제 시연에서 도비는 슬랙 채널에 문의된 내용을 자동으로 요약하고, “!도비 지라” 명령어로 지라 티켓까지 생성하는 모습을 보여주었습니다. 이렇게 생성된 티켓에는 원본 스레드 링크, 예약 번호 같은 핵심 정보가 자동으로 포함되어 있어 업무 처리의 연속성도 확보할 수 있었죠.
AI와 효과적으로 소통하는 법: 명확한 목표와 열린 해결책
이 프로젝트를 통해 규원님과 혜연님이 얻은 가장 중요한 교훈은 AI와 효과적으로 소통하는 방법이었어요. 마치 여행 가이드에게 목적지만 알려주고 경로는 가이드에게 맡기는 것처럼, AI에게는 명확한 목표를 제시하되 해결 방법은 열어두는 접근법이 효과적이었습니다.
“뭘 모르는지, 뭘 원하는지를 명확하게 GPT한테 말해주고 구체적인 방법은 GPT가 제안을 하도록 하는 게 중요하겠다. 그래서 질문하는 법을 좀 배우게 된 것 같아요.”
또한 AI도 완벽하지 않다는 사실을 인정하고, 필요할 때 적절한 정보를 제공하는 것이 중요했어요. 혜연님은 이런 경험을 했습니다:
“GPT가 모르는지 제가 어떻게 알아요? 그래서 저도 모르니까 GPT한테 물어본 건데, GPT도 모르고 저도 모르고 약간 이런 상황이었던 거죠.”
GPT 의 Knowledge-cutoff 에 대한 이해가 없었기 때문에 발생한 문제였는데, 이런 경우 공식 문서나 추가 자료를 GPT에게 제공하여 더 정확한 답변을 이끌어내는 전략이 도움이 되었습니다. 마지막으로, 기술적 편안함(comfort zone)을 활용하는 것은 AI 도입의 효과적인 전략이었어요.
“제가 컴포트존을 굳이 벗어날 필요가 없다고 생각을 했어요. 내가 빠르게 할 수 있고 적용할 수 있는 환경에서 해야 맥락을 이해하고 주도적으로 할 수 있을 것 같더라고요.”
이런 접근법은 특히 AI를 처음 도입하는 조직이나 개인에게 유용한 전략이 될 수 있습니다. 완전히 새로운 기술을 배우는 대신, 익숙한 환경에 AI를 통합함으로써 더 빠른 성과를 낼 수 있기 때문이죠.
앞으로의 발전 방향: 더 많은 업무의 자동화를 향해
도비는 아직 발전 단계에 있지만, 그 가능성은 무궁무진해요. 현재 규원님과 혜연님은 더 정확한 요약과 티켓 생성을 위해 프롬프팅을 지속적으로 개선하고 있고, 특정 사용자의 발언만 추출하거나 의사결정 과정 추적 같은 고급 기능도 고려 중입니다. 특히 회고 자동화 기능은 이미 개발 중이며, 스프린트 회고를 자동으로 생성해 팀 운영의 효율성을 더욱 높일 계획이에요. 또한 다양한 팀의 요구에 맞춰 워크스페이스와 설정을 제공하는 방식으로 확장성도 고려하고 있습니다. 이번 사례에서 가장 인상적인 점은 기술적 배경에 관계없이 누구나 AI를 활용해 업무 효율화를 달성할 수 있다는 가능성을 보여준 것이에요. 발표자들이 언급한 것처럼, 이는 단지 “고민하던 일을 AI를 써서 바로 할 수 있게 된” 사례에 불과합니다. 여러분의 업무에서도 AI를 활용할 수 있는 부분은 무엇일까요? 그리고 그것을 실현하기 위해 필요한 것은 어쩌면 복잡한 기술이 아니라, 명확한 목표와 AI와의 효과적인 소통 방법일지도 모릅니다.
마이리얼트립의 다음 사례에서는 어떤 흥미로운 이야기가 펼쳐질지도 기대해 주세요!
