① 어떤 상황에서 AI를 활용했나요?
대학 기획처에서 중장기 발전계획 실적을 취합하는 업무를 맡고 있습니다. 수십 개 부서가 각자 작성한 '실행과제 정의서'를 한글(HWPX) 문서로 제출하면, 담당자가 일일이 열어서 과제번호·예산·집행금액 등을 마스터 엑셀 시트에 옮겨 적는 작업이 반복되었습니다. 과제 하나당 평균 20분 이상 걸렸고, 단위 혼용(원/천원)이나 행 밀림 같은 오류도 자주 발생해 재정 데이터 신뢰성에 문제가 있었습니다.

② 어떤 AI를 어떻게 활용했나요?
Claude(Anthropic)를 코딩 보조 도구로 활용하여 Python 자동화 스크립트를 단계적으로 개발했습니다. 구체적으로는 다음과 같습니다.
HWPX 파일(ZIP 구조)을 열어 내부 XML을 파싱하는 코드 설계를 Claude와 함께 구성했습니다.
과제번호의 공백·특수문자 변형을 처리하는 정규표현식(Regex) 패턴을 Claude에게 요청해 반복적으로 다듬었습니다.
교비·산단·혁신사업 등 재원 구분을 오인식하지 않도록 하는 match_cat 함수 로직을 Claude와 함께 디버깅했습니다.
"원 단위 수치를 천원으로 자동 변환", "2029년 집행 데이터에 타 과제 수치가 오염되는 버그" 등 실제 오류가 생길 때마다 오류 상황을 Claude에 설명하고 수정 방향을 함께 찾아 v3.1 → v3.2 → v3.3으로 고도화했습니다.

③ 활용 결과 어떤 변화가 있었나요?
처리 속도: 과제당 평균 20분 이상 걸리던 작업이 문서 1건당 0.4초 미만으로 단축되었습니다(약 3,000배 향상).
오류율 감소: 단위 오기입, 행 밀림, 자릿수 왜곡 등 재정 데이터 오류가 사실상 원천 차단되어 휴먼 에러율이 5% 미만으로 수렴했습니다.
지속 재사용: 2026~2029년 매 학년도 보고서가 업데이트될 때마다 추가 개발 없이 스크립트 실행만으로 자동 연동됩니다.
업무 질 향상: 담당자가 복사·붙여넣기 행정 노동에서 벗어나 KPI 분석·성과 전략 수립 등 고부가가치 업무에 집중할 수 있게 되었습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?
단순히 "AI가 코드를 짜줬다"는 수준이 아니라, 실제 오류가 생길 때마다 그 상황을 AI에게 설명하고 함께 원인을 찾아 고도화하는 반복적 협업 방식이 핵심입니다.
특히 세 가지 점이 차별화 포인트입니다.
첫째, 컨텍스트 절삭 알고리즘: 대단원 총괄표 헤더가 감지되면 블록을 강제로 끊어 다른 과제 데이터가 섞이지 않도록 했는데, 이는 실제 데이터 오염 사례를 경험한 뒤 Claude와 함께 설계한 로직입니다.
둘째, 단위 자동 변환: 원본 문서의 단위(원/천원)를 AI와 함께 패턴으로 식별하고, 천원 미만 자동 반올림 처리를 구현했습니다.
셋째, None값 방어 초기화 트랜잭션: 값이 없을 때 기존 셀을 명시적으로 초기화하는 안전장치를 추가해 데이터 잔존 오염을 막았습니다.

⑤ 다른 사람도 따라 할 수 있나요?
네, 충분히 가능합니다. 프로그래밍 경험이 없어도 다음 순서로 접근할 수 있습니다.
가. 반복적으로 하는 문서 취합·입력 업무를 하나 선택합니다.
나. Claude 같은 AI에게 "이런 문서에서 이런 데이터를 꺼내 엑셀에 넣고 싶다"고 설명합니다.
다. AI가 만들어준 코드를 실행해보고, 오류나 예외 상황이 생기면 그 상황을 그대로 AI에게 다시 설명합니다.
라. 이 과정을 반복하면 누구든 자신의 업무 환경에 맞는 자동화 도구를 만들 수 있습니다.
핵심은 완벽한 코드를 한 번에 요구하는 것이 아니라, 실제 업무 현장의 예외 상황을 AI와 함께 하나씩 해결해 나가는 것입니다.