PM 업무 자동화 시스템 — 8개 cron으로 운영 부담 줄이기

Context

B2B SaaS 에듀테크 (학원 선생님 대상 매쓰플랫) PM으로서 슬랙·캘린더·메일·노션·지라에서 매일 발생하는 다중 채널 신호를 처리해야 했습니다. 협업 인원이 늘면서 동시 처리해야 할 컨텍스트가 폭증했고, AI를 기획에 활용한 경험은 있었지만 "PRD 작성 외에 AI를 실질적으로 어디까지 쓸 수 있는가"라는 질문이 끊임없이 들었습니다.

Problem

기존 워크플로의 비효율은 세 가지 패턴으로 반복되었습니다.

• 신호 폭주 — 워킹그룹·협업 채널의 멘션·정책 발화·요청이 쏟아져, 답변 누락과 응답 지연이 잦았습니다.
• 정책·결정 추적 단절 — 정책 변경 발화가 슬랙에 흩어진 채로 사라져, PRD 결정 이력과 끊겼습니다.
• 준비·정리 부담 — 회의 직전 노션·지라·슬랙을 모아 보는 시간, 하루 끝에 To Do 분류하는 시간이 본업 외 부담으로 누적되었습니다.

근본 문제는 "AI를 기획에만 쓰고 있다"는 점이었습니다. PM 직무 안에서 정작 시간을 잡아먹는 것은 기획이 아니라 감지·작성·정리·전달이라는 주변 작업이었습니다.

Hypothesis & Decision

가설: PM 직무를 5개 레이어로 분리하면, 의사결정(Layer 4)을 제외한 모든 단계는 LLM과 자동화로 흡수할 수 있다.

Layer 5  평가·성장        [정치력 코칭 매뉴얼]         자기 학습
Layer 4  의사결정·실행       [본인 직접]               결정·실행
Layer 3  작성·정리          [Claude — Opus/Sonnet/Haiku] 초안·요약
Layer 2  감지·수집          [Cron 8개]                 이벤트 푸시
Layer 1  원천 데이터        [Slack·Gmail·Calendar·Notion·Jira·CF]

이 분리 원칙 아래 세 가지 설계 결정을 내렸습니다.

1. 상황별 모델 선택 — 깊은 사고가 필요한 회의 브리핑·일일/주간 요약은 Opus 4.7, 빠른 작성·매칭은 Sonnet 4.6, 단순 분류는 Haiku 4.5로 분리했습니다. Sonnet 4.6은 Opus 대비 약 1/5 비용으로, 품질과 비용의 균형을 잡는 핵심 축이 되었습니다.
2. 사람-AI 협업 인터페이스 — 정책 발화를 자동 카드로 띄우고, 사람이 "맞음" 클릭 → AI가 PRD AC 후보 매칭 → 사람이 최종 반영. 의사결정 권한은 사람이 보유, 작성·매칭 부담만 LLM이 흡수.
3. 정성 영역까지 시스템화 — 보고·정치 같은 정성적 영역을 "정치력 코칭 매뉴얼" 스킬로 명문화. 자동화 시스템이 보고 톤·타이밍·우선순위까지 자문할 수 있게 했습니다.

What I Did

1. 8개 자동 작업 설계·운영

• 슬랙 멘션 감지 → 답변 초안 (15분 / 평일, Sonnet 4.6)
• 정책 변경 감지 → PRD 반영 제안 (1시간 / 평일, Sonnet 4.6)
• PRD AC 매칭 처리기 (1시간 / 평일, Sonnet 4.6, 작업 대기열 기반)
• 회의 전 30분 자동 브리핑 (Opus 4.7) — 캘린더·노션·슬랙 통합 컨텍스트
• 일일 슬랙 요약 (매일 18시, Opus 4.7) → 텔레그램 + 노션 To Do 토글
• 주간 PM 관점 종합 요약 (금 17시, Opus 4.7)
• 메일 미읽 요약 (평일 16시, Haiku 4.5)
• 출퇴근 자동화 ("출근/퇴근" 명령어 → Flex 브라우저 자동화)

2. 사람-AI 협업 구조

• 작업 대기열 — 정책 발화가 감지되면 외부 저장소(Cloudflare KV)에 작업을 대기시켜, 사람의 확인이 있을 때만 다음 단계가 흐르도록 설계
• 결정 카드 인터페이스 — 슬랙 메시지 안의 버튼·모달로 사람은 "맞음/아님"만 누르면 되도록 단순화
• 기억 누적 구조 — 대화 간 컨텍스트와 피드백을 보존해, 시스템이 점진적으로 정교해지도록 구성

3. 비용·신뢰도 최적화

• 불필요한 호출 제거 — 처리할 이벤트가 없으면 AI 호출 자체를 건너뛰도록 설계 (Skip)
• 모델 교체 실험 — Opus를 Sonnet 4.6으로 교체해도 품질이 유지되는지 검증한 뒤 점진 전환, 결과적으로 비용 1/5 수준
• 실행 실패 패턴 모니터링 — 자동 작업이 정상적으로 시작되지 못하는 빈도를 추적하고, 실행 시간 분산으로 완화
• 과감한 삭제 — 효용이 낮은 자동 작업은 운영 부담만 키우기에 주기적으로 정리

Outcome

정확한 정량 측정은 운영 중이며, 체감 기준 다음 변화가 가장 두드러집니다.

• 답변 작성 시간 — 슬랙 멘션 초안 자동 생성, 본인은 검수·발송만 진행
• 정책 누락 — 감지 자동화로 누락 가능성 거의 0
• 회의 준비 — 30분 전 자동 브리핑으로 별도 준비 시간 거의 불필요
• 토큰 비용 — Sonnet 4.6 라우팅 + 빈 호출 최적화로 Opus 단일 모델 대비 약 1/5 수준 유지
• 정성적 변화 — 코칭 매뉴얼이 시스템에 내장되면서, 보고·소통의 일관성·전략성이 강화됨

What I Learned

1. AI 활용은 프롬프트가 아니라 워크플로 설계다. 어떤 신호를 어디서 받고, 어떤 모델이 어떻게 처리하고, 사람이 어디서 결정하는지의 경계를 정의하는 것이 본질이었습니다.
2. 지속 가능한 시스템은 비용 최적화에서 결정된다. 모델 라우팅·빈 호출 회피·과감한 삭제 없이는 자동화가 곧 부담이 됩니다.
3. 정성적 영역도 시스템화 가능하다. 보고·정치 같은 영역도 명문화된 매뉴얼이 있으면 AI가 컨텍스트로 활용해 자문할 수 있습니다.
4. AI를 잘 쓰는 PM과 AI로 일하는 PM은 다르다. 전자는 도구 사용자, 후자는 시스템 설계자. 시니어 PM의 다음 정체성은 후자에 있다고 봅니다.

활용한 시스템·도구

Claude (Opus 4.7 / Sonnet 4.6 / Haiku 4.5) · 슬랙 · 노션 · 구글 캘린더·메일 · Jira · Telegram · Cloudflare(외부 저장소) · 자동 작업 스케줄러 — 코드는 Claude의 도움을 받아 직접 설계·구현.