업무를 하다보면 히스토리 정리, 에러 추적, 문서 작성, 이슈 관리처럼

반복적이지만 중요한 작업에 생각보다 꽤 많은 시간이 들어갑니다.

이 관리 비용을 줄이기 위해 여러 회사들이

AI를 활용해 여러 자동화 실험을 진행하고 있죠.

불필요한 반복 작업이 줄어들면 생산성은 높아지고

사람은 더 중요한 판단과 설계에 집중할 수 있기 때문입니다.

오늘은 AI 기반 자동화 흐름으로 업무 방식을 어떻게 변화시키고 있는지

여러 예시를 들어 소개하려 합니다.

1️⃣ AI Slack 도우미, '아라레(ARALE)'

첫 번째로 소개할 AI 자동화 흐름은 바로 AI 슬랙 도우미 ‘아라레(ARALE)’ 입니다.

사내 대화 대부분이 슬랙에서 이루어지다 보니, 

예전 대화 내용을 다시 찾아보거나 필요한 정보를 일일이 정리하는 데 꽤 많은 시간이 들곤 합니다.

이런 불편을 줄여보고자 만든 실험적 도구가 바로 '아라레' 입니다.

1. 대화 요약 기능

아라레는 슬랙에서 '요약 3일전', '요약 2025-01-02' 처럼 기간을 지정하거나, 

특정 주제를 입력하면 해당 범위의 대화를 읽고 핵심만 빠르게 정리해줍니다.

2. 대화 내용 기반 티켓 생성

또, 슬랙에서 '@아라레 + 티켓'를 호출하면 대화 내용을 분석해 

버그·작업·시나리오 등을 파악하고, 적절한 프로젝트를 자동으로 설정해 Jira 티켓을 생성해줍니다.

이미지 제작: 로플랫

3. 문서화 기능

최근에는 문서화 기능이 추가되어, 아라레가 대화 흐름을 읽고 

중요한 논의와 결론을 Confluence 문서로 자동 구성해줍니다. 

덕분에 회의록이나 공유 문서를 직접 작성하는 시간이 크게 줄었습니다.

2️⃣ GCP 에러도 AI로 대응하기

두 번째로 소개할 AI 자동화 흐름은, 

GCP 에러 분석부터 Jira 티켓 생성까지 이어지는 자동 대응 시스템입니다.

서비스 운영에서는 에러를 빠르고 정확하게 처리하는 것이 중요하죠.

하지만 기존에는 에러를 확인하고, Jira 티켓을 만들고, 

담당자를 배정하는 모든 과정이 수동으로 이루어져, 에러가 제대로 처리됐는지 추적하기도 쉽지 않았습니다.

이 문제를 해결하기 위해 우리는 이 흐름을 AI 기반으로 자동화해보기로 했습니다.

이미지 제작: 로플랫

바로, AI가 에러 로그를 분석해 원인, 영향, 권장 대응 방안을 요약하면, 

자동화 시스템이 이를 기반으로 Jira 티켓을 생성하고 Slack으로 바로 전달하는 방식으로 말이죠!

에러가 티켓 형태로 체계적으로 관리되면서 추적이 쉬워지고, 담당자가 명확해져 우선순위 기반 대응이 가능해졌습니다.

3️⃣ 코드 리뷰도 AI로 먼저 점검하기

세 번째로 소개할 AI 자동화 흐름은 PR이 올라오면 AI가 먼저 코드를 분석해 리뷰를 남기고, 

필요한 경우 Jira 이슈 기반으로 PR까지 자동 생성하는 개발 보조 시스템입니다.

1. AI 코드 리뷰 시스템

코드 리뷰는 서비스 품질을 지키는 데 중요한 과정이지만, 

변경 범위가 넓어질수록 사람이 모든 부분을 꼼꼼히 확인하기는 어려울 때가 많습니다.

이를 보완하기 위해 로플랫은 PR이 생성되면 

AI가 먼저 변경된 코드를 전부 스캔해 리뷰 코멘트를 남기는 자동 리뷰 시스템을 도입했습니다.

1) 전체 리뷰 예시

이미지 제작: 로플랫

2) 인라인 리뷰 예시

AI는 전체 변경사항을 요약하고, 

필요한 경우 특정 라인에 피드백을 남겨주어 개발자가 놓칠 수 있는 부분을 빠르게 확인할 수 있습니다.

2. Jira AI PR 시스템

반복적인 수정 작업까지 자동화하기 위해, 

로플랫은 Jira 이슈를 기반으로 PR을 자동 생성하는 기능도 함께 운영하고 있습니다.

특정 필드와 라벨만 설정하면 AI가 이슈 내용을 분석해 필요한 코드를 수정하고, 

 브랜치를 생성해 PR을 만들어준 후 담당 리뷰어까지 자동으로 지정합니다.

AI 코드 리뷰와 자동 PR 생성은 모두 AI가 선제적으로 기본 점검을 처리해준다는 공통점을 가지고 있습니다. 

덕분에 개발자는 더 중요한 설계와 판단에 집중할 수 있고, 

리뷰 속도도 일정하게 유지되며 전체 코드 품질 역시 안정적으로 관리할 수 있습니다.

4️⃣ 와이파이 이름 매칭도 AI로 더 쉽게!

마지막으로 소개할 자동화 흐름은 AI를 활용한 WIFI 이름 매칭 작업입니다.

우리는 장소 정보를 더 정확하게 이해하기 위해,

해당 위치 주변에서 수집되는 와이파이 이름(AP SSID) 데이터를 함께 활용하고 있는데요.

하지만 실제 현장에서는 한 장소 주변에 수십~수백 개의 와이파이 이름이 동시에 잡히기 때문에,

이 중 실제로 장소와 연관된 데이터를 사람이 일일이 골라내야 하는 어려움이 있었습니다.

이에 AI가 이 작업을 어떻게 도울 수 있을지 실험해봤습니다.

바로 AI가 수집된 와이파이 이름 목록을 분석해 

해당 장소와 연관 가능성이 높은 후보를 먼저 찾아주는 방식을 적용한 것인데요.

그 결과, 사람이 직접 확인해야 하는 데이터 양이 크게 줄어 검토 시간이 체감될 정도로 단축되었고, 

최종 검수 과정에서도 사람이 놓칠 수 있는 부분을 보완해 정확도 측면에서도 긍정적인 효과를 확인했습니다.

요즘 팀 단위 자동화뿐 아니라,

개발자 개개인이 여러 LLM(Claude·Gemini 등)을 활용해

자신만의 워크플로우를 자동화하는 흐름도 함께 커지고 있습니다.

작은 도구부터 개인 에이전트까지,

‘관리 비용을 줄이고 더 중요한 일에 집중하자’는 방향이 자연스럽게 자리 잡고 있죠.

앞으로도 업무에서 자주 겪는 불편을 기준으로

요약·정리·자동화 기능을 계속해서 확장해볼 계획입니다.

오늘 게시글, 어떠셨나요?

앞으로도 다양한 자동화 실험을 통해

업무 효율과 개발 생산성을 꾸준히 높여갈 계획입니다.

다음에도 더 흥미롭고 유용한 아이디어와

시도가 있으면 종종 소식 전해드릴게요!

읽어주셔서 감사합니다. 😄