실제로 매일 업무용 메일함에서 Claude로 이메일 분류(triage)를 하는 사람이 있나요?
Is anyone using Claude for actual email triage — on a real work inbox, every day?
핵심 요약
Claude를 활용한 실제 업무 이메일 자동 분류 및 응답 초안 작성의 실효성과 구현 방식에 대한 논의입니다.
- 자동화 실효성 — 단순 실험을 넘어 실제 업무 환경에서 지속적인 이메일 분류와 응답 초안 작성이 가능한지 검증함.
- 구현 방식 — 로컬 에이전트, CLI, 혹은 특정 모델을 활용해 메일함과 슬랙/팀즈를 연동하는 다양한 사례 공유됨.
- 주요 고민 — 모델의 정확도 유지, 응답 초안의 품질, 그리고 참조(CC)된 불필요한 메일 처리 문제가 핵심임.
- 학습과 개선 — 사용자가 초안을 수정하고 모델이 이를 학습하여 점진적으로 성능을 개선하는 피드백 루프가 중요함.
장난감 같은 실험 말고, 진짜 네 메일함에 박아두고 몇 주 동안 뭐가 중요한지 알아서 판단하게 시켜본 사람 있냐?
계속 궁금한 게 이거임:
-
첫 주 지나도 정확도 유지되냐? 아니면 결국 찝찝해서 얘가 분류해 놓은 거 일일이 다 열어보게 됨?
-
Haiku 쓸 거냐, 아니면 더 큰 모델 쓸 거냐? 분류 작업은 한 달에 수천 번씩 돌아가니까 싼 모델 쓰는 게 당연해 보이긴 하는데, "이게 진짜 나한테 뭘 해달라는 건가?"를 판단할 만큼 똑똑한지 모르겠음.
-
답장 초안 짜주는 거, 그대로 보낸 적 있음? 아니면 수정하는 게 그냥 내가 새로 쓰는 것보다 더 오래 걸림?
-
참조(cc)로 껴있는데 내가 답장할 거 아닌 메일들은 어떻게 처리함? 내 메일함 노이즈 대부분이 이건데, 겉보기엔 진짜 업무 메일이랑 똑같이 생겨서 골치 아픔.
찾아보다가 이런 걸 발견함 (내 프로젝트 아님): https://github.com/ldbumble/taskuary — 이메일/Teams/Slack에서 로컬로 분류해주고, 분류 단계에 Haiku 쓰라고 제안하고, "내 업무 아님"이라고 판단한 데이터로 학습도 함. v0.2.0에 개발자도 한 명이라 추천하는 건 아니고, 내가 생각하던 거랑 제일 비슷해서 가져와 봄.
한 번 설정해보고 끝낸 사람 말고, 실제로 메일함 분류 자동화 돌리면서 살아본 사람 후기 좀 듣고 싶다.
