"클로드 인 엑셀" 알아보자 (다중시트 통합, 디버깅, 자연어 처리)

클로드 인 엑셀(Claude in Excel)이 지난주부터 Claude Pro 구독자에게도 풀렸습니다. 작년 10월 출시됐지만 엔터프라이즈 전용이라 접근이 막혀 있었는데, 저도 소식을 듣자마자 바로 붙여봤습니다. 글쓰기나 코딩은 AI가 진작 점령했는데, 정작 업무 시간 절반을 잡아먹는 엑셀은 여전히 손으로 하고 있었거든요. 직접 겪어보니 "이게 되네?"라는 말이 저도 모르게 나왔습니다.

다중 시트 통합부터 피벗 테이블까지, 직접 써본 순서대로

설치는 간단했습니다. 엑셀 상단 메뉴에서 추가 기능으로 들어가 검색창에 "Claude"라고 치면 바로 나옵니다. 추가하면 오른쪽에 대화 패널이 열리는데, 모델은 Opus와 Sonnet 두 가지입니다. 여기서 Opus는 심층 추론에 강하고, Sonnet은 빠른 연산에 특화되어 있습니다. 쉽게 말해 Opus는 맥락을 깊이 파고드는 분석가, Sonnet은 속도가 중요한 단순 반복 작업에 더 맞습니다. 저는 인사이트 도출까지 해볼 생각이어서 Opus로 진행했습니다.

처음 시도한 건 1월부터 3월까지 흩어진 시트를 하나로 합치는 작업이었습니다. 원래라면 파워 쿼리(Power Query)나 VBA를 써야 하는 일입니다. 파워 쿼리란 여러 데이터 원본을 불러와 정제하고 결합하는 엑셀 내장 도구인데, 처음 배울 때 진입 장벽이 꽤 높습니다. 저도 예전에 파워 쿼리 강의를 두 번이나 다시 봤던 기억이 납니다.

제가 가장 긴장했던 건 2월 시트의 헤더가 영문이었다는 점입니다. "1월부터 3월 시트를 모두 통합해 줘"라고 한 마디 했더니, 영문 헤더를 스스로 한글로 인식해서 나머지 시트와 통일한 뒤 깔끔하게 합쳐줬습니다. 솔직히 이건 예상 밖이었습니다. 날짜 형식이 제각각이어서 추가로 "YYYY-MM-DD 형식으로 통일하고 시트 이름은 1분기로 바꿔줘"라고 요청하니 그것도 한 번에 처리됐습니다.

다음은 함수 작업이었습니다. 마스터 시트의 원가를 1분기 시트로 끌어와야 했는데, 그냥 "원가를 가져와줘"라고만 하면 고정된 숫자값, 즉 하드코딩된 값으로 붙여 넣습니다. 하드코딩이란 데이터가 나중에 바뀌어도 자동으로 반영되지 않는 고정값을 말합니다. 마스터 시트가 업데이트될 때마다 다시 작업해야 하는 구조가 되는 거죠. 그래서 저는 "함수를 사용해서 가져와줘"라고 콕 집어 말했고, VLOOKUP(브이룩업) 함수로 연결해 줬습니다.

그런데 중간중간 오류가 보였습니다. 디버깅을 요청했더니 1분기 시트에 오타가 있어서 제품명이 매칭되지 않았다고 원인을 찾아줬습니다. 수정하겠다고 하자 오류가 전부 사라졌고, 순익 열 추가까지 한 번에 끝났습니다.

분석 단계에서는 제가 방향을 딱 정하지 않고 "새 시트에 1분기 매출을 분석하고 인사이트를 뽑아줘"라고만 했습니다. 그랬더니 월별 성장률, 카테고리별 매출, 판매 채널별 집계, 상위 5개 제품까지 알아서 내림차순 정렬과 함께 정리해 줬습니다. 이걸 보면서 느낀 건, 방향이 막막할 때는 클로드를 컨설턴트처럼, 원하는 표가 명확할 때는 오퍼레이터처럼 쓸 수 있다는 점입니다.

피벗 테이블(Pivot Table) 요청도 해봤습니다. 피벗 테이블이란 행과 열의 배치를 자유롭게 바꾸며 데이터를 다각도로 집계할 수 있는 엑셀 기능입니다. "피벗 테이블로 만들어줘"라고 명시하지 않으면 함수나 고정값으로 삽입하기 때문에, 반드시 피벗 테이블이라고 언급해야 합니다. 판매 채널과 카테고리를 교차로 매출을 집계하는 피벗 테이블이 말 한마디로 완성됐습니다.

• 다중 시트 통합: 파워 쿼리나 VBA 없이 자연어 한 마디로 처리
• VLOOKUP 함수 자동 생성 및 오류 원인 탐지·수정
• 피벗 테이블 생성 시 "피벗 테이블로"라는 명시가 핵심
• 월별 성장률·카테고리별 인사이트 도출을 한 번의 요청으로 완료

요약: 다중 시트 통합, VLOOKUP 디버깅, 피벗 테이블, 인사이트 분석까지 자연어 한 마디로 처리되며, 요청 방식을 조금만 다듬으면 결과 품질이 크게 달라집니다.

 

차트 시각화와 자연어 처리, 솔직히 이건 예상보다 훨씬 컸습니다

차트를 그려달라고 했을 때가 제 경험상 가장 인상적인 순간이었습니다. Microsoft 365 Copilot에서는 차트 시각화가 불가능하다는 게 알려진 한계인데(출처: Microsoft 지원), 클로드 인 엑셀은 달랐습니다. "월별 매출액을 그래프로 그려줘"라고 하니 막대 차트가 나왔고, "카테고리별 매출 비중을 차트로 그려줘"라고 했더니 비중에 맞게 원형 차트(파이 차트)를 골라서 그려줬습니다.

제가 궁금했던 건 차트 유형을 바꿀 수 있느냐였습니다. "도넛 차트로 변경해 줘"라고 했더니 바로 차트 유형이 바뀌었습니다. 도넛 차트란 파이 차트의 중앙이 비어 있는 형태로, 각 항목의 비율을 보여주면서도 가운데 공간에 합계나 라벨을 넣을 수 있어 보고서에 자주 씁니다. 차트 유형을 대화로 수정하는 게 가능하다는 게 Copilot과의 결정적인 차이점으로 보입니다.

그런데 제가 솔직히 가장 크게 놀랐던 건 자연어 처리(NLP, Natural Language Processing) 기능이었습니다. NLP란 사람이 쓴 일상 언어를 컴퓨터가 의미 단위로 파악해 처리하는 기술입니다. 고객 문의 텍스트를 읽고 그게 배송 불만인지 단순 변심인지 판단하는 일이 여기에 해당합니다. 기존에는 담당자가 문의를 하나하나 읽고 분류표에 직접 입력하거나, 아니면 꽤 복잡한 Python 코드를 짜야했습니다.

제가 시도한 건 고객 문의를 배송 불만, 제품 불량, 단순 변심, 일반 문의 네 가지로 분류하고 카테고리별 건수를 집계하는 작업이었습니다. "고객 문의를 배송 불만, 제품 불량, 단순 변심, 일반 문의로 분류하고 건수를 집계해 줘"라고 한 마디 했더니, "쓸 일이 없어져서 부탁드려요" → 단순 변심, "박스가 찌그러졌어요" → 배송 불만, "AS 기간이 어떻게 되나요?" → 일반 문의로 분류해 줬습니다. 제 경우엔 전반적인 분류 결과가 만족스러웠습니다.

다만 여기서 한 가지 짚어둘 게 있습니다. 자연어 처리는 정성적 판단이 들어가는 만큼, 결과를 무조건 믿기보다는 직접 샘플을 확인하는 과정이 필요합니다. 실제로 AI 기반 텍스트 분류의 정확도는 분류 기준이 얼마나 명확하게 정의되어 있느냐에 따라 크게 달라진다는 게 연구들의 공통된 결론입니다(출처: GPT-3 논문, Brown et al., 2020). 제 경험상, 분류가 애매하게 나오는 케이스가 생기면 "이런 키워드가 들어가면 이 카테고리로 분류해 줘"라고 조건을 추가하면서 다듬는 방식이 현실적입니다.

마케팅 퍼포먼스 시트에서 디버깅도 해봤습니다. 광고비가 0원인 경우와 매출이 아직 집계 안 된 경우가 섞여 있었는데, 클로드가 먼저 두 가지 해결 방안을 제시하고 선택을 물어봤습니다. IFERROR 함수로 처리하는 방식을 선택했더니, 광고비 0원인 경우는 "자연 유입", 나머지 오류는 하이픈으로 구분해 달라는 추가 요청까지 그대로 반영됐습니다. IFERROR란 함수 계산 결과가 오류일 때 대신 표시할 값을 지정하는 함수로, 오류 셀이 빈칸 대신 의미 있는 텍스트를 보여주게 만들 때 씁니다.

요약: 차트 시각화와 NLP 기반 텍스트 분류가 자연어 한 마디로 가능하며, 분류 정확도는 조건을 구체화할수록 높아지므로 결과를 반드시 샘플 확인하며 다듬는 것이 현실적입니다.

 

자주 묻는 질문

Q. 클로드 인 엑셀은 Claude Pro에서 무료로 쓸 수 있나요?

A. 2025년 기준 Claude Pro 구독자라면 별도 추가 비용 없이 엑셀 추가 기능으로 설치해 사용할 수 있습니다. 단, 요금제 정책은 변경될 수 있으므로 Anthropic 공식 페이지에서 현재 조건을 확인하는 것을 권장합니다. 저도 Pro 구독 상태에서 별도 결제 없이 바로 붙일 수 있었습니다.

 

Q. Google 시트 Gemini나 Microsoft Copilot이랑 뭐가 다른가요?

A. 제가 직접 써본 결과, 가장 큰 차이는 다중 시트 통합과 차트 시각화입니다. Copilot은 차트 생성이 제한적이고, Gemini는 시트 간 복잡한 연동 작업에서 한계가 있습니다. 반면 클로드 인 엑셀은 헤더가 다른 여러 시트를 한 번에 합치고, 대화로 차트 유형까지 바꾸는 것이 가능했습니다.

 

Q. 원본 데이터가 망가질 위험은 없나요?

A. Auto Edit 모드를 쓰면 모든 변경이 원본에 즉시 반영되기 때문에 반드시 작업 전 원본을 백업해두는 것이 필수입니다. 저는 처음에는 변경 사항을 단계별로 확인하는 두 번째 옵션을 선택해서 진행했습니다. 익숙해지기 전까지는 이 방식이 훨씬 안전합니다.

 

Q. 자연어 처리로 고객 문의 분류할 때 정확도가 얼마나 되나요?

A. 분류 기준이 명확할수록 정확도가 올라갑니다. 제 경험상 기본 요청만으로도 대부분의 케이스는 올바르게 분류됐지만, 모호한 문의 몇 건은 확인이 필요했습니다. "이런 키워드가 포함되면 이 카테고리로 분류해줘"처럼 조건을 추가하면서 반복 조정하는 방식이 현실적으로 가장 효과적이었습니다.

 

결론

제가 여러 AI 도구를 써오면서 "이게 실무에 바로 들어가도 되나?" 하고 의심스러웠던 적이 꽤 됩니다. 그런데 클로드 인 엑셀은 달랐습니다. 다중 시트 통합, VLOOKUP 디버깅, 피벗 테이블, 도넛 차트 변경, 고객 문의 자동 분류까지 실제 업무에서 매일 마주치는 작업들을 직접 처리해 봤고, 당장 내일 현장에서 써도 되겠다는 확신이 들었습니다.

다만 제 생각엔 이 도구를 쓸 때 핵심은 "얼마나 정확하게 지시하느냐"입니다. 함수를 쓰라고 콕 집어 말하지 않으면 하드코딩된 값이 들어오고, 피벗 테이블을 명시하지 않으면 그냥 수식으로 붙여 넣습니다. 요청 방식을 조금씩 다듬는 경험이 쌓일수록 훨씬 빠르게 원하는 결과를 얻을 수 있을 것으로 보입니다. 엑셀이 단순 계산기에서 분석가로 넘어가는 순간을 저는 이번에 직접 봤습니다.

참고: https://www.youtube.com/watch?v=qTGjNxNnz0E