LS 원료 AI 팀 · 4회차

업무에 연결하고
계속 고친다

데이터 연결 · Skill 기준 · 코드와 LLM의 분업 · 사용법 영상 · /insights

02 오늘의 흐름

연결 → 기준 → 분업 → 개선 → 전달 → 회고

01 연결업무 데이터Aside 브라우저 · Teams MCP

02 기준Skill 피드백피드백 기준 · distill

03 분업코드 vs LLM항상 같은 결과인가

04 개선내 도구실습

05 전달사용법 영상Claude Code로 제작

06 회고/insights시연 · 적용

목표 = 강사 없이도 계속 쓰고 고치는 상태

03 Part 1 · 업무 데이터 연결

Claude Code가 아직 못 보는 데이터

실선 = 연결됨 · 점선 = 오늘 연결

04 Aside 브라우저 — 로그인된 화면을 Claude Code가 함께 쓴다

요청Claude Code자연어로 업무 지시

aside

실행Aside 브라우저내 로그인 세션 그대로

대상업무 시스템 · 웹메일API 없는 사내 화면도

명령	하는 일	언제
aside exec	Aside 에이전트에 작업 위임	대부분의 작업
aside repl	탭·화면·DOM 직접 제어 · Playwright 호환 JS	화면을 직접 확인해야 할 때

ChatGPT·Claude 구독 연결 또는 API 키 사용

05 실습 · Aside 설치와 업무 시스템 연결

활동: 내 업무 시스템 화면 1개 → Claude Code로 조회·정리

1aside.com → Download · 설치

2Aside에서 업무 시스템·메일 로그인

3Aside CLI 설치

4aside guide → 사용법 확인

5Claude Code에서 요청

3 · 4 CLI

curl -fsSL https://releases.aside.com/install.sh | bash
aside guide

5 · 요청 예시

“Aside로 [업무 시스템]에 들어가서 [이번 주 원료 입고 현황]을 확인하고 표로 정리해줘.”

06 실습 · Teams MCP 연결

활동: Teams 대화·채널을 Claude Code에서 조회

01 설치CData Code Assist MCP for Microsoft Teams

02 연결 생성Configuration Tool · 연결 테스트

03 등록claude mcp add

04 확인재시작 → claude mcp list · /mcp

claude mcp add --transport stdio --scope user [연결 이름] -- "C:\Program Files\CData\CData Code Assist MCP for Microsoft Teams 2025\jre\bin\java.exe" -Dfile.encoding=UTF-8 -jar "C:/Program Files/CData/CData Code Assist MCP for Microsoft Teams 2025/lib/cdata.mcp.msteams.jar" [연결 이름]

[연결 이름] = CData 연결 이름 · 대소문자까지 일치

확인 상태 = Connected

07 어떤 방법으로 연결할까

연결 도구가 있으면 MCP · 화면만 있으면 Aside

데이터	연결 방법	이유
Teams 메신저	Teams MCP	전용 커넥터 · 데이터 소스로 조회
사내 업무 시스템	Aside 브라우저	API 없음 · 로그인된 화면 그대로 사용
웹메일	Aside 브라우저	평소 쓰는 브라우저 세션 활용

08 Part 2 · Skill 피드백 기준

“내가 나의 사수가 되면 돼요”

단계	핵심 질문	남길 것
업무 발견	누가 어느 단계에서 막히는가	실제 반복 업무 · 어려움
기준 정리	다른 사람에게 어떻게 가르칠까	절차 · 판단 기준 · 용어 · 템플릿
위임·검증	AI에게 맡길 일과 내가 확인할 일은	역할 분담 · 검증 기준
팀 운영	어떻게 함께 쓰고 계속 고칠까	공유 모임 · 피드백 기록 · 공통 자산

2회차 피드백 · 정리한 기준을 Skill로 남기는 도구 = distill

09 distill — 잘된 업무를 Skill로

먼저 잘 해내고 · 그 과정을 Skill로 남긴다

10 실습 · distill

활동: 이번 주 만족스러웠던 업무 1개 → Skill

설치 · 한 번만

“https://github.com/boaz-hwang/skilloom 을 git clone해서 skills/distill을 스킬 디렉터리에 distill로 설치해줘.”

사용 · 결과에 만족한 그 세션에서

“이 업무의 입력은 [회의 녹음 전사본]이고, 출력은 [핵심 요약·논의·액션 아이템]이야. 방금 만족한 작업 과정을 distill 스킬로 만들어줘.”

이름 후보 3개 · 추천 1개→ 핵심 과정 확인→ 지침 · 검증 코드 · 평가 질문

11 ★ Part 3 · 코드가 할 일 vs LLM이 할 일

같은 입력 → 항상 같은 결과가 필요한가?

코드 · 규칙대로

원료 정산 금액 계산

계산 · 추출 · 비교 = HTML 웹 도구

LLM · 맥락 판단

회의록 · 보고서 초안 · 자료 취합

요약 · 해석 · 분석 = Skill

업무 대부분 = 둘의 조합

자료 취합 · LLM→ 정산 금액 계산 · 코드→ 보고서 초안 · LLM

3회차 피드백 다시 보기 — HTML = 규칙 기반 도구 · Skill = 맥락 판단

12 역할을 바꿔 맡기면

예: 원료 정산 금액 계산은 누구에게?

기준	코드에 맡김	LLM에 맡김
비용	한 번 작성 · 반복 실행 비용 거의 없음	실행마다 토큰 비용
속도	즉시	매번 생성 대기
정확도	같은 입력 = 같은 결과	같은 입력에도 결과가 흔들릴 수 있음

코드가 할 일을 LLM에 → 비싸고 · 느리고 · 부정확

13 실습 · 내 도구 개선하기

활동: 내 Skill·도구 1개 → 코드와 LLM으로 다시 나누기

01단계 나열입력부터 결과까지

02단계마다 표시코드 · LLM

031개 옮기기잘못 맡긴 단계

04전후 비교같은 입력으로

요청 예시

“[내 도구]의 처리 단계를 나열하고, 항상 같은 결과가 필요한 단계와 판단이 필요한 단계를 나눠줘. 계산·추출·비교 단계는 코드로 바꿔줘.”

14 Part 4 · 사용법 소개 영상 만들기

활동: 내 Skill·결과물 1개 → 사용법 영상 제작 시작

소재 · 화면 · 결과물→ 구성 · 장면 · 자막→ 제작 · 렌더→ 수정 · 장면 번호로

목적: [팀 동료]에게 [Skill 이름] 사용법 전달
소재: [SKILL.md], [결과물 경로], [실행 화면]
형식: [60초], [16:9], [MP4]
구성: 어떤 업무 → 호출 방법 → 결과물 → 주의할 점
진행: 장면 구성안 확인 후 제작 · 완성 영상 재생 검증

영상 = 저 없이도 동료가 따라 쓰는 매뉴얼

15 Part 5 · /insights — 내 사용 기록 돌아보기

DEMO

입력/insightsClaude Code 안에서

분석최근 로컬 세션이 컴퓨터의 작업 기록

결과HTML 보고서작업 패턴 · 반복되는 막힘 · 개선점

보고서는 진단 · 자동 학습이나 자동 설정 개선은 아님

16 실습 · 보고서 읽고 적용하기

활동: 보고서에서 1개 골라 바로 적용

보고서에서 찾은 것	적용할 곳
자주 반복하는 요청	새 Skill 후보 → distill
반복되는 막힘·재요청	기존 Skill 기준 보완
계산·비교를 LLM에 맡긴 흔적	코드로 옮기기
잘 풀린 작업 방식	주 1회 공유 모임에서 공유

데이터 연결→ 코드·LLM 분업→ Skill·영상으로 공유→ /insights로 개선

잘된 작업은 한 번으로 끝내지 말고
팀의 Skill로 남긴다

“저 없어도 이런 게 돌아가도록”

NEXT · 5회차 LLM Wiki

LS 원료 AI 팀 4회차 — 업무에 연결하고 계속 고친다