AI에게 자료를 많이 줄수록 결과가 좋아질까요? 꼭 그렇지는 않습니다. 이 장에서는 Claude Code가 꼭 필요한 자료에 집중하도록 만드는 방법을 다룹니다. 비용을 아끼면서 결과 품질도 높이는 운영 습관입니다.
이미지: 정리되지 않은 파일을 한 번에 처리하려 할 때 생기는 혼란
이 장에서 손에 남는 것
- 파일 목록 먼저 확인 → 실제 읽기 순서로 가는 "컨텍스트 절약" 1차 원칙
- 복잡한 작업을 6단계로 쪼개는 표준 흐름 (구조 파악 → 처리 계획 → 중간 데이터 → 초안 → 검증 → 승인 후 후속)
- 반복 규칙의 저장 위치 4단 분류 (
CLAUDE.md/ Skill / Slash / settings)- 업무 위험도별 모델 선택 5단 기준 (빠른 모델 ~ 고성능 모델 + 사람 검토)
- 중간 산출물 캐싱 흐름 (
source_summary.md,schema_report.md,input_payload.csv)- 비용 절약 4개 운영 습관
예상 소요: 본문 읽기 약 30분 + 실습(5단계 작업 설계) 약 15분.
비용을 정밀하게 다루는 부록은 부록 G. Claude Code 사용 비용 가이드입니다. 이 장이 운영 습관에 집중한다면, 부록 G는 1회/월간 비용 추정과 절감 4전략을 표로 정리합니다. 자기 사용 패턴이 가벼운지 적극적인지 미리 알고 싶다면 부록 G를 먼저 훑어봐도 좋습니다.
AI 자동화를 처음 시작하면 욕심이 커지기 쉽습니다. "어차피 AI가 읽을 수 있다면 이 폴더도 넣고, 지난 보고서도 넣고, 회의록도 넣으면 더 잘하겠지"라고 생각합니다. 그런데 실제 결과는 반대로 나오는 경우가 많습니다. 답변은 길어졌지만 핵심 숫자는 빠지고, 중요한 이슈보다 배경 설명만 길어집니다.
AI 자동화는 많이 시킨다고 좋은 결과가 나오지 않습니다. 파일과 지시를 한 번에 너무 많이 넣으면 결과가 흐려집니다. Claude Code를 오래 쓰려면 컨텍스트와 비용을 관리해야 합니다.
컨텍스트는 AI가 지금 참고하는 작업 맥락입니다. 책상 위에 펼쳐진 자료라고 생각하면 쉽습니다. 문서가 너무 많으면 중요한 자료를 찾기 어렵습니다. AI도 마찬가지입니다. 지금 업무와 상관없는 자료가 많으면 답변이 흐려지고, 이전 지시와 새 지시가 섞일 수 있습니다.
이 문제는 모델 성능의 문제라기보다 자료 배치의 문제에 가깝습니다. 그래서 처음부터 모든 파일을 읽히기보다, 먼저 파일 목록과 역할을 파악하게 해야 합니다. 예를 들어 보고서 작성을 맡기기 전에 "어떤 파일을 먼저 읽어야 하는지 계획부터 세워줘"라고 요청하면 불필요한 분석을 줄이고 중간 판단 지점도 만들 수 있습니다.
처음 AI 자동화를 접한 사람은 보통 반대로 행동합니다. "어차피 AI가 똑똑하니까 다 넣으면 알아서 하겠지"라고 생각하며 PDF 여러 개, 엑셀 파일 여러 개, 지난 보고서, 회의록, 메일 본문을 한 번에 넣고 "종합해서 보고서 만들어줘"라고 요청합니다. 이렇게 나온 결과는 길지만 흐릿합니다. 중요한 숫자는 빠지고, 덜 중요한 배경 설명은 길어집니다.
AI에게 일을 잘 시키는 사람은 자료를 많이 던지는 사람이 아니라, 필요한 자료를 필요한 순서대로 보여주는 사람입니다. 이 차이가 비용, 속도, 정확도를 모두 좌우합니다.
컨텍스트를 아끼는 첫 원칙
긴 작업을 시작할 때는 전체 파일을 바로 읽히지 않습니다. 먼저 목록과 구조만 파악하게 하고, 그다음 실제로 읽을 파일을 고르게 하는 편이 안정적입니다.
나쁜 요청:
이 폴더에 있는 모든 파일을 읽고 보고서 만들어줘.좋은 요청:
이 폴더의 파일 목록, 파일 크기, 확장자, 예상 역할을 먼저 정리해줘.
전체 내용을 읽기 전에 어떤 파일을 어떤 순서로 읽어야 할지 계획을 세워줘.이 차이는 큽니다. 첫 요청은 AI가 모든 파일을 한꺼번에 처리하게 만듭니다. 두 번째 요청은 먼저 업무를 설계하게 만듭니다. 어떤 파일이 핵심이고 어떤 파일은 참고만 하면 되는지, 또 어떤 파일은 나중에 읽어도 되는지 정리됩니다.
개발곰곰의 팁
파일이 세 개 이상이면 바로 분석을 시키지 말고 목록부터 보게 하세요. 이 작은 습관 하나가 비용과 시간, 오류를 동시에 줄여 줍니다.
세션을 가볍게 유지하는 명령어 — 작업 리듬으로 익히기
앞의 원칙은 몇 가지 명령으로 실제로 실행할 수 있습니다. 기능을 외우기보다 작업 리듬으로 익히면 됩니다.
- 작업 시작 — 이전 대화가 남아 있으면
/clear로 맥락을 비우고 새로 시작합니다. 관계없는 옛 대화가 쌓이면 지금 필요한 파일이 뒤로 밀립니다.- 길어질 때 —
/context로 지금 얼마나 찼는지 확인하고, 흐름은 유지한 채 줄이고 싶으면/compact로 핵심만 요약해 압축합니다.- 마무리 —
/usage로 이번 세션에 얼마나 썼는지 확인합니다.명령 이름과 화면 표기는 업데이트로 바뀔 수 있습니다(예: 예전의
/cost는/usage로 합쳐졌습니다). 적용 시점에 화면에서 확인하세요. 이 리듬 하나만 몸에 배도 세션마다 토큰 낭비와 답변이 흐려지는 문제를 스스로 줄일 수 있습니다.
예시: 한 번에 다 넣었을 때와 나눴을 때
예를 들어 이번 달 경영 보고서를 만든다고 해 봅시다. 자료가 많을수록 한 번에 맡기고 싶어집니다. 하지만 이럴수록 단계를 나눠야 합니다.
한 번에 다 넣는 요청:
이 폴더 전체를 읽고 이번 달 경영 보고서 만들어줘.나눠서 처리하는 요청:
1단계로 파일 목록만 확인해줘.
각 파일의 역할을 추정하고, 보고서 작성에 꼭 필요한 파일과 참고용 파일을 나눠줘.
아직 파일 내용은 깊게 읽지 마.첫 요청은 진행이 빨라 보이지만, 실패하면 원인을 찾기 어렵습니다. 두 번째 요청은 느려 보이지만 중간 결과가 남습니다. 어떤 파일을 읽었고 어떤 파일을 제외했는지 추적됩니다.
내 업무에 적용하는 질문
최근에 AI에게 한꺼번에 던졌던 자료가 있나요? 그중 꼭 먼저 읽어야 했던 파일과 나중에 봐도 되는 파일을 나눌 수 있나요?
반복 규칙은 프롬프트에 붙이지 않는다
회사 보고서 문체, 파일명 규칙, 원본 보호 규칙을 매번 프롬프트에 붙이면 비효율적입니다. 이런 규칙은 CLAUDE.md나 Skill로 분리합니다.
예를 들어 매주 보고서를 작성할 때 다음 규칙을 매번 쓰고 있다면 분리 대상입니다.
- 임원용 보고서는 결론 먼저 쓴다.
- KPI는 전주 대비 증감률을 포함한다.
- 확인되지 않은 내용은 "확인 필요"로 표시한다.
- 원본 파일은 수정하지 않는다.
- 결과물은
03_outputs에 저장한다.
이 규칙들은 업무마다 반복됩니다. 매번 프롬프트 끝에 붙이면 빠뜨리기 쉽고 표현도 조금씩 달라집니다. 그래서 프롬프트가 아니라 작업공간 규칙으로 저장해야 합니다.
단, 저장 위치는 구분해야 합니다. 항상 필요한 짧은 규칙은 CLAUDE.md에 둡니다. 특정 업무에서만 쓰는 긴 절차는 Skill로 뺍니다. 직접 실행하고 싶은 루틴은 /skill-name처럼 호출할 수 있게 만듭니다. 이 구분을 하지 않으면 CLAUDE.md가 길어지고, 길어진 규칙 파일은 오히려 중요한 금지 규칙을 묻어 버립니다.
| 반복 내용 | 적합한 위치 | 이유 |
|---|---|---|
| 원본 수정 금지, 외부 발송 금지 | CLAUDE.md |
모든 작업에 항상 적용됩니다. |
| 주간보고서 작성 절차 | Skill | 특정 업무에서만 길게 필요합니다. |
| 배포, 정산 검토, 회의 후속 처리 실행 | 직접 호출 Skill 또는 slash command | 사용자가 의도적으로 실행해야 합니다. |
| 위험 명령 차단 | settings 또는 hook | 지시문보다 강한 실행 통제가 필요합니다. |
핵심 포인트
매번 다시 쓰는 규칙은 프롬프트가 아니라 자산입니다. 자주 쓰는 문장은
CLAUDE.md나 Skill로 빼 두어야 반복 업무가 정말 줄어듭니다.
작업을 단계로 나누기
복잡한 자동화는 한 번에 시키지 않습니다. 예를 들어 "PDF를 읽고, 엑셀을 취합하고, 보고서를 만들고, 메일 초안을 쓰고, 캘린더에 등록해줘" 같은 요청은 실패 가능성이 높습니다. 복잡한 일을 안정적으로 맡기려면 단계를 쪼개야 합니다. 추천 단계는 다음과 같습니다.
- 입력 파일 구조 파악
- 처리 계획 수립
- 중간 데이터 생성
- 결과물 초안 생성
- 검증
- 사람 승인 후 후속 작업
이 구조는 대부분의 자동화에 그대로 적용됩니다. PDF 요약이든 엑셀 취합이든 먼저 구조를 보고 그다음 초안을 만들고 마지막에 검증하는 흐름은 크게 다르지 않습니다.
이 작업을 바로 실행하지 말고 6단계로 나눠줘.
각 단계마다 입력, 처리, 출력, 검증 기준을 표로 정리해줘.핵심 포인트
단계 나누기는 일을 느리게 만드는 절차가 아닙니다. 중간에 멈추고 확인할 수 있는 지점을 만드는 안전장치입니다.
모델 선택은 업무 위험도에 맞춥니다
모델명과 요금제는 바뀔 수 있으므로 이 책에서는 특정 모델을 고정 기준으로 삼지 않습니다. 대신 업무 성격으로 판단합니다. 기준은 단순합니다. 실수해도 금방 고칠 수 있는 일은 가볍게 처리하고, 손실이나 책임이 생길 수 있는 일은 더 신중하게 처리합니다.
| 업무 | 모델 선택 기준 |
|---|---|
| 파일 분류, 이름 정리 | 빠르고 비용 효율적인 모델 |
| 문서 요약, 보고서 초안 | 균형형 모델 |
| 복잡한 자동화 설계 | 추론이 강한 모델 |
| 금액 검증, 리스크 검토 | 고성능 모델과 사람 검토 |
| 서브에이전트 반복 작업 | 비용 효율 고려 |
이미지: 업무 위험도와 비용을 함께 고려해 모델을 고르는 기준
비싼 모델을 매번 쓸 필요는 없습니다. 단순 작업은 가볍게 처리하고, 복잡한 설계와 최종 검토에 자원을 쓰는 편이 낫습니다.
같은 고성능 모델을 더 빠르게 쓰는 옵션(빠른 응답 모드)도 있습니다. 마감이 급한 초안을 빨리 받아야 할 때 유용합니다. 다만 제공 모델·플랜·요금은 자주 바뀌므로, 적용 시점에 공식 문서와 요금 페이지에서 현재 조건을 확인한 뒤 쓰세요.
개발곰곰의 팁
모델 선택이 헷갈리면 업무를 두 단계로 나눠보세요.
초안 만들기는 가볍게,리스크 검토는 신중하게 처리합니다. 모든 작업을 같은 깊이로 처리하려고 하면 비용도 늘고 판단도 흐려집니다.
실제 구현 흐름
비용과 시간을 줄이는 핵심은 AI에게 매번 모든 것을 다시 읽히지 않는 것입니다. 반복 업무는 중간 산출물을 캐시하듯 남깁니다.
- 긴 원본은
source_summary.md로 먼저 요약합니다. - 표 구조는
schema_report.md로 분리합니다. - 매번 바뀌는 값만
input_payload.csv나payload.json으로 둡니다. - 최종 보고서 생성 시에는 원본 전체가 아니라 요약, 스키마, payload를 읽힙니다.
이렇게 하면 모델 호출량이 줄고 사람이 검토해야 할 범위도 좁아집니다. 고급 모델은 최종 판단이나 모호한 문장 검토에 쓰고, 단순 분류와 형식 변환은 저렴한 모델이나 로컬 스크립트로 처리합니다.
도구 선택
엑셀·CSV 전처리는 pandas, 파일 해시나 변경 감지는 Node/Python 표준 라이브러리로 충분합니다. PDF에서 텍스트만 뽑는 반복 작업은 PyMuPDF처럼 빠른 도구를 쓰고, 표 구조가 중요하면 pdfplumber를 씁니다.
검증 체크
- 매번 다시 읽히는 긴 원본이 있습니까?
- 중간 요약과 최종 보고서의 출처가 연결됩니까?
- 고급 모델을 써야 하는 판단 업무와 단순 변환 업무가 분리됩니까?
- 재실행했을 때 이전 결과와 달라진 부분만 확인할 수 있습니까?
안 될 때 대안
캐시 구조가 부담스럽다면 첫 버전에서는 00_raw, 01_summary, 02_output 세 단계만 둡니다. 비용 최적화보다 먼저 같은 결과가 반복 가능하게 나오는지 확인합니다.
반론: "비용을 신경 쓰느라 시간이 더 들지 않나요?"
작은 업무라면 비용 전략까지 고민할 필요가 없고, 5분짜리 요약은 그냥 처리해도 됩니다. 하지만 매주 반복하는 업무, 파일이 많은 업무, 서브에이전트를 쓰는 업무라면 이야기가 달라집니다. 아무 계획 없이 실행하면 같은 파일을 여러 번 읽고 필요 없는 자료까지 분석하다가, 결과가 마음에 들지 않아 다시 요청하게 됩니다.
그래서 대안은 비용을 매번 계산하는 것이 아닙니다. 복잡한 계산 대신 기본 습관을 만들어두면 품질을 크게 떨어뜨리지 않으면서도 낭비를 줄일 수 있습니다.
- 먼저 파일 목록만 읽힙니다.
- 긴 문서는 요약본을 만든 뒤 다음 단계로 넘깁니다.
- 반복 규칙은
CLAUDE.md나 Skill로 뺍니다. - 최종 결과를 만들기 전에 중간 표를 확인합니다.
이 네 가지 습관만 있어도 낭비가 크게 줄어듭니다. 무엇보다 AI에게 일을 맡길 때마다 "이번 작업은 어느 정도 깊이가 필요한가"를 자연스럽게 판단하게 됩니다.
이 장의 실습
다음 업무를 토큰과 비용을 아끼는 방식으로 설계해줘.
업무:
- 긴 PDF 2개를 읽고
- 엑셀 파일 3개를 참고해서
- 임원 보고서 초안을 만들고
- 확인 필요 항목을 정리해야 함
요청:
1. 전체 작업을 5단계 이하로 나눠줘.
2. 각 단계에서 꼭 읽어야 할 파일과 나중에 읽어도 되는 파일을 구분해줘.
3. 중간 결과물을 무엇으로 남기면 좋을지 제안해줘.
4. 비용을 줄이기 위한 주의점을 알려줘.이 장의 결과물
| 결과물 | 무엇인가 | 다음 챕터 연결 |
|---|---|---|
| 단계별 작업 계획표 | 복잡한 자동화를 6단계로 분해 | 2부 모든 레시피의 실습 진행 흐름 |
| 반복 규칙 분리 목록 | CLAUDE.md / Skill / Slash / settings로 나눈 결과 |
11장 회사 양식 학습 |
| 모델 선택 기준표 | 업무 위험도별 모델 매핑 | 부록 G 비용 가이드 |
| 컨텍스트 절약 프롬프트 | "목록 먼저, 파일 내용 나중" 패턴 | 6·7장 PDF·엑셀 실습 |
| 중간 산출물 흐름 | source_summary.md → schema_report.md → input_payload.csv → 최종 |
6장 보고서 자동화 |
이 결과물들은 검증표를 언제 만들고, 확인 필요 항목을 어느 단계에서 사람 승인으로 넘길지도 함께 결정합니다.
연결 안내
- 모델 단가와 1회/월간 비용 추정은 부록 G. Claude Code 사용 비용 가이드.
- 반복 규칙을
CLAUDE.md/ Skill로 분리하는 본격 방법은 11장.- 컨텍스트 절약이 실패하면 어떤 모습으로 나타나는지는 2부 마무리. 실패-수정 다이얼로그 5장면의 시나리오 2·4 참고.
핵심 포인트
3장의 목표는 AI 사용량을 무작정 줄이는 것이 아닙니다. 필요한 만큼 깊게 읽히고, 필요한 순간에 검증하게 만드는 운영 감각을 익히는 것입니다.
내 업무에 적용하기 — 컨텍스트·비용 절약 워크시트
비용 관리는 계산표를 만드는 일이 아니라, AI에게 필요한 만큼만 보여주는 습관에서 시작합니다. 아래 빈칸을 채우면 자기 업무의 절약 지점이 보입니다.
| 점검 항목 | 질문 | 내 답 |
|---|---|---|
| 매번 처음부터 읽히는 큰 파일 | 무엇이고 크기는? | |
| 목록만 보고 결정해도 되는 파일 | 어떤 파일은 본문을 안 읽어도 되는가? | |
CLAUDE.md로 뺄 반복 규칙 3개 |
매번 프롬프트에 붙이는 문장은? | |
| Skill로 분리할 절차 | 같은 절차를 3회 이상 쓰고 있는가? | |
| 업무 위험도 | 빠른 모델 / 균형형 / 고성능 중 어디? | |
| 캐시할 중간 산출물 | 어떤 요약 또는 스키마를 한 번 만들어 재사용할 수 있나? |
답을 채우지 못한 칸이 비용 절감의 1차 후보입니다. 모르겠는 항목은 1주일 동안 사용량 대시보드를 보고 가장 큰 비용이 어디서 나는지 추적한 뒤 다시 채우면 정확도가 올라갑니다.