바이브 코딩으로 실제 업무 개선하기

들어가며

저는 공공기관에서 HR 실무를 담당하고 있습니다. 코딩과 데이터 분석을 공부해 오면서 늘 스스로에게 질문을 던졌습니다.

“이 기술이 지금 내 조직을 더 낫게 만들고 있는가?”

최근에는 개인적으로 쌓아온 역량을 활용해 팀 전체 업무를 조금씩 효율화해 보기로 했습니다. 팀원들에게도 각 업무에서 개선이 필요한 지점을 함께 찾아보자고 제안했습니다. 그리고 가능한 것부터 하나씩 직접 개선해 나가고 있습니다. 그 결과 이제는 이 질문에 대해 조금씩 “그렇다”라고 답할 수 있게 되었습니다. 현재 제가 시도하고 있는 일들은 다음과 같습니다.

1. 활용하고 있는 프로그램

1) 근태 이상치 검토 프로그램

분기별로 반복되는 근태 데이터 검토 작업은 생각보다 많은 시간을 잡아먹는 업무였습니다. 그래서 이 작업을 자동으로 처리하는 작은 프로그램을 직접 만들어 팀원들에게 배포했습니다. 꽤나 오래 걸리던 검토 작업을 몇 초 만에 처리할 수 있게 되었으며, 다양한 근태 유형을 모두 포괄할 수 있도록 버그를 지속적으로 개선해 완성도를 높였습니다.

출근 시 등록된 시간보다 실제 출근 기록이 늦으면 이상치로 추출하고, 이를 이상치 목록에 표시합니다. 단, 엑셀파일에 '지참' 혹은 '조퇴'가 가기재된 경우는 예외로 처리하도록 설계하였습니다. 이 프로그램은 기존에 작성했던 06화 Excel과 Chat GPT를 활용한 인사업무 효율화 내용에 다루었던 내용을 Claude Code를 통해서 바이브 코딩으로 Python 코딩을 진행했고, 최종적으로 exe 파일을 클릭해서 바로 시행할 할 수 있도록 프로그램을 만들었습니다. 최종적으로는 exe 파일 형태로 만들어 팀원들이 클릭 한 번으로 실행할 수 있도록 했습니다.

2) 채용 결과표 자동생성 프로그램

공공부문 채용 업무를 진행하다 보면, 반복적으로 많은 시간이 소요되는 전형결과 계산 및 검증 작업입니다. 공정성과 정확성이 무엇보다 중요한 영역인 만큼, 담당자가 규정에 따라 전형 결과를 계산한 이후에도 반드시 1명 이상의 타 담당자 검토와 교차 확인을 거쳐야 했고, 이 과정에만 매번 30분 이상이 소요되었습니다. 저는 이 지점에서 질문을 던졌습니다.

“공정성을 강화하면서도, 검증 부담을 줄일 수는 없을까?”

AI 코딩 도구를 활용해 채용 ATS의 평가결과 Raw Data(별도 계산은 이루어지지 않은 심사위원별 점수)를 그대로 탑재하면 전형 결과를 규정 기반(최고점, 최저점 제외, 점수 부여 회피 제외 등)으로 자동 산출·정리하고 문서 형식에 맞춰 결과표를 즉시 생성하는 프로그램을 구현했습니다.

규정 기반 반복 계산 자동화
교차 검증 부담 감소
산출 점수 신뢰성 강화

실제 채용 데이터로 여러 차례 테스트한 결과, 정확하게 결과표를 도출하는 것을 확인했습니다. 덕분에 30분 이상 걸리던 작업이 이제는 1분 이내로 단축되었습니다. 이 프로그램 또한 기존에 작성했던 06화 Excel과 Chat GPT를 활용한 인사업무 효율화 내용에 다루었던 내용을 Claude Code를 통해서 바이브 코딩으로 Python 코딩을 진행했고, 최종적으로 exe 파일을 클릭해서 바로 시행할 할 수 있도록 프로그램을 만들었습니다. 최종적으로는 exe 파일 형태로 만들어 팀원들이 클릭 한 번으로 실행할 수 있도록 했습니다. 이 프로그램 로직은 실제 채용 업무에 활용할 수 있도록 규정상의 모든 규칙을 프로그램 로직에 모두 반영하여 실무에 바로 활용할 수 있도록 만들었습니다.

2. 2026년 개발 목표 프로그램

올해 가장 큰 목표는 공공 조직 깊숙이 자리 잡은 'Key-man 리스크'를 코딩으로 극복하는 것입니다. 그동안 크고 작은 공공기관에서 이 현상을 반복적으로 목격해 왔습니다. 해당 내용을 이전 글 공공기관 AX 도입이 어려운 진짜 이유에서도 언급했던 바로 그 구조입니다.

시스템은 도입되었지만 제도 변화 속도를 따라가지 못하고, 결국 복잡한 업무는 특정 담당자의 엑셀 수식에 의존하게 되는 현실. 대표적인 영역이 바로 보수(급여) 업무입니다. 공공기관의 보수 담당자는 복잡한 수당 체계, 인사변동 소급 정산, 총인건비 인상률 준수, 각종 규정 반영, 감사 대응까지 동시에 고해야 합니다. ERP는 기초 데이터를 제공하지만, 정교한 계산과 예외 처리는 여전히 특정 실무자의 '엑셀 로직'에 의존하는 경우가 많습니다. 그 개인이 자리를 비우면 업무가 멈춥니다. 로직은 암묵지로 남고, 표준화는 계속 미뤄집니다. 저는 이걸 기술 부족이 아니라 구조적 문제로 봅니다.

이 복잡한 로직은 충분히 코딩으로 재구성할 수 있다고 생각합니다. 현장에서 그 병목을 직접 봐왔기에, 어디서부터 풀어야 하는지도 압니다. 이 문제는 외부 민간 Tech 전문가에게만 맡겨서는 풀리지 않습니다. 현장을 아는 사람이 직접 설계에 참여해야 합니다. 올해는 바이브코딩으로 아래 네 가지를 하나씩 설계하고 검증해 보겠습니다.

✔ 총인건비 인상률 시뮬레이션 구조화

✔ 규정 기반 자동 계산 엔진 설계

✔ 인사변동 반영 자동화 로직 구현

✔ 감사 대응 가능한 계산 근거 로그화

개인적으로는 이 부분은 외부 민간 Tech 전문가에만 의존해서는 해결할 수 있는 일이 아니라고 생각합니다. 올해는 이 영역을 바이브코딩으로 하나씩 설계하고 검증해 보겠습니다. 쉽지 않은 도전이겠지만, 끝까지 파보겠습니다.

나가며

ChatGPT, Gemini, Claude 그리고 최근 실험하고 있는 바이브 코딩까지. 기술의 적용 범위를 넓혀가고 있지만, 방향은 언제나 실무 문제 해결에 두고 있습니다. 최신 기술 트렌드를 조금 늦게 따라가더라도 괜찮다고 생각합니다. 다만 내가 몸담고 있는 현실을 외면하는 기술이라면 큰 의미가 없다고 느꼈습니다. 앞으로도 이곳에서 경험한 비효율적이고 반복적인 업무들을, 보안과 윤리에 저촉되지 않는 범위 안에서 작은 자동화 프로그램으로 하나씩 개선해 나가고자 합니다. 저는 기술이 멀리 있는 것이 아니라, 지금 내 앞의 문제를 해결하는 도구라고 믿습니다. 공공기관에서도 AI와 코딩을 통해 작은 업무부터 충분히 바꿔갈 수 있다고 생각합니다. 거창한 시스템이 아니라, 현장의 반복 업무를 하나씩 줄여가는 것에서 변화는 시작된다고 믿습니다.

2026년, 저는 ‘앞서가는 사람’보다 ‘현실을 바꾸는 사람’이 되겠습니다.