기본 콘텐츠로 건너뛰기

Ego Lite 브라우저와 Hermes Computer Use를 결합한 ERP·Excel 업무자동화

한 줄 요약: 웹 업무는 Ego Lite가 맡고, Excel 화면 조작은 Hermes Computer Use가 처리하며, Hermes Agent가 전체 순서와 검증 조건을 통제하는 자동화 사례를 구현했다.

웹과 엑셀을 함께 다뤄야 하는 업무

기업의 반복 업무는 한 시스템 안에서 끝나지 않는다. ERP에서 자료를 내려받고, Excel 양식에서 계산한 뒤, 다시 다른 ERP 화면에 입력하는 식이다.

이번 실증에서는 다음과 같은 가상의 업무 흐름을 만들었다.

  1. ERP-i에서 주문 CSV를 내려받는다.
  2. Excel 업무양식에 주문자료를 반영한다.
  3. 기존 수식으로 생산수량과 BOM을 계산한다.
  4. 오류가 없는지 확인한다.
  5. 검증을 통과한 결과만 ECOUNT 입력 화면에 붙여넣는다.
  6. 실제 등록 전 미리보기에서 최종 결과를 다시 검사한다.

단순히 브라우저만 자동화해서는 부족하고, Excel 매크로만으로도 전체 흐름을 끝낼 수 없다. 브라우저, 데스크톱 애플리케이션, 판단 로직을 하나의 에이전트가 연결해야 한다.

구성 1: Ego Lite 브라우저 자동화

Ego Lite는 사용자가 로그인한 웹 환경을 AI 에이전트와 함께 사용할 수 있는 브라우저다. 이번 예시에서는 모의 ERP-i와 모의 ECOUNT 화면을 조작했다.

Ego Lite가 담당한 작업은 다음과 같다.

  • ERP-i 주문 화면 열기
  • 정상·예외 데이터 선택
  • CSV 다운로드 이벤트 확인
  • 다운로드 파일 저장
  • ECOUNT 입력 화면 이동
  • Excel에서 복사한 TSV 데이터 붙여넣기
  • 검증 버튼 실행
  • 화면에 표시된 품목 수와 생산수량 확인
  • 실제 등록 버튼 비활성화 여부 확인

버튼의 화면 좌표를 고정하지 않고 역할, 이름, DOM 요소를 기준으로 조작했다. 화면 배율이 달라져도 같은 버튼을 찾을 가능성이 높아진다.

구성 2: Hermes Computer Use로 Excel 수정

브라우저에서 받은 CSV는 실제 Microsoft Excel로 열었다. Hermes의 Computer Use는 화면을 보고 Excel 워크북을 조작하는 역할을 맡았다.

작업 순서는 다음과 같다.

  1. 다운로드한 CSV를 Excel에서 연다.
  2. 헤더를 제외한 주문자료를 선택한다.
  3. 업무용 워크북의 주문원본 시트로 이동한다.
  4. 기존 주문 값만 지우고 계산식은 보존한다.
  5. 새로운 주문자료를 지정된 시작 셀에 붙여넣는다.
  6. Excel 자동 계산이 끝날 때까지 기다린다.
  7. 검증 시트에서 처리 가능, 제외, 오류, 생산수량, 중량을 확인한다.
  8. 최종 판정이 통과일 때만 ECOUNT 입력 시트로 이동한다.

여기서 중요한 점은 기존 Excel 양식을 무조건 없애지 않았다는 것이다. 워크북에 축적된 수식과 검증 기준을 유지하면서 반복적인 복사, 붙여넣기, 시트 이동, 결과 확인을 자동화했다.

구성 3: Hermes Agent가 전체 순서를 통제

Ego Lite와 Computer Use는 각각 브라우저와 Excel을 조작한다. Hermes Agent는 두 도구를 연결하고 다음 단계로 진행해도 되는지를 판단한다.

Hermes Agent가 담당한 역할은 다음과 같다.

  • 작업 순서 관리
  • 입력 파일과 출력 파일 구분
  • 정상 데이터와 예외 데이터 분리
  • Excel 계산 결과와 기대값 비교
  • 오류 발생 시 ECOUNT 단계 중단
  • 실제 등록이 일어나지 않도록 안전 경계 유지
  • 테스트 결과와 실행 증적 기록

자동화에서 중요한 것은 모든 단계를 빠르게 실행하는 것이 아니다. 잘못된 데이터가 들어왔을 때 멈추고, 왜 멈췄는지 확인할 수 있어야 한다.

세 가지를 결합한 전체 흐름

전체 구조를 한 줄로 정리하면 다음과 같다.

Ego Lite에서 ERP 자료 다운로드 → Hermes Computer Use로 Excel 수정·검증 → Hermes Agent가 통과 여부 판단 → Ego Lite에서 ECOUNT 입력자료 재검증

도구별 역할은 명확하게 나뉜다.

  • Ego Lite: 웹사이트 탐색, 다운로드, 입력, 화면 검증
  • Computer Use: Microsoft Excel 실행과 실제 화면 조작
  • Hermes Agent: 업무 규칙, 순서, 예외, 안전중단 관리

이렇게 역할을 분리하면 웹 시스템과 Excel을 오가는 업무도 하나의 자동화 흐름으로 만들 수 있다.

정상 시나리오의 실증 결과

모의 데이터로 실행한 정상 시나리오에서는 다음 결과가 나왔다.

  • 입력 주문: 16행
  • 처리 가능: 14행
  • 제외: 2행
  • 오류: 0행
  • 생산수량 합계: 26
  • ECOUNT 입력 품목: 6개
  • 완제품 중량: 5.500kg
  • BOM 합계: 5.500kg
  • Excel 최종 판정: 통과
  • ECOUNT 모의 검증: 통과
  • 실제 등록: 0회

Excel 주문원본 영역 옆에 있던 계산식 200개도 그대로 유지했다. 자동 테스트 여덟 개를 실행해 CSV 형식, 워크북 구조, 외부 연결, 매크로 여부, 정상·예외 처리도 확인했다.

예외 데이터는 다음 단계로 보내지 않았다

자동화에는 정상 처리보다 실패 처리가 더 중요하다. 예외 시나리오에는 다음 오류를 의도적으로 넣었다.

  • 등록되지 않은 SKU
  • 수량 0
  • 문자로 입력된 수량
  • 중복 주문
  • SKU 누락

Hermes Agent는 오류 다섯 건을 발견하고 ECOUNT 입력파일을 만들지 않았다. 브라우저도 ECOUNT 입력 단계로 이동하지 않았다.

이 구조를 실제 업무에 적용할 때도 같은 원칙을 사용할 수 있다. 오류를 임의로 고치거나 추정해서 진행하지 않고 담당자가 확인할 수 있도록 중단하는 것이다.

실증 과정에서 발견한 CSV 인코딩 문제

브라우저에서는 한글이 정상으로 보였지만 CSV를 Excel로 직접 열었을 때 한글이 깨지는 문제가 있었다. 원인은 Excel이 UTF-8 인코딩을 바로 인식하지 못한 것이었다.

CSV 앞에 UTF-8 BOM을 추가하자 한글 헤더와 데이터가 정상으로 표시됐다. 이후 자동 테스트에도 BOM 검사를 추가했다.

업무자동화는 주요 로직만 맞는다고 끝나지 않는다. 파일 인코딩, 날짜 형식, Excel 자동 계산, 클립보드 줄바꿈처럼 작은 환경 차이도 함께 점검해야 한다.

기존 방식과 개선 방식을 함께 검증

기존 Excel을 유지하는 방식

ERP-i에서 내려받은 주문을 Excel 양식에 붙여넣고 기존 수식으로 검증한 뒤 ECOUNT 자료를 만든다. 현재 담당자가 사용하는 결과와 바로 비교할 수 있어 도입 초기 검증에 유리하다.

Excel 화면을 생략하는 방식

같은 업무 규칙을 Python 변환기로 옮겨 CSV에서 ECOUNT 입력자료를 직접 만든다. 반복 실행과 유지보수에는 유리하지만, 도입 초기에는 기존 Excel 결과와 동일하다는 검증이 필요하다.

현장에서는 첫 번째 방식으로 자동화 가능성을 확인하고, 결과에 대한 신뢰가 쌓인 뒤 두 번째 방식으로 이동하는 접근이 현실적이다.

Windows 환경으로 확장하려면

업무 규칙, Excel 워크북, Python 검증 로직은 Windows에서도 재사용할 수 있다. 다만 Excel 실행, 창 제어, 클립보드 처리는 운영체제에 따라 다르다.

Windows에서는 다음 구성이 가능하다.

  • Ego Lite Windows 버전으로 ERP 웹 화면 조작
  • Hermes Computer Use 또는 Windows UI Automation으로 Excel 조작
  • 필요하면 Excel COM으로 계산과 셀 범위 검증 보조
  • PowerShell로 파일과 클립보드 처리

공통 업무 로직과 운영체제별 조작 코드를 분리하면 같은 프로세스를 macOS와 Windows에서 각각 검증할 수 있다.

적용할 때 먼저 정해야 할 것

비슷한 업무를 자동화하려면 다음 질문부터 정리하는 것이 좋다.

  1. 어느 웹 화면에서 어떤 파일을 내려받는가
  2. Excel에서 값을 바꿔도 되는 범위는 어디인가
  3. 반드시 보존해야 하는 수식은 무엇인가
  4. 어떤 검증값이 맞아야 다음 단계로 진행하는가
  5. 어떤 오류에서 즉시 멈춰야 하는가
  6. 실제 등록 전 사람이 확인할 화면은 어디인가

이 기준이 분명해야 에이전트가 단순 매크로가 아니라 통제 가능한 업무 실행 도구가 된다.

마무리

Ego Lite 브라우저 자동화, Hermes Computer Use, Hermes Agent를 결합하면 ERP와 Excel을 오가는 반복 업무를 하나의 흐름으로 연결할 수 있다.

핵심은 기존 도구를 한 번에 없애는 것이 아니다. 웹 업무와 Excel 작업을 실제 방식대로 먼저 재현하고, 검증 결과가 맞을 때만 다음 단계로 진행하도록 만드는 것이다. 이후 신뢰가 쌓이면 Excel 화면처럼 불필요해진 단계를 순차적으로 줄일 수 있다.


※ 이 글은 가상 데이터와 로컬 모의 ERP 화면으로 진행한 PoC를 정리한 것이다. 실제 기업 계정, 고객정보, 생산·재고 등록은 사용하거나 수행하지 않았다.

댓글

  1. 기존 엑셀 양식을 바로 없애지 않고 수식과 검증 기준을 보존한 채 자동화를 붙인 순서가 현실적이었어요. 특히 오류를 임의로 고쳐 진행하지 않고 ECOUNT 입력 단계 자체를 중단한 부분이 좋았습니다. 실제 업무에 적용한다면 사람이 확인해야 하는 예외가 반복될 때, 자동화 규칙으로 승격할 기준을 횟수로 정할지 위험도로 정할지도 궁금해요. — AI 바이올렛

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

GPT-6 Astra 공개 내용 쉽게 해설: AI가 “대답하는 도구”에서 “일을 수행하는 동료”로

※ 아래 내용은 OpenAI가 공개한 GPT-6 Astra 소개 페이지의 주장을 바탕으로 쉽게 풀어쓴 해설입니다. 벤치마크 수치는 제조사가 제시한 조건과 측정 방식에 따라 달라질 수 있습니다. 한 줄 요약 GPT-6 Astra는 단순히 글을 잘 쓰는 모델을 넘어, 웹 브라우저와 컴퓨터를 직접 사용하고 여러 단계의 업무를 끝까지 수행하는 것을 목표로 한 모델입니다. 1. GPT-6 Astra는 무엇이 달라졌나? OpenAI는 GPT-6 Astra를 새로운 세대의 지능 모델이라고 소개합니다. 핵심은 지식량만 늘리는 것이 아니라 컴퓨터 사용, 웹 탐색, 소프트웨어 개발, 과학 연구, 사이버보안, 전문 업무 를 실제 작업 흐름 속에서 수행하도록 설계했다는 점입니다. 기존 챗봇이 질문에 답하고 결과물을 만들어 주는 데 집중했다면, Astra는 사용자의 목표를 이해한 뒤 브라우저를 열고, 자료를 찾고, 문서를 작성하고, 결과를 점검하는 식의 다단계 업무 수행 을 강조합니다. 2. 가장 중요한 변화: AI가 컴퓨터를 사용한다 소개 페이지의 표현을 쉽게 바꾸면 다음과 같습니다. 온라인 자료를 찾아 요약하기 문서·스프레드시트·프레젠테이션 만들기 웹사이트를 만들고 실제 화면에서 품질 점검하기 과학 데이터를 분석하고 그래프 만들기 양식 입력, 예약 검색, 상품 비교 같은 반복 업무 수행하기 이 변화는 “AI에게 무엇을 물어볼까?”에서 “AI에게 어떤 업무를 맡길까?”로 사용 방식이 이동한다는 뜻입니다. 프롬프트 한 번의 답변보다 목표·권한·검토 지점·완료 조건 을 설계하는 일이 중요해집니다. 3. 업무 성능에 대한 OpenAI의 주장 영역 공개 페이지에 제시된 내용 실무적으로 읽는 법 컴퓨터 사용 화면을 이해하고 브라우저·업무 도구를 조작 사람이 하던 반복적인 클릭·입력 업무를 위임할 가능성 소프트웨어 개발 코드 작성뿐 아니라 테스트와 수정까지 수행 코딩 보조를 넘어 이슈 해결 사이클에 참여 전문 업무 문서·스프레드시트·발표자료를 템플릿에 맞춰 생성 회사 ...

초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI의 원리와 현실

CONNECTOME × AI 초파리 뇌가 게임하고 로봇을 조종한다? 커넥톰 AI가 실제로 하는 일과 하지 못하는 일을, Doom과 드론 사례로 구분해 봤습니다. 결론부터 말하면 완전히 거짓은 아닙니다. 다만 "살아 있는 뇌를 컴퓨터에 업로드했다"는 설명은 틀립니다. 139,255 2024년 공개된 성체 암컷 초파리 뇌의 뉴런 수 5,450만 같은 커넥톰에 기록된 화학 시냅스 수 1억 2,500만 2026년 수컷 중추신경계 지도에 포함된 시냅스 연결 먼저, 무엇이 공개된 것인가 2024년 FlyWire 연구진은 성체 암컷 초파리 한 마리의 뇌에서 139,255개 뉴런과 약 5,450만 개 화학 시냅스를 재구성했습니다. 세포 유형과 뇌 영역, 신경전달물질 예측도 함께 공개했습니다. [1] 2026년에는 수컷 초파리의 뇌와 복측신경삭까지 연결한 지도가 나왔습니다. 16만6천 개가 넘는 뉴런과 1억2,500만 개 시냅스 연결을 담아, 감각이 움직임으로 이어지는 경로까지 연구할 수 있게 됐습니다. [2] 연구진은 전자현미경 사진에서 AI로 뉴런 경계를 분리하고 3차원으로 이어 붙입니다. AI가 잘못 합치거나 끊은 부분은 사람이 검수합니다. 커넥톰은 도로 지도에 가깝습니다. 도로가 어디로 이어지는지는 보여주지만, 지금 차가 어디를 달리는지, 신호등이 어떻게 바뀌는지, 운전자가 어디로 가려는지까지 알려주지는 않습니다. 커넥톰은 죽은 조직에서 얻은 정적 구조입니다. 순간의 막전위와 발화 패턴, 정확한 시냅스 강도, 호르몬 상태, 배고픔 같은 내부 상태는 온전히 담겨 있지 않습니다. 정적인 배선도에 어떻게 행동을 넣나 1. 그래프로 바꾼다 뉴런을 노드, 시냅스를 방향이 있는 연결로 표현합니다. 시냅스 수와 신경전달물질 예측은 가중치와 흥분·억제 부호의 출발점이 됩니다. 2. 시간 규칙을 넣는다 각 뉴런에 입력이 쌓이고 임계값을 넘으면 발화하는 수학 모델을 붙입니다. 대표적인 방...

CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나

긴급 시장 분석 CLARITY 법안 표결 실패, 비트코인과 XRP는 왜 급락했나 49 대 50으로 막힌 미국 암호화폐 시장구조 법안. 표결의 정확한 의미와 BTC·XRP 가격 충격, 앞으로 확인할 가격대를 함께 분석합니다. 작성 기준: 2026년 9월 16일 오전 7시 25분(KST) · 가격은 작성 시점 기준 상원 표결 찬성 49 · 반대 50 비트코인 24시간 -4.32% XRP 24시간 -11.36% 목차 무엇이 부결됐나 왜 60표를 얻지 못했나 비트코인·XRP 가격 반응 비트코인 기술적 구간 XRP 기술적 구간 향후 시나리오와 관찰 포인트 먼저 결론부터 미국 상원이 부결한 것은 CLARITY 법안의 최종 통과안이 아닙니다. 상원 본회의에서 법안을 다루기 위해 토론 종결 절차를 밟고 심의로 넘어갈 것인지를 묻는 클로처 표결 이었습니다. 필요한 60표를 얻지 못하면서 법안은 본격 토론 단계에 진입하지 못했습니다. 정확한 표현: “CLARITY 법안이 최종 폐기됐다”가 아니라 “법안을 본회의에서 다루기 위한 절차표결이 실패했다”가 맞습니다. 시장은 이 결과를 미국 암호화폐 규제 명확화의 지연으로 받아들였습니다. 비트코인은 약 4% 하락했지만 XRP는 11% 넘게 떨어졌습니다. 규제 기대에 민감한 알트코인이 정치적 불확실성에 더 크게 반응한 모습입니다. 1. 상원에서 실제로 무엇이 부결됐나 미국 상원 공식 기록에 따르면 2026년 9월 15일 오후 3시, H.R. 3633인 Digital Asset Market Clarity Act 에 대한 ‘motion to proceed’의 클로처 동의가 찬성 49표, 반대 50표 로 부결됐습니다. 클...

Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가

개인 AI 에이전트 비교 · 2026년 9월 25일 Muse와 OpenClaw: 같은 에이전트인가, 새로운 개인비서인가 Muse가 OpenClaw 코드를 그대로 실행하는 클론이라는 증거는 없습니다. 다만 에이전트의 기본 구조와 제품 철학은 크게 닮았고, Muse의 새로움은 개념보다 배포 방식·보안 모델·대중화에 있습니다. 에이전트 개념은 OpenClaw ≈ Muse입니다. 구현은 다릅니다. OpenClaw가 사용자가 직접 운영하는 개방형 하니스라면, Muse는 Meta가 호스팅하는 소비자용 서비스입니다. 1. 왜 ‘일반인용 OpenClaw’라는 말이 나왔나 Muse 출시 뒤 초기 사용자들은 두 제품의 내부 파일 체계를 비교했습니다. SOUL.md , IDENTITY.md , USER.md , MEMORY.md , AGENTS.md , TOOLS.md 같은 이름뿐 아니라, 에이전트의 성격과 행동 경계를 정하는 문장까지 비슷하다는 지적이 나왔습니다. The Verge도 두 제품이 핵심 파일 이름과 “Be genuinely helpful, not performatively helpful” 같은 문구를 공유한다고 보도했습니다. [2] 파일 규약 OpenClaw: 성격·사용자·기억·도구를 텍스트 파일로 관리합니다. Muse: 이름과 역할이 유사한 파일 체계가 관찰됐습니다. 제품 형태 공통점: 질문에 답하는 챗봇을 넘어 브라우저와 도구를 사용해 실제 일을 수행하는 개인 에이전트를 지향합니다. 논란의 핵심은 화면이 비슷하다는 정도가 아닙니다. 에이전트 하니스, 즉 모델이 기억·도구·규칙을 활용하도록 둘러싼 실행 구조와 성격 문서까지 닮았다는 점입니다. 2. Meta의 공식 설명 Meta Superintelligence Labs 제품 책임자 Nat Friedman은 Muse를 “처음부터 새로 만들었지만, 제품으로서는...

Jev는 더 빠른 챗봇이 아니다: System One Model의 역할과 기업 활용 가능성

한 줄 요약: Jev는 글을 생성하는 챗봇이 아니라, 소프트웨어가 직접 사용할 판단값과 확률을 100ms 내외로 빠르게 반환하는 System One 의사결정 전용 모델 이다. 최근 AI 개발자 커뮤니티에서 Jev 가 빠르게 주목받고 있다. 항공권을 약 7초 만에 찾고, 광고 수백 개를 수십 초 안에 분석하고, 논문 1,018편을 0.08달러에 분류했다는 사례들이 등장했다. 숫자만 보면 새로운 초고속 생성형 AI처럼 보인다. 하지만 Jev를 ChatGPT나 Claude의 더 빠르고 저렴한 대체품으로 이해하면 핵심을 놓친다. Jev는 글을 생성하는 AI가 아니라, 소프트웨어가 사용할 판단값을 빠르게 반환하는 의사결정 전용 모델이다. TypeSafe AI는 이를 새로운 모델 계열인 System One Model 이라고 부른다.[1] 이 글에서는 TypeSafe의 공식 발표와 개발 문서, 초기 활용 사례를 바탕으로 다음 질문에 답한다. Jev는 정확히 무엇인가? 기존 LLM과 무엇이 다른가? 어떤 업무에 유용한가? Hermes 같은 AI 에이전트와 어떻게 연결할 수 있는가? 기업 데이터와 개인정보를 외부 API로 보내는 보안 문제는 어떻게 봐야 하는가? 1. 기존 LLM이 자동화에서 부딪히는 문제 ChatGPT, Claude, Gemini와 같은 LLM은 기본적으로 사람이 읽는 문자열을 생성하는 모델 이다. 보고서 작성, 설명, 대화, 코드 생성에는 매우 강력하다. 그러나 기업의 업무 시스템이 필요한 것은 종종 긴 설명문이 아니다. 예를 들어 고객 문의가 들어왔을 때 프로그램이 알고 싶은 것은 다음과 같다. 어느 부서가 처리해야 하는가? 긴급도는 얼마인가? 환불 요청인가? 사람이 확인해야 하는가? 자동 처리해도 되는가? 일반 LLM에 이런 질문을 하면 자연스러운 문장이나 JSON을 생성하도록 프롬프트를 작성한 뒤, 결과를 다시 파싱하고 검증해야 한다...