[AI활용] Claude 실무편 - Technical Writer Skill 만들기

kt cloud FE개발팀이 25개 서비스, 728개 화면, 총 11,961개 용어를 분석한 끝에 UI 용어 표준화 문제의 근본 원인이 '사람의 기억에 의존한 구조'임을 밝혔다. Claude Skill을 활용해 Technical Writer 업무를 반복 수작업에서 규칙 기반 자동화로 재설계한 실전 사례를 다룬다.

핵심 포인트

25개 서비스에서 고유 용어 3,473개를 발굴, "삭제/삭제하기", "Server/서버" 같은 표기 불일치가 기억 의존 구조 탓임을 데이터로 증명했다.
문서를 '읽는 대상'에서 '구조화 가능한 데이터'로 관점 전환하여 용어 추출·표준화·검수를 자동화 파이프라인으로 재정의했다.
Claude Skill의 핵심: 가이드 문서를 실행 가능한 규칙(정책 코드)으로 변환해 Agent가 동일 기준을 일관되게 적용한다.
자동화 결과로 용어 추출 1일→1시간 이내, 전체 프로세스 수일→반나절로 단축됐다.
Technical Writer 역할이 '용어 직접 수정'에서 '정책 설계·품질 기준 정의'로 성격이 변화했다.

상세 정리

문제 정의: Figma→TW→코드 프로세스에서 컨텍스트 스위칭 비용과 반복 작업으로 생산성이 저하됐고, 기준이 문서가 아닌 사람 머릿속에만 존재했다.
데이터 분석: 25개 서비스 728개 화면의 11,961개 용어 중 고유 용어 3,473개, 이 규모에서 수작업 관리는 구조적으로 불가능하다는 결론을 도출했다.
관점 전환: 문서를 '구조화 가능한 데이터'로 보는 순간, 용어 확인이 구조 파싱으로, 감각 기반 판단이 규칙 기반 처리로 전환 가능해졌다.
Agent 구조: Figma UI 데이터 추출 → Agent 용어 수집 → 정의된 정책 적용 → 규칙 위반 자동 탐지 → 새 정책 후보 제안의 5단계 파이프라인으로 구성했다.
Skill 정의: "생성중→생성 중", "Server→서버" 같은 표기 규칙을 코드로 변환해 Agent가 일관되게 적용하므로 사람이 매번 판단할 필요가 없다.
기존 vs 현재: 기존은 프롬프트 기반 일회성 결과, 현재 구조는 정책 기반 지속 가능한 재현 결과를 만든다.
효과: 기존 6단계 프로세스 대부분 자동화, 용어 추출 1일→1시간, 전체 작업 수일→반나절로 단축됐다.
확장 계획: Claude Plugin 형태로 발전시켜 조직 전체가 동일 정책·기준으로 용어 검수할 수 있도록 한다.