AX 혁신 사례 · 통신 네트워크 운영 자동화 · 2025
아침마다 사라지던 4시간,
AI가 5분으로 바꿨습니다
오늘 어디에 시위가 몇 명이나 모이는지, 출근하자마자 지도 한 장으로 확인할 수 있다면?
01 — 배경
시위가 열리는 날,
통신망이 먼저 알아야 한다
매일 아침 7시 30분. 사무실 불이 채 다 켜지기도 전에, T사 네트워크 운영팀의 김 차장은 이미 모니터 앞에 앉아 있었습니다.
"광화문 광장, 오후 2시, 예상 인원 3만 명."
"여의도 국회의사당 앞, 오후 6시, 예상 인원 1만 5천 명."
이 숫자 하나하나가 그에게는 단순한 데이터가 아니었습니다. 수만 명이 동시에 스마트폰을 꺼내 드는 순간, 그 지역의 통신망은 순식간에 과부하 상태가 됩니다. 누군가는 전화를 못 걸고, 누군가는 인터넷이 끊깁니다.
그걸 막는 것이 김 차장의 일이었습니다. 시위 정보를 미리 파악해 해당 지역 기지국의 통신 캐파(Capacity)를 사전에 높여두는 것 — 사용자들은 알 수 없지만, 누군가는 매일 아침 그 준비를 하고 있었습니다.
02 — 문제 인식
하루 4시간이
사라지고 있었다
Uploading image...
문제는 이 과정이 너무 많은 시간을 잡아먹는다는 것이었습니다.
경찰청 집회 신고 현황 페이지에는 수십 건의 게시글이 올라옵니다. 각 게시글마다 첨부된 PDF를 열어 내용을 확인하고, 날짜·시간·장소·예상 인원을 별도의 엑셀 파일에 정리하고, 지도에서 해당 위치가 어디인지 일일이 찾아야 했습니다.
📋 경찰청 접속 → PDF 다운로드 → 내용 확인 → 엑셀 수기 입력의 끝없는 루틴
📍 "시청 동편 인도 <태평로1가>" 같은 비정형 표현은 지도에 바로 검색도 안 됨
⏱️ 이 반복 작업에만 매일 아침 약 4시간 소요 — 연간 약 1,000시간
03 — 전환
"이 반복 작업,
코드가 대신할 수 없을까?"
Uploading image...
사람이 하는 일은 단순했습니다. 페이지를 열고, PDF를 받고, 읽고, 옮겨 적는 것.
그렇다면 — 이걸 왜 내가 직접 해야 하지?
마침 사내에서 AI·자동화 도구에 대한 관심이 높아지던 시기였습니다. Python을 다룰 줄 아는 팀원과 함께, 김 차장은 이 반복 작업을 코드로 바꾸는 프로젝트를 시작했습니다.
목표는 단순했습니다. "아침에 출근하면, 오늘 어디에 몇 명이 모이는지 지도에 바로 보여줄 것."
04 — 솔루션
코드가 하는 일 —
사람 대신 뛰는 4단계
Uploading image...
완성된 자동화 파이프라인은 크게 네 가지 단계로 작동합니다.
Uploading image...
|
STEP 01 — Selenium 웹 크롤링 마치 사람이 클릭하듯 경찰청 집회 신고 현황 페이지를 자동 순회하고, 각 게시글에 첨부된 PDF 링크를 수집합니다.
|
|
STEP 02 — PyMuPDF 텍스트 추출 수집된 링크로 PDF를 자동 다운로드하고, PyMuPDF 라이브러리가 PDF 안의 텍스트를 전부 추출합니다. 사람이 PDF를 열어서 눈으로 읽던 것을 코드가 대신합니다.
|
|
STEP 03 — GPT-4o Structured Output 추출된 날것의 텍스트를 GPT-4o에게 넘기며 한 가지 지시를 내립니다. "날짜, 시간, 장소, 참가자 수만 추출해서 정형화된 형식으로 돌려줘." Structured Output 기능을 통해 정확히 필요한 데이터만 JSON으로 반환됩니다.
|
|
STEP 04 — 주소 정규화 + Folium 지도 시각화 "시청 동편 인도" 같은 비정형 표현을 GPT-4o-mini가 "서울특별시 중구 세종대로 110"으로 변환합니다. 이후 Google Maps API가 위도·경도 좌표로 바꾸고, Folium이 인터랙티브 지도 위에 마커로 표시합니다. 마커의 색상은 예상 참가자 수에 따라 파랑(소규모) → 빨강(대규모)으로 자동 변환됩니다.
|
Uploading image...
|
Selenium 경찰청 집회 페이지 자동 크롤링 & PDF 링크 수집 |
PyMuPDF PDF 텍스트 자동 추출 및 전처리 |
|
GPT-4o & GPT-4o-mini 정보 구조화 추출 + 비정형 주소 정규화 |
Google Maps + Folium 좌표 변환 & 참가자 수 기반 색상 지도 시각화 |
05 — 결과
아침이
달라졌습니다
Uploading image...
이제 김 차장의 아침은 다릅니다. 출근해서 스크립트를 실행하면, 수 분 안에 지도 한 장이 완성됩니다.
색이 붉을수록 오늘 그곳에 사람이 많이 모인다는 뜻입니다. 그 지도를 보고 운영팀은 오늘 어느 기지국의 캐파를 올려야 할지 즉시 결정합니다. 4시간이 걸리던 일이 5분으로 줄었습니다.
남은 3시간 55분 동안, 그는 이제 실제로 의사결정을 하는 일에 집중합니다. 데이터를 옮기는 시간이 사라지고, 데이터를 읽고 판단하는 시간이 생긴 것입니다.
06 — 인사이트
기술보다 먼저
있었던 것
이 사례를 들으면 복잡한 개발 작업을 떠올리는 분들이 많습니다. 하지만 실제로 이 코드가 만들어질 수 있었던 이유는 기술 실력이 아니었습니다.
대규모 집회가 어느 시간대에 열리는지, 어떤 장소가 실제 통신 과부하로 이어지는지, 몇 명이 모여야 기지국 캐파 조정이 필요한지 — 이 모든 판단은 네트워크 운영 현장에서 오랫동안 쌓아온 현업 전문성에서 나왔습니다.
코드는 그 전문성을 실행 가능한 형태로 바꿔준 도구였을 뿐입니다.
자동화의 출발점은 코딩이 아니라,
업무를 가장 잘 아는 사람의 시선이었습니다.
AI는 사람의 일을 빼앗는 것이 아니라, 사람이 진짜 해야 할 일에 집중할 수 있도록 돕습니다.
📌 사용 기술 스택
Python · Selenium · PyMuPDF · OpenAI GPT-4o · Google Maps API · Folium
매일 반복되는 그 작업,
자동화할 수 있습니다
아침마다 사라지는 시간이 있다면, 이 이야기가 작은 힌트가 되길 바랍니다.