n8n과 OpenAI로 이메일 분류 자동화하기

n8n은 요즘 엔지니어 사이에서 주목받는 인공지능(AI) 기반 워크플로 자동화 도구입니다. 이는 코딩을 최소화하고, 다양한 도구와 API를 연결해 워크플로를 자동화합니다.

요즘 인포그랩 DevOps 엔지니어, 소프트웨어 엔지니어는 n8n으로 업무 자동화를 다양하게 실험합니다. 저는 n8n으로 이메일 분류를 자동화하고, ‘기술 지원 문의’ 이메일을 효과적으로 관리하는 시스템을 구축했습니다.

이 글에서는 제가 n8n으로 Gmail, OpenAI, Notion을 통합해 이메일 분류를 자동화한 방법을 소개하겠습니다.

이메일 분류 자동화 구축 배경

이메일은 현대 비즈니스에서 중요한 커뮤니케이션 도구입니다. 그러나 대량 이메일을 수동으로 관리하고, 제때 대응하려면 많은 시간과 자원이 소모됩니다. 특히 기술 지원팀이나 고객 서비스팀은 반복되는 이메일 업무로 비효율을 자주 경험합니다.

이러한 문제를 해결하려면 먼저 이메일을 데이터베이스(DB)화해 체계적으로 분류해야 합니다. 이로써 이메일에 담긴 업무 지식과 정보를 빈틈없이 관리할 수 있습니다. 또 기술 지원팀과 고객 서비스팀은 유형별로 분류된 이메일 DB에 기반해 반복되는 고객 문의를 신속히 파악하고 대응할 수 있습니다.

저는 n8n으로 이메일 관리의 비효율 문제를 풀고 싶었습니다. n8n, Gmail, OpenAI, Notion으로 자동화된 이메일 분류 시스템을 구축 → 이 시스템으로 대량 이메일을 효율적으로 관리하고, 반복되는 고객 문의에 빠르게 답변하는 겁니다.

자동화 워크플로 구조와 단계

제가 n8n, Gmail, OpenAI, Notion으로 자동화된 이메일 분류 시스템을 설계, 구현한 과정을 설명하겠습니다.

아래는 이메일 분류 워크플로의 주요 단계를 보여주는 Mermaid 다이어그램과 단계별 상세 설명입니다.

• 이메일 확인, 데이터 병합: Gmail에서 새 이메일을 가져오고, 저장할 DB의 메타데이터를 Notion에서 불러와 병합합니다.
• OpenAI 이메일 분석, 분류: OpenAI를 사용해 이메일 본문 내용을 분석한 다음, 카테고리를 지정하고, ‘기술 지원 문의’ 여부를 판별합니다.
• 데이터 저장, 이메일 상태 업데이트: ‘기술 지원 문의’ 이메일은 Notion에 저장되며, 그렇지 않은 이메일은 다시 ‘읽지 않음’ 상태로 표시됩니다.

다음은 n8n에 구현한 이메일 분류 워크플로의 실제 화면입니다. 이메일 분류 워크플로는 Gmail에서 이메일을 수신한 뒤, n8n으로 트리거됩니다. 그다음, OpenAI를 활용해 이메일 본문 내용을 분석하고, ‘기술 지원 문의’ 이메일로 분류된 데이터를 자동으로 Notion에 저장합니다.

이메일 분류 워크플로 오버뷰

주요 도구

• Gmail: 이메일 수신, 발송
• n8n: 워크플로 자동화와 데이터 흐름 관리
• OpenAI: LLM(대규모 언어 모델)을 활용해 이메일 분석, 카테고리 분류
• Notion, Notion AI: 데이터 저장, 협업, 자동 답변 생성

이메일 분류 자동화 사례

n8n에 구현한 이메일 분류 워크플로의 실제 동작 사례를 살펴보겠습니다.

1. 이메일 수신

아래와 같이 Gmail에서 새 이메일을 가져옵니다.

Gmail에서 수신된, ‘읽지 않음’ 상태인 이메일

2. 이메일 분석, 분류, 저장

이메일이 Gmail API로 n8n에 전달되면, 이메일 분류 워크플로가 자동으로 시작됩니다. Gmail에서 수신된 이메일은 ‘읽음’ 상태로 표시되며, 이메일의 메타데이터와 본문 내용이 추출됩니다. 이 과정에서 발신자 정보, 이메일 제목, 본문 내용 등이 자동으로 파싱돼 다음 단계로 전달됩니다.

OpenAI의 LLM은 해당 내용을 바탕으로 필요한 정보를 설정하고, 이 메일의 ‘기술 지원 문의’ 여부를 판별합니다. 이후 ‘기술 지원 문의’로 분류된 이메일은 Notion DB에 자동으로 업로드(저장)됩니다.

OpenAI의 LLM을 활용한 n8n 이메일 분류 워크플로. 수신된 이메일이 ‘기술 지원 문의’로 분류되면 Notion DB에 저장됨(초록색 선 참고)

3. 자동 생성된 Notion DB로 이메일 관리

각 이메일은 Notion DB에 자동으로 업로드된 다음, 미리 정의된 속성(카테고리, 담당자, 문의 내용 등)에 따라 분류됩니다. 팀원은 체계적으로 분류된 이메일을 보고 고객 문의 현황을 실시간 확인하며, 빠르게 대응할 수 있습니다. 또 이메일 처리 현황까지 한눈에 파악해 업무를 효율적으로 관리할 수 있습니다.

Notion에 자동 생성된 ‘기술 지원 문의’ 이메일 페이지. 기술, 산업, 고객사, 발신자/수신자 이메일, 문의 채널, 담당자, 문의 일시 등이 지정됨. 페이지 본문에서 이메일 내용을 그대로 볼 수 있음

현황 분석, 상태 자동 관리·응답

Notion DB에 분류된 이메일은 고객 문의 현황 분석, 처리 상태 관리, 응답용으로 활용할 수 있습니다. 특히 Notion의 answer 버튼, AI 기능을 각각 활용하면 이메일 처리 상태 업데이트, 응답을 자동화할 수도 있습니다. 이는 전반적인 이메일 관리 프로세스를 간소화하는 데 도움이 됩니다. Notion DB에 분류된 이메일을 효과적으로 활용하는 방법을 소개하겠습니다.

1. 기술/산업/고객사 현황 시각화

Notion에서는 기술, 산업, 고객사 등 속성별로 이메일 통계를 추출할 수 있습니다. 아울러 통계를 대시보드로 시각화해 고객 문의 현황을 한눈에 파악할 수 있습니다.

특정 프로젝트의 이메일 DB를 고객이 문의한 기술별로 구분, 시각화한 차트

2. 원클릭으로 처리 상태 자동 업데이트

Notion의 특정 이메일 페이지에서 answer 버튼*을 클릭합니다. 그러면 이메일 처리 상태(responseTime, status)가 자동으로 업데이트됩니다. 또 이메일 처리 소요 시간(spendTime)도 자동으로 측정됩니다. 이는 SLA(Support Level Agreement) 준수 관리에도 활용할 수 있습니다.

answer 버튼을 클릭하면 responseTime 필드가 채워짐. 또 spendTime 필드가 자동으로 계산되고, status가 Done으로 변경됨

*이 기능은 별도 설정이 필요합니다.

3. Notion AI로 답장 자동 생성

Notion AI(유료 기능)를 활용하면 이메일 답장을 자동으로 생성할 수 있습니다. 이때 AI가 고객 문의 내용을 분석해 맞춤형으로 메시지 초안을 작성합니다. 이 초안은 담당자 검토에 따라 수정하면 됩니다.

Notion AI가 고객 문의 내용(inquiryContent)을 분석해 작성한 이메일 답장 초안

맺음말

n8n 기반 이메일 분류 자동화는 대량 이메일을 효율적으로 분석·분류·저장합니다. 이로써 고객 응대 속도와 품질을 향상하는 장점이 있습니다. 그러나 여기에 쓰이는 OpenAI의 LLM 정확도는 메타데이터와 프롬프트 구성에 따라 달라집니다. 따라서 적절한 초기 설정과 유지보수가 중요합니다. 아울러 API 사용에 따른 비용, 데이터 품질 저하 가능성도 종합적으로 고려해야 합니다. 이에 적절한 규모와 범위 안에서 자동화를 점진적으로 확장하는 전략이 바람직합니다.

여러분도 n8n을 활용해 이메일 분류를 자동화할 때, 다음 사항을 유념하시길 권장합니다.

• 메타데이터 관리와 프롬프트 설계가 제대로 이뤄져야 LLM 분류 정확도가 높아집니다.
• 비용과 보안은 중요한 의사 결정 요소이므로, 조기에 검토하고 대응 방안을 마련하세요.
• n8n은 Notion뿐만 아니라 다양한 도구와 연동할 수 있습니다. 상황에 맞는 도구를 사용하세요.

인포그랩의 전문가와 함께 n8n 기반 자동화로 업무 생산성을 극대화하세요. 지금 상담하세요.