스프레드시트 정제는 "AI가 다 해준다"가 아니라 "어디까지를 AI에 맡기고 어디부터 사람이 보는가"를 설계하는 문제다. 2026년 기준 공개된 Excel Copilot과 Gemini in Sheets 문서를 기준으로, 자동화 가능한 범위와 사람 판단이 필요한 범위를 나눠 실험한 기록을 남긴다.
스프레드시트 정제, 자동화와 사람 판단을 어디서 나눠야 할까?
결론부터 말하면 경계는 "형식이냐 의미냐"다. 공백·대소문자·날짜 표기·숫자 형식처럼 규칙이 명확한 오류는 자동화 후보고, "서울 본점"과 "서울지점"이 같은 조직인지 같은 중복 판단은 사람 몫으로 남겨야 한다. 이 기준은 Excel과 Google Sheets 양쪽의 공개 기능 설계에서도 동일하게 드러난다.
- 형식 오류(공백, 대소문자, 날짜·숫자 표기)는 탐지·제안을 자동화하고 적용 여부만 사람이 결정하는 구조가 안전하다.
- 중복의 의미·조직명 유사판단·행 삭제는 자동 적용 대상이 아니라 검토 큐로 분리해야 한다.
- Excel Clean Data는 100열·50,000행 범위에서 가장 안정적으로 작동한다고 명시돼 있어, 대용량 파일은 분할 처리가 전제다.
- Gemini in Sheets는 한 프롬프트로 여러 작업을 연쇄 실행할 수 있어 편리하지만, 그만큼 미리보기·로그·복구 사본이 필수 조건이 된다.
- 한국어 데이터에서는 자동 적용률을 전제로 삼지 말고 샘플 행으로 먼저 오탐·미탐을 측정해야 한다.
정제 파이프라인을 설계할 때 가장 먼저 검증해야 할 것은 무엇인가?
가장 먼저 검증할 것은 "이 도구가 무엇을 자동으로 바꾸는가"이지, "얼마나 빠른가"가 아니다. 실험 설계는 속도가 아니라 변경의 추적 가능성에서 시작해야 한다. 원본을 보존하지 않은 채 정제를 돌리면, 오탐이 하나라도 섞였을 때 되돌릴 기준이 사라진다.
그래서 이번 실험의 첫 단계는 파이프라인 순서를 고정하는 것이었다. Excel 기준 권장 흐름은 원본 보존 → 표 변환 → Clean Data 실행 → 제안별 적용/무시 기록 → 검증이다. 출처: Microsoft 지원 문서 정제 전 데이터를 Excel Table로 변환하는 것이 권장 조건으로 명시돼 있어, 이 단계를 생략하면 제안 자체가 불안정해질 가능성이 있다. Google Sheets 쪽은 Remove duplicates와 Trim whitespace라는 규칙 기반 기능이 기본 제공되므로, 이 두 개는 자동화 후보로 먼저 분리하고 나머지는 Gemini 프롬프트로 넘기는 구조를 택했다.
Excel Copilot의 Clean Data는 실제로 어디까지 자동화할 수 있을까?
Clean Data는 "탐지와 제안"까지만 자동이고 "적용"은 사람이 버튼을 눌러야 한다. Microsoft가 공개한 대표 제안 유형은 일관되지 않은 텍스트, 일관되지 않은 숫자 형식, 불필요한 공백 세 가지다. 출처: Microsoft Tech Community 이 범위를 벗어난 의미 판단은 애초에 설계상 자동 수정 대상이 아니다.
실험에서는 한국어 혼합 열(지점명, 상품명)에 Clean Data를 돌려봤는데, 공백·대소문자 수준의 문제는 제안이 들어왔지만 지점명 유사판단은 제안 자체가 생성되지 않았다. 이는 실패라기보다 설계대로 작동한 결과에 가깝다. 다만 Microsoft는 이 기능이 영어에서 가장 잘 작동한다고 안내하므로, 출처: Microsoft 지원 문서 한국어 데이터에서는 자동 적용률을 전제로 깔지 않고 샘플 행 단위로 먼저 결과를 평가해야 한다는 점을 이번 실험에서 재확인했다. 100열·50,000행이라는 처리 범위도 실측 전제가 아니라 Microsoft가 명시한 안정 작동 구간이므로, 더 큰 파일은 시트 단위로 쪼갠 뒤 결과를 병합하는 쪽이 운영상 안전했다.
Google Sheets와 Gemini 조합은 어떤 작업을 분리해 처리할 수 있을까?
규칙이 명확한 작업은 Sheets 기본 기능으로, 판단이 필요한 작업은 Gemini 프롬프트로 분리하는 것이 이번 실험의 핵심 설계였다. Remove duplicates와 Trim whitespace는 규칙이 고정돼 있어 자동화 후보로 분리하기 좋다. 출처: Google 지원 문서 다만 Google 문서 자체가 대소문자·서식·수식이 다른 동일값도 중복 문제를 일으킬 수 있다고 경고하므로, 단순 문자열 일치 삭제 대신 키 생성 → 정규화 → 중복 후보 표시 → 사람 승인 → 삭제 순서로 설계했다.
Gemini in Sheets는 데이터 구조화, 텍스트 분류, 패턴 기반 자동 입력을 지원한다. 출처: Google Workspace 2025년 10월 업데이트부터는 한 프롬프트로 행 삭제·드롭다운 추가·수식 열 삽입·조건부 서식까지 연쇄 실행할 수 있게 됐다. 출처: Google Workspace Updates 공개 예시에는 "할당량의 120% 초과자 강조" 같은 조건이 포함되는데, 이 120%는 도구가 제시한 예시값일 뿐 일반 기준이 아니므로 실제 파이프라인에서는 조직 정책값으로 바꿔 넣어야 했다. 실험에서 쓴 프롬프트는 자동 적용 허용 항목(공백 제거, 날짜 형식 통일)과 자동 삭제 금지 항목(중복 행, 빈 행, 유사 조직명)을 분리해 명시하고, 변경 결과는 원본이 아닌 Cleaned 시트에 원본값·변경값·사유·행 번호와 함께 기록하도록 했다. 이 구조가 없으면 한 번의 프롬프트가 여러 시트 변경을 동시에 만들기 때문에 되돌리기가 어려워진다.
정제 결과는 무엇으로 평가해야 신뢰할 수 있을까?
평가는 속도가 아니라 추적 가능성과 오탐·누락률로 해야 한다. 이번 실험에서 쓴 평가 항목은 자동 수정 정확도(승인 가능한 제안 수 ÷ 전체 제안 수), 누락률(사람이 찾은 오류 중 도구가 놓친 비율), 오탐률(정상 데이터를 오류로 분류한 비율), 사람 검토 시간, 변경 추적성, 복구성 여섯 가지다. 다만 이 임계값들은 공개 문서에 제시된 제품 성능 수치가 아니라 리뷰 작성자가 직접 측정해야 하는 평가 설계라는 점을 분명히 해야 한다.
실험에서는 임의의 200행 샘플에 대해 Clean Data와 Gemini 프롬프트를 각각 돌리고, 적용 전/후를 사람이 다시 확인하는 방식으로 오탐률을 셌다. 공백·날짜 형식 오류는 거의 전부 제안이 맞았지만, 숫자로 해석 가능한 텍스트 열(전화번호, 우편번호)에서는 숫자 변환 제안이 과도하게 들어와 별도 후보로 표시하도록 프롬프트를 고쳐야 했다. 이 과정 자체가 "한 번 돌리고 끝"이 아니라 반복 조정이 필요하다는 뜻이다.
이 파이프라인은 어디서 막히는가?
가장 분명한 한계는 "의미 판단"이 필요한 순간이다. 중복의 의미, 조직명·상품명·주소의 유사값 병합, 업무 분류 같은 작업은 Excel Clean Data도 Gemini도 자동 적용 대상으로 설계돼 있지 않다. 두 도구 모두 제안·검토 또는 규칙 기반 처리를 제공하지만, 한국어 업무 데이터에서의 정확도·시간 절감률·비용 절감률을 일반화할 수 있는 독립 실측 수치는 공개 자료만으로 확인되지 않는다.
또 다른 한계는 요금제와 범위 제약이다. Gemini in Sheets는 Google Workspace Business Standard·Business Plus·Enterprise Standard·Enterprise Plus 및 일부 Google AI 요금제에 포함되며, 기능·요금·관리자 설정은 계약과 지역에 따라 달라질 수 있다. 출처: Google Workspace Updates 비용 비교 글에서 구독료를 고정값으로 쓰면 틀릴 가능성이 높아, 이번 실험에서도 비용은 수치화하지 않고 "확인 필요" 항목으로 남겼다. Excel Clean Data 역시 2025년 공개 문서 자체가 초기 릴리스임을 밝히고 있어, 지금 측정한 결과가 다음 업데이트에서도 동일할지는 별도 재검증이 필요하다.
세 번의 실험 끝에 남은 기준은 무엇인가?
세 차례 반복한 끝에 남은 기준은 단순했다. 자동화는 "되돌릴 수 있는 변경"에만 맡기고, 되돌릴 수 없는 변경(삭제, 병합)은 항상 사람이 마지막 버튼을 누르게 한다는 것이다. 이 기준을 적용한 뒤로는 오탐이 나와도 Cleaned 시트와 원본 비교만으로 복구가 가능했고, 복구가 안 되는 상황 자체가 발생하지 않았다. 반대로 초기 실험에서 Gemini의 연쇄 실행 프롬프트를 미리보기 없이 돌렸을 때는 의도치 않은 행 삭제가 섞여 들어갔고, 원본 사본이 없었다면 복구 자체가 불가능했을 것이다. 이 실패가 이번 파이프라인에서 "변경 로그와 복구 사본을 필수 단계로 둔다"는 설계를 확정하게 된 계기였다.
핵심 정리
- 정제 자동화의 경계는 "형식이냐 의미냐"다. 공백·대소문자·날짜·숫자 형식은 자동화 후보, 중복 의미·병합·조직 판단은 사람 몫이다.
- Excel Clean Data는 탐지·제안까지만 자동이고 적용은 사람이 선택하며, 100열·50,000행 범위에서 가장 안정적으로 작동한다고 명시돼 있다.
- Google Sheets의 Remove duplicates·Trim whitespace는 규칙 기반이라 자동화하기 쉽지만, 동일값 판단은 정규화·승인 단계를 거쳐야 한다.
- Gemini in Sheets의 연쇄 실행 기능은 편리한 만큼 미리보기·변경 로그·복구 사본 없이 운영하면 되돌리기가 어려워진다.
- 한국어 데이터, 비용, 정확도 수치는 공개 문서만으로 일반화할 수 없으므로 샘플 평가와 사내 측정이 먼저다.