파이썬으로 엑셀 수백 줄을 AI로 자동 분류하기

1단계준비하기

1. Ollama를 켜고 모델을 받아 둬요(Ollama 가이드 참고).
   복사

   ollama pull gemma4

2. 필요한 라이브러리를 깔아요. openpyxl은 pandas가 엑셀을 읽고 쓸 때 필요해요.
   복사

   pip install pandas openpyxl ollama pydantic

3. 엑셀 첫 줄에 '내용'이라는 제목 칸이 있고, 그 아래에 문의가 한 줄씩 있다고 칠게요. 파일 이름은 문의.xlsx.

2단계분류 스크립트 쓰기

1. 아래를 classify.py로 저장해요. Label 안의 보기를 우리 업무에 맞게 바꾸면 돼요.
   복사

   from typing import Literal
   
   import pandas as pd
   from ollama import chat
   from pydantic import BaseModel
   
   class Label(BaseModel):
       category: Literal["배송", "환불", "제품 문의", "기타"]
       urgent: bool
   
   df = pd.read_excel("문의.xlsx")
   cats, urgents = [], []
   
   for text in df["내용"].fillna("").astype(str):
       res = chat(
           model="gemma4",
           messages=[{"role": "user", "content": f"다음 고객 문의를 분류해 줘. 급하면 urgent를 true로.\n\n{text}"}],
           format=Label.model_json_schema(),
           options={"temperature": 0},
       )
       label = Label.model_validate_json(res.message.content)
       cats.append(label.category)
       urgents.append("예" if label.urgent else "아니오")
   
   df["분류"] = cats
   df["급함"] = urgents
   df.to_excel("문의_분류.xlsx", index=False)
   print(df["분류"].value_counts())

2. 실행하면 문의_분류.xlsx가 새로 생겨요. 원본은 그대로 둡니다.
   복사

   python3 classify.py

• format에 넘긴 규칙 때문에 모델은 보기 밖의 말을 못 해요. temperature 0은 매번 같은 답을 내게 하는 설정이에요(공식 문서 권장).
• 한 줄에 몇 초씩 걸려요. 500줄이면 커피 한 잔 시간은 잡으세요.

3단계믿기 전에 검수하기

1. 처음엔 20줄짜리 파일로 돌리고, 사람이 매긴 답과 몇 개가 맞는지 세어 봐요.
2. 자주 틀리는 보기가 있으면 요청 문장에 기준을 한 줄 보태요. 예: '교환 요청은 환불로 분류'.
3. 결과를 바로 고객 응대에 쓰지 말고, '급함=예'만 사람이 먼저 보는 식으로 시작하세요.