월간 성과 리포트 자동 생성은 데이터 추출·집계·작성·발송에 매달 소요되던 약 8시간(=480분)의 인적 작업을 워크플로우 엔진과 LLM의 조합으로 −90% 수준까지 줄이는 운영 자동화 기법이다. 매월 1일 06:00 KST에 cron 트리거가 발화하면 Sheets/DB에서 원본 로그를 읽어 KPI를 계산하고, 전월 대비 변화율과 목표 달성 여부를 집계한 뒤, OpenAI가 자연어로 개선점·위험 요인을 요약해 docx 파일로 저장하고 Gmail로 발송하는 5단계 파이프라인이 자율 실행된다.

워크플로우 엔진 시장에는 n8n / Zapier / Make.com이 있으며, n8n은 자체 호스팅이 가능해 보안·비용 측면에서 사내 운영에 적합하다. LLM 연결은 OpenAI function calling 또는 Anthropic MCP(Model Context Protocol)로 native 도구 호출이 가능하며, 특히 MCP는 서버 사이드에서 KPI 계산 결과를 그대로 컨텍스트로 주입할 수 있어 환각(hallucination) 위험을 줄인다.

# 월간 WMS 성과 자동 집계 (매월 1일 06:00 실행)
Sheets_read(picking_logs, slotting_records, agv_events)
  → Code(KPI 계산: 피킹거리, 정확도, 처리량, 에너지)
  → Aggregate(월간 집계, 전월 대비 변화율, 목표 달성 여부)
  → OpenAI(자연어 분석: 개선점 3가지, 위험 요인 2가지)
  → Drive_create("WMS_성과리포트_YYYYMM.docx")
  → Gmail(운영팀장, 물류센터장, CFO에게 발송)

# 각 노드는 실패 시 retry 3회, 실패 누적 시 Slack 알림 분기
# LLM 호출 실패 시 백업 템플릿(Jinja)으로 fallback

예) 11월 피킹거리 8.7m(목표 10m), 정확도 99.7%(목표 99.5%), 처리량 92orders/h(목표 85), 에너지 0.42kWh/o(목표 0.5)이면 0.25·(10/8.7) + 0.25·(99.7/99.5) + 0.25·(92/85) + 0.25·(0.5/0.42) = 1.10으로 목표 대비 110% 달성. 전월 1.02 대비 Δ% = +7.8%.

IntraLogis는 사내 보안 정책상 n8n 셀프 호스팅을 메인 엔진으로 채택하고, LLM 인사이트는 OpenAI function calling을 1차로 사용하되 향후 Anthropic MCP 서버를 추가해 KPI 계산 결과를 native 도구로 직접 주입하는 하이브리드 구성으로 확장 예정이다.