효율님은 클로드 코드 기반으로 역할별 AI 에이전트를 여러 개 운영합니다. 옵시디언에 지식을 쌓고, 세션 간 맥락을 자동 공유하는 구조를 만들었습니다. 컨텍스트가 80%를 넘으면 압축해서 옵시디언에 저장하고, 다음 세션에서 그대로 이어가는 방식입니다.

저희는 에이전트 6개를 컴퓨터 6대에 세팅했는데, 같은 기능을 가진 에이전트가 여럿이다 보니 팀원마다 다른 에이전트에 같은 질문을 하고 있었습니다. 얼라인이 무너지면서 오히려 에이전트의 수를 줄이게 되었습니다.

💡 "몇 개를 쓸 것인가가 아니라, 우리 규모에서 어떤 구조가 맞는가가 먼저다."

에이전트 6개를 돌릴 때 가장 큰 문제는 스킬 혼재였습니다. 누가 어떤 에이전트한테 뭘 물어봐야 하는지가 불분명했습니다. 권한 문제도 터졌습니다. 에이전트한테 매출 데이터와 인사 정보까지 줬더니, 타인의 연봉을 물어보는 일이 생겼습니다.

그래서 에이전트를 줄이고, 반복 업무는 전부 룰베이스 API로 분리했습니다. 계약 인바운드가 들어오면 슬랙에 알림이 오고, CRM 히스토리 기반으로 AI가 적합한 개발자를 추천합니다. 슬랙 채널 생성부터 담당자 초대까지 버튼 하나로 끝납니다. 에이전트는 사용자 질문 응답 용도로만 남겼습니다.

💡 "에이전트가 다 하게 하지 말고, 반복은 룰베이스로 빼야 관리가 된다."

최근 프론트엔드, 백엔드, 디자이너를 채용하면서 바이브 코더 지원자가 늘었습니다. 바이브 코딩 자체가 문제는 아닙니다. 다만 깊이 차이가 컸습니다.

흥미로운 사례가 하나 있었습니다. 생성형 AI를 오래 다룬 디자이너가 경력 개발자보다 나은 결과물을 만들어낸 적이 있었습니다. 맛집 탐방 앱이었는데, 디자인 감도가 좋았고, 고객이 원하는 걸 읽는 분이었습니다. 6주 상주하면서 외주를 완수했고, 고객 만족도가 경력 개발자보다 높았습니다.

💡 "사회적 업무 경험 없이 AI만 잘 다루는 것으로는 경쟁력을 갖기 어렵다."

AI가 직접 돈을 벌어 주진 않습니다. 돈을 벌려면 시간이 필요한데, AI가 그 시간을 만들어 줍니다.

24년도 매출 목표가 5억이었는데 실제 매출은 2억을 달성했습니다. 팀원이 60명 가까이 되는 상황이라, 회사가 어려움을 겪기도 했습니다.

이후 AI를 도입하면서 인원을 줄이고, 같은 시간에 수주 확률을 높이는 방향으로 전환했습니다. 과거에는 문의가 오면 분석 가능한 수준으로만 답장을 보냈지만, 지금은 제안서와 데모를 함께 보냅니다. 그렇게 AI 네이티브로 전환하면서 올해 5월에 6억을 수주했습니다.

💡 "AI가 만들어 준 시간으로 사업 방향을 고민할 여유가 생겼다."