2부 인트로: 에이전트를 만들며 배우는 에이전트 경제

왜 직접 만들어봐야 하는가

1부에서 우리는 에이전트 시대의 미래를 살펴봤습니다. 챗봇이 에이전트로 진화하고, 수십억 개의 AI가 인터넷을 채우고, 결국 물리 세계까지 장악할 것이라는 전망. 하지만 솔직히 말하면, 그건 "관념"에 불과합니다. 아무리 그래프와 통계를 봐도, 실제로 겪어보기 전까지는 피부로 와닿지 않죠.

저도 마찬가지였습니다. "에이전트 경제가 온다"는 말을 수없이 했지만, 정작 어떻게 작동하는지는 막연했습니다. 그래서 "브라이트웍스(BrightWorks)"라는 가상의 AI 에이전트 회사를 설계해봤습니다. 실제 B2B 마케팅 에이전시의 문제를 바탕으로, 실제로 작동하는 시스템을 구축하는 과정을 상세히 기록한 것입니다.

그리고 놀라운 일이 벌어졌습니다. 에이전트를 하나씩 만들어가면서, 1부에서 이론으로만 다뤘던 개념들이 생생하게 현실로 다가왔습니다. "고객도 에이전트가 된다"는 말이 무슨 뜻인지, "에이전트 대 에이전트 거래"가 어떻게 이뤄지는지, "사람의 역할이 감독자로 바뀐다"는 게 실제로 어떤 느낌인지. 이 모든 것을 몸으로 체험하게 된 겁니다.

브라이트웍스 프로젝트를 시작하기 전, 나는 수많은 AI 에이전트 관련 백서를 읽었습니다. OpenAI의 Function Calling 문서, Anthropic의 Claude Tool Use 가이드, LangChain의 Agent 프레임워크 튜토리얼. 모두 기술적으로 인상적이었습니다. 하지만 한 가지 결정적인 것이 빠져 있었습니다. "실제 비즈니스 맥락"이었습니다.

대부분의 예제는 "날씨 정보를 가져오는 에이전트" 같은 단순한 데모였습니다. 물론 개념 설명에는 유용하지만, 실제로 회사를 운영하는 사람에게는 "그래서 이걸 우리 업무에 어떻게 적용하지?"라는 질문이 남습니다.

그래서 나는 다른 접근을 택했습니다. 실제 비즈니스 문제에서 시작하는 것이었습니다. 마케팅 에이전시를 선택한 이유는 세 가지였습니다.

2024년 6월, 나는 첫 번째 프로토타입을 만들기 시작했습니다. 목표는 단순했습니다. "하나의 블로그 포스트를 처음부터 끝까지 생성하는 에이전트를 만들자." 그 여정은 예상보다 훨씬 복잡했습니다.

처음 2주는 기술적 장벽과 싸웠습니다. API 호출, 에러 핸들링, 비동기 처리. 다음 2주는 품질 문제와 싸웠습니다. AI가 생성한 글은 문법적으로 완벽했지만, 깊이가 없었습니다. 표면적 정보만 나열했죠. 그 다음 2주는 일관성 문제와 싸웠습니다. 같은 프롬프트를 줘도 매번 다른 스타일의 글이 나왔습니다.

하지만 8주 후, 뭔가 작동하기 시작했습니다. 단순히 기술적으로 작동하는 게 아니라,실제로 사용 가능한 품질의 결과물이 나오기 시작한 것입니다. 그리고 그 순간, 1부에서 쓴 모든 이론이 현실로 바뀌었습니다.

이 인트로 장을 쓰는 지금, 브라이트웍스 시스템은 5개의 협업 에이전트로 구성되어 있고, 하루 평균 50개의 콘텐츠를 생성합니다. 품질 점수는 평균 93점, 고객 만족도는 89%입니다. 이 모든 것을 8개월 동안, 프로그래밍 전공이 아닌 제가 만들었습니다.

여러분도 할 수 있습니다. 이 장에서 그 전체 여정을 공유하겠습니다. 실패한 시도도, 막다른 길에서 찾은 해결책도, 예상치 못한 발견도. 모든 것을 투명하게 보여드리겠습니다.

브라이트웍스 이야기: 실제 회사, 실제 문제, 실제 해결

브라이트웍스는 B2B 마케팅 에이전시입니다. 기술 스타트업들을 위해 블로그 콘텐츠, 소셜 미디어 포스트, 이메일 캠페인을 제작합니다. 팀은 작습니다. CEO인 사라, 콘텐츠 디렉터 제임스, 그리고 3명의 작가. 전형적인 작은 에이전시죠.

문제는 확장성이었습니다. 고객사가 10개에서 20개로 늘어나자 팀은 한계에 부딪혔습니다. 작가들은 매일 밤 10시까지 일했고, 그럼에도 마감을 자주 놓쳤습니다. 품질도 들쑥날쑥했죠. 더 많은 사람을 고용하자니, 수익성이 악화됩니다. 인건비가 매출보다 빠르게 늘어나거든요.

사라는 고민 끝에 AI 에이전트를 도입하기로 결정합니다. 하지만 어떻게 시작해야 할까요? ChatGPT를 쓰면 되는 걸까요? 아니면 개발자를 고용해야 할까요? 비용은 얼마나 들까요? 팀은 저항하지 않을까요?

바로 이것이 여러분이 2부에서 따라갈 여정입니다. 브라이트웍스가 어떻게 첫 번째 에이전트를 만들고, 멀티 에이전트 시스템으로 발전시키고, 결국 확장 가능한 AI 플랫폼을 구축하는지. 그 과정에서 어떤 시행착오를 겪고, 어떤 인사이트를 얻는지. 모든 것을 실전 그대로 보여드립니다.

구현을 통해 이해하는 에이전트 경제의 5가지 핵심

브라이트웍스의 여정을 따라가면서, 여러분은 자연스럽게 에이전트 시대의 경제 구조를 이해하게 될 것입니다.

1. 고객도 에이전트가 된다

3장에서 브라이트웍스는 Tool Library를 구축합니다. 그 중 하나가 "고객사 에이전트와의 자동 커뮤니케이션 API"입니다. 고객사 입장에서는 담당자가 이메일을 보내는 게 아니라,그들의 마케팅 에이전트가 브라이트웍스 에이전트에게 직접 요청을 보냅니다. "다음 주 런칭할 제품의 블로그 포스트 5개 필요. 키워드: AI, 자동화, 생산성. 납기: 72시간."

사람은 개입하지 않습니다. 에이전트 대 에이전트 거래가 이뤄지는 것이죠. 이것이 바로 1부에서 말한 "에이전틱 인터넷"의 현실입니다. 여러분은 이를 직접 구현하면서, 미래 경제의 작동 원리를 체험하게 됩니다.

2. 사람의 역할: 만드는 자에서 감독하는 자로

1장에서 제임스는 여전히 블로그 포스트를 직접 씁니다. 다만 에이전트가 초안을 만들어주죠. 하지만 4장이 되면 제임스의 역할은 완전히 바뀝니다. 그는 더 이상 글을 쓰지 않습니다. 대신 "품질 기준을 정의하고, 에이전트의 출력을 검증"합니다. 마치 영화 감독이 배우의 연기를 지도하듯이.

이것이 여러분의 미래 직업입니다. "만드는 사람"에서 "감독하는 사람"으로. 4장의 QA Framework를 구현하면서, 이 역할 전환이 무엇을 의미하는지 생생하게 느낄 수 있을 것입니다.

3. 비용 구조의 전환: 고정비에서 변동비로

브라이트웍스의 원래 비용 구조를 보세요. 작가 3명의 월급이 $18,000입니다. 이건 고정비입니다. 포스트를 10개 만들든 100개 만들든 똑같이 나갑니다. 그래서 고객이 줄어들면 적자가 나고, 늘어나면 팀이 과부하가 걸립니다.

하지만 AI 에이전트로 전환한 후의 비용 구조는 다릅니다. API 호출 비용은 변동비입니다. 포스트 하나당 $0.03입니다. 10개 만들면 $0.30, 100개 만들면 $3, 1,000개 만들면 $30. 완벽하게 수요에 비례합니다. 이것이 바로 에이전트 경제의 핵심 특징입니다.

4장에서 비용 최적화를 배우면서, 이 변동비를 70%까지 줄이는 방법을 알게 됩니다. 캐싱, 프롬프트 압축, 배치 처리. 이런 기술들은 단순한 코딩 트릭이 아닙니다.에이전트 시대의 경쟁 우위입니다.

4. 속도의 패러다임: 시간에서 처리량으로

작가 한 명이 블로그 포스트를 쓰는 데 걸리는 시간은 4시간입니다. 하루 8시간 일하면 2개 만들 수 있죠. 이게 한계입니다. 더 빨리 하려면? 품질이 떨어지거나 번아웃이 옵니다.

하지만 에이전트는 다릅니다. 한 개를 만드는 데 55초 걸립니다. 그리고 4장에서 배울 병렬 실행을 적용하면? 10개를 동시에 만듭니다. 여전히 55초입니다. 100개도 마찬가지. 1,000개도 몇 분이면 됩니다. (물론 API 속도 제한이 있지만, 그것도 돈을 더 내면 해결됩니다.)

이것이 에이전트 경제의 "속도" 개념입니다. 더 이상 "얼마나 빠르냐"가 아니라"얼마나 많이 동시에 처리하느냐"가 중요합니다. 처리량(throughput)이 새로운 경쟁 지표가 되는 것이죠.

5. 품질의 재정의: 확률에서 확정으로

제임스는 최고의 작가입니다. 그가 쓰는 글은 95점짜리입니다. 하지만 피곤하면 85점이 되고, 최악의 날에는 75점이 됩니다. 이것이 인간의 한계입니다. 일관성을 보장할 수 없습니다.

에이전트는 다릅니다. 100개의 초안을 동시에 생성하고, 그 중 가장 좋은 것을 선택하게 하면 항상 95점 이상의 글을 얻을 수 있습니다. 사람이라면 불가능한 일이죠. 100개를 쓰는 데 400시간이 걸리니까요. 하지만 에이전트는 100개를 3분 만에 만들고, 스스로 최고의 것을 고릅니다.

게다가 4장에서 배울 QA Framework의 피드백 루프를 통해에이전트는 계속 학습하고 향상됩니다. 어떤 패턴이 높은 점수를 받는지 파악하고, 그 방향으로 진화합니다. 제임스는 10년 경력의 베테랑이지만, 에이전트는 매일 수백 번의 피드백으로 기하급수적으로 빨라지고 정교해집니다.

이것이 에이전트 시대의 "품질" 개념입니다. 더 이상 "얼마나 잘하느냐"가 아니라 "얼마나 많은 옵션을 탐색하고 최적을 선택할 수 있느냐"가 핵심입니다.

이 부를 읽는 두 가지 방법

여러분은 이 부를 두 가지 관점으로 읽을 수 있습니다.

방법 1: 실무자 관점 - 에이전트 구축 가이드

만약 여러분이 실제로 AI 에이전트를 만들고 싶다면, 이 부는단계별 튜토리얼입니다. 모든 코드가 실제로 작동하고, 모든 예시는 검증되었습니다. 1장부터 5장까지 순서대로 따라가면, 여러분도 브라이트웍스와 같은 AI 에이전트 시스템을 구축할 수 있습니다.

비개발자도 걱정하지 마세요. 코드는 모두 설명과 함께 제공됩니다. 그리고 Claude Code, Cursor 같은 AI 코딩 도구를 사용하면, 프로그래밍 지식 없이도 충분히 따라갈 수 있습니다. (2부 "바이브 코딩"에서 더 자세히 다룹니다.)

방법 2: 전략가 관점 - 에이전트 경제 이해

만약 여러분이 직접 코드를 짤 계획이 없다면, 코드 부분은 건너뛰어도 됩니다. 대신 각 장의 도입부와 성과 섹션에 집중하세요. "왜 이런 패턴이 필요한가", "어떤 비즈니스 임팩트가 있는가", "조직은 어떻게 변화하는가". 이런 인사이트만으로도 충분히 가치가 있습니다.

특히 CEO, 임원, 전략 기획자라면 이 관점을 추천합니다. 여러분이 알아야 할 것은 "어떻게 코드를 짜는가"가 아니라"에이전트 시대에 조직을 어떻게 재설계할 것인가"니까요.

여정의 시작: 첫 번째 에이전트

이제 브라이트웍스의 사무실로 들어가봅시다. 어느 월요일 아침, 사라는 팀 회의를 소집합니다. 안건은 하나. "AI 에이전트 도입."

제임스는 회의적입니다. "ChatGPT가 쓴 글은 뻔해요. 고객이 금방 알아차릴 겁니다." 작가 중 한 명인 에밀리는 불안해합니다. "저희 자리가 없어지는 거 아닌가요?" 또 다른 작가 마크는 흥미로워합니다. "반복 작업에서 해방될 수 있다면 환영이에요."

사라는 팀의 반응을 예상했습니다. 그래서 제안합니다."일단 작은 것부터 시작해봅시다. 블로그 포스트 초안 작성 에이전트 하나만. 3주 동안 테스트해보고, 효과가 없으면 중단합니다."

회의가 끝나고, 사라는 혼자 남아 노트북을 엽니다. 그녀 앞에는 두 가지 선택지가 있습니다. 외부 개발팀에 의뢰할까? 비용은 최소 $50,000, 납기는 3개월. 아니면 직접 해볼까? 비용은 거의 제로, 하지만 성공 보장은 없음.

사라는 후자를 선택합니다. 스타트업 CEO로 10년을 살아온 그녀의 본능이 "직접 해봐야 진짜 이해한다"고 말하기 때문입니다. 그녀는 Claude.ai를 열고 타이핑을 시작합니다.

Claude의 답변은 놀라울 정도로 구체적이었습니다. API 키 발급 방법, 기본 프로젝트 구조, 첫 번째 프롬프트 작성 가이드. 사라는 하나씩 따라가기 시작했습니다.

첫 주는 온통 실패였습니다. API 호출이 계속 에러를 냈고, 프롬프트는 원하는 결과를 내지 못했습니다. 하지만 사라는 포기하지 않았습니다. 매일 아침 한 시간씩, 점심 시간 30분, 퇴근 후 1시간. 틈틈이 시간을 쪼개 계속 시도했습니다.

둘째 주 목요일, 드디어 첫 번째 성공이 있었습니다. 에이전트가 생성한 블로그 포스트가 처음으로 "읽을 만한" 수준이 된 것입니다. 물론 완벽하지는 않았습니다. 문장이 어색한 부분도 있었고, 정보의 깊이도 부족했습니다. 하지만 가능성이 보였습니다.

사라는 제임스를 불러 결과물을 보여줬습니다. 제임스는 회의적인 표정으로 읽기 시작했습니다. 그런데 점점 표정이 바뀌었습니다. "이거... 생각보다 괜찮네요? 물론 제가 고쳐야 할 부분이 많지만, 초안으로는 쓸 만합니다. 제가 빈 페이지에서 시작하는 것보다는 훨씬 빠를 것 같아요."

이것이 브라이트웍스 AI 에이전트 프로젝트의 첫 번째 작은 승리였습니다. 완벽한 자동화는 아니었지만, 의미 있는 협업이었습니다. 사람과 AI가 각자 잘하는 것을 분담하는 모델. AI는 구조와 기본 정보를 제공하고, 사람은 깊이와 스타일을 더하는 방식.

셋째 주부터 사라는 시스템을 개선하기 시작했습니다. 프롬프트를 더 정교하게 만들고, 리서치 데이터를 추가하고, 품질 검증 단계를 넣었습니다. 그리고 마크에게도 사용해보라고 권했습니다.

마크의 반응은 열광적이었습니다. "이거 정말 좋네요! 제가 가장 싫어하는 부분이 사라졌어요. 빈 페이지 앞에서 첫 문장을 쓰는 그 고통 말이에요. 이제는 AI가 만든 초안을 다듬기만 하면 되니까 훨씬 재밌어요. 게다가 속도도 2배는 빨라진 것 같아요."

3주 후 팀 회의. 사라는 결과를 공유했습니다. "지난 3주간 우리는 12개의 블로그 포스트를 만들었습니다. 보통 9개 정도 만드는 것과 비교하면 33% 증가입니다. 품질도 고객 피드백을 보면 오히려 더 좋아졌습니다. 일관성이 높아졌거든요."

에밀리의 표정이 여전히 불안해 보였습니다. 사라는 그녀를 직접 쳐다보며 말했습니다. "에밀리, 당신 자리는 안전합니다. 오히려 우리는 더 많은 고객을 받을 수 있게 되었어요. 그 말은 당신의 가치가 더 높아졌다는 뜻입니다. 반복적인 일에서 벗어나 더 창의적인 작업에 집중할 수 있게 된 거죠."

제임스가 질문했습니다. "그래서 다음 단계는 뭡니까?" 사라는 미소 지었습니다. "이제 본격적으로 시작입니다. 우리가 지금까지 한 건 프로토타입일 뿐이에요. 진짜 AI 에이전트 시스템을 만들어봅시다. 여러 개의 에이전트가 협업하고, 자동으로 품질을 검증하고, 우리 워크플로우 전체를 재설계하는 거죠."

이렇게 브라이트웍스의 AI 에이전트 여정이 시작됩니다. 그리고 12개월 후, 이 회사는 완전히 달라져 있을 것입니다. 고객은 10개에서 40개로 늘어나고, 팀 규모는 그대로지만, 수익은 3배 증가합니다. 무엇보다, 팀원들은 더 행복해집니다. 반복 작업에서 해방되어 진짜 창의적인 일에 집중할 수 있게 되었으니까요.

여러분도 함께 이 여정을 따라가보시겠습니까? 사라가 첫 프롬프트를 입력한 그 순간부터, 브라이트웍스가 완전한 AI 플랫폼으로 변신하는 12개월까지. 모든 시행착오와 발견, 그리고 성공을 생생하게 경험하게 될 것입니다.