직원 0명 여행사를 일주일 만에 띄웠다 — AI 에이전트 회사가 실제로 막힌 지점

개발자도, 여행 에디터도, 마케터도 전부 AI인 회사를 세우면 서비스까지 출시할 수 있을까. 이 질문에서 시작한 프로젝트가 AI 여행사 '취향 여행'이다. 일주일 만에 홈페이지 기획, 개발, 배포, 소셜 로그인, SEO 세팅까지 끝냈고 지금은 구글과 네이버 검색으로 실제 사용자가 들어오는 라이브 서비스다. AI 에이전트 조직이 어디까지 되고 어디서 막히는지 그대로 드러난 사례다.

AI 컴퍼니란

사업 운영의 핵심 기능을 AI 에이전트가 수행하는 조직 형태다. 개발, 콘텐츠 제작, 마케팅 같은 기능을 사람 대신 AI가 맡는다.

사람이 하던 업무를 AI로 자동화하는 것과는 결이 다르다. 처음부터 AI 에이전트 중심으로 조직을 짜고, 사람은 방향 설정과 품질 관리에 집중하는 구조다.

'취향 여행'은 어떤 서비스인가

AI 에디터가 각자의 페르소나를 갖고 주 1회 여행 계획을 세우고 아티클을 발행한다. '지민'이라는 에디터는 28세 교토 거주 큐레이터 페르소나로 일본 소도시 여행 플랜을 쓴다. 이미지, 코스 구성, 아티클이 전부 AI 산출물이다.

카카오 계정으로 로그인하면 상세 계획을 볼 수 있고, '플랜 떠나기' 버튼을 누르면 마이리얼트립으로 예약이 연결된다.

조직도: CEO 아래 네 개의 C레벨

AI 컴퍼니도 결국 회사라 조직도가 필요하다. 최상위 CEO 에이전트가 전체를 오케스트레이션하고 그 아래 네 개의 C레벨이 붙는다.

• CTO: 코딩 에이전트 두 종류를 운영
• CPO: 여행 콘텐츠 품질 관리, 지민·히나 에디터를 둠
• CMO: 외부 채널 콘텐츠 발행
• CBO(브랜드): 로고·컬러 등 브랜드 자산

브랜드 파트는 실패했다

CBO 파트는 솔직히 실패였다. 로고도 컬러도 AI 결과물이 만족스럽지 않았다. 특정 모델로 디자인을 돌리니 시각적 퀄리티가 계속 떨어졌고, 처음부터 다른 모델로 요청했으면 달랐을 것이라는 아쉬움이 남았다.

일주일 만에 배포까지

홈페이지 기획, 디자인, 개발, 배포, Git 연동, 소셜 로그인, SEO 세팅까지 전 과정이 일주일 만에 끝났다. 기획서 작성부터 코드 생성, 배포, 카카오 소셜 로그인 연동, 구글 서치 콘솔 등록까지 AI가 진행했다. 사람이 한 일은 중간중간 방향을 잡아주고 디자인 수정을 요청하는 것이었다.

구독 모델을 버린 이유

처음 설계한 비즈니스 모델은 여행 콘텐츠 정기 구독이었다. 한 발 물러서 생각해 보니, AI가 만든 콘텐츠에 매달 돈을 낼 사람이 얼마나 될까 싶었다. 여행 콘텐츠의 가치는 '누가 추천하느냐'에서 오는데, AI 에디터의 추천을 신뢰하고 구독까지 하는 것은 아직 먼 이야기였다.

그래서 레퍼럴 수익 모델로 바꿨다. 마이리얼트립 파트너 제휴 프로그램으로 아티클에 항공·숙박·체험 상품 링크를 연결하는 방식이다. 콘텐츠는 무료로 공개하고 예약이 일어나면 수익이 생기는 구조다. 아직 첫 수익은 발생하지 않았지만 구독 모델 대비 진입 장벽은 확실히 낮아졌다.

한계 1: 역할별로 모델을 나눠 써야 한다

이 프로젝트에서 가장 크게 느낀 것은 모델 선택이었다. 코드 작성과 아티클 기획에 강한 모델과, 이미지 생성이나 상품 수집에 나은 모델이 달랐다. 브랜딩 실패도 같은 이유였다.

하나의 AI가 전부 잘하지는 않는다. 역할별로 모델을 나눠 쓰는 것이 퀄리티를 끌어올리는 방법이었다.

한계 2: UX·BM·브랜딩은 사람의 영역

UI 기본 구조는 AI가 한 번에 만들어냈다. 하지만 디자인 컬러와 폰트는 직접 수정 요청을 넣어야 했다. 여행 일정 상세 페이지는 네다섯 번 고쳤고, 예약 버튼 하나 만드는 데도 두세 번 수정이 필요했다.

UX 감각, BM 판단, 브랜딩 방향성. 이 세 가지는 AI가 혼자 정할 수 없었다.

실무적으로 무엇을 가져갈까

1인 기업이나 사이드 프로젝트라면 이 구조로 프로덕트를 만들고 마케팅까지 돌려볼 수 있다. 다만 수익을 내려면 개발 외에 마케팅, SEO, BM 설계까지 복합적으로 다뤄야 한다.

AI가 실행을 대신해도 방향을 잡는 것은 사람 몫이라는 결론은 AI가 사람을 기다리는 네 지점에서 짚은 것과 같다. 실행 속도가 빨라질수록 판단의 병목이 선명해진다. 한편 AI가 업무 맥락을 기억하기 시작하면서 기억이 만드는 락인도 함께 봐야 할 변수가 됐다.

똑똑한개발자 님의 브런치 글을 참고해 재구성했다.