SERHANT.의 빠른 AI 반복 개발 전략

핵심 성과 요약

• Next.js와 Vercel 기반으로 시작해, 백엔드를 재구축하지 않고도 React Native iOS 앱으로 손쉽게 확장

• 엔지니어들이 플랫폼 인프라 작업 대신 AI 설계와 반복 개선에 집중

• 작업 유형에 따라 OpenAI, Claude, Gemini를 선택적으로 활용해 비용 대비 성능을 최적화

• 내부 파일럿에서 800~900명 이상의 부동산 에이전트 규모로 플랫폼 교체 없이 확장

2024년 2월, Jeremy Bunting이 SERHANT.의 엔지니어링 VP로 합류했을 때 S.MPLE은 이미 가능성을 보여주고 있었습니다. 200명의 부동산 에이전트가 이 AI 제품을 시범 사용 중이었는데, S.MPLE은 시장 분석이나 고객 관리처럼 번거롭고 반복적인 일상 업무를 자동화해 시간을 절약하도록 설계된 도구였습니다.

S.MPLE은 Vercel에 배포된 Next.js 프로그레시브 웹 앱이었고, 이 기술 기반 덕분에 팀은 유연하게 움직일 수 있었습니다. API 레이어를 안정적으로 유지하면서 클라이언트 경험을 확장할 수 있었고, React Native iOS 앱으로의 확장까지 백엔드 재구축 없이 진행했습니다.

하지만 Bunting에게는 많은 엔지니어링 리더를 밤잠 설치게 하는 고민이 있었습니다. AI 환경이 대부분의 팀이 인프라를 업데이트하는 속도보다 훨씬 빠르게 변한다는 점이었습니다.

팀은 빠르게 움직이고, 안정적으로 확장하면서도, 모델을 교체하고 새로운 기능을 추가하고 급변하는 AI 환경에 적응할 수 있을 만큼 유연해야 했습니다. 기존 방식대로라면 속도와 유연성 중 하나를 포기해야 했지만, Bunting은 둘 다 원했습니다.

AI SDK: 벤더 종속 없이 빠르게 움직이기

S.MPLE이 "단일 모델 실험" 단계에서 본격적인 프로덕션 AI 제품으로 전환하면서, Bunting의 팀은 Vercel의 AI SDK를 검토하기 시작했습니다. 처음에는 우려가 있었습니다. "이걸 쓰면 Vercel에 얼마나 묶이게 되는 건지 물어봤죠"라고 Bunting은 당시를 떠올립니다.

그런데 팀의 한 엔지니어가 반론을 제기했습니다. AI SDK는 인프라 종속이 아니라 오히려 인프라 독립이라는 것이었습니다. "다양한 모델 제공업체와의 연동 복잡성을 추상화해 주는 SDK일 뿐입니다"라고 그 엔지니어는 설명했습니다.

Bunting 역시 하나의 최신 모델을 선택해 긴밀하게 구축하면, 이후 변경이 필요할 때마다 코드를 다시 작성해야 하고, 안정성이나 비용 구조가 바뀔 때 깔끔하게 대체할 방법이 없다는 점을 깨달았습니다. AI SDK를 사용하면 반복 개선이 기능 전면 개편이 아니라 간단한 설정 변경으로 가능했습니다. "저희는 에이전틱 도구를 만들고 있습니다. 일관된 추상화 레이어가 있다는 건... 인지 부하를 크게 줄여주죠"라고 Bunting은 말합니다.

AI Gateway는 또 다른 차원의 이점을 더했습니다. 팀이 자체 키를 사용하는 경우에도 앱과 프로토타입 전반의 사용량을 통합적으로 파악할 수 있었습니다. 덕분에 디버깅과 최적화가 빨라지고, 비용에 대한 피드백 루프도 한층 명확해졌습니다.

멀티 모델 전략으로 비용, 속도, 복잡성의 균형 잡기

SERHANT. S.MPLE 팀은 인프라 재구축이나 일회성 AI 연동 유지보수에 시간을 빼앗기지 않았기에, 실제 제품 작업에 맞춰 모델을 테스트하고 각 업무에 최적의 도구를 선택하는 데 집중할 수 있었습니다.

• Claude Sonnet — 비교 시장 분석(CMA)처럼 정확성이 중요한 복잡한 분석 작업에 활용. 구조화된 데이터 추론 능력이 핵심

• Claude Haiku — 의도 파악이나 필드 자동 채우기 등 속도가 중요한 경량 작업에 활용

• OpenAI 모델 — 대화형 음성 인터페이스와 일반 채팅 기능에 활용

• Gemini — 이미지 생성, 브라우저 자동화, 컴퓨터 사용(computer-use) 워크플로 등 안정성과 속도가 우선인 작업에 활용

팀은 "모델을 가드레일로 활용"해 출력 결과를 검증하거나 비평하는 방식도 실험 중이며, 사용량 증가에 따른 토큰 비용을 억제하기 위한 캐싱 전략도 함께 모색하고 있습니다.

걱정 없는 확장: 사용자와 에셋 규모 키우기

기술 스택 선택의 가치는 S.MPLE이 정식 출시되면서 분명해졌습니다. "내부 파일럿 프로그램에서 900명 이상의 사용자 규모로 전환했는데, 인프라나 확장성 걱정을 거의 하지 않았습니다"라고 Bunting은 말합니다. API 레이어는 단 한 줄도 수정할 필요가 없었고, Fluid compute가 워크로드 증가를 자동으로 처리했습니다.

이런 매끄러운 확장이 중요한 이유는 SERHANT.의 콘텐츠 생산 속도가 대부분의 시스템으로는 감당하기 어려운 수준이기 때문입니다. "SERHANT.는 상위 5개 부동산 중개사를 합친 것보다 약 35% 더 많은 콘텐츠를 생산합니다"라고 Bunting은 설명합니다. 부동산 영상, 매물 설명, 마케팅 자료, 그리고 AI로 생성하는 에셋까지 더하면 그 양은 어마어마합니다.

S.MPLE 팀의 테크니컬 디렉터 Greg Parsons는 AI Gateway 덕분에 이전에는 불가능했던 플랫폼 전반의 가시성을 확보했다고 말합니다. "사업 전반에 걸쳐 구축 중인 서로 다른 애플리케이션들을 한눈에 파악할 수 있게 됐습니다"라고 Parsons는 설명했습니다.

다음 단계: 선형 워크플로에서 대화형 AI 에이전트로

S.MPLE은 선형 워크플로로 시작했습니다. 부동산 에이전트가 하나의 작업을 실행하면, 처음부터 끝까지 순서대로 처리한 뒤 결과를 반환하는 방식이었습니다.

하지만 현실의 워크플로는 더 복잡합니다. 사용자들은 매물 마케팅에 필요한 모든 에셋을 한 번에 만들어내는 것처럼, 여러 작업을 한꺼번에 실행하길 원합니다. Bunting의 팀은 현재 대화형 경험을 구축하는 방향으로 나아가고 있습니다. 사용자가 에이전트를 실행하고, 진행 도중에 방향을 수정하거나 보완하며, 여러 "레시피"를 하나의 요청으로 결합할 수 있는 환경입니다.

단발성 자동화에서 전문화된 에이전트들의 유기적 네트워크로의 전환이며, AI 생태계만큼이나 빠르게 진화할 수 있도록 설계되고 있습니다.

예측 불가능한 환경에 대비하는 미래 전략

SERHANT.의 CTO Greg Chan은 유연성 자체가 핵심이라고 봅니다. "AI 분야는 변화 속도가 정말 빠릅니다. 지금 모습이 불과 3~6개월 전과도 다르고, 몇 달 뒤에는 또 달라져 있을 겁니다"라고 Chan은 말합니다.

Chan에게 진정한 성과는 세상이 바뀔 때마다 스택을 다시 작성하는 대신, 기존 생태계 안에서 계속 개발을 이어갈 수 있다는 점입니다. "새 모델이 나올 때마다 스택을 처음부터 다시 만드는 건 가장 피하고 싶은 일입니다"라고 그는 말했습니다.

SERHANT. 소개

SERHANT.는 AI 네이티브 부동산 및 미디어 기업으로, 전 세계에서 가장 많은 팔로워를 보유한 부동산 브랜드입니다.

2020년 부동산 톱 브로커이자 기업가인 Ryan Serhant가 설립한 SERHANT.는 중개, 미디어, 교육을 하나로 결합하고, 자체 기술을 통해 부동산의 마케팅, 거래, 경험 방식을 혁신하고 있습니다.

SERHANT.는 주거, 상업, 럭셔리, 신규 개발 부동산을 전국적으로 거래하며, 고액 자산가를 위한 SERHANT. Signature와 신규 주거 프로젝트의 브랜딩·마케팅·판매를 종합적으로 지원하는 SERHANT. New Development 등 전문 부문을 운영하고 있습니다.

SERHANT.의 자체 AI 플랫폼 S.MPLE을 통해 에이전트들은 매물, 거래, 마케팅 전반에 걸쳐 실시간 데이터와 워크플로 자동화를 활용하며, 시간을 절약하면서도 더 빠르고 스마트하며 영향력 있는 성과를 만들어냅니다. 수상 경력의 SERHANT. Studios는 소셜 미디어와 스트리밍 플랫폼을 위한 오리지널 콘텐츠를 제작하고, SellIt.com은 130개국 이상의 회원이 참여하는 디지털 교육 허브입니다.

자세한 내용은 serhant.com에서 확인하세요.