AI 에이전트 마케팅 팀 6개를 3개월간 운영해 본 경험담

그래도 확실하게 말할 수 있는 건 이거지: 에이전트들이 위에 적힌 결과물을 만들어냈고, 채널을 확장했으며, 광고 예산 증액 없이도 유입 지표를 개선했다는 거.

비용

5월 한 달간 든 비용은 $359:

• Hetzner VPS: $10

• Claude Max: $200

• ChatGPT Plus: $20

• Gemini: $20

• Perplexity API: 약 $12

• Linear: $16

• Postiz: $49

• X API: $10

• Firecrawl: $16

• Google Workspace: $6

• OpenClaw: 무료

당시엔 Claude Max 구독 하나로 에이전트들을 다 돌릴 수 있어서, 2026년 4~5월 기준 총비용은 $359가 나왔어.

근데 이 $359에는 제일 비싼 '내 시간'은 안 들어갔다.

에이전트를 제대로 돌아가는 상태로 만드는 데 역할 정의, 툴 연결, 권한 설정, 테스트, 지침 수정까지 대충 2주 걸렸어. 유지보수에는 일주일에 8시간 정도 썼는데, 샘플 검토하고, 출처 확인하고, 애매한 거 해결하고, 메모리 정리하고, 규칙 업데이트하는 데 썼지.

터진 문제들

뻔한 오류는 잡기 쉬웠어. 에이전트가 툴 호출을 빼먹거나, 스케줄을 놓치거나, 빈 보고서를 보내는 식이었지.

그 외에 계속 발생한 문제들:

• 뻔한 마케팅 문구. 모델들이 하도 흔한 캠페인 구조랑 평범한 포지셔닝, 어디에나 갖다 붙여도 될 법한 조언만 뱉어냄.

• 소스 오류. 허접한 답변은 스스로 허접하다고 말 안 함. 모든 사실 기반 출력물은 출처를 추적할 수 있어야 함.

• 기억 감퇴. 옛날 규칙이랑 새로운 규칙이 서로 충돌함. 임시로 쓴 사실이 영구적인 지침으로 남아버림. 맥락이 쌓일수록 결국 쓰레기 더미만 됨.

• 권한 실수. 게시, 이메일 발송, 결제, 삭제가 가능한 에이전트는 명확한 제한이랑 중단 조건이 필수임.

• 수요 없는 자동화. 입력값이 썩었거나 아무도 안 보는데도 예약된 워크플로우는 계속 돌아감.

이걸 깨닫고 나서 내 업무 방식이 바뀌었음. 글 쓰는 건 줄이고 검토하는 시간을 늘림. 샘플 확인하고, 출처 검사하고, 어떤 예외 상황을 영구적인 규칙으로 만들지 결정하는 데 시간을 더 썼음.

에이전트 30개 넘게 더 돌려보고 바뀐 점

첫 번째 팀 이후로 여러 팀과 분야에 걸쳐 30개가 넘는 에이전트를 만들고 테스트해 봄. 결과는 천차만별이었음.

이커머스 같은 분야는 구조화된 데이터가 넘쳐나고, 프로세스도 안정적이라 좋은 결과물의 기준이 명확함. 이런 데선 에이전트가 금방 쓸모 있어짐.

반면에 특정 B2B SaaS 같은 분야는 암묵적인 맥락, 취향, 관계, 비공개 데이터, 혹은 코드로 짜기 힘든 판단력이 중요함. 이런 에이전트는 관리자가 훨씬 많이 붙어야 하고, 어떤 워크플로우는 유지할 가치조차 없는 경우도 있음.

모델도 중요하고, 도구도 중요함. 근데 그 주변 프로세스가 훨씬 더 중요함.

내가 얻은 가장 큰 교훈은 컴퓨터 공학의 가장 오래된 격언임: 쓰레기를 넣으면 쓰레기가 나온다(garbage in, garbage out).

지시사항이 모호하고, 출처가 부실하고, 성공 기준이 없거나, 근본적인 프로세스가 개판이면 에이전트는 그 개판을 규모 있게 확장할 뿐임. 보통 아주 깔끔한 서식으로 말이지.

그래서 우리는 입력값에 계속 공을 들임: 더 좁은 역할 부여, 더 나은 출처 규칙, 명확한 예시, 중단 조건, 승인 절차, 그리고 반복되는 오류 기록.

에이전트는 계속 좋아지고 있음. 관리 업무가 사라지는 건 아님. 그냥 시스템 안으로 옮겨갈 뿐이지.

어쨌든 에이전트 덕분에 내 인생이랑 업무 패러다임이 완전히 바뀌었음. 매 순간이 즐거움.

질문 있으면 언제든 환영.

그러니까 본인 스타트업 마케팅하려고 마케팅 에이전트 파는 octocrew ai를 쓴 게 아니라 이걸 썼다는 거네. 그럼 octocrew는 성능이 별로라는 거야? 지금 '공유'한다는 게 하필이면 AI 마케팅 에이전트가 할 수 있다는 그럴싸한 성공 사례인데, 이게 딱 당신이 팔고 있는 거잖아. 교과서적인 마케팅 아니냐.