3인 회사가 AI 경영 OS를 만든 이야기 | CFO·CMO·COO를 AI로 대체한 2026년의 현실

「SES(System Engineering Service)는 힘들다」라고 생각하기 시작한 것은, 고객사에서 매일 Excel 집계를 하던 시절이었다.

데이터 분석 업무는 재미있다. 하지만 의사결정은 전부 클라이언트 측에 있다. 내가 아무리 정밀한 분석을 내놓아도, 최종적으로 판단하는 것은 다른 사람이다. 그 답답함이 쌓여 2023년에 SES에서 프리랜서로 전향했다.

그리고 지금, 2026년 현재, 나는 3인 규모의 회사를 경영하고 있다. 월 매출 250만 엔. 클라이언트는 5개사. 그리고 CFO·CMO·COO의 역할은 전부 AI 에이전트(AI Agent)가 담당하고 있다.

이것은 단순히 「AI가 대단하다」는 이야기가 아니라, 3명밖에 없는 회사가 어떻게 AI 경영 OS를 실제로 구동하고 있는지에 대한, 투박하고 현실적인 기록이다.

SES 엔지니어의 최대 불만은 「기술은 연마할 수 있지만, 의사결정으로부터 격리되어 있다」는 구조적인 문제에 있다. 데이터 분석 기술을 쌓아 단가를 높여도, 사업의 상류 단계에 들어갈 수 있는 것은 아니다.

SES가 힘들다고 느끼는 엔지니어의 대부분은 기술력의 문제가 아니라 「자신의 판단으로 움직일 수 없다」는 스트레스를 안고 있다.

프리랜서가 된 첫 2년은 좋았다. 스스로 클라이언트를 선택하고, 제안하고, 구현하고, 납품한다. 전부 나의 판단이다. 하지만 매출이 월 200만 엔을 넘어서면서 또 다른 문제가 드러났다.

의사결정의 양이 너무 많다.

• 다음 달의 캐시 플로우(Cash Flow)는 괜찮은가?
• 이 클라이언트의 안건은 수락해야 하는가?
• 마케팅에 시간을 써야 하는가, 개발에 집중해야 하는가?
• 채용을 한다면 무엇을 아웃소싱(Outsource)해야 하는가?

이 모든 것을 혼자서 하면서 개발도 한다. 사람을 고용해도 2~3명으로는 경영 관리직을 둘 수 없다. 그래서 AI 경영 OS를 만들기로 했다.

내가 구축한 것은 Claude Code + MCP + 커스텀 스킬(Custom Skill)로 작동하는 AI 에이전트 군단이다. 이름은 「OpenClaw」라고 부르고 있다.

역할은 다음과 같다:

에이전트	담당 업무	실행 빈도
/cfo	월간 PL 확인·캐시 플로우 예측·청구 관리	월 3회
...

이것은 단순한 「ChatGPT에게 물어보기」가 아니다. 각 에이전트는 회사의 실제 데이터(매출, 태스크, 클라이언트 정보)에 액세스하며, 문맥(Context)을 가지고 움직인다.

Claude Code에는 「스킬(Skill)」이라는 메커니즘이 있다. Markdown으로 역할·도구·제약 사항을 정의하면, /skill-name으로 호출할 수 있는 전문 에이전트가 된다.

# /cfo 스킬 정의 (발췌)
## Role
You are the CFO of a 3-person company with ¥2.5M monthly revenue.
...

에이전트가 정말로 도움이 되는 시점은 실제 데이터에 액세스할 수 있을 때다.

// mcp-server/financial.ts
import { Server } from '@modelcontextprotocol/sdk/server/index.js';
import { neon } from '@neondatabase/serverless';
...

이로써 CFO 에이전트는 「이번 달 매출은 얼마인가」를 실제 DB에 질의하여 대답한다. Excel로 집계할 필요가 없어졌다.

# PM2 ecosystem.config.js (발췌)
{
name: 'coo-morning-brief',
...

주의점: macOS에서는 launchd가 아니라 PM2를 사용한다. launchd는 소리 없이 정지하는 경우가 있어, 인지하지 못한 채 몇 주 동안 자동화가 멈춰 있었던 경험이 있다.

처음에는 「프롬프트(Prompt)를 자세히 쓰면 무엇이든 해줄 것」이라고 생각했다. 현실은 다르다.

데이터가 없다면, 아무리 똑똑한 에이전트라도 거짓말을 한다.

CFO 에이전트에게 「다음 달 자금 사정은 어떠한가?」라고 물었더니, 그럴듯한 숫자를 내놓았다. 하지만 근거는? 실제 데이터와의 연결이 없으면, 에이전트는 「그럴싸한 답변」을 생성할 뿐이다.

→ 해결책: 실데이터와의 연결이 우선, 에이전트 구축은 그다음. MCP 서버를 통해 실제 DB·스프레드시트·태스크 관리 도구와 연결한 뒤에야 비로소 에이전트가 기능한다.

CMO 에이전트에게 「매일 콘텐츠를 게시해줘」라고 설정했더니, 동일한 계정에 15분 이내로 연속 게시를 해버렸다.

Meta의 섀도우밴(Shadowban)을 당했다. (2026년 4월의 실제 경험)

→ 해결책: 자동 게시물은 초안 작성까지만. 공개는 인간이 승인하는 플로우로 만들었다. 코드로 말하자면:

# sns_poster.py
def create_draft(content: str, platform: str) -> dict:
    """초안을 작성하고 인간 승인 큐(Queue)에 추가"""
    ...

긴 대화 속에서 에이전트(Agent)에게 여러 역할을 맡기면, 이전 지시가 이후의 판단에 영향을 미친다. "CFO로서 분석하고, 다음으로 CMO로서 대책을 세워줘"와 같은 요청은 동작이 불안정해진다.

→ 해결책: 1에이전트 1태스크(Task). 역할을 넘나들어야 하는 경우에는 새로운 세션(Session)을 시작한다.

이전에는 "왠지 다음 달은 힘들 것 같다"라는 감각으로 업무를 받아왔다. 지금은 CFO 에이전트가 매월 초에 다음과 같이 출력한다:

【6월 캐시플로우(Cash Flow) 예측】
- 확정 매출: ¥1,820,000 (청구 완료 3건)
- 예상 매출: ¥650,000 (진행 중 2건, 6/20 완료 예정)
...

이것은 실제 DB 데이터로부터 계산된 숫자다. 감각이 아닌 데이터로 움직일 수 있게 되었다.

블로그, SNS, 뉴스레터. 이전에는 글을 쓸 시간이 없었다. 지금은 CMO 에이전트가 "오늘의 트렌드 × 자사의 전문성"을 바탕으로 매일 기사 초안을 생성한다.

내가 하는 일은:

• 초안 리뷰 (15분)
• 자신의 경험담 추가 (10분)
• 승인 버튼 클릭 (1분)

콘텐츠 수는 이전의 약 3배가 되었다.

솔직히 말하겠다. 매출이 극적으로 변하지는 않았다.

AI가 경영을 바꾼다는 말이 자주 들리지만, 3인 규모의 작은 회사에서는 "영업력", "신뢰 관계", "기술력"이 매출의 대부분을 결정한다. AI는 의사결정의 질과 실행 속도를 높이는 도구이지, 마법 지팡이가 아니다.

다만, 의사결정의 스트레스는 확실히 줄었다. 이것이 3인 경영의 가장 큰 가치일지도 모른다.

SES(시스템 엔지니어링 서비스)에서 프리랜서가 되었거나, 혹은 독립을 생각하고 있는 데이터 분석 엔지니어들에게.

당신에게는 다른 직종보다 유리한 점이 있다.

• 데이터 파이프라인(Data Pipeline)을 설계할 수 있다 → MCP 서버 구현은 "ETL 파이프라인"과 동일한 사고방식으로 만들 수 있다.
• 대시보드(Dashboard) 설계 경험이 있다 → 에이전트의 아웃풋(Output) 설계로 직결된다.
• "분석 → 판단"의 사고방식이 몸에 배어 있다 → 에이전트에게 무엇을 물어야 할지 알고 있다.

SES에서의 "데이터 분석" 경험은 AI 경영 OS를 구축하는 데 직접 사용할 수 있는 기술이다.

"전부 다 만들겠다"라고 생각하면 시작할 수 없다. 최소 구성(MVP)부터 시작하라.

# Step 1: Claude Code를 설치
npm install -g @anthropic-ai/claude-code
# Step 2: 프로젝트의 .claude/skills/에 첫 번째 에이전트를 생성
...

우선 이것만으로도 충분하다. 실제 데이터와의 연결은 사용하면서 조금씩 이어가면 된다.

SES가 힘들다고 느끼고 있다면, 그것은 솔직한 신호다.

2026년 현재, 데이터 분석 기술을 가진 엔지니어의 시장 가치는 높다. AI 도구의 보급으로 "AI에게 지시를 내릴 수 있는 인간"에 대한 수요가 늘고 있으며, 데이터 구조를 이해하고 AI 에이전트를 설계할 수 있는 엔지니어는 희귀하다.

SES에서 프리랜서로 전환할 때 처음 마주하는 벽은 "영업"이지만, 이 또한 AI로 서포트할 수 있다. 제안서 초안, 견적 계산, 클라이언트 대상 팔로업(Follow-up) 메일 초안 작성. 이 모든 것을 에이전트에게 맡길 수 있다.

"의사결정을 스스로 하고 싶다"는 엔지니어에게 지금이 기회다.

항목	구축 전 예상	실제
구축 시간	1주일	3개월 (데이터 연결 포함)
...

AI 경영 OS는 "꿈의 도구"가 아니라, 꾸준히 실제 데이터와 연결해 나가는 공사다. 하지만 일단 움직이기 시작하면, 3명이라도 "경영 관리 기능을 갖춘 회사"로서 움직일 수 있게 된다.

SES → 프리랜서 → 작은 회사. 이 길을 걸어오며 가장 효과적이었던 것은 기술보다 "스스로 의사결정하는 습관"이었다. AI는 그 습관을 지원하는 도구에 불과하다. 하지만 그 지원이 있고 없고의 차이는 정신적인 부하 측면에서 완전히 다르다.

관심이 있다면, 우선 /cfo 에이전트를 하나 만드는 것부터 시작해 보길 바란다.

• OpenClaw로 "AI 경영 OS"를 구축해 보았다: 9개 에이전트 설정 방법과 경영 효과 【2026년】
• Claude Code 실전 Tips 모음 2026년 최신판: 매일 사용하는 개발자가 알려주는 진짜 쓸모 있는 테크닉
• SES를 그만두고 싶은 엔지니어가 2026년에 AI로 연봉 800만 엔을 넘는 방법 【철저 해설】

AI 구동 학원 — AI를 사용한 스몰 비즈니스 구축법을 배우는 곳

Claude Code, OpenClaw, AI 경영 OS의 실전 노하우를 매주 공개 중.

월간 ¥4,980으로 과거 기사 전체 무제한 열람 가능.

SES 해체신서 (SES解体新書) 프리랜서 DB에서는 고단가 프로젝트를 다수 게재 중입니다.

• ✅ 마진율 공개로 투명한 거래
• ✅ AI/클라우드/Web 계열의 엄선된 프로젝트
• ✅ 전담 코디네이터가 단가 협상을 지원