SES 업계에 들어온 엔지니어 중 다수가 입사 1년 이내에 이직을 진지하게 고민한다. 나도 그중 한 명이었다. SES 1년 차에 이직 활동을 시작했고, 최종적으로 프리랜서로 전향했다. 당시 단가 시세는 월 60~80만 엔. 기술과 영업력에 따라 상향될 수 있는 시장이었다.

그 후, 프리랜서로 2년을 경험하고 법인화를 거쳐, 현재는 3인 체제로 월 매출 약 250만 엔의 회사를 운영하고 있다.

이 기사의 주인공은 SES 이직 이야기가 아니다. "3명으로도 경영할 수 있는가"라는 질문에 대해, AI 에이전트로 경영 기능을 보완한 실록이다. SES에서 프리랜서, 그리고 법인화라는 흐름을 경험한 내가 실제로 AI 경영 OS를 구축한 과정을 구체적으로 공유한다.

"AI 경영 OS"라는 말은 내가 임의로 만든 조어다. 정확히 말하면, 경영 관리의 각 기능(재무·운영·마케팅·의사결정)을 AI 에이전트에게 분담시키는 구조를 가리킨다.

대기업에는 CFO(최고 재무 책임자), COO(최고 운영 책임자), CMO(최고 마케팅 책임자)가 있다. 3인 회사에는 없다. 그래서 만들었다.

AI 경영 OS 구성
├── CFO 에이전트 (재무·PL 분석)
├── COO 에이전트 (태스크·프로세스 관리)
...

기술적으로는 Claude Code + Claude API + 자사 툴 OpenClaw의 조합으로 구현하고 있다.

구현에 사용 중인 툴을 먼저 공개한다.

왜 OpenAI가 아니라 Claude인가?

컨텍스트 윈도우(Context Window)의 크기와 툴 사용의 안정성이 이유다. 에이전트가 긴 재무 보고서를 읽고 분석하는 장면에서는 200K 토큰의 윈도우가 실용적으로 효과를 발휘한다. 여러 파일을 가로질러 읽고 쓰는 Claude Code의 능력은 경영 OS와 같이 "여러 데이터 소스를 통합하는" 용도에 특히 적합하다.

CFO 에이전트는 매월 5일에 자동 기동하며, 전월분의 손익계산서(P/L)를 취득·분석하여 Slack으로 전달한다.

# PM2로 관리하는 cron 잡 (ecosystem.config.js 일부)
{
name: 'cfo-agent-monthly',
...

#!/bin/bash
# agents/cfo/run.sh
set -e
...

prompts/cfo-analysis.md

의 핵심 부분은 다음과 같은 구조로 되어 있다.

당신은 SaaS 스타트업 전문 CFO입니다.
첨부된 P/L 데이터를 분석하여 다음을 출력해 주세요.
## 분석 항목
...

월차 장부 확인과 분석에 이전에는 꼬박 하루가 걸렸다. 지금은 30분 만에 확인할 수 있는 형식으로 Slack에 전달된다.

단, 주의할 점이 있다. AI가 내놓은 수치를 맹신해서는 안 된다. freee API의 데이터 취득 타이밍이나 분개(仕訳) 실수를 잡아내지 못하고 분석할 때가 있다. CFO 에이전트는 어디까지나 "초안"으로 사용하며, 최종 확인은 인간이 한다. 이 원칙은 변함이 없다.

COO 에이전트는 매주 월요일 아침 8시에 기동하며, GitHub Issues와 Notion의 태스크를 집약하여 리뷰 리포트를 생성한다.

// agents/coo/weekly-review.js
const Anthropic = require('@anthropic-ai/sdk');
const { fetchGitHubIssues } = require('./sources/github');
...

가장 시간이 많이 걸린 부분은 데이터 수집 부분이었다. GitHub·Notion·freee·Google Analytics 각각의 API 사양이 다르며, Notion API는 일본어 콘텐츠에서 드물게 글자 깨짐 현상이 발생한다 (2026년 현재도 발생함).

해결책: 모든 데이터 소스에서 취득한 데이터를 일단 Neon (PostgreSQL)에 정규화하여 저장하고, 에이전트는 거기서 읽어오는 설계로 만들었다.

-- 데이터 정규화 테이블
CREATE TABLE business_events (
id SERIAL PRIMARY KEY,
...

이 설계로 바꾼 뒤부터 에이전트로의 데이터 공급이 안정되었다.

내가 가장 힘을 쏟은 것이 CMO 에이전트다. 월 매출 250만 엔을 유지하기 위한 고객 유치를 3명이서 해내려면 자동화가 필수적이었다.

CMO 에이전트의 파이프라인
[트렌드 수집]
↓
...

중요: 자동 공개는 하지 않는다.

생성은 자동화하고 있지만, 공개는 반드시 사람이 리뷰한다. SNS에 연속 게시하는 것은 최소 15분 간격을 엄수하고 있다.

어떤 기사를 쓸지 판단하기 위해 Google Search Console의 데이터 분석을 활용하고 있다. "임프레션(Impression)은 많지만 CTR(클릭률)이 낮은 키워드" = 이미 검색되고 있지만 상위 노출되지 못하고 있는 기회 키워드를 자동 검출한다.

# scripts/gsc-opportunity-finder.py
from googleapiclient.discovery import build
import pandas as pd
...

이 스크립트로 추출한 키워드 리스트를 CMO 에이전트에게 전달하여, 기사 브리프(Brief)를 자동 생성한다. 단가 시세나 시장 동향에 관한 키워드도 이 데이터 분석을 통해 자동으로 발굴된다.

3개의 에이전트(CFO/COO/CMO)의 리포트를 통합하여, "이번 주 경영 판단에 필요한 정보"를 정리하는 것이 CEO 에이전트의 역할이다.

# CEO 프롬프트 구조
다음 3가지 리포트를 통합하여, 대표가 이번 주에 판단해야 할 사항을
3가지로 압축하여 제시해 주세요.
...

이 포맷으로 생성된 서머리(Summary)를 매주 월요일 아침에 받는다. 판단의 근거가 달라졌다는 실감이 든다.

AI 에이전트는 영원히 개선할 수 있다. 프롬프트를 바꾸면 출력이 달라지고, 데이터 소스를 늘리면 더욱 정확해진다. 이것이 함정인데, "더 잘할 수 있다"고 느껴서 출시가 늦어졌다.

해결책: "MVP(Minimum Viable Product)를 2주 안에 내놓는다"라는 규칙을 만들었다. 우선 작동하는 상태를 만들고, 운용하면서 개선한다. 완벽주의는 AI 에이전트 개발의 적이다.

같은 프롬프트라도 날마다 출력의 질이 달라진다. 재무 분석에서 "이상치(Outlier)"로 검출하는 것이 변하기도 한다.

해결책: 구조화된 출력 (Structured Output)을 사용한다. JSON 스키마를 정의하여 에이전트가 반드시 정해진 형식으로 반환하도록 했다.

const response = await client.messages.create({
model: 'claude-sonnet-4-6',
max_tokens: 2048,
...

초기에는 "에러가 발생하면 Slack에 알림을 보낸다" 정도였다. 실제로 운용해 보니, freee API의 일시적인 장애로 CFO 에이전트가 도중에 멈춰 불완전한 리포트가 도착했다.

해결책: 재시도 로직(Retry Logic)과 폴백(Fallback)을 구현했다. API 에러는 최대 3회 재시도하며, 그래도 실패할 경우에는 "데이터 취득 실패"라고 명시적으로 알림을 보낸다.

async function fetchWithRetry(fetchFn, maxRetries = 3) {
for (let attempt = 1; attempt <= maxRetries; attempt++) {
try {
...

SES(시스템 엔지니어링 서비스) 1년 차에 이직을 고민하고, 실제로 SES에서 프리랜서로 전향한 내가 처음으로 실감한 것은, 영업·경리·확정 신고·보험 절차를 전부 혼자서 해야 하는 힘듦이었다.

프리랜서의 단가 시세가 아무리 높더라도, 이러한 관리 비용이 높으면 실수령액은 상상보다 낮아진다. 특히 확정 신고 시기에 장부 정리에 일주일이 소요되는 경험을 하면, "이것을 자동화할 수 있다면" 하고 강하게 생각하게 된다.

freee를 사용하여 신고서를 작성하고 있지만, "무엇이 경비가 되는지", "무엇이 절세로 이어지는지"에 대한 지식이 처음에는 없었다.

지금은 CFO 에이전트가 매달 장부를 확인하며, "이 비용은 안분 계산이 필요합니다", "청색 신고 특별 공제 요건을 확인해 주세요"와 같은 제안을 월 단위로 내놓는다. 최종적인 세무 판단은 세무사에게 확인하지만, "무엇을 물어봐야 하는가"를 정리하는 단계에서 AI는 실용적으로 기능한다.

코드를 작성할 수 있는 엔지니어라면 이 파이프라인을 구축하는 비용은 낮다. 프리랜서가 된 지 얼마 되지 않은 사람일수록 일찍 시스템화할 것을 권한다.

수치로 나타내기 어려운 변화도 있다. "판단하는 데 필요한 정보가 없는" 상태에서 의사결정을 하는 일이 대폭 줄었다. 이것이 가장 크다.

AI 경영 OS를 본격적으로 가동시킨 지 반년이 지났다. 현재 추진하고 있는 개선 사항은 다음 3가지다.

• 에이전트(Agent) 간의 연계 강화: CFO와 COO가 정보를 공유하여, "재무 상황을 고려한 리소스 배분 제안"을 할 수 있도록 함
• 예측 모델(Prediction Model)의 정밀도 향상: 과거 데이터의 축적이 늘어남에 따라, 다음 달 매출 예측의 정밀도를 높이고 싶음
• 클라이언트 리포트(Client Report) 자동화: COO 에이전트의 결과물을 클라이언트용 리포트로 자동 변환

3명이라도 AI를 사용하면 10인분의 경영 정보를 처리할 수 있는 시대가 되었다. SES에서 프리랜서로, 그리고 법인화라는 길을 걸어온 경험에서 말할 수 있는 것은, "경영 관리의 무게"를 두려워할 필요가 없다는 것이다. AI가 그 부분을 커버할 수 있다.

AI 경영 OS = CFO/COO/CMO/CEO 에이전트를 구축하여 경영 관리를 보완하는 체계
기술 스택 (Tech Stack): Claude Code + Claude API + freee API + Neon + PM2
난관 (Stumbling Point): 완성 기준의 모호함 · LLM 출력의 불안정성 · 에러 핸들링 (Error Handling) 부족
실제 효과: 월간 재무 확인 공수(Man-hour) 절감, 데이터 분석에 기반한 의사결정의 질 향상
SES에서 프리랜서로 전향 후의 "혼자서 전부 해야 하는 힘듦"을 AI로 해결함 - 가공의 수치는 사용하지 않고, 실제 운용에서 얻은 지견만을 공유하고 있음

코드를 작성할 수 있는 엔지니어일수록 이 체계를 만드는 비용은 낮다. 자사 또는 개인 경영에 도입해 보길 바란다.

• 2026년 최신｜OpenClaw로 경영 OS를 자작한 이야기——9체의 AI 에이전트가 회사를 운영한다
• Claude Code 매일 사용 기록: SES 엔지니어가 데이터 분석을 자동화하여 프리랜서 전향을 고려한 이야기
• SES가 힘든 엔지니어가 2026년에 프리랜서로 전신하는 최단 루트【데이터 분석 × AI 활용】

AI 구동 학원 — AI를 사용한 스몰 비즈니스(Small Business) 만드는 법을 배우는 곳

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

월액 ¥4,980로 과거 기사 모두 무제한 읽기 가능.

SES 해체신서 프리랜서 DB에서는 고단가 프로젝트를 다수 게재 중입니다.

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