[한 사람 경제 시즌 2: 2026 솔로 사업가의 좌표와 실전] 5/10화: AI 에이전시 솔로 창업, 코드 대신 결과를 파는 신모델

이 글은 「한 사람 경제 시즌 2: 2026 솔로 사업가의 좌표와 실전」 5/10화입니다.

지난 4화에서 마이크로 SaaS 2.0을 다뤘습니다. 빅테크가 무시한 미시 세그먼트에서 월 29~199달러짜리 소프트웨어를 파는 모델이었죠. 수치도 괜찮았고, 실제로 성공 군집의 73%가 이 전략을 따르고 있었습니다. 그런데 글을 마무리하면서 한 가지 질문이 남았습니다.

“소프트웨어를 만들 능력이 없으면 어떡하죠?”

바이브 코딩(Vibe Coding)이 진입 장벽을 낮췄다고 해도, 마이크로 SaaS는 여전히 ‘제품’을 만들어야 합니다. 코드를 직접 짜든, AI에게 시키든, 결국 서버를 돌리고 버그를 잡고 업데이트를 배포하는 사람은 나입니다. 시즌 1에서 ‘도구가 아니라 문제에 집중하라’고 했던 말, 기억하시나요? 오늘은 그 원칙을 극단까지 밀어붙인 모델을 봅니다.

소프트웨어를 만들지 않습니다. 결과(Outcome)를 팝니다.

AI 에이전시란 무엇인가 — ‘결과 판매’라는 새로운 좌표

먼저 용어를 정리하겠습니다. ‘AI 에이전시(AI Agency)’는 인공지능 도구를 지렛대 삼아, 고객에게 특정 비즈니스 결과물을 납품하는 1인 또는 소규모 서비스 사업입니다. 여기서 핵심 단어는 ‘결과물’입니다.

전통적인 에이전시를 떠올려 보세요. 디자인 에이전시, 마케팅 에이전시, 개발 에이전시. 이들은 사람의 시간을 팝니다. 디자이너 세 명이 2주 동안 작업해서 브랜드 아이덴티티 시안 다섯 개를 만들어 드리겠습니다 — 이런 식이죠. 클라이언트가 사는 것은 ‘사람-시간(man-hour)’이고, 에이전시의 매출 천장은 곧 ‘투입할 수 있는 사람 수’입니다.

마이크로 SaaS는 반대편에 있습니다. 소프트웨어를 만들어서 접속권을 팝니다. 한 번 만들면 한계비용이 거의 0이니까 확장성은 좋지만, 누군가가 그 소프트웨어를 만들고, 유지하고, 개선해야 합니다.

AI 에이전시는 이 두 모델의 교차점에서 태어났습니다.

• 전통 에이전시처럼 클라이언트에게 납품물(deliverable)을 제공합니다.
• SaaS처럼 자동화된 도구(AI)가 실제 작업의 대부분을 수행합니다.
• 하지만 사람-시간을 파는 것도 아니고, 소프트웨어 접속권을 파는 것도 아닙니다.
• 파는 것은 완성된 결과입니다.

예를 들어 보겠습니다. 한 솔로프리너가 AI 에이전시를 운영합니다. 전자상거래 브랜드를 대상으로 ‘상품 상세 페이지 최적화’를 합니다. 클라이언트가 상품 정보를 넘기면, 이 솔로프리너는 AI 도구 여러 개를 조합해서 — 상품 사진 보정, SEO 최적화 카피 생성, A/B 테스트용 변형 제작, 경쟁사 가격 분석 — 완성된 상세 페이지 패키지를 48시간 안에 돌려줍니다.

클라이언트 입장에서는 ‘누가 했는지’가 중요하지 않습니다. 사람이 열두 시간 붙어서 했든, AI가 80%를 처리하고 사람이 20%를 다듬었든, 납품된 결과의 품질만 봅니다. 이것이 ‘결과 판매(Outcome Selling)’의 핵심입니다.

왜 2026년에 폭발하는가

AI 에이전시라는 개념 자체는 2023년 ChatGPT 등장 직후부터 있었습니다. 그런데 왜 2026년인 지금 ‘모델’이라고 부를 만한 수준이 됐을까요? 세 가지 변화가 겹쳤습니다.

첫째, AI 도구의 품질이 ‘납품 가능’ 수준을 넘었습니다. 2024년까지만 해도 AI가 생성한 텍스트, 이미지, 코드에는 ‘어딘가 이상한’ 티가 났습니다. 고객에게 납품하려면 사람이 60~70%를 다시 손봐야 했죠. 2026년 현재, 잘 설계된 프롬프트와 워크플로우를 갖추면 AI 산출물의 80~90%가 그대로 납품 가능합니다. 사람의 역할은 ‘생산’에서 ‘품질 관리’로 이동했습니다.

둘째, 도구 조합 비용이 극적으로 낮아졌습니다. 1화에서 다뤘던 것처럼 성공 솔로프리너의 AI 스택 비용은 월 80~200달러 수준입니다. 이 비용으로 텍스트 생성, 이미지 생성, 음성 합성, 데이터 분석, 코드 생성, 자동화 워크플로우를 모두 운영할 수 있습니다. 3년 전이라면 각각의 전문 소프트웨어에 월 수백 달러씩 지불하거나, 전문가를 고용해야 했을 일입니다.

셋째, 고객 기대치가 바뀌었습니다. 기업들은 이미 AI를 알고 있고, 직접 도입하려다 실패한 경험도 있습니다. ‘우리 회사에 AI를 도입하고 싶은데, 직접 하기엔 복잡하다’ — 이 간극이 AI 에이전시의 사업 기회입니다. Y Combinator의 Garry Tan이 2025년 초 한 팟캐스트에서 이렇게 말했습니다: “The next wave isn’t AI products. It’s AI-native services — people who use AI as their operating system to deliver outcomes 10x faster.” (다음 물결은 AI 제품이 아니라 AI 네이티브 서비스다 — AI를 운영 체제처럼 사용해서 10배 빠르게 결과를 납품하는 사람들이다.)

전통 에이전시, SaaS, AI 에이전시 — 결정적 차이 5가지

세 모델을 나란히 놓으면 AI 에이전시의 위치가 선명해집니다.

1. 매출의 단위

• 전통 에이전시: 시간을 팝니다. 시급, 일급, 프로젝트 단위지만 결국 투입 시간에 비례합니다.
• SaaS: 접속권을 팝니다. 월간/연간 구독으로 도구를 씁니다.
• AI 에이전시: 결과물을 팝니다. 완성된 납품물, 달성된 지표, 해결된 문제 단위입니다.

2. 확장의 병목

• 전통 에이전시: 사람입니다. 직원을 더 뽑아야 더 많은 프로젝트를 받을 수 있습니다.
• SaaS: 코드입니다. 기능을 더 개발해야 더 많은 고객을 유치할 수 있습니다.
• AI 에이전시: 워크플로우입니다. AI 도구 조합과 프로세스를 최적화하면, 한 사람이 처리할 수 있는 프로젝트 수가 기하급수적으로 늘어납니다.

3. 마진 구조

• 전통 에이전시: 인건비가 매출의 60~70%를 차지합니다. 순마진 15~25%.
• SaaS: 한계비용 거의 0. 순마진 70~85%. 하지만 초기 개발 비용과 유지 비용이 존재합니다.
• AI 에이전시: AI 도구 비용이 매출의 5~15%입니다. 순마진 60~80%. 전통 에이전시의 마진 구조가 아니라 SaaS에 가까운 마진을 가질 수 있습니다.

4. 납품 속도

• 전통 에이전시: 주 단위에서 월 단위. 사람의 작업 속도에 제한됩니다.
• SaaS: 즉시. 하지만 고객이 ‘직접’ 작업해야 합니다.
• AI 에이전시: 시간~일 단위. AI가 초안을 만들고, 사람이 검수하므로 전통 에이전시의 1/5~1/10 시간에 납품합니다.

5. 전문성의 성격

• 전통 에이전시: 도메인 전문성 + 실행력(디자인, 개발, 마케팅 스킬).
• SaaS: 기술 전문성(소프트웨어 개발, 인프라 운영).
• AI 에이전시: 오케스트레이션 전문성. 여러 AI 도구를 목적에 맞게 조합하고, 품질을 관리하고, 고객의 문제를 정확히 정의하는 능력. 코딩이나 디자인 실력보다 ‘문제 해석 → 도구 선택 → 품질 보증’ 사이클을 빠르게 돌리는 능력이 핵심입니다.

이 다섯 가지 차이를 한 문장으로 압축하면 이렇습니다: AI 에이전시는 전통 에이전시의 ‘서비스 밀착’과 SaaS의 ‘높은 마진’을 동시에 가진 하이브리드 모델입니다.

시장은 얼마나 큰가 — 글로벌과 한국의 숫자

글로벌: AI 서비스 시장의 폭발

AI 에이전시 시장을 직접 측정하는 공식 리서치는 아직 많지 않습니다. ‘AI 에이전시’라는 범주가 너무 새롭기 때문입니다. 하지만 인접 시장 데이터를 조합하면 윤곽이 잡힙니다.

Precedence Research에 따르면, 글로벌 AI-as-a-Service(AIaaS) 시장은 2023년 약 116억 달러에서 2030년 1,547억 달러로 성장할 것으로 전망됩니다. 연평균 성장률(CAGR) 약 45%입니다. 이 수치에는 클라우드 기반 AI 플랫폼뿐 아니라, AI를 활용한 서비스 제공 모델이 포함됩니다.

더 직접적인 지표는 프리랜서 플랫폼의 데이터입니다. Upwork의 2025년 4분기 보고서에 따르면, ‘AI/ML 관련 서비스’ 카테고리의 프로젝트 게시 수는 전년 동기 대비 142% 증가했습니다. 단순한 ‘AI 개발’ 의뢰가 아니라, ‘AI를 활용한 콘텐츠 제작’, ‘AI 기반 데이터 분석’, ‘AI 워크플로우 자동화 컨설팅’ 같은 결과 지향 의뢰가 급증하고 있습니다.

Indie Hackers 커뮤니티의 2026년 1월 서베이도 흥미롭습니다. 독립 사업자 중 ‘AI-powered services’를 주요 수입원으로 보고한 비율이 18.7%로, 1년 전 6.2%에서 세 배 증가했습니다. SaaS(32.1%)에 이어 두 번째로 큰 카테고리가 됐습니다.

Trends.vc의 2025년 하반기 리포트는 AI 에이전시 모델을 “the fastest path from zero to $10K MRR for non-technical founders”(비기술 창업자가 월 반복 매출 만 달러에 가장 빨리 도달하는 경로)로 꼽았습니다. 핵심 논거는 이렇습니다: SaaS는 제품을 만드는 데 3~6개월이 걸리지만, AI 에이전시는 첫 클라이언트에게 결과를 납품하는 데 1~2주면 충분하다.

한국: 아직 비어 있는 거대한 기회

한국 시장 이야기를 해야 합니다. 이 시리즈가 영문 번역물과 다른 이유이니까요.

과학기술정보통신부의 「2025 인공지능 산업 실태조사」에 따르면, 국내 AI 산업 매출은 2024년 약 8조 7천억 원으로 전년 대비 31.2% 성장했습니다. 그런데 이 숫자의 대부분은 대기업과 AI 전문 스타트업의 제품·플랫폼 매출입니다. AI를 ‘서비스’로 제공하는 중소·1인 사업자의 매출은 통계에 제대로 잡히지 않습니다.

더 의미 있는 숫자가 있습니다. 같은 조사에서 국내 중소기업의 AI 도입률은 12.8%에 불과합니다. 대기업(62.4%)과의 격차가 다섯 배입니다. 중소기업이 AI를 도입하지 못하는 이유 1위는 ‘비용'(34.7%)이 아니라 ‘전문 인력 부족'(41.3%)이었습니다.

이 간극이 바로 AI 에이전시의 사업 기회입니다. 중소기업은 AI를 도입하고 싶지만, 전문가를 정규직으로 채용할 여력이 없습니다. AI SaaS를 구독해도 직접 활용할 역량이 부족합니다. ‘AI를 써서 원하는 결과를 만들어주는 사람’ — 이것이 AI 에이전시 솔로프리너가 채울 수 있는 빈자리입니다.

2화에서 봤던 데이터를 다시 꺼내 보겠습니다. 한국 Z세대 직장인의 79.0%가 부업을 고려하고 있고(삼성전자 5개국 서베이), 직장인의 49.5%가 고용 불안을 느낍니다(휴넷 2025년 조사). 이 사람들 중 상당수가 ‘AI를 활용한 서비스’를 부업의 형태로 시작할 수 있습니다. 코드를 짤 필요도, 디자인 툴을 마스터할 필요도 없습니다. 특정 분야의 도메인 지식 + AI 도구 활용 능력만 있으면 됩니다.

한국의 1인가구가 804만 5천 가구, 전체의 36.1%라는 점도 주목해야 합니다. 1인가구의 연소득 3,423만 원은 전체 가구 소득의 46.1%에 불과합니다. AI 에이전시는 이 소득 격차를 메우는 현실적인 경로가 될 수 있습니다 — 초기 투자 거의 없이, 기존 직장을 유지하면서 시작할 수 있으니까요.

실전 사례 — 솔로 AI 에이전시 3인의 이야기

모델의 정의와 시장 규모를 봤으니, 실제로 이 모델로 먹고사는 사람들의 이야기를 들어 보겠습니다. 모든 수치는 본인 공개 데이터 기준이며, 수익을 보장하는 것이 아닌 참고 사례입니다.

사례 1: 닉 사라예프(Nick Saraev) — AI 자동화 에이전시

캐나다 밴쿠버의 닉 사라예프는 2024년까지 프리랜서 자동화 컨설턴트였습니다. Make(구 Integromat), Zapier, Python 스크립트로 기업의 업무를 자동화하는 일을 했습니다. 2025년 초, 그는 방향을 틀었습니다. 자동화 ‘설계’를 넘어서 AI 기반 자동화 ‘결과’를 납품하는 모델로 전환한 것입니다.

닉이 하는 일의 구체적인 예를 하나 들겠습니다. 한 e커머스 업체가 매일 100건 이상의 고객 문의 이메일을 받습니다. 기존에는 CS 담당자 2명이 하루 종일 처리했죠. 닉은 LLM 기반 이메일 분류 + 자동 응답 초안 생성 + 에스컬레이션 라우팅 시스템을 구축했습니다. 클라이언트에게 ‘시스템’을 파는 게 아니라, ‘고객 문의 응답 시간을 평균 4시간에서 15분으로 줄이겠다’는 결과를 약속한 것입니다.

닉의 유튜브와 X(구 트위터) 공개 정보에 따르면, 이 모델로 전환한 후 월 수익이 월 2만~4만 달러 수준에 도달했습니다. 리테이너 클라이언트 6~8곳을 동시에 관리하며, 주당 실제 작업 시간은 25~30시간이라고 합니다. AI 도구 비용(OpenAI API, Make, 기타)은 월 300~500달러 수준입니다.

핵심 포인트: 닉이 파는 것은 ‘Make 자동화 설정 10시간’이 아니라 ‘CS 응답 시간 75% 단축’이라는 결과입니다. 같은 시간을 투입해도, 청구하는 방식이 다르니 수익이 다릅니다.

사례 2: 레아 타이어(Leah Thayer) — AI 콘텐츠 에이전시

레아 타이어는 미국 오스틴 기반의 프리랜서 카피라이터였습니다. 10년 경력의 B2B 카피라이터로, 블로그 글 한 편에 500~800달러를 청구하던 시절이 있었죠. 그런데 2024년, 클라이언트들이 하나둘 ‘직접 ChatGPT로 쓸게요’라며 떠나기 시작했습니다.

레아는 위기를 기회로 바꿨습니다. 단순 글쓰기 대신 ‘AI 기반 콘텐츠 시스템 구축’을 서비스로 만들었습니다. 클라이언트의 브랜드 톤, 과거 콘텐츠, 경쟁사 분석을 기반으로 맞춤형 프롬프트 라이브러리를 설계하고, AI가 초안을 생성하면 레아가 편집과 전략 방향을 잡아줍니다. 월간 콘텐츠 패키지(블로그 8편 + SNS 30건 + 뉴스레터 4편)를 월 3,500~5,000달러에 제공합니다.

Indie Hackers 인터뷰에서 레아는 이렇게 말했습니다: “I used to sell words. Now I sell content systems. My clients don’t care if AI writes the first draft — they care that their organic traffic went up 140% in three months.” (예전에는 글을 팔았어요. 이제는 콘텐츠 시스템을 팝니다. 클라이언트는 AI가 초안을 쓰는지 신경 안 써요. 3개월 만에 오가닉 트래픽이 140% 올랐다는 결과에만 관심 있죠.)

레아의 2025년 연 수익은 공개 인터뷰 기준 약 18만 달러. 프리랜서 카피라이터 시절의 두 배가 넘습니다. 반면 실제 ‘글을 쓰는’ 시간은 과거의 절반 이하로 줄었습니다.

사례 3: 한국의 ‘K씨’ — AI 기반 부동산 마케팅 서비스 (익명)

한국 사례도 하나 소개합니다. 개인 식별 정보는 모두 변경했습니다.

K씨는 서울 소재 부동산 중개업소 출신입니다. 7년간 상업용 부동산 중개를 하다가, 2025년 중반 독립했습니다. 그런데 중개업 자체를 계속하진 않았습니다. 대신 부동산 중개업소를 클라이언트로 돌렸습니다.

K씨가 제공하는 서비스는 이렇습니다: 중개업소가 올리는 매물 정보(사진, 면적, 위치, 가격)를 받으면, AI를 활용해 매물 홍보 패키지를 만들어 줍니다. 구체적으로는 — 매물 사진 AI 보정(가구 배치 시뮬레이션 포함), 네이버 부동산 SEO 최적화 설명문, 인스타그램용 짧은 영상 스크립트, 타겟 고객 프로필 분석 리포트. 이 모든 것을 매물당 1~2일 안에 납품합니다.

K씨의 가격 구조는 간단합니다. 매물 1건당 15만~30만 원(매물 규모에 따라). 또는 월 정액 50만~100만 원에 매물 5건까지 포함. 서울 강남·서초 지역의 중형 중개업소 8곳을 클라이언트로 확보한 상태에서, 월 매출 약 400만~600만 원을 올리고 있다고 합니다(2026년 상반기 기준).

K씨에게 직접 물었습니다: “왜 부동산이었나요?” 답은 명쾌했습니다. “부동산 중개사들은 매물은 많은데, 마케팅할 시간이 없어요. 그리고 대부분 40~50대라 AI 도구를 직접 쓸 줄 모릅니다. 제가 7년간 현장에 있었으니까 그들이 뭘 원하는지 정확히 알고, 그걸 AI로 빠르게 만들어 드리는 거예요.”

이 사례에서 주목할 점이 두 가지 있습니다. 첫째, K씨는 프로그래머도 디자이너도 아닙니다. 도메인 지식(부동산) + AI 도구 활용이 전부입니다. 둘째, 한국의 부동산 중개업소는 약 11만 곳입니다. 이 중 1%만 잠재 고객이어도 1,100곳. 한 사람이 감당할 수 없을 만큼 큰 시장이 이미 존재합니다.

세 사례의 공통 패턴

세 사례를 나란히 놓으면 패턴이 보입니다.

• 모두 특정 산업/니치에 집중합니다. ‘무엇이든 AI로 해드립니다’가 아니라, ‘e커머스 CS 자동화’, ‘B2B 콘텐츠 시스템’, ‘부동산 매물 마케팅’처럼 범위를 좁힙니다.
• 모두 도메인 경험이 있습니다. 닉은 자동화 컨설팅 경력, 레아는 카피라이팅 경력, K씨는 부동산 중개 경력. AI는 레버리지일 뿐, 기반은 도메인 지식입니다.
• 모두 ‘결과’로 청구합니다. 시간 단위가 아닙니다. ‘CS 응답 시간 단축’, ‘오가닉 트래픽 140% 증가’, ’48시간 매물 패키지 납품’. 결과의 가치가 곧 가격입니다.
• AI 도구 비용은 매출의 5~15%입니다. 나머지는 전부 마진. 전통 에이전시의 인건비 60~70%와 비교하면 압도적입니다.

0원에서 시작하는 첫 90일 — AI 에이전시 진입 로드맵

좋습니다. 모델이 뭔지 알겠고, 시장도 있고, 사례도 봤습니다. 그러면 어떻게 시작합니까? 마이크로 SaaS 2.0(4화)에서처럼, 초저비용 출시 스택 0~50달러/월에서 시작하는 90일 로드맵을 그려 보겠습니다.

Day 1~15: 니치 선정 + 서비스 정의 (비용: 0원)

AI 에이전시의 성패는 니치(niche) 선정에서 80%가 결정됩니다. ‘모든 것을 AI로 해드립니다’는 아무 의미가 없는 말입니다. 아무도 그런 사람에게 돈을 내지 않습니다.

니치 선정의 3가지 기준:

• 당신이 아는 산업인가? 전직 경험, 부업 경험, 깊이 파고든 취미, 뭐든 좋습니다. ‘어떤 문제가 있는지’를 이미 아는 분야를 고르세요. K씨가 부동산을 고른 이유를 다시 보세요.
• 반복 가능한 결과물이 있는가? 매번 완전히 새로운 작업을 해야 하는 분야는 AI 에이전시에 부적합합니다. ‘매물 마케팅 패키지’, ‘월간 콘텐츠 세트’, ‘CS 자동화 시스템’ — 구조가 비슷하고 내용만 다른 작업이 이상적입니다.
• 고객이 돈을 내고 있는가? 이미 전통 에이전시, 프리랜서, 내부 직원에게 비용을 지불하고 있는 분야를 찾으세요. 새로운 시장을 만드는 것이 아니라, 기존 지출을 더 싸고 빠르게 대체하는 것이 핵심입니다.

구체적인 실행:

1. 종이에 ‘내가 아는 산업/분야’ 10개를 씁니다.
2. 각 분야에서 ‘사람이 반복적으로 하고 있지만 AI가 80% 대체할 수 있는 작업’을 적습니다.
3. 각 작업에 대해 ‘현재 이 작업에 돈을 내는 사람이 누구인가’를 확인합니다.
4. 3개 이하로 좁히고, 실제로 해당 업계 사람 5명에게 연락해서 물어봅니다. “이런 서비스가 있으면 쓰실 건가요?” (8화에서 자세히 다룰 검증 프로세스의 시작입니다.)

이 단계에서 흔히 하는 실수: 도구부터 고르는 것입니다. “ChatGPT로 뭘 할 수 있을까?”가 아니라 “누가 어떤 결과물에 돈을 내고 있는가?”에서 시작해야 합니다. 도구는 나중에 고르면 됩니다.

Day 16~30: AI 워크플로우 구축 + 첫 샘플 (비용: 0~50달러/월)

니치가 정해졌으면, 실제 납품물을 만드는 워크플로우를 설계합니다.

2026년 AI 에이전시 워크플로우의 전형적 구조:

1. 입력 수집: 클라이언트로부터 원재료(정보, 사진, 데이터)를 받습니다. Google Form이나 Notion 폼이면 충분합니다.
2. AI 1차 처리: LLM(텍스트), 이미지 생성/편집 AI, 데이터 분석 AI 등을 조합해 초안을 생성합니다.
3. 사람 검수: 당신이 결과물을 검토하고, 품질을 보증하고, 필요하면 수정합니다.
4. 납품: 완성된 결과물을 클라이언트에게 전달합니다.

무료~저가 스택 예시 (2026년 6월 기준):

• 텍스트 생성: Claude / ChatGPT 무료 또는 Plus 구독 (월 $20~$25)
• 이미지 생성/편집: Canva(무료 티어) + 기본 AI 이미지 도구
• 자동화: Make.com 무료 티어 (월 1,000 오퍼레이션) 또는 n8n(셀프호스트, 무료)
• 프로젝트 관리: Notion 무료 티어
• 이메일/소통: Gmail + Calendly 무료 티어
• 총합: 월 0~50달러

이 단계의 핵심은 3개의 샘플 포트폴리오를 만드는 것입니다. 가상의 클라이언트(또는 지인의 사업체)를 위해 실제 납품물을 만들어 보세요. 이 샘플이 다음 단계의 무기가 됩니다.

주의사항: 아직 완벽한 워크플로우를 만들 필요 없습니다. 수동 작업이 60% 섞여 있어도 괜찮습니다. 첫 고객은 당신의 ‘시스템’이 아니라 ‘결과물’을 봅니다. 시스템 최적화는 고객이 생긴 후에 해도 됩니다.

Day 31~60: 첫 유료 고객 3명 확보 (비용: 동일)

여기서부터가 진짜입니다. 샘플 포트폴리오를 들고 첫 고객 3명을 잡아야 합니다.

한국에서 통하는 첫 고객 확보 채널 5가지:

1. 기존 인맥: 가장 확실합니다. ‘사업하는 지인’에게 직접 연락하세요. “요즘 AI로 이런 걸 해보고 있는데, 사장님 매장/회사에 이거 한번 만들어 드릴까요? 첫 1건은 무료입니다.” 무료 샘플 → 결과에 만족 → 유료 전환. 이 패턴이 시작점입니다.
2. 네이버 카페/커뮤니티: 해당 업계 종사자 카페에 가입해서 활동합니다. 직접 광고하지 마세요. 유용한 정보(예: “AI로 매물 사진 보정하는 무료 팁 3가지”)를 공유하면서 전문성을 보여주고, DM이 올 때까지 기다립니다.
3. 링크드인(LinkedIn): B2B 서비스라면 링크드인이 효과적입니다. 작업 과정과 결과물을 포스팅하세요. “AI로 만든 B2B 블로그 글의 오가닉 트래픽 결과” 같은 케이스 스터디가 좋습니다.
4. 크몽/숨고: 한국의 프리랜서 플랫폼입니다. 처음에는 저가로 시작하더라도, 리뷰를 쌓는 것이 목적입니다. 다만 장기적으로는 플랫폼 의존을 줄여야 합니다(수수료 20~30%).
5. 콜드 아웃리치: 해당 업계 사업체 리스트를 만들고, 이메일/DM으로 직접 연락합니다. 성공률은 1~3%지만, 한 달에 100곳에 보내면 1~3명은 대화가 됩니다. 핵심은 ‘일반적인 제안’이 아니라, 각 사업체에 맞춤화된 샘플을 첨부하는 것입니다.

첫 3명에게 적용하는 가격 전략:

• 첫 1건: 무료 또는 대폭 할인. 목표는 매출이 아니라 포트폴리오와 추천글(testimonial).
• 2~3번째 고객: 시장 가격의 50~70%. 아직 실적이 부족하므로 가격으로 진입 장벽을 낮춥니다.
• 4번째 고객부터: 정가. 첫 3명의 결과와 추천글이 있으니 가격 정당성이 생깁니다.

이 60일 동안 가장 중요한 것은 피드백 루프입니다. 클라이언트에게 납품한 후, 반드시 물어보세요: “결과물에서 뭐가 좋았고 뭐가 아쉬웠나요?” 이 답변이 서비스를 개선하고, 다음 클라이언트를 설득하는 재료가 됩니다.

Day 61~90: 시스템화 + 수익 안정화 (비용: 50~200달러/월)

유료 고객 3명이 생겼다면, 이제 두 가지를 동시에 합니다.

시스템화:

• 반복되는 작업을 자동화합니다. 예: 클라이언트 입력 수집 → 자동 AI 처리 → 초안 생성까지를 Make/n8n으로 자동화.
• 품질 체크리스트를 만듭니다. 매번 ‘감’으로 검수하지 말고, 구조화된 리스트로 검수하세요.
• 온보딩 프로세스를 문서화합니다. 새 클라이언트를 받을 때마다 설명하는 시간을 줄이세요.

수익 안정화:

• 프로젝트 단위에서 리테이너(월 정액)로 전환을 시도합니다. “매번 의뢰하시는 것보다 월 패키지가 단가가 30% 저렴합니다.” 리테이너 = 반복 매출(MRR)이며, 이것이 수입 예측 가능성을 만듭니다.
• 기존 클라이언트에게 추가 서비스(upsell)를 제안합니다. 콘텐츠 서비스에 SEO 리포팅을 추가하거나, 자동화 서비스에 대시보드 모니터링을 추가하는 식.
• 추천(referral) 프로그램을 시작합니다. “소개해 주시면 다음 달 서비스 무료” — 이런 간단한 인센티브로도 효과가 있습니다.

90일의 현실적 목표를 정리합니다.

• 최소 성공 기준: 유료 고객 3명, 월 수익 100만~200만 원 (한국 기준). 이것이 ‘이 모델이 작동하는가’의 검증입니다.
• 이상적 시나리오: 유료 고객 5~8명, 월 수익 300만~500만 원, 리테이너 고객 2명 이상. 이것이 ‘본업으로 전환 가능한가’의 신호입니다.

참고: 1화에서 말한 ‘첫 매출 전 평균 지출 1,000달러 미만’이라는 수치는 AI 에이전시에도 적용됩니다. 처음 3개월간 AI 도구 구독, 도메인, 간단한 웹사이트에 들어가는 비용이 이 범위 안에 들어옵니다.

가격 설계 — 결과에 값을 매기는 법

Phase 2(4~7화)의 다섯 번째 단계, 가격입니다. AI 에이전시의 가격 설계는 마이크로 SaaS와 근본적으로 다릅니다. SaaS는 ‘월 X달러’라는 단순한 구독 가격이지만, AI 에이전시는 ‘결과물’에 값을 매겨야 합니다. 이것이 어렵기도 하고, 동시에 수익 극대화의 핵심이기도 합니다.

모델 A: 프로젝트 기반 (Project-Based)

구조: 특정 결과물을 고정 가격에 납품합니다.

예시:

• 부동산 매물 마케팅 패키지 1건: 15만~30만 원
• e커머스 상품 상세 페이지 최적화 5페이지: 50만~100만 원
• 기업 보고서 자동 생성 시스템 초기 구축: 200만~500만 원

장점: 클라이언트가 비용을 예측하기 쉽습니다. 판매 설득이 상대적으로 간단합니다.

단점: 스코프 크립(scope creep, 범위 확장)의 위험. “이것도 좀 해주세요, 저것도 좀…” 계약서에 명확한 범위를 명시해야 합니다.

적합한 상황: 첫 3개월, 서비스를 시작할 때. 클라이언트와의 신뢰가 아직 없을 때.

모델 B: 리테이너 (Monthly Retainer)

구조: 월 정액으로 약속된 범위의 서비스를 제공합니다.

예시:

• 월간 콘텐츠 패키지 (블로그 8편 + SNS 30건): 월 150만~350만 원
• CS 자동화 시스템 운영 + 최적화: 월 100만~200만 원
• 부동산 매물 마케팅 월 5건 패키지: 월 50만~100만 원

장점: 반복 매출(MRR). 수입 예측이 가능합니다. 월초에 이번 달 수입이 얼마인지 알 수 있습니다. 솔로프리너에게 이것은 정신 건강에도 결정적입니다.

단점: 클라이언트 이탈 시 갑작스러운 매출 감소. 따라서 리테이너 고객 수를 6~10개로 분산하는 것이 중요합니다.

적합한 상황: Day 60 이후, 서비스 품질이 검증된 후. 기존 프로젝트 클라이언트를 리테이너로 전환.

모델 C: 성과 기반 (Performance-Based)

구조: 달성한 성과에 비례해 보수를 받습니다.

예시:

• 오가닉 트래픽 증가분의 10%를 리드 가치로 환산하여 청구
• CS 비용 절감액의 20%를 수수료로
• 매물 계약 성사 시 건당 성과 보수

장점: 클라이언트 입장에서 리스크가 없으므로 계약 체결이 쉽습니다. 성과가 크면 수익도 큽니다.

단점: 성과 측정의 합의가 어렵습니다. ‘트래픽 증가가 내 콘텐츠 때문인지, 계절 효과인지’ 같은 논쟁이 생깁니다. 또한 첫 1~2개월은 수입이 0일 수 있습니다.

적합한 상황: 서비스에 대한 확신이 있고, 성과 지표가 명확할 때. 고가 계약을 원할 때.

한국 시장의 가격 현실

글로벌 데이터에서 솔로 운영 적정 가격 구간은 월 29~199달러(SaaS)라고 했지만, AI 에이전시는 ‘서비스’이므로 가격대가 다릅니다.

한국 AI 에이전시 서비스의 현실적 가격 레인지 (2026년 상반기):

• 소형 프로젝트 (단순 결과물 1~2개): 10만~50만 원
• 중형 프로젝트 (패키지/시스템 구축): 50만~200만 원
• 월간 리테이너: 50만~300만 원 (업종·규모에 따라)
• 대형 프로젝트 (자동화 시스템 설계 + 운영): 500만~1,000만 원

한 가지 중요한 조언: 시간 단위 가격을 절대 공개하지 마세요. AI 에이전시의 강점은 ‘빠른 납품’인데, 시간 단위를 공개하면 클라이언트가 ‘1시간 만에 한 걸 왜 50만 원이나 받아?’라고 생각합니다. 결과의 가치로 가격을 제시해야 합니다. “이 서비스를 통해 월 CS 비용을 300만 원 줄이실 수 있습니다. 서비스 비용은 월 100만 원입니다.” 이런 식으로 ROI(투자 대비 수익) 프레임을 만드세요.

AI 에이전시의 함정 — 미리 알아야 할 것들

장밋빛만 그리면 이 시리즈를 쓰는 의미가 없습니다. AI 에이전시 모델에도 명확한 함정이 있습니다. 9화에서 ‘88% 실패의 진짜 원인’을 본격적으로 다루겠지만, 이 모델에 특화된 리스크를 먼저 짚습니다.

함정 1: 스코프 크립 (범위 무한 확장)

‘결과 판매’의 가장 큰 약점입니다. 클라이언트가 원하는 ‘결과’의 범위가 끝없이 늘어날 수 있습니다. “이것도 결과에 포함되는 거 아닌가요?” 한 마디에 2시간짜리 추가 작업이 발생합니다.

대처법: 계약서(또는 서비스 안내서)에 포함 항목과 미포함 항목을 명시합니다. 추가 작업은 추가 비용이라는 원칙을 첫 미팅에서 합의합니다. “패키지에 포함된 범위는 이것이고, 추가 요청은 건당 X만 원입니다.” 이 한 줄이 수십 시간의 무급 노동을 방지합니다.

함정 2: AI 환각(Hallucination) 리스크

AI가 생성한 콘텐츠에 사실과 다른 정보가 포함될 수 있습니다. 텍스트에 존재하지 않는 통계가 들어가거나, 이미지에 비정상적인 요소가 포함되거나. 이것을 검수 없이 클라이언트에게 납품하면 신뢰를 한순간에 잃습니다.

대처법: ‘사람 검수’ 단계를 절대 생략하지 마세요. AI 에이전시에서 ‘당신’의 가치는 AI를 돌리는 것이 아니라, 결과물의 품질을 보증하는 것입니다. 팩트 체크 체크리스트를 만들고, 매 납품물을 최소 한 번은 전수 검토해야 합니다.

함정 3: 상품화(Commoditization) 위험

AI 도구는 누구나 쓸 수 있습니다. ‘나도 ChatGPT로 할 수 있는데 왜 돈을 내?’라는 반응이 올 수 있습니다. 실제로 시간이 지나면 일부 클라이언트는 직접 도구를 사용하기 시작할 것입니다.

대처법: 세 겹의 해자(moat)를 쌓으세요.

• 첫 번째 해자 — 도메인 지식: AI 도구는 범용입니다. 부동산 마케팅의 뉘앙스, B2B 카피의 톤, e커머스 CS의 패턴을 아는 것은 당신의 경험에서 나옵니다.
• 두 번째 해자 — 커스텀 워크플로우: 여러 도구를 조합하고, 프롬프트를 최적화하고, 반복적으로 개선한 워크플로우는 쉽게 복제되지 않습니다.
• 세 번째 해자 — 관계: 리테이너 고객과의 신뢰 관계는 가장 강력한 해자입니다. 교체 비용(switching cost)을 높이세요 — 클라이언트의 데이터, 브랜드 가이드라인, 과거 결과물을 기반으로 점점 더 맞춤화된 서비스를 제공하면, 이탈 비용이 올라갑니다.

함정 4: 과잉 약속

AI의 능력에 대해 과잉 약속하는 것은 가장 흔한 함정입니다. “AI로 매출을 200% 올려 드리겠습니다” 같은 말은 하지 마세요. 결과를 보장할 수 없는 영역에서 보장하면, 분쟁으로 이어집니다.

대처법: 약속하는 것은 ‘프로세스’와 ‘납품물’이지, ‘비즈니스 성과’가 아닙니다. “SEO 최적화된 콘텐츠 8편을 납품합니다”는 약속할 수 있습니다. “오가닉 트래픽을 140% 올립니다”는 약속이 아니라 목표입니다. 이 차이를 클라이언트에게 명확히 설명하세요.

함정 5: 데이터 보안과 개인정보

AI 에이전시는 클라이언트의 비즈니스 데이터를 다룹니다. 고객 리스트, 매출 데이터, 내부 문서 등. 이 데이터를 외부 AI API에 그대로 넘기면 법적 문제가 발생할 수 있습니다.

대처법:

• 클라이언트와 NDA(비밀유지계약)를 체결합니다.
• 사용하는 AI 도구의 데이터 처리 정책을 확인하고 클라이언트에게 설명합니다.
• 개인정보가 포함된 데이터는 익명화/마스킹 후 AI에 입력합니다.
• 한국의 경우 개인정보보호법을 반드시 준수해야 합니다. 잘 모르겠으면 전문가에게 상담하세요.

AI 에이전시의 7가지 유형 — 어디서 시작할 것인가

AI 에이전시라고 하면 막연하게 느껴질 수 있습니다. 구체적인 서비스 유형을 정리하겠습니다. 2026년 현재 솔로프리너가 1인으로 운영 가능한 AI 에이전시 유형 7가지입니다.

유형 1: AI 콘텐츠 에이전시

가장 진입 장벽이 낮습니다. 블로그, SNS, 뉴스레터, 상품 설명 등 텍스트 콘텐츠를 AI로 생성하고 편집합니다. 사례의 레아 타이어가 이 유형입니다.

• 필요 역량: 글쓰기 기본기 + 해당 업종 이해
• 도구: LLM(Claude, ChatGPT) + SEO 분석(Ahrefs/Semrush 무료 티어) + Canva
• 가격대: 월 50만~300만 원 (리테이너)

유형 2: AI 자동화 에이전시

기업의 반복 업무를 AI 기반 자동화로 대체합니다. 닉 사라예프의 모델입니다.

• 필요 역량: 프로세스 설계 + 노코드/로우코드 자동화 도구 활용
• 도구: Make/n8n + LLM API + 대상 시스템(CRM, 이메일, 채팅 등) 연동
• 가격대: 프로젝트 100만~500만 원, 리테이너 월 100만~200만 원

유형 3: AI 비주얼 에이전시

상품 사진 편집, 마케팅 비주얼 제작, 썸네일 디자인, 프레젠테이션 디자인 등 시각 콘텐츠를 AI로 제작합니다.

• 필요 역량: 비주얼 감각 + 이미지 AI 프롬프팅 + 기본 편집
• 도구: 이미지 생성 AI + Canva/Figma + 포토 편집 도구
• 가격대: 건당 5만~30만 원, 패키지 50만~150만 원

유형 4: AI 데이터 분석 에이전시

중소기업의 데이터를 받아 AI로 분석하고, 인사이트 리포트를 납품합니다. 매출 트렌드, 고객 행동 패턴, 경쟁사 분석 등.

• 필요 역량: 데이터 리터러시 + 비즈니스 분석 기본기
• 도구: LLM(코드 생성) + Python/Jupyter(간단한 분석) + 시각화 도구
• 가격대: 리포트 건당 30만~100만 원, 월간 리테이너 100만~300만 원

유형 5: AI 고객 서비스 에이전시

챗봇 구축, FAQ 자동 응답, 이메일 자동 분류/응답 시스템을 구축하고 운영합니다.

• 필요 역량: CS 프로세스 이해 + 챗봇 빌더 + LLM 튜닝
• 도구: 챗봇 플랫폼(Voiceflow, Botpress) + LLM API + 연동 도구
• 가격대: 초기 구축 200만~500만 원, 운영 월 50만~150만 원

유형 6: AI 리크루팅/HR 에이전시

채용 공고 작성, 이력서 스크리닝, 인터뷰 질문 설계, 후보자 평가 리포트 등을 AI로 처리합니다.

• 필요 역량: HR/채용 경험 + LLM 활용
• 도구: LLM + ATS(Applicant Tracking System) 연동 + 프로젝트 관리 도구
• 가격대: 채용 건당 50만~200만 원, 월간 리테이너 100만~300만 원

유형 7: AI 교육/트레이닝 에이전시

기업 내 AI 도입 교육, 맞춤형 AI 활용 워크숍, 부서별 AI 워크플로우 설계를 지원합니다.

• 필요 역량: AI 도구 폭넓은 이해 + 교육/강의 능력
• 도구: 다양한 AI 도구 + 프레젠테이션 + 워크숍 자료
• 가격대: 워크숍 1회 100만~300만 원, 월간 컨설팅 150만~400만 원

7가지 유형 중 어디서 시작하든, 원칙은 같습니다: 당신이 아는 분야 × AI 레버리지 = 결과 판매.

금융IT 20년 경력자의 익명 미니 코너

— 이 코너는 금융IT 분야에서 20년간 일한 필자의 실제 경험을 재구성한 것입니다. 회사와 개인을 특정할 수 있는 정보는 모두 변경했습니다.

2025년 하반기, 내가 몸담고 있던 금융사에서 일이 있었습니다. 경영진이 “AI로 고객 리포트 자동화”를 추진했고, 외부 컨설팅 업체에 용역을 맡겼습니다. 견적이 5억 원이 넘었습니다. 인력 8명, 6개월 프로젝트였죠.

프로젝트가 시작되고 한 달쯤 지났을 때, 후배 한 명이 제 자리에 와서 노트북 화면을 보여줬습니다. 같은 고객 리포트 초안을 LLM에 넣고, 프롬프트 두 줄로 생성한 결과였습니다. 포맷도 비슷하고, 내용 품질도 80점은 됐습니다. 후배가 투입한 시간은 30분이었습니다.

물론 30분짜리 작업이 5억 원짜리 프로젝트를 대체할 수는 없습니다. 보안 검토, 시스템 연동, 규제 준수, 감사 대응 — 금융사에는 넘어야 할 산이 많습니다. 하지만 그날 저녁, 집에 돌아오는 지하철에서 계산을 해봤습니다.

5억 원짜리 프로젝트의 80%는 ‘리포트를 만드는 작업’이 아니라 ‘조직이 그 작업을 수용하기 위한 과정’이었습니다. 의사결정 회의, 보안 심의, 내부 정치, 중간 보고. 실제로 리포트 자동화 ‘로직’을 설계하고 구현하는 데 든 시간은 전체의 20%도 안 됐습니다.

그때 깨달았습니다. 대기업은 ‘AI 결과’에 돈을 내는 게 아니라 ‘AI 도입 과정’에 돈을 냅니다. 반면 중소기업, 소상공인, 1인 사업자는 과정이 필요 없습니다. 결과만 있으면 됩니다. 그 결과를 AI로 빠르게 만들어서 적정 가격에 파는 사람 — 그것이 AI 에이전시 솔로프리너의 자리라는 걸, 5억 원짜리 프로젝트를 옆에서 지켜보면서 알게 됐습니다.

마이크로 SaaS vs AI 에이전시 — 어떤 모델이 나에게 맞는가

4화(마이크로 SaaS 2.0)를 읽고 “이거다!” 하셨던 분, 오늘 5화를 읽고 “아, 이게 더 맞는데?” 하시는 분. 두 모델 모두 2026년에 유효한 솔로 사업 모델입니다. 선택 기준을 정리하겠습니다.

마이크로 SaaS 2.0이 맞는 사람:

• 코딩(또는 바이브 코딩)에 관심이 있거나 배울 의지가 있다
• 한 번 만들어서 반복적으로 파는 ‘제품’ 모델에 끌린다
• 고객과 직접 대면하는 것보다 제품으로 소통하고 싶다
• 장기적으로 ‘자산’을 만들고 싶다 (SaaS는 팔 수 있는 자산이 됩니다)
• 수입이 0인 기간(개발 기간)을 견딜 수 있다

AI 에이전시가 맞는 사람:

• 특정 산업/분야의 경험이 풍부하다
• 코딩보다 사람과의 소통, 문제 해결에 강하다
• 빠른 첫 수입이 필요하다 (SaaS보다 첫 매출까지의 시간이 짧다)
• 서비스 밀착형 관계를 선호한다
• AI 도구를 조합하고 실험하는 것을 즐긴다

둘 다 해당되면? 둘 다 하는 것도 가능합니다. AI 에이전시로 현금 흐름을 만들면서, 반복되는 서비스를 SaaS화하는 것이 실제로 많은 솔로프리너가 택하는 경로입니다. 레아 타이어도 콘텐츠 에이전시를 운영하면서, 동시에 프롬프트 라이브러리를 SaaS로 판매하는 것을 고려하고 있다고 밝혔습니다.

한 걸음 더: AI 에이전시를 키우는 세 가지 레버

90일이 지나고, 월 300만~500만 원의 수익이 안정됐다면, 세 가지 레버로 성장을 가속할 수 있습니다.

레버 1: 과정의 제품화

에이전시 작업 중 반복되는 부분을 분리해서 ‘디지털 제품’으로 만드세요. 프롬프트 템플릿, 워크플로우 가이드, 업종별 AI 활용 매뉴얼 등을 만들어서 자체 웹사이트나 크몽에서 판매합니다. 에이전시 서비스는 ‘하이터치(high-touch)’이고, 디지털 제품은 ‘로우터치(low-touch)’입니다. 두 채널이 서로를 보완합니다.

레버 2: 서비스의 계층화

하나의 서비스를 3개 티어로 나누세요.

• Basic: AI 생성 + 최소 검수. 가격이 낮지만 볼륨으로 수익을 만듭니다.
• Standard: AI 생성 + 심층 검수 + 전략 가이드. 대부분의 클라이언트가 선택하는 티어.
• Premium: AI 생성 + 심층 검수 + 전략 가이드 + 1:1 컨설팅 + 성과 모니터링. 고가이며 클라이언트 수를 제한합니다.

이 구조의 핵심은 Basic 티어가 ‘더 비싼 티어를 선택하게 하는 앵커’라는 점입니다. 대부분의 클라이언트는 가장 싼 것도, 가장 비싼 것도 아닌 중간을 선택합니다.

레버 3: 파트너 네트워크

혼자 할 수 없는 범위의 프로젝트가 들어오면, 다른 솔로프리너와 협업합니다. 예를 들어 AI 콘텐츠 에이전시를 하는데, 클라이언트가 웹사이트 리디자인도 원한다면, AI 비주얼 에이전시를 하는 동료에게 연결합니다. 중개 수수료 10~15%를 받거나, 서로의 클라이언트를 교차 추천하는 구조를 만듭니다.

3화에서 ‘매출당 직원 수가 0인 회사’를 이야기했습니다. AI 에이전시도 마찬가지입니다. 직원을 고용하지 않고, 동맹(alliance)으로 확장합니다. 고정비는 올리지 않으면서 서비스 범위는 넓히는 구조입니다.

이번 글의 한 줄 요약

AI 에이전시는 소프트웨어를 만들지 않고, 도메인 지식과 AI 도구를 결합해 ‘결과’를 파는 모델이다 — 코드보다 문제 해석 능력이 무기이며, 2026년 한국의 중소기업 AI 인력 공백이 바로 이 모델의 시장이다.

다음 화 예고 — 모델 3: 분수형 전문가, 주 10시간만 일하는 임원

지금까지 두 가지 모델을 봤습니다. 마이크로 SaaS 2.0(소프트웨어를 판다)과 AI 에이전시(결과를 판다). 6화에서는 세 번째 모델을 다룹니다. 분수형 전문가(Fractional Expert) — 한 회사의 정규직이 아니라, 여러 회사의 ‘파트타임 임원’으로 일하는 모델입니다.

‘프랙셔널 CTO’, ‘프랙셔널 CMO’라는 말을 들어 보셨나요? 미국에서는 이미 하나의 산업이 됐고, 한국에서는 아직 용어조차 낯섭니다. 풀타임 임원을 고용할 여력이 없는 스타트업과 중소기업이 폭발적으로 늘어나는 2026년, 이 모델이 왜 주목받는지, 주 10시간으로 어떻게 월 수백만 원을 만드는지 다룹니다.

다음 화에서 뵙겠습니다.

이미지는 Leonardo AI 로 생성되었습니다.

이미지는 Claude AI 로 생성되었습니다.

---