“직원 없이 큰 매출을 만드는 AI 회사” 이야기는 제품 제작 속도를 강조한다. 한 사람이 코드와 디자인, 고객 지원 초안을 만들 수 있는 범위는 넓어졌다. 제품을 배포한 뒤 돈을 내고 다시 사용하는 고객을 확보하는 일은 별도 문제다.
Stripe Atlas가 2026년 5월 공개한 분석은 이 차이를 숫자로 보여 준다. 2026년 2분기 당시 Atlas를 통해 설립한 C-Corp 가운데 공동창업자가 없는 회사는 63%였다. 2025년 설립 기업의 첫 6개월 매출을 보면 중앙값은 전년보다 23% 낮아졌고 상위 10%는 19% 높아졌다. 상위 10%와 중앙값의 매출 차이는 4년 전 34배에서 61배로 커졌다.
이 데이터는 Stripe Atlas로 설립한 기업을 다룬다. 다른 국가의 개인사업자와 프리랜서 전체를 대표하지 않으며, AI 사용이 성과를 만들었다는 인과관계도 증명하지 않는다. 그래도 한 사람이 회사를 세우기 쉬워진 시기에 성과가 고르게 좋아지지 않았다는 사실은 제품 제작 뒤의 일을 살펴보게 한다.
고객 문제를 한 문장으로 제한한다
내 블로그 파이프라인을 자동화할 때는 사용자가 나 한 명이었다. 자료 수집과 초안, 검토 후 게시라는 반복을 이미 알고 있었다. 내부 도구는 내가 문제와 예외를 설명할 수 있어서 구현 범위를 정하기 쉬웠다.
외부 고객에게 파는 제품은 다른 사람의 기존 행동을 바꿔야 한다. 에이전트를 붙이기 전에 다음 문장을 채운다.
[구체적인 사용자]가 [반복해서 겪는 문제]를
[현재 사용하는 방법]과 비교해 [측정할 결과]로 개선한다.
“소상공인의 마케팅을 돕는다”는 문장에는 구매 이유가 없다. “온라인 쇼핑몰 운영자가 매주 상품 리뷰 500개를 분류하는 시간을 4시간에서 30분으로 줄인다” 정도로 좁혀야 현재 대안과 결과를 확인할 수 있다.
인터뷰에서 사용자와 문제, 현재 대안이 계속 바뀌면 코드를 추가하지 않는다. 인터뷰 내용을 표로 만들고 반복되는 문제와 지불 의사를 구분한다. 불편하다는 말과 돈을 내고 해결하겠다는 행동은 다를 수 있다.
Stripe 데이터에서 유지율을 먼저 봤다
Stripe는 2022년과 2023년에 Atlas로 설립했고 2년 이상 매출 데이터가 있는 수천 개의 1인 창업 기업을 분석했다. 상위 10% 기업은 AI-native 제품과 B2B에서 더 높은 비중을 보였고, 첫 달부터 더 많은 국가에서 매출을 냈다.
내가 주목한 값은 초기 고객 유지였다. 상위 10% 기업에서는 첫 달 고객의 약 30%가 다음 달에도 결제했다. 비교 대상인 중간 구간 기업은 8%였다. B2B 1인 기업에서는 상위 그룹이 첫 달 고객을 유지한 비율이 중앙값 그룹보다 6배 높았다.
Stripe는 반복 결제 모델 사용률도 차이의 일부일 수 있다고 설명한다. 유지율만 올리면 성공한다는 공식은 아니다. 첫 고객이 다시 결제했다는 사실은 제품이 해결한 문제가 한 번성 호기심을 넘었는지 판단할 신호가 된다.
나는 출시 수와 생성한 기능 수보다 다음 값을 기록한다.
- 이번 주에 문제 상황을 직접 들은 고객 수
- 첫 유료 결과를 전달하기까지 걸린 시간
- 첫 가치를 경험한 고객의 비율
- 30일 뒤 다시 사용하거나 결제한 고객의 비율
- 고객 요청과 연결되지 않은 기능에 쓴 시간
- 자동화 실패를 사람이 복구한 횟수
마지막 두 값이 늘면 제품이 고객 가치보다 제작 활동에 집중하고 있다는 신호다. AI는 기능을 더 빨리 만들 수 있으므로 요청 없는 기능의 비용도 낮아 보이게 만든다.
첫 판매는 수동으로 제공한다
처음부터 완성된 SaaS를 만들지 않는다. 고객이 원하는 결과를 사람이 직접 제공해도 된다. 리뷰 분류 서비스라면 고객 파일을 받아 내가 결과표를 만들고, 어떤 열을 실제 업무에 쓰는지 본다. 그 과정에서 보안 요구와 예외, 납기 기대를 확인한다.
수동 제공에는 다음 기록을 남긴다.
고객이 보낸 입력과 형식
결과를 만들기 위해 내가 한 단계
고객이 결과를 사용한 업무
수정 요청과 이유
다시 구매할 조건
사람이 처리한 시간과 외부 비용
같은 단계가 여러 고객에게 반복되면 자동화 후보가 된다. 고객마다 결과 정의가 바뀌면 제품 범위를 더 좁혀야 한다. 수동 작업의 비용을 모르면 가격을 정할 수 없고, 에이전트 실패 시 사람이 처리할 시간도 계산할 수 없다.
유료 검증은 가격 페이지의 클릭보다 강한 신호를 준다. 작은 금액이라도 고객이 결과를 받고 비용을 지불하면 구매와 전달 과정의 마찰을 확인할 수 있다. 환불과 수정 요청도 제품 설계 자료로 남는다.
에이전트 역할에 비용과 승인 지점을 둔다
AI를 공동창업자로 부르면 시장 판단과 고객 약속까지 맡기기 쉽다. 나는 작은 팀처럼 역할을 나눈다.
| 역할 | 에이전트가 처리할 일 | 사람이 결정할 일 | 중단 조건 |
|---|---|---|---|
| 조사 | 경쟁사와 자료 후보 수집 | 만날 고객과 질문 | 출처 없는 주장 |
| 제품 | 코드와 문서 초안 | 문제 범위와 공개 시점 | 테스트 실패 |
| 운영 | 요청 분류와 알림 | 예외 처리와 보상 | 고객 데이터 위험 |
| 마케팅 | 문구와 채널 실험안 | 약속할 가치와 표현 | 검증되지 않은 성과 주장 |
각 역할에는 입력 형식과 비용 상한을 붙인다. 조사 에이전트가 웹을 무제한 탐색하거나 마케팅 에이전트가 자동으로 게시하지 않게 한다. 고객 데이터가 들어오면 저장 위치와 보존 기간, 접근 권한을 먼저 정한다.
운영 자동화는 실패 경로를 포함해야 한다. 결제 webhook이 두 번 들어오거나 에이전트가 분류하지 못한 요청이 생길 수 있다. 사람에게 넘길 큐와 응답 시간, 재시도 제한을 제품 기능으로 본다.
한 주 검증 루프
새 1인 프로젝트에서는 긴 로드맵보다 일주일 단위로 가설을 확인한다.
| 요일 | 할 일 | 남길 증거 |
|---|---|---|
| 월 | 대상 고객과 문제 가설 작성 | 인터뷰 질문과 제외 조건 |
| 화·수 | 고객 대화와 현재 업무 관찰 | 원문 메모와 반복 문제 |
| 목 | 한 고객에게 수동 결과 제공 | 입력, 결과, 소요 시간 |
| 금 | 가격과 재구매 조건 확인 | 결제 또는 거절 이유 |
| 주말 | 자동화할 한 단계 선정 | 테스트와 실패 처리 계획 |
고객 수를 다섯 명으로 고정할 필요는 없다. 서로 다른 문제를 말하면 더 만나고, 같은 문제를 확인해도 지불 행동이 없으면 가격과 고객군을 다시 본다. 자동화 작업은 검증된 흐름에서 반복 비용이 큰 단계 하나만 고른다.
혼자 운영할 수 있는 한도를 계산한다
1인 기업의 병목은 코딩 시간만이 아니다. 고객 지원과 세금, 보안 사고, 환불을 한 사람이 처리한다. 월 매출과 함께 주간 운영 시간을 기록한다.
고객 한 명당 지원 시간
자동화 실패 복구 시간
외부 API와 모델 비용
환불과 결제 실패 비율
보안·회계 업무 시간
창업자가 자리를 비울 때 멈추는 업무
매출이 늘어도 고객 한 명당 지원 시간이 줄지 않으면 혼자 운영할 수 있는 한계가 빠르게 온다. 그때 자동화와 문서화, 외부 전문가 사용, 채용 가운데 비용이 낮은 방법을 선택한다. 직원이 없다는 상태를 목표로 삼으면 고객 문제를 해결하는 데 필요한 도움까지 피할 수 있다.
AI 1인 기업이 가진 이점은 실험 수정 비용이 낮다는 점이다. 고객 대화를 건너뛰고 기능 수를 늘리는 데 사용하면 같은 이점이 낭비된다. 나는 문제를 한 문장으로 좁히고, 수동으로 유료 결과를 제공하고, 재사용과 재구매를 확인한 뒤 반복 단계만 에이전트에 맡긴다.