시작은 거창한 사업계획서가 아니었다.
샤워를 하다가 “이거 이렇게 하면 더 낫지 않나?”라는 생각이 든다. 채팅에 던진다. 다음 날 규칙이 된다. 그다음에는 코드가 되고, 테스트가 되고, 정기 실행 작업이 된다. 원래라면 사라졌을 한 번의 생각이 계속 일한다.
AI를 쓰면서 가장 재미있었던 부분이 바로 이것이었다.
글을 빨리 쓰고, 코딩을 잘 몰라도 코드를 만들 수 있다는 것도 물론 편하다. 하지만 몇 달 동안 시스템을 키우면서 더 크게 느낀 것은 조직의 변화였다.
AI를 쓰면 개인의 아이디어가 ‘부서’가 된다.
글을 쓰는 부서, 번역하는 부서, 품질을 검사하는 부서, 배포하는 부서, 장애를 감시하는 부서, 성과 데이터를 모으는 부서가 생긴다. 사람을 한 명씩 채용한 적은 없는데 GitHub 안에 조직도가 자라난다.
이 정도면 회사다.
단, 땅은 GitHub다.
1. 한 번의 아이디어가 계속 일하는 설비가 된다
이 구조의 가장 큰 쾌감은 같은 판단을 계속 반복하지 않아도 된다는 점이다.
예를 들어 어느 날 “모든 언어가 끝날 때까지 기다릴 필요가 있나? 통과한 언어부터 내보내면 되지 않나?”라는 생각이 든다.
이게 사람의 업무 지침으로만 남으면 나중에 다시 설명해야 한다. 담당자가 바뀌면 또 교육해야 한다. 자신이 잊어버릴 수도 있다.
하지만 시스템 동작으로 넣어두면 ‘통과한 언어부터 출하’가 공장의 성질이 된다.
“최적화가 고장 나도 기본 생산은 계속하자”도 마찬가지다. 말로 하면 조언이지만, 폴백 경로로 구현하면 장애가 날 때마다 실제로 작동한다.
“배포 성공만으로 완료 처리하지 말고 실제 운영 페이지를 읽어 확인하자”도 검증 공정으로 고정할 수 있다.
아이디어가 일회용 메모가 아니라 설비 투자가 되는 셈이다.
샤워 중 생각난 한마디가 일주일 뒤 품질보증팀에서 근무하고 있다. 채용 결재를 올린 기억은 없다.
2. AI는 시간과 돈에 동시에 레버리지를 건다
예전부터 레버리지라고 하면 시간과 돈 이야기가 따라왔다.
돈이 있으면 사람을 고용하고, 장비를 사고, 외주를 줄 수 있다. 소프트웨어는 한 번 만든 프로그램을 수천 번 반복 실행하게 해주는 시간 레버리지였다.
AI가 흥미로운 이유는 이 두 축을 동시에 건드리기 때문이다.
직접 구현하면 며칠 걸릴 아이디어를 AI와 함께 빠르게 시험할 수 있다. 시간 압축이다.
또 처음부터 개발자, 번역가, QA, 운영 담당자를 여러 명 고용하지 않고도 개념 검증을 시작할 수 있다. 필요한 자본이 줄어든다.
그리고 만들어진 시스템은 내일도 작동한다.
그래서 단순히 “오늘 10시간을 아꼈다”로 끝나지 않는다.
오늘 AI로 내일부터 계속 10시간을 아껴주는 기계를 만들 수도 있다.
이 차이는 누적된다.
3. 물리적인 땅 없이 인터넷 위에 공장을 세울 수 있다
물리 공장은 시작부터 무겁다.
토지, 건물, 장비, 전기, 재고, 인력, 보험, 대출이 필요하다. 수요가 사라져도 공장은 같이 사라져 주지 않는다.
디지털 공장은 비용 구조가 다르다.
비유하자면 GitHub가 땅과 창고, 클라우드가 전기와 도로, AI가 개발·번역·검사를 돕는 대규모 작업 인력, 사람은 공장장 겸 상품기획자다.
물론 실제 부동산은 아니다. 플랫폼 의존, 보안, 이용료, 정책 변경 같은 위험은 남는다.
그래도 “시도하기 전에 거대한 고정자산부터 가져야 한다”는 조건은 약해진다.
인터넷 공장이 망했다고 폐공장 풀을 베러 갈 필요는 없다.
repo를 닫았다고 재산세 고지서가 오지도 않는다.
이 가벼움은 크다.
4. 실패 비용이 ‘사업’보다 ‘취미’에 가까워진다
체감상 놀라운 부분은, 짧은 해외여행 한 번이나 게임기 한 대 정도의 현금 지출로 몇 달 동안 꽤 큰 AI 프로젝트를 가지고 놀 수 있다는 것이다.
그리고 놀고 나면 코드, 설계, 테스트, 콘텐츠, 운영 규칙, AI 활용 경험이 남는다.
게임기는 게임기로서 훌륭하다. 다만 콘텐츠 공장은 다음 날 아침에도 품질 검사를 하고 있을 수 있다.
취미 비용 일부가 생산 설비 투자처럼 남는 셈이다.
전통적인 신규 사업은 “실패하면 빚이 남는다”는 공포가 컸다. 작은 AI 실험은 경우에 따라 “몇 달 재미있게 배웠고 repo가 남았다”로 끝날 수 있다.
물론 자신의 시간은 공짜가 아니다. 몇 달의 집중을 0원이라고 계산하면 안 된다.
그래도 시도하기 위해 위험에 노출해야 하는 현금이 작아졌다는 점은 중요하다.
개인이 ‘실패해볼 권리’를 더 싸게 살 수 있게 된 것이다.
5. 기사 도구를 만들었는데 회사 부서가 자라났다
처음에는 기사 생성기 하나면 충분해 보인다.
하지만 실제로 돌리면 필요한 것이 빠르게 늘어난다.
- 원문 편집 공정
- 12개 언어 전개
- 언어별 품질 검사
- 오래된 승인 증거를 잘못 재사용하지 않는 버전 관리
- 공개 대기 큐
- 한 항목 실패가 정상 항목까지 멈추지 않게 하는 장애 격리
- 실제 운영 HTML 검증
- 광고·트래픽·검색 데이터 관측
- 관측 결과를 수정·재검수·재공개로 연결하는 순환
이 정도면 ‘자동 블로그’라는 말이 부족하다.
편집부, 번역부, 품질보증, 출하관리, 운영감시, 광고, 분석을 소프트웨어로 바꾸는 쪽에 가깝다.
코드가 몇 만 줄이냐가 핵심은 아니다.
핵심은 사람이 반복해서 판단하던 일을 재사용 가능한 규칙과 공정으로 바꿨다는 것이다.
코드 줄 수는 결과다. 진짜 변화는 조직의 압축이다.
6. 재구축 비용이 비싸다고 비싸게 팔리는 것은 아니다
이 둘은 반드시 구분해야 한다.
대화에서는 동일한 기능, 12개 언어 제작, QA, 운영, 공개, 분석까지 생성형 AI 없이 사람 중심으로 다시 만들면 얼마가 들지 거칠게 상상해봤다.
조건에 따라 수억 엔에서, 아주 거친 시나리오로는 12억~18억 엔 수준의 숫자도 나왔다.
하지만 이것은 공식 견적이 아니다.
재조달 비용과 시장가치는 다르다.
사람 100명이 만들면 힘들다는 이유만으로 완성된 repo를 같은 가격에 사주는 것은 아니다.
구매자는 실제로 작동하는지, 몇 달 안정적으로 운영되는지, 인력을 얼마나 줄이는지, 수익이 있는지, 자기 업무에 맞는지, 유지보수가 가능한지를 본다.
현재 수익이 0이라면 0이다. 굳이 꾸밀 필요가 없다.
공장을 가진 것과 공장에서 팔리는 상품을 만드는 것은 다른 성과다.
공장장, 현실 확인 부탁드립니다.
7. 수익은 ‘기사’와 ‘공장 자체’의 2층 구조로 만들 수 있다
여기서 더 재미있는 사업 아이디어가 나온다.
1층은 공장에서 나온 기사로 돈을 버는 것이다. 검색 유입, 광고, 제휴, 서비스 전환 등이 있다.
2층은 공장 자체를 상품으로 만드는 것이다.
고객마다 처음부터 새로 만들지 않고 기본 구조를 복제한 뒤, 고객의 분야, 품질 규칙, 언어, 공개 환경, 측정 방식에 맞춰 조정한다.
“공장을 복붙해서 판다”가 웃긴 표현이라면, 사업 용어로는 템플릿 판매, 라이선스, 도입 지원, 운영 대행, 업종별 커스터마이징이 될 수 있다.
그러면 하나의 미디어 수익에만 의존하지 않아도 된다.
상품을 만드는 공장이, 다음 공장까지 만들어서 판다.
갑자기 자기증식 냄새가 난다.
물론 수요가 먼저다. 아무도 원하지 않는 공장을 100개 복제하면 아무도 원하지 않는 공장이 100개 된다.
그래서 가장 가벼운 검증은 대규모 영업이 아니라 사이트에 짧은 안내를 두는 것이다.
이런 콘텐츠 공장에 관심이 있나요?
다국어 콘텐츠 생성·품질관리·공개·운영 시스템을 자사 미디어나 특정 전문 분야에 적용해보고 싶다면 사이트의 문의 폼을 통해 연락해 주세요.
처음부터 대형 패키지 판매를 전제로 하지 않고 실제 수요를 보면서 제공 방식을 설계할 수 있습니다.
이 정도면 충분하다.
“팔릴지 모르니 일단 문의 버튼만 둔다.” 이 낮은 리스크 자체가 이 글의 주제다.
8. 아직 수익이 없어도 취미로 얻은 것은 남는다
수익만 평가하면 매출이 없는 달은 전부 실패처럼 보인다.
하지만 만드는 과정 자체가 재미있다면 다른 수익률도 있다.
몇 달 즐겼다.
동시에 코드가 남고, 설계가 남고, AI 사용법이 남고, GitHub와 클라우드 운영 지식이 남고, 다음 프로젝트 시작 속도도 빨라진다.
일부는 오락비였고, 일부는 인적 자본과 소프트웨어 자산이 됐다.
소프트웨어 만들기가 게임보다 더 훌륭하다는 이야기는 아니다. 게임은 재미있으면 임무를 완수한 것이다.
다만 놀고 나니 공장이 남아 있는 취미는 꽤 특이하다.
9. AI를 쓰는 사람과 안 쓰는 사람의 차이는 ‘속도’보다 복리에서 벌어질 수 있다
AI를 쓴다고 자동으로 이기는 것은 아니다. 판단이 나쁘면 나쁜 글과 나쁜 코드를 빠르게 만들 뿐이다.
차이가 커지는 지점은 자신의 판단을 AI로 재사용 가능한 시스템으로 바꿀 때다.
한 사람은 판단을 한 번 쓰고 끝낸다. 다른 사람은 한 번 판단한 뒤 규칙, 테스트, 자동 실행으로 만들어 수백 번 다시 쓴다.
시간이 지나면 두 번째 방식이 누적된다.
“이 동작 이상하지 않나?”
“왜 하나 실패했다고 전부 멈춰야 하지?”
“실제 운영 페이지를 확인하자.”
“트래픽 데이터를 다음 수정에 넣자.”
이런 작은 판단이 계속 시스템으로 고정되면 생각 자체가 자본처럼 쌓인다.
AI는 답변 기계보다 생각을 자산으로 가공하는 공작기계로 쓸 때 더 무서워진다.
10. 가장 큰 변화는 ‘도전할 수 있는 사람’의 범위가 넓어지는 것일지 모른다
큰 사업에는 여전히 자본과 사람이 필요하다.
하지만 첫 실험은 훨씬 싸졌다.
개인이 디지털 인프라를 빌리고, AI의 도움을 받아 작은 공장을 만들고, 누가 관심을 보이는지 확인할 수 있다.
반응이 없으면 멈춘다. 반응이 있으면 증설한다.
거대한 자본을 먼저 모은 뒤 시도하는 대신, 작게 시도하고 검증된 것에 자본을 넣는 순서가 쉬워진다.
AI는 시간을 절약한다. 돈도 절약할 수 있다.
하지만 가장 재미있는 효과는 예전에는 비쌌던 “일단 해보자”를 싸게 만든다는 점인지도 모른다.
그리고 마지막으로 현재 공장의 수익을 확인하자.
아직 거의 못 벌고 있습니다.
공장은 멋지다.
이제 상품 좀 흘려보내 주세요, 공장장님.
