AI 시대의 1인 창업, 채용보다 먼저 준비할 3가지

2026. 7. 5 · 약 15분 · 뉴스에서 내 일로

AI가 채용 없이도 회사를 굴리게 할까? 1인 창업자의 시대

AI가 코드·문서·분석을 맡으면 한 사람이 예전의 작은 팀처럼 일할 수 있다. 그러나 좋은 모델 하나만 연결한다고 사업이 굴러가지는 않는다. 실패를 잡는 검증 루프, 실제로 돈을 내는 고객, 커질수록 버티는 데이터 기반이 함께 필요하다. 오늘은 에이전트 루프, 1인 창업 통계, ClickHouse를 이 세 조건으로 연결해봤다.

먼저 보는 결론

• 에이전트 품질은 모델보다 작업·검증·피드백 루프 설계에서 갈린다.
• 1인 창업 증가는 보이지만 모든 증가를 AI 효과로 단정하면 안 된다.
• 작게 시작해도 로그와 비용 구조는 성장 뒤까지 버틸 선택이 필요하다.

왜 함께 읽었나

1인 창업자가 AI로 일을 빠르게 처리하려면 에이전트가 틀렸을 때 되돌리는 루프가 필요하다. 고객이 늘면 결제와 사용 기록이 폭증하고, 그때는 로그를 검색하고 비용을 통제할 데이터 기반이 필요하다. 창업 통계만 보면 보이지 않는 운영의 두 축을 앞뒤 기사와 함께 보완했다.

오늘의 뉴스 3개

1. GeekNews

루프 엔지니어링의 미학 (The Art of Loop Engineering)

에이전트를 안정적으로 유용한 작업에 활용하려면 좋은 모델만으로는 부족하며, 작업 집합에 맞게 설계된 하네스(harness)가 필요합니다.

가장 기본이 되는 에이전트 루프는 LLM에 컨텍스트를 주고 작업이 끝날 때까지 도구를 반복 호출하는 구조를 가집니다.

여기에 검증 루프, 이벤트 기반 루프, 힐 클라이밍 루프를 쌓아 올리는(stacking) 방식으로 더 효과적인 에이전트를 구성할 수 있습니다.

각 루프 계층은 LangChain 프리미티브로 계측(instrument)할 수 있으며, 내부 문서 작성 에이전트를 예시로 설명합니다.

진정한 잠재력은 모델 자체가 아니라 에이전트를 둘러싸고 구축하는 루프에 있습니다.

Loop 1: 에이전트 루프

에이전트는 본질적으로 작업이 완료될 때까지 도구를 반복 호출하는 모델입니다.

LangChain의 create_agent가 이 루프를 제공하며, 모델을 고르고 도구(tools)를 연결하면 동작하는 에이전트 루프가 완성됩니다. 도구는 에이전트가 현실 세계에서 행동을 취할 수 있게 하는 요소입니다.

내부 문서 에이전트 예시에서, 첫 루프 단계는 문서 개선 요청을 받아 모델이 변경 사항을 계획·초안 작성하고, repo 클론·파일 읽기·문서 작성·풀 리퀘스트(pull request) 열기 등에 도구를 사용합니다.

Level 2: 검증 루프

에이전트 루프는 작업을 처리하지만 첫 시도에서 항상 정확하거나 일관된 결과를 내지는 않으며, 일관성이 중요할 때 출력을 점검하고 미흡하면 피드백을 모델로 되돌리는 검증 루프로 감쌉니다.

검증 루프는 그레이더(grader)를 추가해 에이전트 출력을 루브릭(rubric)에 대조하고, 실패 시 피드백과 함께 결과를 되돌립니다. 그레이더는 결정론적이거나 에이전트형일 수 있으며, LLM as a judge가 전형적 예시입니다.

원문 보기

728x90

 

2. GeekNews

1인 창업자의 시대

미국 인구조사국은 2022년 사업체 분류 방식을 개편하여 고소득 무고용 사업체 기준을 상향 조정했고, 이로 인해 고소득 1인 창업자(solopreneur)의 집계가 급증했습니다. 신규 사업체 형성 통계, 국가별 등록 기록, Stripe 플랫폼 데이터 모두 1인 창업의 지속적인 성장을 뒷받침하고 있습니다. 1인 창업은 고용형 사업체 형성보다 빠르게 증가하고 있으며, 이는 여러 독립적인 데이터로 검증되어 사기(fraud) 급증에 의한 현상일 가능성은 낮습니다. 일정 소득 기준을 넘는 1인 창업자의 수와 비중이 동시에 상승하고 있으며, 2023년 이후 뚜렷한 가속화가 나타나고 있습니다. AI는 과거 채용을 필요하게 만들었던 역량 공백을 메우며, 소득 분포에 나타날 정도로 빠르게 1인 창업 성장을 견인하고 있습니다.

인구조사국 분류 방식 변경과 1인 창업 급증

2022년 이전에는 인구조사국이 일정 매출 기준을 넘는 사업체는 반드시 고용이 있다고 가정하여, 스스로 1인 사업임을 신고해도 매출 기준 도달 시 자동으로 고용형으로 재분류했습니다. 2020년대 초 이 가정에 균열이 발생하여, 일부 업종에서 상당한 매출을 내면서도 고용하지 않는 1인 운영자가 확인되었습니다. 2022년 인구조사국이 소득 기준을 체계적으로 상향 조정했고, 그 결과 고소득 구간의 무고용 사업체 집계가 급증했습니다.

1인 창업자가 고용형 사업체보다 훨씬 빠르게 증가, 사기 아님

인구조사국 Business Formation Statistics의 신규 사업 신청이 지난 18개월간 이례적인 신호를 보였습니다. 신규 사업 신청은 실제 상업 활동에 앞서 주 정부 및 국세청(IRS)에 제출되는 서류입니다. 2020년 팬데믹 초기 급증 후 높은 수준을 유지하다가 2024년 말부터 다시 가속화되었습니다. 이러한 가속화는 고용주가 될 "높은 성향(high propensity)" 신청이 이끄는 것이 아닙니다. 인구조사국은 향후 8개 분기 내 채용 가능성이 있다고 판단되는 신청을 "높은 성향"으로 분류하는데, 전체 신청이 급증하는 동안에도 높은 성향 신청은 비교적 안정적으로 유지되었습니다.

팬데믹기 급증과의 비교

2020년 미국 연방정부가 소상공인 대출 프로그램인 Paycheck Protection Program(PPP)을 도입했습니다. 이는 EIN과 최소 요건만으로 자격을 부여하여, 실제 창업 의도가 없는 신청을 유인했습니다. 2020년 신청 구성이 무고용 가능성이 높은 사업체 쪽으로 동시 증가했다는 경제 연구가 존재합니다(Dinlersoz et al. 2021). PPP 종료와 함께 무고용 급증은 정점 후 부분 반전되었지만, 미국 사업체 형성 수준은 팬데믹 이전보다 지속적으로 높게 유지되고 있습니다. 현재의 가속화에는 신청을 유도하는 유사한 연방 보조금이 없으며, PPP는 2021년 5월 신규 접수가 중단되었고 마지막 탕감 지급은 2024년이었습니다.

사기설을 반박하는 세 가지 근거

Stripe 결제 유입(pay-in) 데이터도 최근 사업 가입이 정당하다는 해석과 일치합니다. Stripe는 가입 사업체 중 1인 창업자와 고용주를 구분하지 못하지만, 전반적인 가속화와 유의미한 활동은 검증하고 있습니다. 2023년 이후 Stripe 가입 사업체가 이전 가입 코호트보다 더 이르게 상당한 거래량에 도달했습니다. Stripe 개시 후 1년 내 누적 매출 100만 달러 도달 비중이 2025년 코호트가 2023년 코호트 대비 약 30% 높고, 2019년 코호트 대비 약 3배 높습니다. 최근 코호트가 비활성 사업체 위주였다면 임계치 도달까지 시간이 더 걸려야 하지만 오히려 단축되었습니다.

사업 신청 급증은 미국에 국한되지 않습니다. 2017년 이후 신규 사업 등록이 호주 약 40%, 핀란드 약 70%, 프랑스 약 80% 증가했으며, 2025년 한 해에도 뚜렷한 가속화가 나타났습니다. 서로 다른 규제 환경에서의 다국적 가속화는 사기보다 더 근본적인 동인을 시사합니다. 세분화 데이터가 있는 프랑스에서는 전통적인 고용형 사업체보다 1인 창업자 및 마이크로기업가 중심의 형성이 확인되었으며, 이는 미국과 유사합니다.

미국 Delaware 법인 설립 증가도 사기설에 회의적인 근거를 제공합니다. Delaware 법인 설립은 2025년 초 이후 전년 대비 약 40% 성장했으며, 2025년 1월 이후 매월 팬데믹기 정점 이상을 유지하고 있습니다. Delaware는 2025년 미국 전체 약 570만 건 신청 중 약 75,000건에 불과하지만, 기관 자본 유치나 공식 지배구조 수립을 의도한 창업자가 선호하는 설립 관할지로 진정한 사업 의도의 강한 신호입니다. 악의적인 행위자의 수동적인 LLC 설립에는 자연스러운 목적지가 아닙니다. Wyoming에서 사업 신청 증가가 가장 빠르며, 이 역시 수동적인 등록이 아닌 의도적인 법적 구조 설계와 연관되어, 가속화의 지리적 구성이 의도적인 방향으로 기울고 있습니다.

고소득 구간 1인 창업자의 급성장

2023년 약 400만 명의 미국인이 1인 창업자로 주 소득을 벌며 연 10만 달러 이상 매출을 창출했습니다. 이는 2010년대 초 200만 명대 중반에서 크게 상승한 수치입니다. 당시 Stripe, Substack, Kajabi 등 대규모 1인 사업 인프라는 아직 규모가 작고 기능이 제한적이었습니다. 인구조사국의 고소득 구간 데이터는 제한적이며, 방식 변경으로 Nonemployer Statistics(NES) 장기 비교가 어렵습니다. 고소득 1인 창업자를 파악하기 위해 Stripe 1인 창업자 프록시 지수를 구성했는데, 약 115개 1인 창업자 특화 플랫폼과 모든 solo Stripe Atlas 사업체를 포함합니다. 대부분의 1인 운영자가 특화 플랫폼 대신 범용 인프라를 사용하므로 실제 규모를 과소평가할 가능성이 높지만, 방향성 추세는 합리적으로 반영하며 다양한 소득 기준을 넘는 1인 창업자의 수와 비중 모두 지속적으로 상승하고 있습니다.

지수상 10만 달러 초과 1인 창업자 수가 크게 증가했으며, 더 높은 소득 구간의 증가는 더욱 큽니다. 2023년 이후 뚜렷한 가속화가 나타나고 있습니다. 100만 달러 초과 1인 창업자는 2025년이 2023년의 2배 이상이며, 500만 및 1,000만 달러 돌파는 각각 약 3배에 근접합니다. 지난 2년간 각 소득 기준을 넘는 1인 창업자의 비중도 두 배로 증가하여, 일부 운 좋은 소수의 저품질 실험이 아니라 신규 1인 창업 코호트 자체의 품질이 과거보다 높을 가능성을 시사합니다.

AI가 채용을 대체하며 역량 공백을 메움

AI가 1인 창업 형성 가속화와 최근 1인 창업자의 두드러진 성과의 주요 동인 중 하나로 보이지만, 그 효과를 분리하기는 쉽지 않습니다. 일부는 새로운 도구의 발견, 접근, 통합 용이성에서 비롯됩니다. 에이전트가 최적의 도구를 찾고 최소한의 지원으로 통합 처리가 가능합니다. 인구조사국 데이터와 Stripe 가입 데이터 모두에서 AI 지원 가입(AI-assisted sign-ups) 형태로 확인됩니다.

결론

최근 미국 사업 형성 급증은 높은 성향 신청에는 반영되지 않지만, 증거는 2025~2026년 1인 창업자 주도의 진정한 소상공인 활동의 구조적 증가를 가리킵니다. AI 도구 사용 증가와 고AI채택 업종의 1인 창업 성장에 대한 예비 증거는 AI 발전이 이 성장의 상당 부분을 담당함을 시사합니다. AI는 1인 창업자의 역량 확장, 신규 사업 대상 도구 및 플랫폼 개선, 새로운 기회 창출을 통해 사업 형성 및 성장의 진입장벽을 낮추는 중입니다. 그 효과 규모가 가장 낙관적인 해석만큼 큰지는 미지수이나, 사업 형성의 근본적인 가속화의 초기 국면일 수 있으며 경제 전반에 파급 효과가 가능합니다.

원문 보기

3. GeekNews

ClickHouse가 Observability 전쟁에서 앞서가는 이유

로그가 Observability에서 어려운 이유

개발자는 작은 시스템에서 grep, jq, tail -f로 로그를 빠르게 다뤘던 경험 때문에 로그 검색에 높은 기대치를 가집니다. 그 방식은 시스템이 작고, 로그 양이 적고, 쿼리하는 사람이 로그 라인을 직접 작성했을 때 잘 통합니다. 하지만 규모가 커지면 스키마 드리프트, 카디널리티 폭발, 팀 간 소비자, 대시보드 요구가 동시에 생깁니다.

로그를 쓰는 사람은 개발자만이 아닙니다. 고객지원팀은 특정 사용자의 실패한 결제 같은 사건을 찾아야 하고, 데이터팀은 백엔드 엔지니어가 바꿀 수 있는 로그 라인 위에 비즈니스 대시보드를 만들 수 있습니다. 온콜 담당자는 새 쿼리 언어나 인덱스 패턴을 배우지 않고 검색창이 바로 동작하길 기대합니다.

기술적으로는 데이터 양이 크고 형태가 불규칙하며, 어떤 쿼리가 들어올지 예측하기 어렵습니다. 개발자는 즉시성, 임의 연산, 느슨한 스키마를 원하고, 비기술 사용자는 안정적인 대시보드와 관대한 UI를 원합니다.

ClickHouse가 로그에 맞는 구조

ClickHouse는 Yandex에서 클릭스트림 데이터의 대규모 분석 쿼리를 처리하기 위해 만들어졌습니다. Observability 전용으로 설계된 것은 아니지만, 클릭스트림과 Observability 데이터는 대량 데이터, 추가 중심 쓰기, 시간 순서 중심, 집계 읽기 위주, 가끔 특정 레코드를 찾아야 하는 사용 패턴 등 닮은 점이 많습니다.

운영 방식도 여러 선택지가 있습니다. Helm chart로 직접 실행 가능하며, Grafana의 ClickHouse 플러그인, 자체 웹 UI, 직접 만든 프런트엔드를 사용할 수 있습니다. OpenTelemetry Collector의 ClickHouse exporter로 OTLP 데이터를 직접 넣고 초기 스키마 관리를 맡길 수 있습니다. 수십억 행을 스캔하고 매우 큰 데이터량을 수집하도록 설계되었으며, 쿼리 언어는 새 전용 언어가 아니라 SQL입니다.

컬럼 지향 저장과 압축이 만드는 차이

로그는 데이터 형태상 append-only에 가깝습니다. 로그 라인은 업데이트하지 않으며, 개별 삭제는 거의 없고, 보존 기간이 끝나면 대량 삭제합니다. 대체로 시간 순서대로 도착하지만 완전히 정렬되지는 않습니다. 읽기 패턴은 장애나 분석 시점에 폭발적으로 바뀝니다. 며칠 동안 아무도 보지 않다가 장애 중에는 수십억 개를 몇 초 안에 훑고 싶어 하며, 좁은 시간 범위에서 여러 필드를 보거나, 넓은 시간 범위에서 몇 개 필터로 집계하는 일이 많습니다. 트랜잭션 DB처럼 특정 ID의 한 행을 찾는 패턴은 드뭅니다.

Elasticsearch, Postgres, MySQL 같은 행 지향 DB는 한 로그 라인의 모든 필드를 함께 저장합니다. 40개 필드 중 3개만 필요해도 디스크에서는 40개를 읽게 됩니다. 반면 ClickHouse는 각 컬럼을 따로 저장합니다. timestamp, service, status_code만 쓰는 쿼리는 해당 컬럼만 읽으며, 수십 개 속성이 있어도 특정 쿼리가 3~4개 컬럼만 쓰는 Observability 데이터에서는 읽기량 차이가 커집니다.

컬럼 데이터는 같은 컬럼 안의 값이 서로 비슷해 압축이 잘 됩니다. service_name 컬럼은 수십억 행에서도 고유 문자열이 수백 개일 수 있습니다. 실제 Observability 데이터에서 10–14x 압축률을 흔히 볼 수 있으며, Elasticsearch의 2–3x와 뚜렷하게 대비됩니다.

선택 기준

1 TB/일에서는 어떤 스택이든 대체로 동작하므로 팀이 이미 아는 것을 고르면 됩니다. 중요한 질문은 오늘 동작하는지가 아니라, 2년 뒤 데이터가 5배, 팀이 2배가 되고 초기 설계자가 떠난 뒤에도 같은 형태를 유지하는지입니다.

Elasticsearch와 LGTM은 규모가 커지면 구조가 변하며, Datadog은 운영상 단순하지만, 비용 측면에서는 별도의 회계·파이프라인 팀이 필요한 형태로 바뀝니다. ClickHouse는 샤드를 더하는 방식으로 넓어집니다. 그 대가는 초기에 스키마 설계와 쿼리 엔진 복잡도를 감수해야 한다는 점입니다. 이 대가를 치르면 데이터가 한 자릿수 이상 커져도 개발자와 운영자의 경험이 대체로 유지됩니다.

원문 보기

기초상식 · 운영체제

오늘의 정처기 문제

운영체제에서 스레드(Thread)에 대한 설명으로 가장 옳지 않은 것은?

1. 스레드는 프로세스 내에서 실행되는 실행 단위이다.
2. 모든 스레드는 동일한 프로세스의 메모리 공간을 공유한다.
3. 하나의 프로세스는 반드시 하나의 스레드만을 포함한다.
4. 스레드 간 컨텍스트 스위칭은 프로세스 간 컨텍스트 스위칭보다 오버헤드가 적다.

정답과 해설 보기

정답 3번 · 하나의 프로세스는 반드시 하나의 스레드만을 포함한다

해설 하나의 프로세스는 여러 개의 스레드를 가질 수 있으며, 이들을 멀티스레드라고 합니다. 멀티스레딩은 하나의 프로세스 내에서 여러 작업을 동시에 처리할 수 있게 하여 시스템 자원 활용도를 높여줍니다.

오늘의 IT · 개발 · 기획 용어

• 애자일 매니페스토 (Agile Manifesto) 기획
  애자일 소프트웨어 개발을 위한 핵심 가치와 원칙을 담은 선언문으로, 변화에 대한 유연한 대응과 고객 협력을 중요시합니다.
• 서킷 브레이커 (Circuit Breaker) 개발
  분산 시스템에서 장애가 발생한 서비스로의 요청을 일시적으로 차단하여 시스템 전체의 연쇄적인 장애를 방지하는 디자인 패턴입니다.
• 싱글 페이지 애플리케이션 (Single Page Application, SPA) IT
  하나의 HTML 페이지에서 자바스크립트를 이용하여 동적으로 콘텐츠를 로드하고 렌더링하는 웹 애플리케이션 방식입니다.

공개 뉴스와 원문을 바탕으로 사실·주장·개인 해석을 구분해 정리했습니다. 통계·가격·제품 정보는 각 원문에서 최신 내용을 다시 확인하세요.