상식 파괴: 확장이 꼭 인력 증가를 뜻하진 않는다

전통적인 프랜차이즈 사업엔 불문율이 있다. 매장이 두 배로 늘면 본사 인력은 최소 30% 늘어야 한다. 매출 정산할 사람, 스케줄 관리할 사람, 매장 점검 돌 사람, 데이터 취합할 사람. 사장이 버는 돈의 절반 이상이 관리 비용으로 새어 나간다.

그런데 최근 이 공식을 깨부순 사례가 나왔다. 한 실무자가 지인 회사의 관리 시스템 전체를 AI로 재구축했고, 결과는 관리 매장 수 3배 증가, 본사 인력 증가 0명. 원문 게시글에 따르면 이 수치는 독립적으로 검증되지 않았지만, 방법론 자체는 복제 가능하다. 핵심 논리가 어렵지 않기 때문이다. 회사 안에 널려 있는 ‘반복적 판단’을 사람 머리에서 꺼내 에이전트에게 넘기는 것.

이 글에선 허황된 AI 개념 얘기는 안 한다. 세 가지만 파헤친다. 이 시스템이 정확히 뭘 바꿨는지, 내 사업에도 적용할 수 있는지, 그리고 더 흥미로운 지점인 이걸 하나의 수주 사업으로 만들어 다른 사장님들한테 팔 수 있는지.

문제의 핵심: 중소기업 사장의 돈은 ‘사람 전달자’가 먹는다

먼저 돈이 어디서 새는지 봐야 한다. 매장 10개짜리 외식업이나 뷰티 업체의 본사에는 보통 이런 사람들이 있다. 각 매장 일일 보고를 취합하는 운영 담당자, 매출 내역 대조하는 경리, 스케줄과 휴가를 관리하는 인사 담당자, 여기저기 독촉하는 점장 보조.

이 사람들 업무의 80%는 결국 같은 동작이다. A에서 데이터 가져와서 정해진 규칙대로 판단하고, 결과를 B에게 전달하는 것. 일일 매출이 기준을 넘었는지, 재고를 보충해야 하는지, 오늘 어느 매장 인건비 효율이 꼴찌인지. 전부 규칙이 명확한 판단 문제다. 사람이 이런 일을 하면 느리고, 비싸고, 지치고, 실수한다. 월급 250만원 받는 운영 담당자의 연간 비용은 4천만원에 육박하는데, 하는 일의 본질은 if-else 로직 한 줄이다.

사장이 낭비를 모르는 게 아니다. 그동안 선택지가 없었다. 맞춤형 ERP는 수천만원이 들고, SaaS는 융통성이 없어서 바꿀 수가 없다. AI 에이전트의 등장은 정확히 이 틈새를 파고든다. 싸고, 유연하고, 자연어를 이해해서 ‘맞춤형 관리 시스템’ 구축 비용을 기존의 10분의 1 수준으로 끌어내렸다.

기회: 기업 관리 개선은 AI 수주 시장에서 가장 기름진 부위다

이 사업이 지금 성립하는 이유는 세 가지 조건이 동시에 무르익었기 때문이다.

첫째, 모델 성능이 받쳐준다. GPT, Claude 같은 현세대 모델은 ‘보고서 읽고 → 이상치 찾고 → 결론 작성’ 같은 구조화된 판단을 충분히 수행한다. 정확도는 집중 안 하는 인턴보다 이미 높다. 둘째, 도구 생태계가 성숙했다. n8n, Make, Coze 같은 오케스트레이션 플랫폼 덕분에 비개발자도 ‘슬랙/카카오워크로 데이터 수신 → AI 분석 → 자동 결과 발송’ 파이프라인을 만들 수 있다. 납품 기간이 몇 달에서 몇 주로 줄었다. 셋째, 사장님들의 교육 비용이 급락했다. ChatGPT 열풍 이후 모든 사장이 ‘AI로 뭐라도 해보고 싶어’ 한다. 눈에 보이는 ROI 계산서 하나만 보여주면 된다.

수주 시장 시세를 비교해 보자. AI 포스터 한 장에 5만원 받고 경쟁하다 보면 남는 게 없다. 기업 지식 베이스 챗봇 구축은 500만원. 그런데 프랜차이즈 회사의 핵심 관리 프로세스를 개편하는 프로젝트는 건당 4천만원에서 2억원까지 받을 수 있고, 연간 유지보수비도 붙는다. 후자가 파는 건 ‘AI 기능’이 아니라 ‘연 4천만원 인건비 절감’이기 때문이다. 이 계산은 사장이 바로 이해한다. 원문 게시글에 따르면 위 단가와 절감 수치는 독립적으로 검증되지 않았다.

실행 경로: 회사를 ‘자기 진화 조직’으로 바꾸는 3단계

Step 1: 회사의 ‘판단 지도’를 그려라

현장에 들어가서 처음 할 일은 코딩이 아니라 인터뷰다. 사장과 본사 직원 전원에게 묻는다. 매일 반복하는 판단이 뭔가? 어떤 데이터를 근거로 하나? 판단 후 누구에게 알리나?

결과물은 리스트 하나다. 예를 들면: 일일 매출 이상 감지, 재고 보충 트리거, 악성 리뷰 24시간 대응, 스케줄 충돌 체크, 주간 인건비 효율 순위. ‘발생 빈도 × 1회 소요 시간’ 순으로 정렬해서 상위 항목이 에이전트가 먼저 인수할 대상이다. 매장 10개 규모 회사라면 보통 이런 판단 포인트를 15~30개 찾을 수 있고, 상위 5개만 잡아도 본사 업무량의 절반을 커버한다. 이 리스트 자체가 산출물이자 견적의 근거다. ‘개발 공수’가 아니라 ‘인수하는 업무량’ 기준으로 가격을 매겨야 마진이 완전히 달라진다.

Step 2: 에이전트 파이프라인으로 하나씩 인수하라

각 판단 포인트는 하나의 자동화 파이프라인으로 구현된다. 데이터 소스(슬랙/카카오워크/POS 내보내기) → 트리거(정시 또는 이벤트) → AI 판단 노드(프롬프트에 판단 규칙과 과거 사례를 제공) → 액션(알림 발송, 리포트 생성, 담당자 멘션).

기술 스택은 가볍게 가면 된다. n8n이나 Make로 오케스트레이션하고, GPT나 국산 모델 API로 판단하고, 노션 또는 구글 시트를 데이터 저장소로 쓴다. 이 도구들은 레고 블록처럼 조립하면 돼서 코드 없이 데이터 흐름을 만들 수 있다. 핵심은 AI에게 ‘판단 기준’을 명확히 적어주는 것. 이게 Step 1 인터뷰의 가치다. 베테랑 직원의 암묵적 경험이 프롬프트로 명문화되고, 회사에서 가장 비싼 자산이 사람 머리에서 시스템으로 옮겨간다.

최소 구현 예시 하나: 매출 이상 감지. n8n이 매일 새벽에 각 매장의 전일 매출 데이터를 가져온다(구글 시트나 POS에서 추출한 CSV). GPT에 넣는 프롬프트는 이렇게 쓸 수 있다:

“당신은 프랜차이즈 외식 운영 전문가입니다. 다음은 각 매장의 어제 매출, 지난주 같은 요일 대비, 지난달 같은 요일 평균 대비 데이터입니다. 매출이 15% 이상 하락했거나 객단가가 비정상적으로 출렁인 매장을 찾아, 가능한 원인을 세 문장으로 설명하고 해당 점장을 멘션하세요. 데이터는 다음과 같습니다: ……”

AI 결과물은 자동으로 카카오워크 단톡방에 발송된다. 오판 방지 장치: 신뢰도 임계값을 설정해 80% 미만 판단은 자동으로 사람 검토로 넘긴다. 동시에 매주 사람이 AI 판단 정확도를 표본 검사해서 오판 사례를 프롬프트에 반례로 추가하며 지속 개선한다. 데이터 프라이버시 측면에선 민감한 경영 데이터는 필드명을 비식별화하고, API 호출은 기업용 계약을 사용해 원본 매출 내역이 외부로 직접 나가지 않게 한다.

매장 하나, 시나리오 하나부터 돌려라. 사장이 직접 보게 만들어라. “예전엔 운영 담당자가 매일 아침 두 시간 걸리던 일이 지금은 8시 정각에 자동으로 단톡방에 올라온다.” 그다음에 확장을 논의해라.

Step 3: ‘복기 환류’를 만들어 시스템이 점점 똑똑해지게 하라

일회성 자동화는 인건비 절감일 뿐이다. 진짜 가치는 세 번째 단계에 있다. 매 판단의 결과가 다시 다음 판단의 근거가 되게 만드는 것.

구체적으로는 중앙 지식 베이스를 구축한다. 매 이상 징후의 처리 결과, 매장별 시정 기록, 주간 경영 복기를 전부 구조화해서 쌓는다. AI가 매주 자동으로 경영 분석 리포트를 생성한다. “어느 매장이 3주 연속 인건비 효율이 하락 중이다”, “어떤 유형의 컴플레인이 어느 매장에 집중된다”. 이게 ‘조직 자기 진화’의 실체다. 회사의 모든 올바른 판단이 기록되고 모든 매장에 복제된다. 신규 매장은 오픈 첫날부터 기존 매장의 모든 경험을 물려받는다. 확장의 한계 관리 비용이 0에 수렴하고, 매장 3배 증가에 인력 증가 0명이 가능한 이유가 바로 이 레이어다.

수익 계산: 이 사업의 돈 되는 구조

시장 시세 기준으로 계산해 보자(참고 구간이며 수익 보장이 아님).

납품 측면: 매장 520개 규모의 프랜차이즈 기업 한 곳을 개편할 때, 초기 계약 4천만1억원으로 핵심 프로세스를 인수하고, 이후 매월 30만70만원의 유지보수 및 고도화 비용을 받는다. 1년에 5곳 계약하면 첫해 매출 2억5억원에 지속 캐시플로우가 붙는다. 혼자서 도구 세트 하나로 감당 가능한 규모다.

고객 측면: 매장 10개짜리 외식업체, 본사 직원 3명, 월급 250만원, 연간 인건비 9천만원이라고 치자. 개편 후 2명을 줄이면 연 6천만원 절감이다. 여기에 수수료 700만원을 받아도 사장은 첫해에 5,300만원을 아끼고, 다음 해부터는 더 아낀다. AI 수주 시장에서 보기 드문 ‘양쪽 다 이득 봤다고 느끼는’ 구조다. 갱신율과 소개율이 자연스럽게 높아진다.

단, 고객 확보 비용도 계산에 넣어야 한다. B2B 영업은 의사 결정 주기가 있어서 첫 계약까지 평균 3개월은 잡아야 한다. 무료 PoC(개념 증명)는 시간 비용을 잡아먹으니 고관심 고객에게만 제공하고, 시나리오 하나로 제한해서 일주일 안에 납품하는 게 원칙이다. 고객 확보 채널도 명확하다. 인스타그램 릴스나 유튜브 쇼츠에 ‘매장 관리 자동화 전후 비교’ 사례 영상을 올리면 프랜차이즈 사장들이 정확히 걸러져 들어온다. 지역 상인회, 외식/뷰티 업종 커뮤니티에서 오프라인 세미나를 열어라. POS 업체나 세무사 사무소와 제휴해서 수수료를 나누는 방법도 있다. 그들은 관리 비용에 허덕이는 고객을 이미 대량으로 보유하고 있다.

콜드 스타트: 기업 인맥이 없으면 어떻게 시작하나

지금 당장 프랜차이즈 사장을 만날 수 없다고 포기하지 마라. 콜드 스타트 경로는 동네 소상공인부터다.

자주 가는 카페, 네일샵, 작은 식당에 가서 사장에게 말해라. “일일 매출이랑 악성 리뷰 알림 자동으로 정리해주는 작은 도구 만들어드릴게요. 2주 무료로 써보세요.” 이 규모의 사업체는 의사 결정이 빠르다. 사장 혼자 결정하면 끝이다. 승인 단계가 없다. 2주 돌리고 나면 전후 비교 데이터와 사장의 생생한 추천사 한 마디가 남는다. 그게 첫 번째 포트폴리오다. 이 사례로 다음엔 조금 더 큰 가게 문을 두드려라. 신뢰는 한 건 한 건 쌓이는 거지, 기다린다고 생기는 게 아니다.

지금 당장 할 일

이 방법론의 진짜 진입 장벽은 기술이 아니라 딥 커스터마이징에 있다. SaaS 업체는 범용 솔루션을 만들고, 개인은 딥 커스터마이징을 한다. 특정 업종의 판단 규칙을 대기업보다 당신이 더 잘 안다면, 그게 당신의 해자다. 지금 바로 실행할 수 있는 액션이 두 개다.

이미 사업이 있거나 사장을 만날 수 있는 사람: 이번 주에 ‘판단 포인트 전수 조사’를 해라. 당신이나 직원이 매일 반복하는 판단 10개를 적고, 가장 아픈 것 하나를 골라라. n8n을 아직 못 쓴다면, 일단 ChatGPT로 일주일간 수동 판단을 돌려봐라. 매일 분석 결과를 고정 포맷으로 정리하고, 흐름이 안정되면 자동화를 배워라. n8n 공식 문서와 유튜브 입문 강의로 충분하다. 비용은 몇 만원, 검증하는 건 방법론 전체다.

이걸 수주 사업으로 만들고 싶은 사람: 먼저 지인 회사 한 곳을 무료 또는 저가에 개편해서 ‘전후 비교’ 실데이터와 사장 추천사를 확보해라. AI 수주 시장에서 검증 가능한 기업 레퍼런스 하나는 자기소개서 백 장보다 강력하다. 사장들은 AI에 돈 쓸 의향이 부족한 게 아니다. 결과로 말하는 납품자를 못 찾고 있을 뿐이다. 그 사람은 당신이 될 수 있다.