🦞 40. 월 3만 원 AI 직원 — OpenClaw 실전 운영 유즈케이스 5선

안내: 본문은 생성형 AI를 활용해 초안을 만들고, 실제 운영 기준으로 편집·검수했습니다.

“AI한테 일을 시켰는데, 결국 내가 다시 해야 하더라.” 이 말이 나온다면 셋업이 잘못된 것이다. AI 에이전트를 쓴다는 건 질문을 던지고 답을 받는 게 아니라, 업무를 위임하고 결과를 받는 것이다. 그 경계를 넘어야 “월 3만 원짜리 직원”이 된다.

한 줄 결론

OpenClaw를 “도구”가 아니라 “신입사원”으로 대하면, 월 3만 원대 비용으로 24시간 일하는 디지털 직원이 된다. 핵심은 온보딩 문서와 자동 실행 루프를 제대로 갖추는 것이다.

”대화”와 “위임”의 차이

대부분의 사람은 AI를 “똑똑한 검색엔진”으로 쓴다. 질문 → 답변 → 끝. ChatGPT나 Claude 웹 버전이 여기에 해당한다. 편리하지만, 카페에서 만난 지인과 같다 — 카페를 나서면 관계가 끊긴다.

Claude Code는 한 발 더 나아간다. 내 컴퓨터에 들어와서 파일을 직접 읽고, 고치고, 만들 수 있다. 코딩 파트너로는 강력하지만, 여전히 내가 시켜야 움직인다.

OpenClaw는 여기에 자율성이 더해진다. 메신저로 지시를 내리고, 30분마다 스스로 깨어나서 일하고, 내가 자는 사이에도 예약된 업무를 수행한다. “물어보면 대답하는 AI”가 아니라 “맡기면 알아서 하는 직원”이다.

비교 항목	ChatGPT	Claude Code	OpenClaw
관계	카페 지인	출근한 파트너	상주 직원
작동 위치	클라우드	내 컴퓨터	내 컴퓨터
대화 방법	앱/웹 + Telegram	터미널 + 다양한 UI	텔레그램, iMessage, Discord 등
내 파일 접근	❌	✅	✅
자동/예약 실행	✅ (제한적)	✅ (제한적)	✅ (하트비트 + Cron 무제한)
모델 선택	OpenAI 전용	Anthropic 전용	GPT·Claude·Gemini·오픈소스 자유 교체
월 비용 대비 한도	$20/월, 사용량 제한	$20/월, 사용량 제한	월정액 플랜 + 모델 교체로 비용 최적화

참고: Greg Eisenberg, Startup Ideas Podcast — “I fixed OpenClaw so it actually works (full setup)“

99%가 포기하는 이유와 해결 5가지

설치 자체는 명령어 한 줄이면 끝난다. 문제는 그 다음이다. 에러가 튀어나오고, 어제 말한 걸 까먹고, 비용이 올라가고, 뭘 시켜야 할지 모르겠고, 하나의 방에서 모든 게 뒤섞인다. 이 다섯 가지가 99%의 포기 이유다.

1) 기억력 문제 → MEMORY 시스템

“멍청하다”는 불만의 80%는 사실 기억력 문제다. 못 외우는 게 아니라, 애초에 메모를 안 하고 있는 것이다. 장기 기억(MEMORY.md)과 일별 기억(memory/YYYY-MM-DD.md)을 만들고, 하트비트에 자동 저장을 추가하면 된다. 업무 일지를 30분마다 자동으로 쓰는 것과 같다.

2) 비용 폭탄 → 3티어 모델 전략

종량제 API로 쓰면 질문 하나에 약 250원이 나간다. 하루에 수만 원이 쉽게 쌓인다. 해결책은 비용·성능·한도를 균형 있게 묶는 3티어 구성이다.

1순위 — z.ai GLM Coding Plan: 합리적인 월정액으로 코딩·에이전트 작업 모두 커버. 메인 작업 두뇌로 쓴다.

2순위 — Apple Silicon + Ollama: M5 Pro 이상 수준(48GB+ 통합 메모리 권장)의 Mac이 있다면, Ollama로 Gemma 4 31B 같은 로컬 모델을 돌린다. 추가 비용 0원, 사용량 무제한. API 한도가 걸릴 때 자동으로 넘어가는 백업 두뇌 역할이다. M3 이하에서도 돌아가지만, 에이전트 응답 속도가 실용적이려면 M5 Pro 이상이 안정적이다.

3순위 — 경량 오픈소스: 간단한 분류·요약은 더 가벼운 로컬 모델로 처리. 토큰 소모를 최소화한다.

이렇게 구성하면 메인 플랜의 한도를 아끼면서, 24시간 돌아가는 하트비트·Cron 비용도 거의 0원에 가깞게 만들 수 있다.

3) 에러 대응 → 공식 문서를 AI 참고 자료에 올리기

에러가 나면 보통 구글링이나 ChatGPT에 물어본다. 하지만 ChatGPT가 OpenClaw의 최신 정보를 정확히 알 확률은 낮다. 공식 문서를 AI 프로젝트의 참고 자료로 통째로 올려두면, AI가 매뉴얼을 직접 참조해서 답변한다. Context7에서 공식 문서의 압축 버전을 한 번에 복사할 수 있다.

공식 문서를 AI 참고 자료에 올리는 것 하나만으로 설정 문제의 99%가 해결된다.

참고: Context7 — OpenClaw 공식 문서 압축 버전

4) 역할 불명확 → 온보딩 문서 작성

신입사원에게 “알아서 해”라고 하면 엉뚱한 결과가 나온다. AI도 마찬가지다. OpenClaw는 세 개의 핵심 설정 파일로 이해한다 — 업무 매뉴얼(AGENTS.md), 소통 가이드(SOUL.md), 사장님 소개서(USER.md). 여기에 내 사업 분야, 선호하는 말투, 자주 쓰는 도구, “이것만은 하지 마”를 적어야 한다. 온보딩 문서가 없으면 에이전트는 매번 다른 사람으로 행동한다.

5) 대화방 혼란 → 용도별 분리

하나의 대화방에서 콘텐츠 이야기, 장보기 목록, 고객 관리가 뒤섞이면 맥락이 꼬인다. 텔레그램에서 “일반 채팅”, “할 일 관리”, “콘텐츠”, “고객 관리” 등 용도별로 방을 나누고, 각 방에 역할 안내문을 설정한다. 부서별 사무실을 나누는 것과 같다.

실전 유즈케이스 5선

이론은 여기까지다. 실제로 OpenClaw가 어떤 역할을 수행하는지, 운영 중인 시스템 5가지를 소개한다.

케이스 1: 병렬 리서치 — 5명 에이전트가 동시에 조사

비유: 리서치팀 5명에게 각자 다른 각도로 조사를 시켜놓고, 결과만 한 곳에 모으는 것.

어떻게 돌아가는가: 주제를 하나 던지면, 메인 에이전트가 5개 서브 에이전트로 역할을 분배한다. 공식 문서 조사, 블로그 리뷰, Reddit/X 반응, 생태계 동향, 한국 특화 정보를 각각 담당한다. Wave 1(3개 동시)과 Wave 2(3개 동시)로 나뉘어 병렬 실행되고, 결과는 주제별로 재구조화되어 하나의 리포트로 취합된다.

Before: 한 명이 구글링하며 34시간 정리 After: 5각도 병렬 조사 → 3040분 내 결과 취합

실제 운영 기준으로, 기술 트렌드 조사나 신규 툴 도입 검토에 매주 활용하고 있다. 중복 제거와 교차 검증이 자동으로 이루어져, 단일 소스 의존 리스크도 줄어든다.

참고: parallel-research 스킬 기반 운영

케이스 2: 블로그 자동 작성 루프 — 기획부터 검수까지

비유: 편집장과 사내 작가가 매일 아침 회의해서 기사 하나를 완성하는 것.

어떻게 돌아가는가:

1. 주제 정의: 독자 문제 1개, 완료 조건 1개 고정
2. 근거 수집: 공식 문서 링크를 주장 직후에 배치
3. 초안 작성: 서술형 흐름으로 작성, 체크리스트는 필요한 곳에만
4. Excalidraw 시각화: 구조가 복잡하면 도식 이미지로 압축
5. Leak Shield 검수: 내부 지시문·메타 문구가 공개 본문에 노출되지 않았는지 자동 스캔

이 루프를 고정해두면, 주제만 바꿔도 같은 품질의 글이 반복 생산된다. “잘 쓴 한 편”이 아니라 “같은 루프를 반복 가능한 상태”가 핵심이다.

Before: 글 한 편 쓰는데 반나절, 품질 편차 큼 After: 루프 고정 → 주제만 교환, 2~3시간 내 초안 완성

참고: blog-content-guideline 스킬 + Excalidraw 스킬 연동

케이스 3: URL 수집 자동화 — 채팅방이 곧 수집함

비유: 비서가 메신저로 들어오는 모든 링크를 알아서 분류하고 파일링하는 것.

어떻게 돌아가는가: 채팅방에서 URL이 포함된 메시지가 들어오면, OpenClaw가 자동으로 내용을 파악한다. YouTube, 논문, 블로그, GitHub 등 유형별로 분류하고, 템플릿 기반 frontmatter와 요약·핵심 포인트·후속 액션을 생성해 메인 볼트 0.Inbox/Clipping에 저장한다.

그룹 채팅에서는 저장을 이유로 불필요하게 끼어들지 않는다. 저장은 조용히, 응답은 필요할 때만.

Before: URL 북마크만 해두고 나중에 다시 찾느라 시간 낭비 After: 수신 즉시 분류·요약·저장, 나중에 검색으로 바로 꺼냄

케이스 4: 하트비트 정기 체크 — 30분마다 스스로 순찰

비유: 야간 경비가 30분마다 순찰하면서 이상 있는 것만 보고하는 것.

어떻게 돌아가는가: 하트비트 파일(HEARTBEAT.md)에 체크리스트를 적어두면, 30분마다 OpenClaw가 깨어나서 다음을 수행한다.

• 당일 미완료 할 일 확인 → 시간 지난 건 즉시 알림
• 기억 자동 저장 (memory/YYYY-MM-DD.md 업데이트)
• 예약 작업 상태 점검

핵심은 “정말 항상 돌아가야 하는 것만” 넣는 것이다. 지시를 너무 많이 넣으면 사용량을 빠르게 소진한다.

Before: 깜빡 잊은 일이 다음 날에야 발견됨 After: 30분 단위로 미완료 자동 감지, 즉시 알림

케이스 5: 멀티에이전트 3자 검토 — 확장·검증·실행

비유: 기획안을 내면 기획팀(확장), 리스크팀(검증), 실행팀(정리)이 순차 리뷰하는 것.

어떻게 돌아가는가: 중요한 결정이나 문서 작성 시, 메인 에이전트가 3개 역할로 나누어 검토를 진행한다.

1. 확장 에이전트: 아이디어를 더 발전시키고, 각도를 넓힘
2. 검증 에이전트: 반대 관점에서 리스크와 문제점을 지적
3. 실행 에이전트: 확장+검증 결과를 하나의 실행안으로 통합

단순 요청은 메인이 직접 처리하고, 판단이 필요한 작업만 3자 검토 경로로 보낸다.

Before: 혼자 판단해서 놓치는 각도 발생 After: 자동 3자 검토 → 맹점 최소화, 실행안 품질 상승

┌─────────────── 치트시트 ───────────────┐
│                                         │
│  OpenClaw = 도구가 아니라 신입사원      │
│                                         │
│  ① 온보딩 문서를 준다                  │
│     (AGENTS.md / SOUL.md / USER.md)     │
│                                         │
│  ② 기억력을 켠다                       │
│     (MEMORY.md + 일별 메모 + 자동저장)  │
│                                         │
│  ③ 반복 업무를 루프로 고정한다         │
│     (하트비트 / Cron / 스킬)            │
│                                         │
│  ④ 대화방을 용도별로 나눈다            │
│     (일반 / 업무 / 콘텐츠 분리)        │
│                                         │
│  ⑤ 비용은 3티어로 최적화한다       │
│     (GLM Coding + Ollama + 경량OS)   │
│                                         │
└─────────────────────────────────────────┘

”직원”으로 대하면 작동한다

OpenClaw를 도구로 대하면 실망한다. 버그도 있고 거친 면도 있다. 하지만 갓 입사한 신입사원으로 대하면 작동한다. 온보딩 문서를 주고, 업무 범위를 정해주고, 잘한 것은 반복시키고, 못한 것은 규칙을 업데이트하면 된다.

시간이 지나면 이 직원은 퇴사하지 않고, 24시간 일하고, 월 3만 원짜리 디지털 직원이 된다.

Moritz의 표현을 빌리자면, OpenClaw는 지금 3년 전 ChatGPT가 처음 나왔을 때와 비슷한 단계다. 버그도 있고 거친 면도 있다. “하지만 가끔 마법 같은 순간이 온다.” 이 마법 같은 순간의 빈도는 빠르게 높아지고 있다.

에이전트를 관리하는 능력 자체가 1인 사업가의 핵심 경쟁력이 되는 시대가 오고 있다. 지금 시작하면 “에이전트 관리 능력”과 “자기 비즈니스에 맞는 워크플로”가 쌓인다. 나중에 시작하면 남이 만든 템플릿에 의존하게 된다.

오늘 실행 체크리스트

• AGENTS.md에 내 업무 범위와 금지 사항 적기
• SOUL.md에 소통 스타일과 톤 정의하기
• USER.md에 내 선호와 업무 맥락 적기
• MEMORY.md + memory/ 폴더 만들고 자동 저장 켜기
• 하트비트에 “기억 저장 + 할 일 체크” 2가지만 넣기
• 월정액 플랜(z.ai GLM Coding Plan)을 1순위 모델로 연결
• Apple Silicon + Ollama로 Gemma 4 31B 로컬 모델 구축 (2순위 백업)
• 대화방을 “일반”과 “업무” 2개로 분리해서 시작

참고 자료

• eopla.net — 월 300만 원 직원 vs 월 3만 원 AI직원 (원본 아티클)
• Startup Ideas Podcast — “I fixed OpenClaw so it actually works” (Moritz)
• OpenClaw 공식 문서
• Context7 — OpenClaw 공식 문서 압축 버전
• ClawHub — 스킬 마켓플레이스
• z.ai — GLM Coding Plan
• Ollama — 로컬 LLM 실행

다음 읽기

• 🦞 03. OpenClaw 핵심개념 — AGENTS.md, SOUL.md, USER.md 구조 이해
• 🦞 08. OpenClaw 육성매뉴얼 — 온보딩 문서 작성 가이드
• 🦞 27. OpenClaw 블로그 작성 루프 + Excalidraw 스킬 활용 — 케이스 2 상세
• 🦞 20. OpenClaw 운영아키텍처 규칙총정리 — 전체 운영 규칙