CREAO: 에이전트가 조율하는 25인 스타트업

핵심

* 아키텍트는 AI가 코드베이스와 프로덕션 로그를 기반으로 초안을 작성한 작업 중에서 선택합니다.

* 풀 리퀘스트는 세 차례의 AI 검토를 거친 뒤 전략적 위험에 대한 사람의 점검을 받습니다.

* QA 팀이 없는 대신 판정 모델이 실시간 응답을 채점하고 사람은 판정 결과를 표본 검토합니다.

1. 겨냥하는 산업

CREAO는 클라우드 에이전트 플랫폼을 판매합니다. 슈퍼 에이전트가 일정에 맞춰 실행되고 실행 간 기억을 유지하며 마케팅, 코딩, 영상 작업을 아우르는 워크플로를 구축합니다. 공동 창업자이자 CPO인 클라크 가오는 회사의 초점이 개인 사용자에서 중소기업으로 이동했으며, 대기업은 추후 목표라고 말합니다. 요금제는 크레딧 기반으로, 무료 등급부터 최대 50인 팀을 위한 월 1,000달러 Ultra 등급까지 마련되어 있습니다.

따라서 외부 시장은 현재 소규모 기업들이 어시스턴트, 마케터, 에이전시, 자동화 도구를 통해 해결하는 업무 영역입니다. CREAO의 자체 웹사이트는 자사 서비스를 Zapier, n8n, Lovable, Manus와 비교합니다.

이 글은 회사의 내부를 살펴봅니다. CREAO가 처음부터 이런 방식으로 시작한 것은 아닙니다. 처음에는 프롬프트를 통해 앱을 만드는 도구를 판매하다가 에이전트로 방향을 전환했습니다. 2026년 2월, 공동 창업자이자 CTO인 피터 팡은 제품 아키텍처와 팀의 일하는 방식을 모두 재편했습니다. 가장 크게 달라진 업무는 프로젝트 매니저, 엔지니어링 매니저, QA 테스터, 그리고 이들을 연결하는 회의와 같은 일반적인 소프트웨어 스타트업의 중간 계층 업무입니다. CREAO의 설명에 따르면, 현재는 이러한 조율 작업의 대부분을 에이전트가 수행합니다.

2. 운영 방식

조직 구조. CREAO는 자사를 “약 25명 규모이며, 대부분 최근 대학 졸업생이고 중간 관리층은 없다”고 설명합니다. 피터 팡은 2026년 4월 글에서 “직원 25명 중 엔지니어는 10명”이라고 적었습니다. 회사 인터뷰 요약본에 따르면 “에이전트가 조율, 현황 추적, 일정 관리, 업무 인수인계를 처리합니다.” 클라크 가오는 시장 진출 측면을 “컨설팅 회사나 로펌의 파트너십 모델에 가깝다”고 설명합니다. 각 채널 담당자가 일감을 가져오고, 소규모 팀을 꾸려 결과에 책임을 지며, 리더십은 각 채널의 성과를 합산합니다: “우리는 각자가 낸 성과를 취합합니다.” 그는 신규 입사자들이 때때로 “제 매니저가 누구인지도 모르겠습니다”라고 말하면서도 맡은 바를 완수한다고 전합니다.

피터 팡은 인력을 두 가지 역할로 구분합니다. 아키텍트는 아키텍처, 테스트 환경, 에이전트가 따르는 절차를 설계하는 한두 명의 인력입니다: “이들은 AI에게 일하는 방식을 가르치는 표준 운영 절차를 설계합니다.” 오퍼레이터는 그 밖의 모든 인원입니다. 이들은 버그를 조사하고, UI를 다듬으며, 풀 리퀘스트를 검토하고, 수정 사항을 검증합니다. 피터 팡은 업무의 방향을 단도직입적으로 표현합니다: “AI가 인간에게 작업을 할당합니다.” 피터 팡의 말을 전한 클라크 가오는 축소되는 계층이 “로드맵 수립과 현황 공유 계층”이라고 말합니다.

매뉴얼 역할을 하는 코드베이스. 재편 작업은 Chief AI Wrangler를 자칭하는 실뱅 라포르트가 새로운 모델이 작성한 코드에 수정이 필요 없다는 점을 알아채고 피터 팡에게 전한 2월 5일에 시작되었습니다. CREAO는 에이전트가 전체 시스템을 볼 수 있도록 약 50개의 개별 저장소를 하나의 모노레포로 통합했고, 팀의 지식을 에이전트가 기능을 구축하기 전에 불러오는 짧은 실행 지침인 “스킬”로 작성했습니다. 실뱅 라포르트가 말했듯, “코드베이스는 가르칠 수 있는 대상이어야 합니다.” 최근 입사한 엔지니어 아키 양은 “엔지니어에게 필요한 모든 것이 코드베이스에 있다”면서, 동료에게 묻는 대신 코딩 에이전트에게 코드에 대해 질문하며 “별다른 도움 없이 스스로 온보딩을 마쳤다”고 말합니다.

엔지니어링 루프. 2026년 4월 창업자들을 인터뷰한 Founder Park는 작업 순서를 다음과 같이 설명합니다:

* 기획: AI가 코드베이스, 프로덕션 로그, 하네스 데이터를 읽은 뒤, 약 30분 만에 계획 초안을 작성하고 작업을 제안합니다.

* 결정: 아키텍트가 어떤 제안을 진행할지, 그리고 제품에 부합하는지 결정합니다. Founder Park가 전한 피터 팡의 말에 따르면 “아키텍트가 어떤 작업을 진척시킬지 결정합니다.”

* 구축: 코딩 에이전트가 몇 시간 만에 작업을 구현합니다. 피터 팡은 프로덕션 코드의 99%를 AI가 작성한다고 말합니다.

* 검토: 모든 풀 리퀘스트는 코드 품질, 보안, 의존성에 대해 세 번의 병렬 AI 검토를 거칩니다. 이후 “인간 리뷰어는 줄 단위의 정확성이 아니라 전략적 위험을 점검합니다.”

* 배포: 6단계 파이프라인이 개발 환경에서 빌드, 배포, 테스트를 진행한 뒤 프로덕션에서도 같은 과정을 거칩니다. “생략할 수 있는 단계는 없습니다. 수동 오버라이드도 없습니다.” 피터 팡은 14일 동안 하루에 세 번에서 여덟 번 프로덕션 배포를 진행했다고 보고합니다.

* 학습: 로그와 A/B 테스트 결과가 다음 계획에 반영됩니다.

에이전트를 통한 테스트. CREAO는 QA 팀과 스테이징 환경이 없다고 설명합니다. 그 자리에는 피터 팡이 에이전트 하네스라고 부르는 체계가 자리 잡고 있습니다. Anthropic, OpenAI, Google의 세 가지 평가 모델이 실제 작동 중인 에이전트 응답을 평가합니다. 매일 아침 에이전트는 낮은 점수와 프로덕션 오류를 군집화하고 심각도별로 순위를 매겨 티켓을 발행합니다. 상위 군집에 대해서는 에이전트가 코드와 로그를 통해 원인을 추적하고 증거 묶음과 함께 티켓을 사람에게 전달합니다. 신뢰도가 높은 긴급 사안의 경우 에이전트가 수정 초안을 발행하며, 이는 실행당 세 개로 제한되고 보안 정보, CI 설정, 접근 권한 정책을 건드리는 변경 사항은 자동으로 닫힙니다. 시스템은 프로덕션 로그를 6시간 동안 확인한 뒤 티켓을 닫으며, 문제가 재발하면 수정을 되돌립니다. 중대한 변경 사항은 먼저 트래픽의 약 10%에 적용되며, 점수가 유지될 때만 범위를 넓힙니다. 사람은 평가 모델의 판정을 표본 점검하며, 평가 모델과 인간 사이의 지속적인 격차는 채점 기준표의 버그로 취급됩니다.

시장 진출. 엔지니어링 외부에서도 동일한 패턴이 적용됩니다. 피터 팡은 릴리스 노트가 “변경 로그와 기능 설명에서 AI로 자동 생성된다”고 말하며, 소셜 미디어 게시물, 기능 소개 영상, 분석 보고서가 AI에 의해 제작되거나 조율된다고 밝힙니다. CREAO의 소셜 미디어 매니저인 캔디스는 이번이 첫 직장입니다. 그녀는 약 한 달 만에 에이전트 연결망을 구축했습니다. 최근 게시물을 매일 검토하고, 약 20개의 경쟁사 계정을 매주 모니터링하며, 브랜드 어조를 기억해 답변 초안을 작성하고, 관점을 제안하며 게시물 초안을 작성하고 이미지를 만드는 콘텐츠 에이전트로 구성됩니다. 그녀는 관점을 선택하고 게시할 내용을 승인합니다: “저는 에이전트가 추천하는 내용에 동의할지 거부할지 결정하는 자리에 있습니다.” 클라크 가오는 제품 매니저나 데이터 엔지니어와 회의를 잡는 대신 “누구나 에이전트에게 일상 업무 운영에 대해 질문할 수 있도록” 회사의 데이터베이스를 연결했다고 설명합니다.

모든 시도가 성공한 것은 아닙니다. 피터 팡은 Unite.AI에 콘텐츠 파이프라인을 이틀 동안 가동했으나 결과물이 조악하여 중단했다고 전했습니다.

3. 격차

가장 큰 차이는 조율과 검토가 일어나는 위치입니다.

일반적인 소프트웨어 스타트업에서 조율은 사람의 몫입니다. 제품 매니저가 기획서를 작성하고 진행 상황을 추적하며, 엔지니어링 매니저가 작업을 할당하고 점검 회의를 진행하며, QA 테스터가 배포 전에 릴리스를 검사합니다. CREAO의 설명에 따르면 추적, 일정 관리, 인수인계, 작업 제안, 1차 코드 검토, 대부분의 테스트를 에이전트가 처리합니다. 사람은 명시된 몇몇 판단 지점에만 머뭅니다. 구축할 내용을 승인하는 아키텍트, 전략적 위험을 확인하는 풀 리퀘스트 리뷰어, 수정 전 진단을 검증하는 엔지니어, 평가 모델을 보정하는 인력, 발행할 콘텐츠를 승인하는 채널 담당자입니다. 피터 팡은 자신이 사람을 관리하는 데 쓰던 시간이 60%에서 10% 미만으로 줄었다고 말합니다.

두 번째 차이는 권한을 갖는 주체입니다. 중간 관리층이 없기 때문에 경력이 많은 인력은 현황 보고서가 아니라 절차와 테스트를 작성합니다. 주니어 인력이 영역 전체를 책임집니다. 클라크 가오는 “올바른 도구를 갖춘 유능한 주니어 인력이 채널 전체를 책임질 수 있다”고 말하며, 피터 팡은 “주니어 엔지니어가 시니어 엔지니어보다 빠르게 적응했다”고 적었습니다. 역할의 경계도 흐려집니다. 데이터 사이언티스트 출신인 클라크 가오는 “행사 자료의 모든 디자인 작업을 도맡아 한다”고 말하며, 한 인턴은 “CREAO에서 기여할 수 있다고 생각하는 부분이라면 어디든 작업하라”는 안내를 받았습니다.

세 번째 차이는 변경의 주기입니다. QA 팀이나 스테이징 환경이 없기 때문에 CREAO는 하루에도 여러 번 배포를 진행하며, 최종 판단을 A/B 테스트와 프로덕션 점수에 맡깁니다. Founder Park가 전한 피터 팡의 말에 따르면 “모든 것을 배포하고, AI가 구현하게 하며, A/B 테스트 결과로 결정합니다.” 이러한 방식은 배포 전 사람이 실수를 잡아내는 대신, 프로덕션 환경에서 트래픽 일부를 대상으로 하네스를 통해 실수를 포착한다는 절충점을 안고 있습니다.

4. 파급

소규모 소프트웨어 기업의 중간 계층이 얇아질 수 있습니다. 에이전트가 상태를 추적하고, 작업을 할당하며, 1차 검토를 수행할 수 있다면 스타트업은 주 업무가 조율인 인력을 덜 필요로 할 수 있습니다. CREAO의 경영진도 이 점을 직접 언급합니다. 회사가 25명을 넘어 성장할 때도 이 방식이 유지될지는 아직 미지수입니다. 클라크 가오 역시 “가이드라인과 모범 사례는 앞으로 나아가면서 만들어질 것”이라고 말합니다.

소규모 기업을 상대하는 에이전시와 도구 공급업체가 압박을 받을 수 있습니다. CREAO는 자사가 운영되는 방식 그대로를 시장에 판매합니다. 한 사람이 에이전트 연결망을 활용해 소규모 팀이나 외부 에이전시에 맡겼을 법한 일을 처리하는 형태입니다. 피터 팡은 에이전트 하나가 3인 규모의 SEO 워크플로를 대체했다고 말합니다. 소규모 기업들이 동일한 방식을 도입할 수 있다면, 외주로 처리되던 마케팅이나 운영 업무의 일부가 내부로 흡수될 수 있습니다.

다른 조직을 위한 교훈은 도구가 아니라 설계에 있습니다:

* 루프를 재설계해야 하며, AI를 기존 방식에 덧붙여서는 안 됩니다. 피터 팡은 대부분의 기업에 대해 “그들은 기존 루프에 AI를 더했을 뿐, 루프 자체를 재설계하지 않았다”고 지적합니다.

* 에이전트가 읽을 수 있는 형태로 절차를 작성해야 합니다. CREAO의 모노레포와 스킬 체계는 매니저의 설명 없이도 에이전트와 신규 입사자가 시스템을 학습할 수 있게 합니다.

* 인간이 판단할 지점을 명확히 지정해야 합니다. 계획 승인, 위험 검토, 수정 검증, 평가 모델 보