한 티셔츠 전자상거래 브랜드가 사람을 더 뽑는 대신 업무를 네 개의 AI agent(사람 대신 정해진 일을 처리하는 AI 프로그램)에 나눠 맡긴 사례가 있습니다. 2025년에는 디자인을 하나씩 만들고 고객 이메일에 직접 답하는 방식으로 운영해 총매출 약 $180만을 기록했지만, 운영에 시간을 너무 많이 빼앗겼다고 합니다. 2026년에는 고객 응대, 이메일 마케팅, 디자인, 광고 소재라는 네 영역에 각각 전용 agent를 두는 구조로 바꿨고, 8월 20일까지 매출이 약 $420만에 이르렀습니다. 이 수치는 이 브랜드 한 곳의 결과이며, 같은 구조를 따른다고 같은 결과가 나오는 것은 아닙니다. 그래도 어떤 업무를 어떤 규칙으로 AI에 넘겼는지는 작은 브랜드가 참고할 만한 부분이 많습니다.

일반 챗봇으로는 절반만 쓸 만했다

이 브랜드의 출발점은 ChatGPT나 Claude 같은 일반 챗봇에 한 번씩 질문을 던지는 방식으로는 쓸 만한 결과가 절반 정도밖에 나오지 않았다는 경험입니다. 그래서 '하나의 prompt(AI에 내리는 지시문)로 모든 걸 해결하는' 접근을 버리고, 업무마다 예시와 규칙, 경계를 갖춘 전용 agent를 만들었습니다.

네 agent에 공통으로 적용된 원칙은 다음과 같습니다.

원칙 내용
예시 우선 복잡한 지시문보다 과거에 잘된 실제 결과물을 폴더로 모아 제공
사람이 쓴 규칙 정책, 브랜드 말투, 디자인 기준 같은 근본 문서는 운영자가 직접 작성
실행만 맡김 전략과 기획은 사람이 하고, agent는 실행을 담당
사람 검토 창구 승인 보드나 Slack 알림으로 사람이 마지막 판단

agent 1: 고객 응대

첫 번째 agent는 이메일, 공개 댓글, Facebook과 Instagram의 메시지함으로 들어오는 문의를 처리합니다. '주문이 어디쯤 왔나요?', '이 디자인 너무 좋아요!', '이 셔츠 사이즈가 정사이즈인가요?' 같은 문의가 대상입니다. 응대가 나쁘면 환불로 매출이 새고 브랜드 평판도 깎이기 때문에, 이 브랜드는 정확성에 가장 신경을 썼습니다.

구성은 세 가지입니다.

  1. 예시 폴더: 과거에 잘 쓴 답장 이메일을 컴퓨터 폴더에 모아 agent에 제공합니다. 추상적인 지시보다 실제 답장이 훨씬 효과가 좋았다고 합니다.
  2. 정책 문서: 운영자가 직접 쓴 문서로, 미착용 상태면 30일 안에 무료 교환, 미국 내 배송 3~7영업일, 말투는 친근하고 짧게 그리고 사과부터 먼저 같은 규칙을 담습니다. AI에게 정책을 대신 쓰게 하고 싶은 유혹이 있지만, 사람이 쓴 문서가 agent의 말투와 정확도를 훨씬 잘 통제한다는 것이 이 브랜드의 경험입니다.
  3. 에스컬레이션 규칙: 법적 위협이 담긴 이메일, 공급업체의 재고 관련 공지, $100를 넘는 환불 요청이나 도매 대량 구매 문의는 agent가 처리하지 않고 Slack의 전용 채널로 올려 사람이 봅니다.

핵심은 100% 자동화를 노리지 않는다는 점입니다. 일상적인 80%는 AI가 처리하고 어려운 20%는 사람에게 넘기는 80/20 구조를 택했습니다. 모든 예외 상황까지 자동화하려 하면 오히려 운영이 무너진다는 판단입니다. 이 구조를 도입한 뒤 고객 응답 시간은 두어 시간 안으로 줄었고, 환불률은 그대로 유지됐다고 합니다.

agent 2: 이메일 마케팅

두 번째 agent는 브랜드의 과거 성과가 좋았던 이메일과 시각 레이아웃을 모은 저장소를 바탕으로 캠페인 이메일을 만듭니다. 브랜드에 맞는 메시지를 쓰고, 이미 검증된 할인 제안을 다시 쓰라는 엄격한 기준이 따라붙습니다. 이 agent의 역할은 전략 수립이 아니라 실행이며, 운영자는 큰 방향의 기획에 집중합니다.

AI가 쓰는 글의 품질이 들쑥날쑥한 문제는 'Evals'(결과물을 체계적으로 채점해 품질을 맞추는 평가 과정)로 풀었습니다.

  • 한 번에 이메일 초안 10개를 생성합니다.
  • 각 초안에 A부터 D까지 등급을 매깁니다.
  • Claude가 피드백을 반영해 다음 묶음을 만들고, 1라운드부터 4라운드까지 반복해 결과물이 꾸준히 A 등급이 될 때까지 다듬습니다.
  • prompt를 고칠 때는 새 결과물을 이전 버전의 기준선과 비교해, 품질이 뜻하지 않게 떨어지지 않았는지 확인합니다. 문장 하나만 바꿔도 결과가 크게 달라질 수 있어서 이 비교가 꼭 필요하다고 합니다.

실제 운영은 닫힌 순환 구조로 돌아갑니다. agent는 캠페인 성과를 추적하고, 전자상거래 판촉 달력을 참고해 '봄 세일', '신규 디자인 출시', '감사 이메일', '주말 특가', '재입고' 같은 캠페인을 승인 보드의 '제안' 칸에 올립니다. 운영자가 보드에서 승인 버튼을 누르면 '승인' 칸으로 옮겨지고, 시스템이 발송과 성과 추적을 맡아 '발송' 칸으로 넘깁니다. 보내고, 지켜보고, 기록하고, 다시 제안하는 순환입니다.

제안, 승인, 발송 세 칸으로 나뉜 이메일 캠페인 보드와 등급이 매겨진 초안 묶음

▲ 이메일 승인 보드와 평가 과정

agent 3: 디자인

세 번째 agent는 티셔츠 그래픽을 만듭니다. 디자인을 하나하나 직접 그리지 않고도 상품 목록을 빠르게 늘릴 수 있게 된 것이 2026년의 큰 변화였다고 합니다. 한 번에 130개의 디자인을 약 20분 만에 만든 사례도 있습니다. 1970년대 빈티지 국립공원 배지 풍의 아웃도어 그래픽이 주된 결과물로, 'Take the Scenic Route', 'Slow Hiking Society', 'Campfire Is My Therapy' 같은 문구가 들어간 디자인이 여기서 나왔습니다.

이 agent를 다루는 데는 두 가지가 필요합니다.

시각 보드

Paper라는 앱을 무한 캔버스 보드로 써서 생성된 디자인 묶음, prompt 구조, 공식, 목업(실제 상품에 적용한 모습을 보여 주는 시안)을 한 화면에 늘어놓습니다. 채팅 창에서 결과를 하나씩 넘겨 보는 것보다 나란히 비교하기가 훨씬 쉽다는 것이 선택 이유입니다. 이 브랜드는 Paper와 제휴나 후원 관계가 없다고 밝혔습니다.

디자인 규칙

'요가 디자인 만들어 줘', '역사 디자인 만들어 줘' 같은 막연한 prompt로 바로 이미지 생성 모델에 뛰어들지 않는 것이 첫 번째 규칙입니다. 그 전에 좋은 디자인과 나쁜 디자인의 기준을 먼저 문서로 정합니다.

좋은 디자인 나쁜 디자인
굵고 단순한 형태 서로 충돌하는 색이 너무 많음
10피트(약 3m) 떨어져서도 읽힘 작고 빽빽한 글자
해당 niche(특정 취향의 고객층)에 맞음 흔한 클립아트 느낌의 그래픽

이 기준이 없으면 생성 과정이 블랙잭 테이블에서 도박하는 것처럼 느껴진다는 것이 이 브랜드의 표현입니다.

참고 이미지 없이는 생성하지 않는다

가장 중요한 규칙은 글로만 된 prompt로는 새 티셔츠 그래픽을 절대 만들지 않는다는 것입니다. 항상 구도, 레이아웃, 스타일을 잡아 주는 참고 이미지를 함께 넣습니다. 이미지 참고가 있으면 모델은 구도와 배치를 유지한 채 주제만 바꿔 줍니다. 예를 들어 'Skies First'라는 커피잔 디자인의 레이아웃을 참고로 넣어 'Campfire is my therapy'라는 새 디자인을 뽑는 식입니다.

과거 실패 사례를 점검해 보니 결과가 나빴던 10건 가운데 9건이 참고 이미지를 빼고 글만 넣은 경우였다고 합니다. 같은 글 prompt를 10번 넣으면 10개의 전혀 다른 구도가 나오지만, 참고 이미지를 넣으면 거의 모든 결과물이 기본 품질선을 넘깁니다. 결과가 나쁠 때는 prompt 기록을 열어 참고 이미지를 빠뜨리지 않았는지부터 확인하라는 조언이 여기서 나옵니다.

agent 4: 광고 소재

예전에는 잘 팔리는 그래픽 하나에 광고 목업 하나를 붙여 광고를 키울 수 있었습니다. 그런데 Meta가 Andromeda라고 불리는 광고 송출 시스템 업데이트를 내놓으면서, 서로 다른 광고 소재를 다양하게 내는 계정에 유리해졌다고 합니다. 광고 소재를 대량으로 만들 필요가 생기자 이 브랜드는 네 번째 agent를 여기에 전담시켰습니다.

틀은 앞의 agent들과 같습니다. 명확한 규칙, 성과가 좋았던 광고 예시, 그리고 입력 제한입니다.

  • 규칙: 셔츠와 배경의 대비를 높게, 그래픽은 가운데에 또렷하게, 목업 배경은 niche에 맞는 야외나 생활 환경으로 설정합니다. 'No Bad Trails Just Bad Knees' 문구가 들어간 물 빠진 파란색 하이킹 셔츠를 등산화와 트레일 장비 옆에 자연광으로 배치한 광고가 그 예입니다.
  • 입력 제한: 광고 목업을 맨땅에서, 혹은 글 설명만으로 만들지 않습니다. 반드시 두 파일을 함께 넣습니다. 하나는 성과가 좋았던 기존 광고나 경쟁사 목업 같은 레이아웃 참고 이미지이고, 다른 하나는 투명 배경의 디자인 PNG 원본입니다.

원본 디자인 파일을 빼면 모델은 'mountain_dad_shirt.png' 같은 파일 이름만 보고 디자인을 추측해 웃는 초록색 산 같은 엉뚱한 만화풍 그래픽을 그려 넣습니다. 생활 환경 레이아웃 참고와 실제 디자인 파일을 합쳐야 실제 판매 상품이 정확히 담긴 사실적인 목업이 나옵니다.

광고 참고 이미지와 디자인 원본 파일을 합쳐 야외 배경의 티셔츠 광고 목업을 만드는 작업대

▲ 광고 소재 agent의 두 입력

병목은 생성에서 선별로 옮겨 갔다

agent들이 쓸 만한 결과물을 워낙 많이 만들어 내다 보니, 이 브랜드에서는 병목이 '만드는 일'에서 '고르는 일'로 옮겨 갔습니다. 연말 선물 포장 광고를 시험할 때는 GB-01부터 GB-10까지 열 가지 선물 상자 주제를 연휴 색감, 소나무 리스, 나무 상자 질감으로 묶어 Paper 보드에 정리했는데, 이렇게 늘어놓고 고르니 선별이 10배 빠르고 즐거워졌다고 합니다.

이 브랜드는 이미지 생성 모델이 아직 완벽하지 않고 거친 부분이 남아 있다는 점도 인정합니다. 생성된 디자인이 모두 베스트셀러가 되는 것도 아닙니다. 다만 제약을 제대로 걸면 모든 결과물이 사이트의 품질 기준은 넘기고, 80% 정도의 만족도면 규모를 키우기에 충분하다는 판단입니다. 지금의 AI가 앞으로 나올 AI 가운데 가장 못하는 수준이므로 정밀도와 속도는 좋아질 일만 남았다는 전망도 덧붙입니다.

정리: 작은 브랜드가 먼저 할 일

이 사례에서 눈에 띄는 점은 AI가 사업의 방향을 정하지 않는다는 것입니다. 전략, 핵심 아이디어, 캠페인의 큰 방향은 운영자가 쥐고, agent는 반복되는 실행을 맡습니다. 사업 모델을 바꾸거나 소셜 미디어에 도는 AI 유행을 쫓기보다, 이미 하고 있는 print-on-demand(주문이 들어오면 인쇄해 보내는 방식) 사업을 AI agent로 보강하라는 것이 이 브랜드의 결론입니다. 네 agent는 브랜드의 사람 중심 핵심을 대체하는 것이 아니라, 도달 범위를 넓히고 품질 기준을 지키는 도구라는 해석으로 보입니다.

비슷한 규모의 브랜드라면 이런 순서로 시작해 볼 수 있습니다.

  1. agent 지시문을 쓰기 전에, 잘된 과거 결과물(답장 이메일, 이메일 캠페인, 디자인, 광고)을 종류별 폴더로 모읍니다.
  2. 반품 기한, 배송 기간, 브랜드 말투, 디자인의 좋고 나쁨 기준 같은 핵심 규칙을 운영자가 직접 씁니다.
  3. 법적 문제, 공급업체 공지, 일정 금액 이상의 환불처럼 사람이 봐야 할 조건을 정하고 Slack 같은 도구로 알림을 받습니다. 100% 자동화를 목표로 삼지 않습니다.
  4. 글을 쓰는 agent는 10개씩 묶어 등급을 매기는 평가를 돌리고, prompt를 고칠 때마다 이전 결과와 비교합니다.
  5. 이미지를 만드는 agent에는 참고 이미지를 반드시 넣고, 광고 목업에는 레이아웃 참고와 디자인 원본 파일 두 가지를 함께 넣습니다.
  6. 결과물은 채팅 창이 아니라 Paper 같은 시각 보드에 나란히 놓고 고릅니다.

매출 수치는 이 브랜드 한 곳의 결과이지만, 업무를 쪼개고 사람이 쓴 규칙과 실제 예시로 agent를 묶어 두는 방식 자체는 규모가 작은 브랜드에서도 그대로 시도해 볼 수 있습니다.