혼자서 연 수백만 달러를 버는 사람들이 늘고 있다. Stripe의 수석 이코노미스트가 데이터로 증명한 '솔로프리너의 시대'는 진짜일까, 거품일까? 미국 400만 명·2023→2025 백만장자 솔로프리너 2배라는 숫자의 정체부터, 이걸 가능케 한 AI 에이전트 아키텍처(ReAct·MCP·멀티에이전트)를 논문 도해와 함께 뜯어본다. Pieter Levels라는 진짜 영웅과 Medvi라는 가짜 유니콘, 그리고 2026년 한국의 1인 창업가에게 이 모든 게 의미하는 것 — 인터랙티브 시뮬레이터 3종과 함께.
네덜란드 출신의 개발자 Pieter Levels(피터 레벨스)는 직원이 없다. 공동창업자도, 사무실도, 투자자도 없다. 그는 노트북 한 대로 비행기와 카페를 옮겨 다니며 여러 개의 웹서비스를 혼자 운영한다.
2024년 9월, 그가 공개한 자신의 수익 대시보드는 이랬다. AI 프로필 사진 서비스 PhotoAI 월 $157,000, 노마드 커뮤니티 Nomads.com 월 $54,000, 인테리어 AI 서비스 Interior AI 월 $41,000… 합치면 연 300만 달러가 넘는다. 직원은 여전히 0명이다.
한 세대 전이라면 이런 규모의 사업은 반드시 팀이 필요했다. 개발자, 디자이너, 마케터, 고객지원, 회계. 그런데 지금은 한 사람이 그 모든 걸 해낸다. 무엇이 달라진 걸까?
2026년 6월 22일, 결제 회사 Stripe(스트라이프)의 이코노믹스 팀이 이 질문에 데이터로 답하는 글을 발표했다. 제목은 「The Age of the Solopreneur(솔로프리너의 시대)」. 저자는 백악관 경제자문위원회 수석 이코노미스트를 지낸 Stripe의 수석 이코노미스트 Ernie Tedeschi(어니 테데스키)를 비롯한 팀이다. 결제 데이터라는, 좀처럼 거짓말하지 않는 숫자를 근거로 그들은 이렇게 말했다.
"우리는 어쩌면 기업 창업이 근본적으로 가속화되는 초기 국면에 있는지도 모른다. 그리고 그 가속을 이끄는 것은, AI로 무장한 솔로프리너들이다."
이 글은 그 주장을 두 개의 축으로 해부한다. 첫째, 경제 데이터가 정말 그렇게 말하는가(현상). 둘째, 무엇이 이걸 가능하게 만들었는가(원인 — AI 에이전트 아키텍처). 그리고 마지막으로, 열광 속에 숨은 함정과 2026년 한국의 창업가에게 이것이 의미하는 바까지 짚는다.
⚠️ 이 글은 학습·분석 목적이며, 투자·창업 권유가 아니다. 인용된 개인 사업자의 매출은 대부분 본인이 공개한 자가보고 수치임을 감안해 읽자.
솔로프리너(solopreneur) 는 'solo(혼자)'와 'entrepreneur(창업가)'의 합성어다. 직원을 두지 않고 혼자 사업을 운영하는 사람을 뜻한다. 새로운 말 같지만, 사실 인류 대부분의 역사에서 일은 '작은 단위'였다. 지금의 대기업 중심 구조가 오히려 예외적인 200년짜리 실험에 가깝다.
핵심은 마지막 화살표다. 긱 이코노미와 크리에이터 이코노미가 개인에게 '채널' 을 줬다면, AI는 개인에게 '역량' 을 준다. 예전엔 아이디어가 있어도 그걸 코드로, 디자인으로, 마케팅으로 바꿀 사람이 필요했다. 그 벽이 무너지는 중이다.
그리고 이건 감(感)이 아니라 통계로 잡힌다. 미국 통계국의 논엠플로이어 통계(Nonemployer Statistics) — 직원 없는 사업체 집계 — 를 보면, 2023년 그 수는 3,043만 개, 매출 합계 약 1.8조 달러에 이른다. 2015년 약 2,400만 개에서 8년 만에 25% 늘었고, 2012년부터 2023년까지 거의 매년 직원 있는 기업보다 빠르게 성장했다(연평균 +2.7% vs +1.1%).
Stripe가 특별한 이유는 데이터의 성격이다. 설문이나 추정이 아니라, 실제 돈이 오가는 결제 흐름을 본다. 매출이 없으면 잡히지 않는다. 그런 Stripe가 내놓은 핵심 수치들을 정리하면 이렇다.
한 줄씩 뜯어보자.
여기서 Stripe가 특히 강조한 지표가 하나 더 있다 — '속도'다.
아래 인터랙티브로 이 숫자들을 직접 만져보자. 지표를 바꿔가며 2019/2023/2025의 차이를 눈으로 확인할 수 있다.
당연한 의심이다. 2020년 팬데믹 때도 신규 사업 신청이 폭증했는데, 상당수는 PPP(급여보호프로그램) 보조금을 노린 서류상 회사였다. 이번에도 그런 거품일까? Stripe는 이 반론을 네 가지 근거로 정면 반박한다.
Stripe는 여기에 결정적 상관관계를 하나 더 붙인다. 통계국의 기업 동향·전망 조사(BTOS)에서 산업별 AI 도입률과 논엠플로이어(1인) 사업체 성장률을 겹쳐보면 양(+)의 상관이 나타난다. AI를 많이 쓰는 산업일수록 1인 사업체가 더 빨리 는다는 뜻이다. (제조업은 예외적으로 하락, 운수·창고업은 예외적으로 급증 — 완벽한 직선은 아니다.)
Stripe는 조심스럽게, 그러나 분명하게 AI를 주범으로 지목한다. 근거는 자사 데이터다. Stripe 가입 여정 중 'AI가 개입한' 비중이 2025년 1월 대비 약 4배로 늘어 현재 약 20%에 이른다. 그런데 저자들은 흥미로운 단서를 단다.
"20%라는 숫자는 AI 영향의 천장이 아니라 바닥이다."
무슨 뜻일까. Stripe가 '20%'로 집계한 건, 흔적이 눈에 보이는 경우뿐이기 때문이다.
| 신호 종류 | 어떻게 잡히나 | 예시 |
|---|---|---|
| 직접 신호 | 사용자가 AI 도구로 Stripe 연동을 직접 구축 | MCP·CLI로 결제 연동, Claimable Sandboxes 사용 |
| 수동 신호 | AI 도구가 사용자를 데려옴 | AI 도구에서 온 추천 링크, ChatGPT 등 LLM 트래픽 |
| 보이지 않는 영향 | 집계 불가 | AI가 대신 짠 코드·만든 디자인·쓴 카피로 '채용을 안 한' 것 |
세 번째 줄이 핵심이다. AI의 진짜 위력은 '원래 사람을 뽑아야 했을 일을 대신해줘서, 아예 채용을 안 하게 만든 것'인데, 이건 어떤 로그에도 남지 않는다. 그래서 20%는 하한이라는 얘기다. Sam Altman(샘 올트먼)은 이 현상을 2026년 5월 Stripe Sessions 무대에서 한마디로 요약했다.
"이건 갑자기, 아이디어맨의 역습(revenge of the idea guys) 같은 상황이에요."
올트먼은 원래 "제일 좋은 아이디어가 있는데 코딩할 사람만 있으면 된다"고 말하는 '아이디어맨'들을 놀리곤 했다. 그런데 이제 그는 "사용자를 깊이 이해하지만 코딩은 전혀 못 하는 사람에게 투자하고 싶다"고 말한다. Y Combinator를 이끌던 사람의 입에서 나온 완벽한 반전이다. 그는 2024년, 지인 CEO들과 "직원 1명짜리 10억 달러 회사가 몇 년도에 처음 나올까" 내기를 걸었다는 얘기로도 화제가 됐었다.
그렇다면 정확히 어떻게 AI가 팀을 대체하는가? 이제 그 아키텍처 속으로 들어가 보자.
여기서부터가 이 글의 심장이다. "AI가 팀을 대체한다"는 말은 근사하지만 모호하다. 실제로는 네 가지 기술이 2022~2025년에 거의 동시에 성숙하면서 벌어진 일이다. 하나씩 쌓아 올려 보자. 용어가 낯설어도 괜찮다. 매 단계 쉬운 비유를 붙였다.
출발점은 2022년 구글의 논문 「Chain-of-Thought Prompting(생각의 사슬)」(Wei et al.)이다. 발견은 단순하면서 강력했다. 답만 물으면 틀리던 문제를, "풀이 과정을 적으면서 답해봐"라고 시키면 정답률이 뛰었다.
💡 비유: 암산으로 바로 답하는 대신, 종이에 풀이를 적으며 푸는 것. 과정을 밟게 하면 사람도 AI도 덜 틀린다.
이게 씨앗이다. 행동하기(act) 전에 계획할(plan) 줄 아는 능력. 이 능력이 있어야 목표를 단계로 쪼갤 수 있고, 그래야 '에이전트'가 된다.
2022년 말, 프린스턴·구글의 「ReAct」(Yao et al., ICLR 2023) 논문이 결정적 조각을 끼운다. 아이디어는 이름 그대로 Reason(생각) + Act(행동)를 번갈아 반복하는 것이다.
모델은 생각(Thought) 을 내뱉고, 행동(Action) 으로 도구를 호출하고, 그 관찰(Observation) 결과를 읽어서 다음 생각으로 넘어간다. 이 루프를 최종 답이 나올 때까지 돈다.
논문의 유명한 그림 1은, 같은 질문("애플 리모컨이 원래 조작하도록 설계된 프로그램을, 애플 리모컨 말고 또 무엇으로 조작할 수 있나?")을 네 가지 방식으로 푼 비교다. 왜 ReAct만 정답을 맞히는지가 한눈에 보인다.
| 방식 | 하는 일 | 결과 |
|---|---|---|
| ① 표준 | 바로 답한다 | ❌ "아이팟" (틀림) |
| ② 생각만 (CoT) | 추론은 하지만 외부 검색이 없어 지어낸다 | ❌ "아이팟" (환각) |
| ③ 행동만 | 검색은 하지만 생각의 접착제가 없어 길을 잃는다 | ❌ 헤맴 |
| ④ ReAct | 생각↔행동↔관찰을 번갈아 — 계획하고, 검색으로 사실을 채운다 | ✅ "키보드 기능키" (정답) |
ReAct는 상호작용형 과제에서 기존 최고 기법 대비 성공률을 +34%까지 끌어올렸고, 무엇보다 '생각만' 하다가 사실을 지어내는 환각을, 외부 검색으로 붙잡아 줄였다. 이 '생각 → 행동 → 관찰' 루프가 오늘날 모든 AI 에이전트의 골격이다.
💡 비유: 유능한 직원이 "생각 → 검색/도구 사용 → 결과 확인"을 반복하며 일하는 것. 혼잣말과 실제 행동을 번갈아 한다.
여기에 두 조각이 더 붙는다. Reflexion(2023)은 실패했을 때 말로 회고 노트를 적고 다음 시도에 참고하게 해서, 에이전트가 재시도하며 나아지게 만든다(가중치를 바꾸는 값비싼 학습 없이). Toolformer(Meta, 2023)는 모델이 언제 어떤 도구를 부를지 스스로 배우게 했다.
그런데 위의 '행동(Action)'은 어떻게 실제 세상에 닿을까? 여기서 함수 호출(function calling)이 등장한다. 2023년 6월, OpenAI가 이 기능을 제품화하면서 "챗봇 → 에이전트" 전환이 상업적으로 일어났다.
작동은 이렇다. 개발자가 함수를 설명(이름·설명·JSON 형식의 인자)으로 정의해 두면, 모델이 "지금 이 함수가 필요하다"고 판단해 인자를 담은 JSON을 뱉는다. 그럼 내 코드가 그 함수를 실행하고 결과를 다시 모델에 넘긴다. Anthropic의 Claude도 동일한 방식(tool_use)으로 도구를 쓴다.
💡 비유: 챗봇은 '말만 하는 비서', 함수 호출은 그 비서에게 버튼을 누르고 프로그램을 실행할 '손'을 준 것.
send_email(...)이라고 정확히 말하고 결과를 읽을 수 있게 된 순간, 비서는 행위자가 된다.
이제 순수한 챗봇은 (2)의 ReAct 루프라는 머리와 (3)의 함수 호출이라는 손을 얻었다. 하지만 문제가 하나 남는다. 도구가 100개면 연동도 100개를 따로 만들어야 한다. 이 지옥을 끝낸 게 다음 주인공이다.
2024년 11월 25일, Anthropic이 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜)를 공개했다. 문제의식은 명확했다.
"가장 똑똑한 모델조차 데이터로부터 고립되어 있다 — 정보의 사일로와 낡은 시스템 뒤에 갇혀 있다. 새 데이터 소스마다 맞춤 구현이 필요해, 진짜로 연결된 시스템을 만들기 어렵다."
MCP의 해법은 표준 하나로 N×M개의 맞춤 연동을 없애는 것이다. 업계가 붙인 별명이 정확하다 — "AI를 위한 USB-C". 예전엔 기기마다 전용 케이블이 필요했지만, 이제 규격 하나로 어떤 도구·데이터든 꽂으면 된다.
MCP는 세 가지 역할로 구성된다. 이 구조를 이해하면 요즘 'AI가 내 파일·슬랙·깃허브를 다 본다'는 게 어떻게 가능한지 알게 된다.
메시지는 JSON-RPC 2.0 규격으로 오간다. 로컬 서버는 표준입출력(stdio)으로, 원격 서버는 HTTP로 연결한다. 출시 당시 Anthropic은 구글 드라이브·슬랙·깃허브·Git·Postgres·Puppeteer용 서버를 함께 내놨고, Block·Apollo·Zed·Replit·Sourcegraph 같은 곳이 초기부터 채택했다. 이후 2025년 OpenAI와 구글 딥마인드까지 지원을 밝히며 사실상의 업계 표준이 됐다.
💡 비유: MCP는 'AI용 USB-C 규격'. 호스트는 노트북, 클라이언트는 USB 포트, 서버는 거기 꽂는 주변기기(외장하드·마우스·모니터). 규격이 하나라 뭐든 꽂힌다.
아래 실험실에서 직접 서버를 꽂아보자. 도구를 연결할 때마다 에이전트가 무엇을 할 수 있게 되는지, 역량 게이지가 차오른다.
머리(ReAct)·손(함수 호출)·감각(MCP)을 갖춘 에이전트 하나로도 많은 일을 한다. 하지만 진짜 도약은 여러 에이전트를 동시에 부리는 것에서 온다. 2025년 6월, Anthropic이 공개한 「멀티에이전트 리서치 시스템」이 그 교과서다.
구조는 오케스트레이터-작업자(orchestrator-worker) 패턴이다.
리드 에이전트(Claude Opus)가 계획을 짜고, 하위 에이전트(Claude Sonnet)들이 각자 독립된 컨텍스트에서 병렬로 일한다. 하위 에이전트끼리는 서로를 모르고 중간에 소통하지도 않는다 — 바로 그 격리 덕분에 진짜 병렬 실행이 가능하다. 결과는 이랬다.
이 구조가 바로 이 글의 핵심 은유다. 1인 창업가는 이제 '직접 일하는 사람'이 아니라, 여러 AI 직원에게 업무 지시서를 나눠주고 결과를 취합하는 '팀장'이다. 창업가가 브리핑을 쓰면, 리드 에이전트가 중간 관리자가 되고, 하위 에이전트들이 전문가로 일한다.
| 예전엔 이런 사람을 뽑았다 | 이제 이런 에이전트가 대신한다 | 그 에이전트가 쥐는 도구(MCP 서버) |
|---|---|---|
| 시장 조사원 | 리서치 에이전트 | 웹 검색, arXiv, 뉴스, 파일시스템 |
| 소프트웨어 엔지니어 | 코딩 에이전트 | 깃허브, 파일시스템, 코드 실행, 터미널 |
| 마케터 / 그로스 | 마케팅 에이전트 | 슬랙, 이메일, CMS, 애널리틱스, 소셜 API |
| 운영 / 비서 | 운영 에이전트 | 드라이브, 캘린더, 지메일, DB |
| 중간 관리자 | 리드 / 오케스트레이터 | 위 전부에게 위임 |
지금까지의 조각을 하나로 쌓으면, 솔로프리너의 '회사'는 이런 5층 건물이 된다. (아래층이 위층을 떠받친다.)
💡 비유: 두뇌(모델) 위에 신경계(프레임워크), 그 위에 손·감각(도구), 그 위에 장기 기억(RAG), 맨 위에 관리자(오케스트레이션). 창업가는 이 몸에게 "무엇을 원하는지"만 말한다.
이제 이 스택으로 당신의 AI 팀을 직접 꾸려보자. 업무를 고르면 그에 맞는 AI 직원이 채용되고, 필요한 도구와 월 비용이 인간 팀 인건비와 비교된다.
낙관만 하면 곤란하다. 에이전트가 실제로 얼마나 유능한지는 벤치마크가 말해준다. (아래 수치는 2026년 기준이며 매달 바뀐다 — 대략의 '수준'으로만 읽자.)
읽는 법은 이렇다. 코드처럼 잘 정의되고, 도구가 풍부하고, 정답을 검증할 수 있는 과제(SWE-bench)에선 에이전트가 이미 '데모'를 넘어 '실전 배포' 수준에 왔다. 반면 길게 이어지고, 모호하고, 판돈이 크고, 상대가 적대적인 과제에선 여전히 불안정하다. 그래서 정확한 결론은 이것이다.
"에이전트가 팀을 대체한다"가 아니라, "1인 창업가가 이제 잘 정의된 업무의 70~80%를 에이전트에게 시키고, 판단·취향·어려운 20%는 자기가 쥔다."
이게 이 시대의 진짜 그림이다. 무한한 마법이 아니라, 잘 쪼갠 일의 대부분을 위임할 수 있게 된 것.
이론은 충분하다. 현실의 얼굴을 보자.
앞서 만난 그 사람이다. 흥미로운 건 그의 기술 스택이 일부러 원시적이라는 점이다. 최신 프레임워크 대신 바닐라 PHP, jQuery, SQLite. AI 제품(PhotoAI 등)은 Stable Diffusion을 파인튜닝해 만들었다. 그의 진짜 무기는 정교한 인프라가 아니라 속도와 공개적으로 만들며(build in public) 쌓은 유통이다. 인테리어 AI는 "GPU 요금 말곤 비용이 거의 없어 이익률이 99%가 넘는다"고 X에 밝히기도 했다. (모두 본인이 공개한 대시보드 기반의 자가보고지만, 스트림에서 실제 Stripe 화면을 여러 번 보여줬다.)
'완전한 1인'은 아니지만, 1인당 매출로 보면 인류 역사상 유례없는 회사들이 있다.
| 회사 | 매출 | 사람 | 특징 |
|---|---|---|---|
| Midjourney | $200M+ (CEO 언급) | ~40명 | 외부 투자 0원. 순수 구독으로 부트스트랩. 1인당 매출 수백만 달러 |
| Cursor (Anysphere) | $100M ARR | ~12~20명 | 1M→100M ARR 약 12개월. 마케팅비 0, 순수 입소문 |
| ElevenLabs | $330M ARR (2025) | ~155명 | 5~10명짜리 '마이크로 팀' 약 20개. 중간관리·대형 영업조직 최소화 |
이들의 공통점은 AI가 만든 레버리지다. 예전 같으면 수백 명이 필요했을 매출을, 수십 명이(때론 한 명이) 낸다.
여기서 반드시 브레이크를 밟아야 한다. 2026년 초, "단 2명이 1년 만에 4억 달러 매출"이라는 GLP-1(다이어트약) 원격의료 회사 Medvi가 화제가 됐다. Sam Altman이 "내 내기가 이겼다, 그 사람을 만나고 싶다"고 했다는 보도까지 붙으며 '1인 유니콘의 증거'처럼 소개됐다. 그런데 파보면 이야기가 완전히 다르다.
한 IT 매체의 표현이 통렬하다 — "뉴욕타임스가 원격의료 사기에 놀아나고는 그걸 AI의 미래라고 불렀다." Medvi는 성공 사례가 아니라 경고다. '1인 10억 달러 회사' 서사가 실체보다 빠르게, 그리고 검증보다 빠르게 도착하고 있다는. 열광할수록 숫자의 출처를 따져야 하는 이유다. (HN에선 이런 흐름을 두고 'slopreneur(대충+솔로프리너)'라는 조롱까지 나왔다.)
이 모든 걸 종합하면, 2026년의 그림은 이렇다. AI 에이전트는 잘 정의된 일의 대부분을 대신한다. 그래서 개인이 낼 수 있는 산출의 천장이 극적으로 높아졌다. 하지만 그것은 '무한한 마법'이 아니라 '지휘해야 하는 오케스트라'다. 지휘자가 악보(판단)와 해석(취향)을 놓치면, 아무리 좋은 연주자(에이전트)가 많아도 소음이 된다.
한국의 맥락에서도 신호는 뚜렷하다. NIA 등의 조사에서 AI를 도입한 기업의 상당수가 업무시간 단축과 매출·부가가치 증가를 보고했고, "단돈 0.52달러로 시작해 월 1천만 원", "AI로 2.5개월 만에 앱을 만들어 월 1,400만 원" 같은 1인 개발 사례가 국내에서도 늘고 있다. (다만 이런 국내 수치의 상당수도 강의·뉴스레터 마케팅 성격의 자가보고라, "한 매체 보도에 따르면" 정도로 걸러 읽는 게 안전하다.)
그렇다면 지금 무엇을 해야 할까. 솔로프리너의 시대를 준비하는 세 가지 원칙으로 이 글을 맺는다.
Stripe의 결론은 신중했다. "이 효과의 크기가 가장 낙관적인 해석만큼 클지는 두고 봐야 한다." 맞는 말이다. 그러나 방향은 분명하다. 코스가 100년 전 던진 질문 — "왜 기업이 존재하는가?" — 에 대한 답이, AI 시대에 처음으로 흔들리고 있다. 거래 비용이 충분히 낮아지면, 기업의 최소 단위는 '한 사람'이 될 수 있다.
당신의 다음 회사는, 어쩌면 직원이 당신 한 명일지도 모른다. 그리고 그 한 명은, 지치지 않는 AI 팀을 지휘하는 팀장일 것이다.
핵심 요약
- Stripe 데이터상 연 매출 $100k+ 솔로프리너가 2023년 약 400만 명, 백만장자 솔로프리너는 2023→2025 2배 이상. 사기·거품이라는 반론은 4가지 근거로 반박된다.
- 이걸 가능케 한 건 ReAct 루프(머리) + 함수 호출(손) + MCP(감각) + 멀티에이전트 오케스트레이션(팀)의 동시 성숙이다.
- 에이전트는 '잘 정의된 70~80%'를 위임받는다. 판단·취향·어려운 20%는 여전히 사람 몫.
- Pieter Levels는 진짜 영웅, Medvi는 가짜 유니콘. 열광의 시대엔 검증이 경쟁력이다.
본 글은 Stripe Economics 「The Age of the Solopreneur」(Tedeschi 외, 2026-06-22)와 ReAct(Yao et al.)·MCP·Anthropic 멀티에이전트 시스템 등 공개 자료를 바탕으로 코어닷투데이가 재구성했다. 인용된 개인·기업 매출은 상당수 자가보고 수치이며, 벤치마크 점수는 2026년 기준 근사치다.
