AI에게 3년짜리 상가 임대 계약을 맡기고 "돈 벌어와"라고 했더니 벌어진 일

AI 사장님의 첫 출근

Andon Labs라는 회사가 굉장히 도발적인 실험을 발표했어요. 실제 상업용 매장 공간을 3년 동안 임대하고, 그 매장의 운영을 통째로 AI 에이전트에게 맡긴 거예요. "수익을 내라"는 단 하나의 목표만 주고요. 프로젝트 이름은 "Andon Market"이에요.

이게 왜 중요하냐면, 지금까지 AI 에이전트 실험은 대부분 시뮬레이션이거나 단기 데모였거든요. "자율 에이전트가 웹사이트에서 항공권을 예약했다" 같은 식이죠. 그런데 이번엔 물리적 공간, 실제 임대료, 진짜 손님, 진짜 매출이 걸려 있어요. AI가 계약을 어기면 회사가 손해를 보고, 재고를 잘못 사면 진짜 돈이 날아가는 거예요. 일종의 "실전 AI 비즈니스 운영" 임상시험인 셈이죠.

이 AI는 도대체 뭘 하나요?

Andon Labs의 발표를 보면, 이 AI 에이전트는 우리가 흔히 아는 챗봇과는 결이 좀 달라요. 무엇을 팔지 결정하고, 공급업체에 발주를 넣고, 가격을 책정하고, 마케팅 문구를 쓰고, 매출 데이터를 분석해서 재고를 조정하는 일을 다 해요. 매장 자체는 자판기형 무인 매장에 가까운 형태로, 사람이 직접 응대할 필요는 없게 설계됐고요.

에이전트는 큰 언어 모델(LLM)을 두뇌로 쓰면서, 도구(tool) 호출을 통해 실제 세계와 연결돼요. 예를 들어 "이번 주 가장 많이 팔린 상품을 알려줘"라고 자기 자신에게 묻고, POS 시스템 API를 호출해서 데이터를 받아오고, 그걸 바탕으로 "다음 주에는 A 상품을 30% 더 발주하자"는 결정을 내리는 식이에요. 사람으로 치면 데이터 분석가, MD, 마케터, 점장의 역할을 한 명(?)이 다 하는 거죠.

진짜로 돈을 벌 수 있을까

Anthropic이 작년에 "Project Vend"라는 비슷한 실험을 했었어요. Claude에게 사무실 안 작은 매점을 운영하게 시킨 건데, 결과는 솔직히 처참했어요. 재고 관리에 실패하고, 가격을 비합리적으로 책정하고, 손님이 사기를 쳐도 알아채지 못해서 결국 적자를 봤죠. Anthropic은 이 실험을 통해 "현재 LLM은 장기적인 비즈니스 판단에 약하다"는 솔직한 결론을 내렸고요.

Andon Market은 이 Project Vend의 교훈을 더 큰 규모, 더 긴 시간, 더 정교한 도구 환경에서 다시 검증해보는 후속 실험에 가까워요. 3년이라는 기간이 중요한 이유는, 장기적인 학습과 적응이 가능한지를 보기 위해서예요. 첫 6개월은 적자여도, 데이터가 쌓이고 에이전트가 패턴을 학습하면 흑자로 돌아설 수 있을까? 아니면 영원히 사람의 개입 없이는 이익을 못 낼까? 이 질문에 대한 첫 장기 데이터가 나오는 거죠.

기술적으로 어떤 챌린지가 있을까

가장 큰 문제는 "환각(hallucination)"과 "장기 기억"이에요. LLM은 말이 그럴듯해 보여도 사실관계가 틀린 답을 자신 있게 내놓는 경우가 많거든요. 매장 운영에서 이게 일어나면? 실제로 존재하지 않는 공급업체에 발주를 넣거나, 말도 안 되는 가격을 매기거나, 법적으로 팔면 안 되는 물건을 들여올 수도 있어요.

또 LLM은 기본적으로 대화 한 번이 끝나면 잊어버리거든요. 그래서 "지난주에 A 상품이 잘 안 팔렸으니 이번 주에는 줄이자" 같은 판단을 하려면 벡터 DB나 외부 메모리 시스템과 잘 연결해야 해요. Andon Labs는 이런 메모리, 도구 호출, 안전장치(가드레일)를 어떻게 설계했는지를 블로그에서 일부 공개했는데, 사람이 "심각한 결정"에는 개입할 수 있는 휴먼 인 더 루프(human-in-the-loop) 구조를 일부 남겨뒀다고 해요.

한국 개발자에게 주는 시사점

한국에서도 무인 매장, 자동화 카페, 무인 편의점이 빠르게 늘고 있잖아요. Andon Market의 실험은 그 무인 매장의 "두뇌"를 사람이 아니라 AI가 맡으면 어떻게 될지에 대한 가장 진지한 사례 연구가 될 거예요. 가까운 미래에는 "AI가 운영하는 편의점" 같은 게 한국에도 등장할 가능성이 높고, 그때 필요한 건 단순히 LLM 호출하는 사람이 아니라 에이전트의 의사결정을 안전하게 설계하고, 도구 호출을 잘 엮고, 메모리를 관리하는 엔지니어예요.

그래서 LangChain, LangGraph, AutoGen, CrewAI 같은 에이전트 프레임워크를 한 번쯤 깊게 다뤄보는 게 점점 더 중요해지고 있어요. 단순히 "챗봇 만들기" 단계에서 한 발 더 나아가, 상태 관리, 툴 사용, 실패 복구까지 고민해본 경험이 차별화 포인트가 될 거고요. 사이드 프로젝트로 "내 책상 위 미니 자판기를 LLM이 운영하게 하기" 같은 거 해봐도 재밌을 것 같아요.