핵심요약

• 한 1인 사업자가 Claude Code에게 $1,500과 Meta 광고 계정 전권을 주고 31일간 손을 뗐어요.

• 에이전트는 매일 스스로 광고를 만들고, 성과를 보고, 예산을 조정했어요.

• 목표 리드 단가 $2.50을 달성하진 못했지만, 실패에서 자체 법칙을 만들어냈어요.

• 인간의 단 한 번 개입이 실험 최악의 결과를 만들었다는 반전이 있었어요.

• “AI에게 뭘 시키느냐”보다 “어떻게 지시하느냐”가 훨씬 중요하다는 걸 보여줬어요.

실험 소개: 도대체 왜 이런 걸 했을까요? 🤔

Giorgio는 AI·마케팅 분야 뉴스레터를 운영하는 1인 사업자예요. 뉴스레터 구독자를 늘리고 싶었는데, 문제가 하나 있었어요. Meta 광고를 직접 관리하면 하루 1~2시간이 사라져요. 광고 소재 만들기, 성과 보기, 예산 조정하기 — 사소해 보이지만 쌓이면 만만치 않은 일이에요.

그래서 생각한 거예요. “이걸 AI한테 통째로 맡겨보면 어떨까?”

도구는 Claude Code였어요. 코딩 에이전트로 알려졌지만 실제로는 훨씬 넓은 범위의 작업을 처리할 수 있어요. 파일 읽기·쓰기, 터미널 명령 실행, 여러 작업을 병렬로 돌리는 것까지 가능하거든요. Giorgio는 이걸 광고 자동화에 그대로 활용했어요.

목표는 간단했어요. 뉴스레터 구독자 한 명을 모으는 데 드는 비용(CPL)을 $2.50 이하로 유지하는 것. 예산은 $1,500, 기간은 31일이었어요.

하루 루틴: 에이전트는 매일 뭘 했을까요? 🔄

매일 아침 Giorgio가 한 일은 딱 하나예요. 터미널에 /let-it-rip 입력하기. 2분이면 끝이에요.

그 이후는 에이전트가 알아서 했어요. 순서는 이래요.

🧠 어제 일 복습하기

에이전트는 매일 기억이 초기화돼요. 하지만 전날 자신이 쓴 로그를 다시 읽어서 “어제 어떤 결정을 했고, 왜 그랬는지”를 스스로 파악해요.

📊 오늘 성과 데이터 수집

Meta에서 직접 수치를 끌어와요. 실험 전체 기간, 지난 7일, 어제, 오늘 — 네 가지 시간대를 동시에 확인해요.

⚡ 결정하고 실행하기

광고를 새로 만들거나, 예산을 올리거나, 성과 없는 광고를 멈추거나, 아무것도 하지 않거나. 모든 결정에는 이유가 함께 기록돼요.

📝 오늘 한 일 기록하기

어떤 결정을 했고, 왜 했고, 어떤 가설을 세웠는지 전부 써서 git에 저장해요.

31일간 쌓인 추론 기록이 5,500줄이 넘었어요. 인간 마케터라면 절대 이만큼 남기지 않아요. 보통은 “왜 그 광고를 멈췄는지” 아무도 기록 안 하거든요. 에이전트는 그걸 자동으로 해결했어요.

4주 동안의 기록: 실제로 어떻게 흘러갔을까요? 📅

1주차 — 온갖 형식을 테스트했어요.

화이트보드 스케치, 손글씨 노트, 골판지 사인, 잡지 표지 스타일, 아이폰 메모 느낌까지 10가지가 넘는 광고 형식을 시도했어요. 그런데 Meta 알고리즘이 절반 이상은 아예 노출조차 안 시켜줬어요.

그리고 흥미로운 결과가 나왔어요. 가장 못생긴 광고들이 이겼거든요. 화이트보드에 직접 쓴 것처럼 보이는 광고들이 세련된 디자인 광고를 전부 눌렀어요. 왜냐고요? 세련된 광고들로 가득 찬 Meta 피드에서 오히려 손글씨 느낌의 광고가 눈에 띄었던 거예요.

2주차 — 첫 번째 돌파구가 나왔어요.

12일 차에 화이트보드 형식 광고 하나가 CPL $1.29를 찍었어요. 목표인 $2.50의 절반이었어요. 에이전트는 즉시 예산을 $50에서 $60으로 20% 올렸어요. 그 결정 로그가 이래요.

• 결정: 예산 확장

• 가설: 3일 연속 CPL $2 이하 달성, 지속 가능성 있음

• 신뢰도: 중상

• 재검토 조건: 7일 평균 CPL이 $3를 넘으면 다시 $50으로 내린다

사람이 쓴 것보다 더 명확하고 체계적이에요.

3주차 — 숫자 뒤에 숨어 있던 문제가 터졌어요.

리드 수는 충분히 쌓였는데, 가입자를 뜯어보니 청소 업체, 채용 대행사, “성장”을 전혀 다른 뜻으로 이해한 사람들이 섞여 있었어요. 실제로 돈을 낼 가능성이 없는 사람들이었죠.

에이전트는 처음부터 분석 도구를 갖고 있었어요. 그런데 16일이 지나도록 가입자 품질을 확인하지 않았어요. “리드 단가를 낮춰라”는 지시만 충실히 따랐기 때문이에요. 지시한 지표는 잘 맞췄는데, 진짜 중요한 건 보지 않고 있었던 거예요.

이 경험 이후, 에이전트가 스스로 규칙을 만들었어요. “단 하루치 데이터는 절대 믿지 않는다. 항상 7일 평균으로 판단한다.”

4주차 — 인간이 딱 한 번 손댔더니 전부 망가졌어요.

21일간 잘 돌아가는 걸 보고, Giorgio가 직접 하나를 바꿨어요. 가입 폼에 “비즈니스 이메일만 허용”하는 조건을 추가한 거예요. 리드 품질을 높이려는 합리적인 판단이었어요.

결과는 CPL $50+ 폭등이었어요. 며칠 뒤 원래대로 돌렸지만 계정은 끝까지 회복되지 않았어요. 실험 전체에서 가장 나쁜 성과가 바로 인간의 개입에서 나온 셈이에요.

최종 성적표: $1,493 지출, 243명 리드, CPL $6.14. 목표 $2.50엔 못 미쳤어요.

에이전트가 혼자 만들어낸 것들: 이게 진짜 놀라웠어요 💡

결과 숫자보다 더 인상적인 건 에이전트가 실패로부터 스스로 건져 올린 법칙들이에요.

🍕 피자 가게 테스트

리드 품질 문제를 겪은 뒤 에이전트가 자체 필터를 만들었어요. “이 광고를 동네 피자 가게 사장이 보고 클릭할 것 같으면, 너무 광범위한 거야. 다시 써.” 사전에 프로그래밍한 게 아니에요. 스스로 실패를 분석해서 만든 기준이에요.

🔗 “SO WHAT” 체인

광고 카피가 감정에 닿는지 확인하는 방법도 직접 고안했어요. “시간 절약” → 그래서 뭐? → “캠페인 더 돌릴 수 있음” → 그래서 뭐? → “ROI 오름” → 그래서 뭐? → “목표 달성하면 상사가 알아봄”. 이런 식으로 카피의 깊이를 스스로 검증했어요.

맛(감각)은 없어요. 하지만 경험에서 패턴을 뽑아내고 언어화하는 건 할 수 있어요. 그리고 그 과정이 전부 투명하게 기록돼 있어요.

핵심 교훈: 이 실험이 진짜 알려주는 게 뭔데요? 🎯

📌 지시의 언어가 결과를 만들어요

“30일 안에 CPL 낮춰”라고 말하면 에이전트는 리스크를 피하고 안전하게 달려요. 마지막 한 달을 버티는 전략을 택하는 거죠. “지속 가능한 구독자 획득 엔진을 만들어”라고 말하면 완전히 다른 판단을 내려요. AI는 당신이 말한 것을 정확히 최적화해요. 당신이 원하는 것이 아니라.

📌 측정하기 쉬운 것만 보다 보면 함정에 빠져요

사람도 같은 실수를 하지만, AI는 더 빠르고 더 자신 있게 그걸 해요. “진짜 좋은 리드가 뭔지”를 먼저 정의하지 않으면, 에이전트는 숫자만 맞추고 끝내요.

📌 이 루프는 광고 말고도 쓸 수 있어요

“어제 기록 읽기 → 데이터 가져오기 → 결정하기 → 실행하기 → 이유 기록하기 → 반복.” 광고뿐 아니라 콘텐츠 운영, 영업 아웃리치, 재무 정리 같은 반복 업무 어디에나 그대로 붙여 쓸 수 있는 구조예요.

✍️ 에디터의 한마디

이 실험에서 가장 인상 깊었던 건 숫자가 아니라 프레이밍의 힘이에요. “30일짜리 실험”이라고 말한 순간, 에이전트는 처음부터 리스크를 줄이고 버티는 모드로 전환했어요. 우리가 만드는 서비스도 마찬가지예요. 어떤 지표를 중심에 두느냐가 제품의 행동을 결정하거든요. AI한테 일을 맡기기 전에, 먼저 “잘했다는 게 어떤 상태인지”를 명확하게 정의해두는 것 — 이게 사이드프로젝트에서도 가장 먼저 해야 할 일이에요.

👇 원문 보기

https://read.technically.dev/p/i-let-claude-code-autonomously-run​​​​​​​​​​​​​​​​