6개 AI 에이전트 운영자가 해부한 Cloudflare의 ‘100x engineer’

Cloudflare는 AI 생산성이 “2배에서 100배” 향상됐다며 직원 20%를 줄였습니다. 그러나 AI 에이전트 시대에 ‘100x engineer’라는 프레임을 그대로 적용하면 구조적으로 잘못된 인력 감축 결정이 잇따를 가능성이 큽니다.

Q1 2026에 Cloudflare가 실제로 한 말

실적 발표 콜에서 가장 널리 인용된 대목은 AI 덕분에 일부 직무의 산출량이 이전보다 “2배, 10배, 심지어 100배” 늘었다는 Prince의 발언입니다. TechCrunch도, CNBC도, The Register도 이를 기사로 다뤘습니다. 모든 보도는 이 프레임을 자명한 사실로 받아들인 채 곧바로 사라진 일자리 수를 셌습니다.

전체 맥락은 이렇습니다. Cloudflare가 감원한 1,100명은 Prince의 표현대로 AI가 이제 업무를 처리하는 직무 전반에 걸쳐 있습니다. 이는 그동안 그 일을 맡았던 사람이 병목이었고, AI가 그 병목을 없앴다는 뜻을 내포합니다. 매출은 34% 늘고 인원은 20% 줄었습니다. 같은 산출량을 더 적은 인원으로 만들고 마진은 확대된다는, 투자자가 좋아할 서사가 자연스럽게 완성됩니다.

하지만 실적 발표 콜에서도, 관련 보도에서도 묻지 않은 질문이 있습니다. 에이전트가 프로세스를 처음부터 끝까지 수행하게 된 상황에서 ‘생산성 100배’가 과연 일관된 분석 단위인가 하는 점입니다. AI의 도움을 받은 엔지니어 개인의 생산성이 100배 높아지는 것과, 프로세스 전체가 사람의 노동 항목에서 빠지는 것은 전혀 다른 일입니다. 누구를 남길지 결정해야 하는 창업자라면 이 차이를 반드시 구분해야 합니다.

이번 주에 실제로 하고 있는 일

Workers와 Durable Objects 위에서 이 블로그의 퍼블리싱 시스템을 운영하고 있습니다. 에이전트는 ManualIntake, Discovery, Editorial, Writer, Distribution, Maintenance까지 6개입니다. 지난달 이 에이전트들이 발행한 글은 24편이었고, 제가 직접 손댄 글은 4편 정도였습니다. 실제 비용은 아래와 같습니다.

Cloudflare Workers에서 프로덕션 AI 에이전트 6개를 돌리는 실제 비용

다음은 에이전트 6개로 퍼블리싱 시스템을 운영한 2026년 4월의 실제 Cloudflare 청구 내역입니다.

Workers 컴퓨팅 비용은 $11.40이었습니다. 에이전트의 작업 메모리, 태스크 큐, 글 초안, 콘텐츠 메타데이터를 담는 D1의 데이터베이스 읽기와 쓰기 비용은 $3.20이었습니다. 미디어 자산과 아카이브 내보내기를 저장하는 R2는 $0.84, 전체 글을 대상으로 시맨틱 검색을 제공하는 Vectorize는 $1.10이었습니다. Agents SDK와 Workflows 오케스트레이션 레이어의 요청 및 실행 시간 비용까지 합치면 $2.60입니다. Cloudflare 인프라 총비용은 한 달에 $19.14였습니다.

추론 비용은 별도이며 모델 제공업체에 지불합니다. 4월에는 태스크 난도에 따라 6개 에이전트가 Claude Sonnet 4.5와 Haiku 3.5를 사용했고, 월 비용은 $214였습니다. 인프라와 추론을 모두 합친 AI 시스템 총비용은 $233.14입니다.

4월의 태스크 수를 나눠 보면 ManualIntake는 콘텐츠 요청 31건을 처리했습니다. Discovery는 조사와 소싱 태스크 188건을 수행했고, Editorial은 브리프 작성과 수정 사이클 47건을 완료했습니다. Writer는 발행된 초안 24편을 만들었고, Distribution은 신디케이션과 소셜 태스크 96건을 처리했습니다. Maintenance는 예약된 상태 점검, 링크 감사, 인덱스 갱신을 240회 수행했습니다. 한 달 동안 총 626개 태스크를 처리했으며, 모든 비용을 포함하면 태스크당 약 $0.37입니다.

시스템은 소규모 코디네이션 레이어를 위해 월 €4.42인 Hetzner CX22 서버를 사용합니다. 그게 전부입니다.

이 에이전트들과 같은 품질과 처리량으로 한 달에 626개 태스크를 수행할 사람을 고용한다면 얼마가 들까요? 서구 시장에서 중급 콘텐츠 운영 인력 한 명의 완전 원가 기준 월비용은 $6,500~$9,000입니다. 에이전트는 그 업무의 상당 부분을 $233에 처리합니다. 이 계산이 실제로 성립한다는 사실을 외면할 생각은 없습니다.

하지만 중요한 대목이 있습니다. 저는 여전히 이 시스템에 매주 약 12시간을 씁니다. 에이전트가 하는 태스크를 직접 수행하는 시간이 아닙니다. 전혀 다른 일을 합니다. ‘100x engineer’ 프레임이 완전히 놓치는 부분이 바로 이것입니다.

‘100x engineer’ 프레임이 개념적으로 틀린 이유

‘100x engineer’ 프레임은 한 명의 엔지니어에게 AI를 붙이면 생산성이 100배 높아진다고 가정합니다. 분석 단위는 여전히 엔지니어입니다. 산출량 단위당 필요한 엔지니어 수만 줄어듭니다.

실제 에이전트 배포에서 벌어지는 일은 다릅니다. 프로세스 하나가 사람의 노동 항목에서 통째로 빠집니다. Discovery 에이전트는 리서처의 생산성을 100배 높이지 않습니다. 애초에 리서처가 없습니다. 조사 프로세스가 cron 스케줄에 따라 실행되고, 여러 API와 모델을 호출한 뒤 구조화된 결과를 D1에 쓰고 Editorial 에이전트를 트리거합니다. 프로세스는 그대로 존재하지만 그 프로세스를 전담하던 사람의 역할은 사라집니다.

말장난처럼 들릴 수 있지만 그렇지 않습니다. 어떤 인력을 둘 것인지 판단하는 계산법 자체가 달라집니다.

이를 ‘100x engineer’로 바라보면 엔지니어 인원을 놓고 “100명을 대신할 10명은 누구인가?”라고 묻게 됩니다. 산출량이 가장 많은 사람을 남기고 나머지를 줄이는 방향으로 최적화하게 됩니다.

반대로 ‘프로세스를 자동화로 이전한다’고 정확히 정의하면 질문부터 달라집니다. 회사 안에서 완전 자동화할 수 있는 프로세스는 무엇입니까? 에이전트가 재현할 수 없는 사람의 판단이 필요한 프로세스는 무엇입니까? 에이전트 플릿을 관리하고 감사하고 확장하려면 어떤 새로운 역할이 필요합니까? 이 질문들의 답은 전혀 다른 사람들을 가리킵니다.

아직 어느 회사도 본격적으로 채용하지 않는 역할을 저는 Agent Operations 리드라고 부릅니다. 프롬프트 엔지니어도, ML 엔지니어도 아닙니다. 비즈니스 프로세스를 깊이 이해해 에이전트가 할 일을 명세할 수 있고, 멈춘 워크플로를 디버깅하기 위해 Durable Object 상태 로그를 읽을 수 있으며, 에이전트의 결과물이 허용 가능한 품질에서 벗어나는 시점을 알아차리고, 비즈니스 변화에 맞춰 시스템을 확장할 수 있는 사람입니다. 제가 퍼블리싱 시스템에 매주 쓰는 12시간은 대체로 이 역할에 해당합니다. 단순 업무가 아닙니다. 프로세스 지식과 시스템을 운영할 만큼의 기술 이해를 모두 요구하는, 레버리지가 큰 업무입니다.

Cloudflare 내부에는 거의 확실히 이 역할을 하는 사람이 있을 것입니다. 아직 그 역할을 부르는 직함이 없을 뿐입니다. 이 역량을 갖추지 않은 채 최소 인원만 남기면 에이전트 플릿은 6개월 안에 쇠퇴합니다.

자동화는 일을 만들어냅니다. 다만 같은 일이 아닐 뿐입니다
제가 운영하는 프로덕션 에이전트는 각각 매달 대략 3~5건의 문제를 일으키며, 사람의 개입이 필요합니다. 상태 손상, 품질 게이트를 통과하지 못하는 모델 출력, 스키마가 바뀐 다운스트림 API, 두 에이전트가 같은 D1 행에 동시에 쓰면서 교착 상태에 빠진 태스크 같은 문제입니다. 치명적인 문제는 하나도 없지만, 모두 시스템을 아는 사람이 해결해야 합니다. Agent Operations 역량을 남겨두지 않은 채 인원만 줄이면 이런 문제는 해결되지 않고 쌓입니다.

자동화는 기존 업무를 없애기만 하는 것이 아니라 새로운 업무도 만듭니다. Editorial 에이전트는 한 달에 브리프 47개를 만듭니다. 이제 에디터가 직접 이를 검토하고 승인합니다. 에이전트가 없던 때에는 아마 브리프가 15개 정도 작성됐을 것입니다. 에이전트가 에디터를 대체한 것이 아닙니다. 에디터가 책임지는 범위를 넓혔고, 에디터가 해야 할 일의 기준을 높였습니다. 에이전트 플릿에 인접한 일부 역할은 사라지는 대신 증폭됩니다. 이 관계를 세심하게 그려보지 않은 창업자는 증폭되는 역할을 없앤 뒤 처리량이 왜 줄었는지 의아해하게 됩니다.

2026년 H2, 창업자를 위한 AI 에이전트 인력 의사결정 프레임워크

Cloudflare의 서사를 바탕으로 H2 인력 계획을 세우고 있다면, 실제로 적용할 만한 프레임워크는 다음과 같습니다.

먼저 회사의 프로세스를 ‘프로세스 대체 후보’와 ‘역할 대체 후보’라는 두 열로 나눕니다.

프로세스 대체 후보는 대체로 결정론적으로 움직이고, 완전히 명세할 수 있으며, 결과물의 품질을 자동으로 측정할 수 있는 워크플로입니다. 데이터 파이프라인 유지보수, 대량 콘텐츠 제작, 고객 지원 분류, QA 테스트 생성, 문서 업데이트, 송장 처리 등이 여기에 해당합니다. 이 경우 질문은 “AI가 담당자의 업무 속도를 높일 수 있는가?”가 아닙니다. “앞으로 90일 안에 이 프로세스 전체를 사람의 노동 항목에서 떼어낼 수 있는가?”입니다. 인원을 건드리기 전에 에이전트로 4주간 테스트해야 합니다.

역할 대체 후보는 다르며 훨씬 드뭅니다. 사람의 역할이 잘 정의된 태스크를 숙련되게 실행하는 일로 주로 구성돼 있고, 그 태스크를 이제 자동화할 수 있으며, 주변에 의사결정이나 관계 형성 업무가 없는 경우입니다. 이런 역할은 실제로 위험합니다. 그러나 대부분의 역할은 단일 태스크가 아니라 여러 태스크의 묶음이기 때문에, Cloudflare의 서사가 암시하는 것보다 이 범주는 작습니다. 코드를 작성하고, PR을 리뷰하고, 업무 범위를 정하고, 주니어 구성원을 멘토링하고, 고객과 대화하는 엔지니어를 코딩 에이전트 하나로 대체할 수는 없습니다. 코딩에 해당하는 부분만 대체될 수 있습니다.

Series A부터 C까지의 이사회에서도 통하는 인력 계산은 다음과 같습니다. 현재 프로세스의 완전 원가에서 그 프로세스를 대체할 에이전트 플릿의 예상 총운영비를 뺍니다. 여기에는 인프라, 추론, Agent Operations 오버헤드가 모두 포함됩니다. 월 $233로 626개 태스크를 처리한다면 적합한 프로세스에서는 계산 결과가 분명히 매력적입니다. 반면 판단이 필요한 여러 태스크가 실제로 묶여 있는 역할이라면 경제성은 빠르게 나빠집니다.

누군가를 내보내기 전에 먼저 에이전트와 사람을 60일 동안 병렬로 운영해 보겠습니다. 사람을 평가할 때와 같은 기준으로 결과물의 품질을 측정합니다. 실패율과 개입률을 재고, Agent Operations 오버헤드가 실제로 누군가의 시간으로 얼마인지 계산합니다. 운영 오버헤드까지 포함한 사람 비용의 30%로 에이전트가 품질 기준을 통과한다면 타당한 근거가 생깁니다. 실패를 수습하는 데 드는 개입 시간이 사람이 절약한 시간보다 많다면 근거는 성립하지 않습니다.

실행 비용 검증 자체는 복잡하지 않습니다. 대부분의 창업자가 이를 건너뛰는 이유는 Cloudflare의 서사가 검증을 불필요하게 느끼도록 만들기 때문입니다. 100x라는 주장은 매혹적입니다. 그러나 같은 스택의 프로덕션 환경을 직접 운영하는 입장에서 말하자면, 중요한 수치는 생산성 배수가 아닙니다. 운영 부담을 포함해 허용 가능한 품질의 태스크 하나를 처리하는 비용입니다. 이 수치를 이사회 자료에 넣기 전에 먼저 검증해야 합니다.

Q: AI 에이전트를 더 늘리면 월 $233 비용도 선형적으로 증가합니까?

추론 비용은 대체로 그렇습니다. Cloudflare의 인프라 비용은 Workers와 Durable Objects가 대규모에서도 효율적이어서 완만하게 증가합니다. 제 경우 추론 비용이 가장 큰 변수입니다. 에이전트 태스크 처리량을 2배로 늘리면 추론 비용도 대략 2배가 될 것으로 보면 됩니다. 인프라 비용은 아마 20-30% 늘어날 것입니다. 운영 오버헤드는 개별 태스크가 아니라 시스템을 관리하는 일이므로 선형보다 느리게 증가합니다.

Q: 프로덕션 에이전트 플릿에서 실제 핵심이 되는 Cloudflare 제품은 무엇입니까?

가장 큰 비중을 담당하는 것은 Durable Objects입니다. 외부 코디네이션 데이터베이스 없이 Workers 호출 사이에서 장기 실행 에이전트 태스크를 조율하는 영속 상태 머신입니다. D1은 비즈니스 데이터를 위한 관계형 저장소이고, R2는 오브젝트 스토리지이며, Vectorize는 임베딩 저장소입니다. Agents SDK는 Durable Objects 위에 놓인 비교적 얇은 오케스트레이션 레이어입니다. 이 스택을 검토하고 있다면 아키텍처의 중심은 Durable Objects입니다.

Q: Agent Operations 역할은 실제로 하루를 어떻게 보냅니까?

제 경우에는 매일 아침 30분 동안 태스크 로그를 살펴보며 실패나 품질 저하를 확인하고, 매주 약 2시간 동안 에이전트 워크플로를 디버깅하거나 확장합니다. 월요일마다 지난주 결과물의 품질을 검토하는 정례 일정도 있습니다. 나머지는 대응 업무입니다. 무언가 고장 나면 고칩니다. 20+명 규모의 팀을 지원하는 더 큰 플릿이라면 자투리 시간에 맡길 일이 아니라 파트타임 역할일 가능성이 큽니다.

앞으로 30일 동안 지켜볼 것

Cloudflare의 실적 발표 프레임은 다른 기업으로 퍼질 것입니다. Q2 실적 시즌이 끝나기 전에 적어도 3~5개의 다른 상장 기술 기업이 ‘AI 생산성 향상’을 인력 감축의 명분으로 내세울 가능성이 큽니다. 눈여겨볼 창업자는 막연한 생산성 주장이 아니라 구체적인 에이전트 배포 내역과 함께 감원을 발표하는 사람입니다. 그런 발표라면 실제 신호가 됩니다. 스택, 태스크 수, 태스크당 비용 없이 내놓는 모호한 주장은 이사회 자료용 연출에 불과합니다.

Cloudflare 스택 자체를 보면 Agents SDK는 빠르게 성숙하고 있습니다. Durable Object의 hibernation 요금은 올해 초 변경됐고, 상시 실행 에이전트에 훨씬 유리해졌습니다. 이 아키텍처를 검토하면서 도입을 미뤄왔다면 비용 곡선은 유리한 방향으로 움직였습니다. 운영 복잡성이 사라진 것은 아니지만, 대부분의 Series A부터 C 기업이 실제로 필요한 규모에서는 관리할 수 있습니다.

Agent Operations 채용 시장은 12개월 안에 독립적인 직무 범주로 떠오를 것입니다. LinkedIn에 직함이 생기기 전에 회사 안에서 이 역할이 어떤 모습이어야 하는지 먼저 정의해야 합니다.

H2 계획이 확정되기 전에 프로세스 감사를 진행하려면 DVNC.dev에서 제가 사용하는 워크플로 감사 체크리스트를 확인할 수 있습니다. 이 프레임워크에 그대로 적용됩니다.

요약

• Cloudflare의 Q1 2026 실적은 매출 $639.8M, 1,100명 감원, ‘2x~100x’ AI 생산성 향상 주장을 한데 묶었습니다.
• Cloudflare Workers, Durable Objects, D1, Agents SDK에서 프로덕션 에이전트 6개를 운영하는 총비용은 626개 태스크 기준 월 $233, 추론 비용까지 포함해 태스크당 약 $0.37입니다.
• ‘100x engineer’ 프레임은 틀렸습니다. 실제 변화는 한 사람의 산출량을 몇 배로 늘리는 것이 아니라 프로세스 전체를 사람의 노동 항목에서 떼어내는 것입니다.
• 아직 본격적으로 채용하지 않는 역할은 에이전트 플릿을 관리하고 감사하고 확장하는 Agent Operations입니다. 이 역량 없이 최소 인원만 남기면 에이전트 플릿은 쇠퇴합니다.
• 이사회 자료에 넣기 전에 60일 병렬 테스트를 수행해야 합니다. 에이전트와 사람을 함께 운영하면서 같은 품질 기준과 실제 운영 오버헤드를 측정합니다. 계산이 매력적인 경우가 많지만, 언제나 서사가 암시하는 결과가 나오지는 않습니다.
• 의사결정을 좌우하는 변수는 생산성 배수가 아니라 운영 부담을 포함해 허용 가능한 품질로 처리한 태스크당 비용입니다.