AI가 CEO와 개발자로 일하는 회사, Paperclip AI

 

AI 에이전트로 회사를 운영한다?

Paperclip AI로 살펴보는 ‘AI 조직 운영’의 가능성

최근 AI 도구를 쓰다 보면 이런 생각이 든다.
처음에는 AI에게 질문을 던지는 것만으로도 충분히 놀라웠다.
그다음에는 AI에게 코드를 작성하게 하고, 문서를 요약하게 하고, 이메일 초안을 만들게 했다.
그런데 이제는 질문이 조금 달라지고 있다.
“AI 하나에게 일을 시키는 것을 넘어서,
여러 AI가 서로 역할을 나누고 함께 일하게 만들 수는 없을까?”
예를 들어 이런 식이다.
한 AI는 시장 조사를 한다.
다른 AI는 조사 결과를 바탕으로 글의 초안을 쓴다.
또 다른 AI는 기술적으로 틀린 부분이 없는지 검토한다.
마지막 AI는 결과물을 정리해서 이메일이나 문서로 전달한다.
사람은 모든 일을 직접 지시하는 대신, 목표를 정하고 결과를 확인하고 중요한 결정을 승인한다.
이런 구조를 실제로 구현하려는 오픈소스 프로젝트가 있다.
바로 Paperclip AI다.

---

Paperclip AI는 무엇인가

Paperclip AI는 여러 AI 에이전트를 회사 조직처럼 구성하고 운영하기 위한 오픈소스 플랫폼이다.
조금 더 정확히 말하면, Paperclip은 AI 에이전트들을 위한 컨트롤 플레인에 가깝다.
컨트롤 플레인은 실제 일을 직접 수행하는 도구라기보다, 여러 실행 주체를 관리하고 조율하는 운영 시스템을 뜻한다. Paperclip은 AI 에이전트에게 목표를 주고, 역할을 나누고, 조직도를 만들고, 예산을 설정하고, 업무 진행 상황을 추적하는 역할을 한다.
기존 AI 도구가 주로 이런 구조였다면,

“이 프롬프트를 실행해줘.”
“이 코드를 작성해줘.”
“이 문서를 요약해줘.”

Paperclip은 조금 다른 방식으로 접근한다.

“이 회사의 목표는 이것이다.”
“CEO 역할의 AI 에이전트를 만든다.”
“CEO가 필요한 팀 구성을 제안한다.”
“리서처, 개발자, 리뷰어 같은 하위 에이전트를 구성한다.”
“각 에이전트는 예산 안에서 업무를 수행한다.”
“중요한 결정은 사람이 승인한다.”

즉, Paperclip은 AI를 단순한 챗봇이 아니라 조직 안의 구성원처럼 다루려는 시도다.
https://www.gamsgo.com/partner/Z6TgE

---

AI를 ‘직원’처럼 다룬다는 것

Paperclip에서 가장 큰 단위는 Company, 즉 회사다.
회사는 목표를 가진다.
그리고 그 목표를 달성하기 위해 여러 AI 에이전트를 둘 수 있다.
예를 들어 “AI 개발 블로그를 매주 발행하는 회사”를 만든다고 해보자.
이 회사에는 CEO 에이전트가 있을 수 있다.
CEO 에이전트는 전체 목표를 이해하고, 필요한 역할을 제안한다.
그 아래에는 리서치 에이전트가 있을 수 있다.
리서치 에이전트는 최신 자료를 조사하고 핵심 내용을 정리한다.
글쓰기 에이전트는 리서치 결과를 바탕으로 초안을 작성한다.
리뷰어 에이전트는 기술적 오류나 과장된 표현을 검토한다.
이 구조를 간단히 표현하면 이렇다.

CEO Agent
 ├── Research Agent
 ├── Writer Agent
 └── Reviewer Agent

사람이 모든 작업을 하나씩 시키는 것이 아니라, 목표를 정하고 역할을 나누며 진행 상황을 확인하는 방식이다.
다만 여기서 중요한 점이 있다.
Paperclip이 말하는 AI 회사는 사람이 완전히 사라진 회사를 뜻하지 않는다.
오히려 사람은 반복 작업자가 아니라 운영자에 가까워진다.
AI 에이전트가 하위 에이전트 고용이나 주요 전략을 제안할 수 있지만, 중요한 결정은 사람이 승인하거나 수정 요청을 할 수 있다.
이 점에서 Paperclip은 완전 방치형 자동화 도구라기보다, 사람이 목표와 예산, 승인 권한을 갖고 AI 조직을 관리하는 시스템에 가깝다.

---

왜 이런 도구가 필요할까

AI 도구를 하나만 쓸 때는 큰 문제가 없다.
Claude Code 하나, OpenAI Codex 하나, Cursor 하나 정도는 사람이 직접 관리할 수 있다.
어떤 작업을 시켰는지, 결과가 어땠는지, 비용이 얼마나 들었는지 대략 파악할 수 있다.
하지만 AI 에이전트가 여러 개로 늘어나면 이야기가 달라진다.
누가 어떤 일을 하고 있는지,
어떤 작업이 완료되었는지,
어떤 작업이 막혀 있는지,
어떤 에이전트가 비용을 많이 쓰고 있는지,
중요한 의사결정이 어디에서 필요한지 알기 어려워진다.
이때 필요한 것은 단순한 채팅창이 아니다.
필요한 것은 AI 에이전트 운영 대시보드다.
Paperclip은 바로 이 지점을 다룬다.
에이전트를 만들고, 조직도를 구성하고, 업무를 배정하고, 비용을 추적하고, 필요한 승인을 관리한다.
겉으로 보기에는 태스크 관리 도구처럼 보일 수 있지만, 내부적으로는 AI 에이전트 팀을 운영하기 위한 조직 관리 시스템에 가깝다.

---

Paperclip의 핵심 개념

Paperclip을 이해하려면 몇 가지 개념만 잡으면 된다.
첫 번째는 Company다.
Company는 말 그대로 회사다. 회사에는 목표, 에이전트, 조직 구조, 예산, 업무가 포함된다.
두 번째는 Agent다.
Agent는 회사 안에서 특정 역할을 맡는 AI 직원이다. CEO, CTO, 엔지니어, 리서처, 마케터, 리뷰어 같은 역할을 부여할 수 있다.
세 번째는 Adapter다.
Adapter는 Paperclip과 실제 AI 실행 도구를 연결하는 부분이다.
Paperclip이 모든 AI 작업을 직접 수행하는 것은 아니다.
대신 Claude Code, OpenAI Codex, Gemini CLI, Cursor, 셸 스크립트, HTTP 웹훅 같은 실행 환경을 어댑터로 연결한다.
쉽게 말하면 이런 구조다.

Paperclip
 ├── 조직 관리
 ├── 업무 관리
 ├── 예산 관리
 ├── 승인 관리
 └── Adapter를 통해 실제 AI 실행 도구 호출

네 번째는 Heartbeat다.
Heartbeat는 에이전트가 주기적으로 깨어나 자신의 업무를 확인하고 실행하는 절차다.
에이전트는 하트비트가 발생하면 자신에게 할당된 업무를 확인하고, 우선순위에 따라 작업을 수행하고, 결과를 기록한다.
사람이 매번 “이제 일해”라고 말하지 않아도, 에이전트가 정해진 주기나 조건에 따라 일을 이어갈 수 있는 것이다.

---

설치는 생각보다 단순하다

Paperclip은 로컬에서 비교적 간단하게 실행해볼 수 있다.
가장 쉬운 시작 명령어는 다음과 같다.

npx paperclipai onboard --yes

직접 소스를 받아 실행할 수도 있다.

git clone https://github.com/paperclipai/paperclip.git
cd paperclip
pnpm install
pnpm dev

기본적으로 로컬 환경에서는 http://localhost:3100에서 실행된다.
개발 환경에서는 Node.js 20 이상과 pnpm 9 이상이 필요하다.
처음 실행하면 웹 UI에서 회사를 만들고, 회사의 목표를 설정하고, CEO 에이전트를 생성할 수 있다.
예를 들어 이런 회사를 만들 수 있다.

회사명: AI Blog Studio
목표: 매주 AI 자동화와 개발 도구에 대한 블로그 글을 작성한다.

그다음 CEO 에이전트에게 이런 첫 업무를 줄 수 있다.

우리 회사의 목표는 AI 자동화 관련 개발 블로그를 꾸준히 발행하는 것이다.
필요한 팀 구성을 제안하고, 첫 번째 블로그 주제를 선정한 뒤 리서치 계획을 세워줘.

이제 CEO 에이전트는 목표를 기준으로 필요한 역할과 작업 계획을 제안한다.
사람은 그 제안을 검토하고 승인하거나 수정 요청을 할 수 있다.

---

Codex, Claude, 외부 API와 연결하기

Paperclip의 장점 중 하나는 특정 AI 모델 하나에 묶이지 않는다는 점이다.
OpenAI Codex를 쓰고 싶다면 codex_local 어댑터를 사용할 수 있다.
Claude Code를 쓰고 싶다면 claude_local 어댑터를 사용할 수 있다.
단순한 스크립트 실행이 필요하다면 process 어댑터를 사용할 수 있고, 외부 서버와 통신하려면 http 어댑터를 활용할 수 있다.
예를 들어 개발 블로그 자동화 시스템을 만든다고 해보자.
리서치 에이전트에게 Brave Search API를 사용하게 하고,
정리된 결과를 Resend API로 이메일 발송하게 만들 수 있다.
구조는 다음과 같다.

Paperclip
 └── Research Agent
      ├── Brave Search API로 자료 검색
      ├── 검색 결과 요약
      └── Resend API로 이메일 전송

다만 여기서도 표현을 정확히 할 필요가 있다.
Brave Search와 Resend가 Paperclip의 전용 내장 기능으로 제공되는 것은 아니다.
에이전트 실행 환경에 API 키를 주입하고, Codex나 Claude가 작성한 스크립트 또는 process, http 어댑터를 통해 외부 API를 호출하는 방식에 가깝다.
즉, Paperclip은 외부 도구를 직접 대신해주는 마법 상자가 아니라, AI 에이전트가 여러 도구를 사용할 수 있도록 운영 환경을 만들어주는 플랫폼이다.

---

API 키는 반드시 안전하게 관리해야 한다

AI 에이전트가 외부 API를 사용하려면 API 키가 필요하다.
이때 가장 조심해야 할 부분은 키를 평문으로 저장하지 않는 것이다.
나쁜 예시는 이런 방식이다.

{
  "env": {
    "OPENAI_API_KEY": "sk-..."
  }
}

운영 환경에서는 이런 식으로 평문 API 키를 넣는 것은 피해야 한다.
Paperclip은 시크릿을 암호화해 저장하고, 에이전트 설정에는 실제 키 대신 secret_ref를 넣는 방식을 지원한다.
예시는 다음과 같다.

{
  "env": {
    "OPENAI_API_KEY": {
      "type": "secret_ref",
      "secretId": "your-secret-id",
      "version": "latest"
    }
  }
}

이렇게 하면 실제 API 키를 코드나 설정 파일에 직접 노출하지 않고, 런타임에 필요한 에이전트에게만 주입할 수 있다.
AI 에이전트 자동화에서 보안은 선택 사항이 아니다.
특히 에이전트가 셸 명령을 실행하거나 외부 API를 호출할 수 있다면, API 키와 실행 권한은 반드시 제한적으로 관리해야 한다.

---

비용 관리가 중요한 이유

AI 에이전트를 24시간 돌릴 때 가장 무서운 것은 무엇일까?
틀린 답변도 문제지만, 실제 운영에서는 끝없이 누적되는 비용도 큰 문제다.
AI 에이전트는 한 번 답변하고 끝나는 챗봇이 아니다.
주기적으로 깨어나고, 작업을 확인하고, 실행하고, 다시 반복할 수 있다.
따라서 예산 제한 없이 운영하면 예상보다 빠르게 비용이 증가할 수 있다.
Paperclip은 이 문제를 예산 관리 기능으로 다룬다.
에이전트별 비용을 추적하고, 월별 예산을 설정할 수 있다.
예산의 일정 수준에 도달하면 경고를 보내고, 한도를 넘으면 에이전트를 자동으로 멈추는 방식이다.
개인 프로젝트라면 처음에는 아주 낮은 예산으로 시작하는 것이 좋다.
예를 들면 이런 식이다.

CEO Agent       월 $10
Research Agent  월 $5
Writer Agent    월 $5
Reviewer Agent  월 $3

처음부터 큰 예산을 열어두는 것보다, 작은 예산으로 실제 동작을 검증하고 점진적으로 늘리는 편이 안전하다.
AI 자동화는 “잘 돌아가는가”만큼이나 “얼마나 쓰는가”가 중요하다.

---

VPS에 올릴 때는 더 조심해야 한다

영상에서는 Hostinger VPS에 Paperclip을 올려 24시간 운영하는 흐름이 소개된다.
실제로 Paperclip은 VPS에 올려 운영할 수 있다.
Docker 기반으로 배포하면 로컬 컴퓨터를 계속 켜두지 않아도 에이전트 환경을 유지할 수 있다.
하지만 여기에는 중요한 전제가 있다.
로컬 실험 환경과 외부 공개 서버는 완전히 다르다.
로컬에서 혼자 테스트할 때는 상대적으로 단순한 설정으로도 충분할 수 있다.
하지만 VPS에 올리고 외부에서 접근 가능하게 만들면 보안 문제가 훨씬 중요해진다.
특히 Paperclip은 에이전트를 통해 외부 명령을 실행하거나 API를 호출할 수 있는 구조를 지원한다.
따라서 공개 서버에서는 인증, 권한, 시크릿 관리, 방화벽, HTTPS 설정을 반드시 확인해야 한다.
VPS에 배포할 때는 최소한 다음 항목을 체크해야 한다.

1. 최신 버전 사용
2. 인증 모드 활성화
3. HTTPS 적용
4. 방화벽 설정
5. API 키는 secret_ref로 관리
6. 에이전트별 예산 제한 설정
7. 외부 공개 전 내부망에서 먼저 테스트

특히 2026년 4월 기준으로 Paperclip에는 몇 가지 보안 권고가 공개된 바 있다.
따라서 운영 환경에서는 반드시 최신 버전을 사용하고, 공식 문서의 배포 모드와 보안 설정을 확인해야 한다.
“일단 서버에 올려두면 알아서 잘 돌아가겠지”라는 접근은 위험하다.
AI 에이전트 시스템일수록 더 엄격하게 권한을 제한하고, 사람이 모니터링할 수 있는 구조를 만들어야 한다.

---

Paperclip이 보여주는 변화

Paperclip이 흥미로운 이유는 단순히 새로운 AI 도구이기 때문이 아니다.
이 도구는 AI 자동화의 방향이 어디로 가고 있는지를 보여준다.
지금까지 우리는 AI를 주로 이렇게 사용했다.

내가 질문한다.
AI가 답한다.

조금 더 나아가면 이렇게 사용했다.

내가 작업을 준다.
AI가 결과물을 만든다.

하지만 Paperclip이 제안하는 방식은 다르다.

내가 목표를 정한다.
AI들이 역할을 나눈다.
각자 업무를 수행한다.
사람은 진행 상황과 예산, 중요한 결정을 관리한다.

AI가 단순한 비서에서 팀원에 가까운 역할로 이동하는 것이다.
물론 아직은 모든 일을 맡길 수 있는 단계는 아니다.
AI는 실수할 수 있다.
환각도 발생할 수 있다.
비용도 발생한다.
보안 문제도 생길 수 있다.
그래서 Paperclip의 핵심은 “사람이 사라지는 것”이 아니다.
오히려 사람의 역할이 바뀌는 것에 가깝다.
사람은 더 이상 모든 일을 직접 처리하는 작업자가 아니라,
목표를 정하고, 기준을 세우고, 승인하고, 비용과 리스크를 관리하는 운영자가 된다.
이 변화가 중요하다.

---

개발자에게 Paperclip이 흥미로운 이유

개발자 입장에서 Paperclip은 꽤 흥미로운 실험 도구다.
첫째, 여러 AI 실행 환경을 하나의 구조 안에서 다룰 수 있다.
Codex, Claude Code, Gemini CLI, Cursor, 셸 스크립트, HTTP 웹훅 등을 역할에 따라 연결할 수 있다.
둘째, 단순한 프롬프트 실행이 아니라 업무 흐름을 설계할 수 있다.
리서치, 코드 작성, 리뷰, 문서화, 이메일 발송 같은 작업을 에이전트별로 분리할 수 있다.
셋째, 비용과 승인 구조를 함께 가져갈 수 있다.
AI 에이전트를 많이 돌릴수록 중요한 것은 실행 능력뿐 아니라 통제 능력이다.
넷째, 개발 블로그나 리서치 자동화에 적용하기 좋다.
예를 들어 이런 흐름을 만들 수 있다.

1. CEO 에이전트가 이번 주 블로그 주제 선정
2. Research Agent가 최신 자료 조사
3. Writer Agent가 초안 작성
4. Reviewer Agent가 기술적 오류 검토
5. 사람이 최종 승인 후 게시

이 구조만 잘 잡아도 반복적인 콘텐츠 제작이나 기술 리서치 업무를 상당 부분 자동화할 수 있다.

---

그러나 아직은 실험에 가깝다

Paperclip은 가능성이 큰 도구지만, 아직은 신중하게 접근하는 것이 좋다.
운영 환경에 바로 투입하기보다는 로컬 또는 내부망에서 먼저 실험하는 편이 안전하다.
특히 외부 공개 서버에 올릴 경우 보안 설정을 대충 넘기면 안 된다.
또한 에이전트의 결과물이 항상 맞는 것도 아니다.
AI가 조사한 내용은 사람이 검토해야 하고, AI가 작성한 코드는 테스트해야 하며, AI가 보낸 이메일은 적절한지 확인해야 한다.
Paperclip은 사람을 대체하는 도구라기보다, 사람이 여러 AI 에이전트를 관리할 수 있도록 도와주는 운영 도구로 보는 편이 정확하다.

---

마무리

Paperclip AI는 AI 에이전트를 회사 조직처럼 운영하려는 오픈소스 플랫폼이다.
회사를 만들고, 목표를 설정하고, CEO 에이전트를 생성한다.
CEO는 필요한 역할과 업무 계획을 제안하고, 하위 에이전트들은 각자의 역할에 따라 리서치, 작성, 개발, 리뷰 같은 일을 수행한다.
사람은 중요한 결정을 승인하고, 예산과 보안, 최종 품질을 관리한다.
이 도구가 보여주는 방향은 분명하다.
앞으로 AI 자동화의 핵심은 단순히 좋은 프롬프트 하나를 작성하는 데서 끝나지 않을 수 있다.
중요해지는 것은 여러 AI가 함께 일할 수 있는 구조를 설계하는 것이다.
누가 어떤 역할을 맡을지,
어떤 작업을 어떤 순서로 처리할지,
비용은 어디까지 허용할지,
어떤 결정은 사람이 승인해야 할지.
이런 질문들이 AI 자동화의 새로운 설계 과제가 될 수 있다.
Paperclip AI는 그 가능성을 꽤 흥미로운 방식으로 보여준다.
아직은 실험적인 도구에 가깝지만, AI 에이전트를 단순한 도구가 아니라 팀처럼 운영하고 싶은 개발자라면 한 번쯤 살펴볼 만하다.

---

참고 자료

• Paperclip AI 공식 문서
• Paperclip AI GitHub README
• Paperclip Adapters 문서
• Paperclip Secrets Management 문서
• Paperclip Costs and Budgets 문서
• Paperclip Heartbeat Protocol 문서
• OpenAI Codex CLI 관련 문서
• Hostinger Paperclip VPS 배포 문서