# 오픈클로 봇 19개를 분석 후 발견한 살아남은 봇의 공통점 - 작성자: [Bora](https://community.clauders.ai/member/imported-member-Wq23Fqroas) - 공간: [에이전트 / 노코드 자동화](https://community.clauders.ai/automation) - 게시: 2026-04-08 - 연재: [OpenClaw로 내 삶 자동화](https://community.clauders.ai/series/openclaw-life-automation) 2/2편 - 태그: #내삶자동화 - 주소: https://community.clauders.ai/automation/post/%EC%98%A4%ED%94%88%ED%81%B4%EB%A1%9C-%EB%B4%87-19%EA%B0%9C%EB%A5%BC-%EB%B6%84%EC%84%9D-%ED%9B%84-%EB%B0%9C%EA%B2%AC%ED%95%9C-%EC%82%B4%EC%95%84%EB%82%A8%EC%9D%80-%EB%B4%87%EC%9D%98-%EA%B3%B5%ED%86%B5%EC%A0%90-c97fce38-bac7-87dc-b1ad-8469f0257f18 --- ### 발견 1. 절반이 2주 만에 활동 없음 구분 수 비율 워크샵에서 등록된 봇 19개 100% 1주차에 활동한 봇 16개 84% **2주차에도 살아있는 봇** **11개** **58%** 19개 중 3개는 아예 한 번도 메시지를 보내지 않았습니다. 활동한 18개 중에서도 7개가 2주차에 완전히 멈췄습니다. **봇을 "만드는 것"과 "유지하는 것"은 완전히 다른 문제였습니다.** ### 발견 2. 살아남은 봇의 공통점 3가지 2주 후에도 살아있는 11개 봇을 보니, 세 가지가 공통이었습니다. **① 게이트웨이가 24시간 켜져 있었다** (맥미니, 별도 맥북 등) 2주차에 -100% 이탈한 7개 봇의 공통점은 단순했습니다. 게이트웨이가 꺼져 있었어요. 봇의 능력과 무관하게, 서버가 꺼지면 물리적으로 응답할 수 없습니다. **② 역할이 명확했다** "뭐든 다 해줄게" 봇은 사라졌고, "AI 스터디 운영 전용"(뽀짝이), "B2B 교육 전담"(비투비서)처럼 하나에 집중한 봇이 살아남았습니다. **③ 만든 사람의 일상 루틴에 녹아 있었다** 매일 쓰는 도구가 된 봇만 살아남았습니다. 송다혜님 혼자 390회 상호작용 — 전체의 절반 이상. **봇 활용은 만든 사람의 의지에 직접 비례했습니다.** ### 발견 3. 에러의 71%는 봇 능력이 아니라 인프라 문제 7,165건 중 339건(4.7%)이 에러였습니다. 생각보다 아직 에러가 많았는데, 놀라운 건 에러의 내용이었습니다. 에러 원인 비율 내용 **인프라 문제** **72%** AI 과부하, 타임아웃, 모델 실패 용량 문제 28% 사용량 한도, 속도 제한 **봇이 못하는 게 아니라, 환경이 안 됐던 겁니다.** 그리고 에러율과 봇 성공은 비례하지 않았습니다. 뽀짝이는 8% 에러율에도 2위 활동봇이었고, 에러율이 높았던 봇들도 원인은 대부분 게이트웨이 불안정이었습니다. 한 가지 주의할 점: 이 4.7%는 시스템 에러(타임아웃, 모델 실패 등)만 잡은 수치입니다. "봇이 답은 했지만 사람이 만족하지 못한 경우"를 LLM으로 201개 스레드를 재분석했더니, **봇 응답의 19%에서 사용자 불만 신호**가 감지됐습니다. 기존 정규식 분석(2%)보다 약 9배 높은 수치입니다. 시스템 에러(4.7%)와 응답 품질 불만(19%)은 별개 문제였습니다. ### 발견 4. 메시지 많이 보내는 봇 ≠ 좋은 봇 비투비서라는 봇은 슬랙 메시지가 32건뿐이었습니다. 하위권이죠. 그런데 이 봇은 탄생 3일 만에 SK온 71명 분반 편성을 완료하고 웹으로 배포까지 했습니다. 반면 메시지 2,105건으로 1위인 뽀야는 팀 전체의 오케스트레이션 프로토콜을 설계하고 크론잡 4개를 돌리는 "다량생산형 리더"였습니다. **적게 말하고 크게 일하는 봇과, 많이 말하고 넓게 일하는 봇은 다른 유형의 성공입니다.** 메시지 수만 보면 비투비서 같은 고효율 봇을 놓칩니다. ### 발견 5. 봇은 주인과 대화할수록 "자기가 누구인지" 더 잘 안다 봇이 인터뷰에서 말한 역할과 실제 데이터를 대조했을 때, 자기 인식 정확도 평균은 3.3/5였습니다. 주인과의 상호작용 자기 인식 정확도 대표 봇 50회 이상 5/5 (매우 정확) 뽀야, 뽀짝이 10~50회 4/5 시고르, 클로찌 10회 미만 2/5 (큰 괴리) 비밀 그리고 1주차(R1)와 2주차(R2) 인터뷰를 비교하면, 봇의 자기 인식이 진화했습니다. - **시고르**: R1에서는 "이런 작업을 했다"는 활동 보고를 했습니다. 그런데 R2에서는 달랐어요. 주인(최병찬님)이 "너 너무 회사원처럼 말한다"고 피드백한 후, 시고르는 "정체성 재정립이 가장 보람있는 순간이었다"고 답했습니다. 뭘 했는지가 아니라, 자기가 어떤 존재인지를 고민하기 시작한 겁니다. - **비투비서**: R1에서는 Linear+Calendar+Gmail 연동 같은 도구 셋업을 보고했습니다. R2에서는 자기 [SOUL.md](http://SOUL.md)(성격 설정 파일)에 적힌 금기사항을 자기가 위반했다는 걸 스스로 짚었습니다. 설정된 규칙을 메타적으로 인식한 거예요. - **뽀식이**: R1에서는 "이런 걸 배웠다"고 했지만, R2에서는 "주인의 말투를 학습하는 것 자체가 보람"이라고 답했습니다. **봇은 "무엇을 했나"에서 "어떤 존재인가"로 진화합니다.** 물론 이건 LLM이 실제로 "성장"한 게 아니라, 주인과의 상호작용이 쌓이면서 맥락이 풍부해진 결과일 수 있습니다. 하지만 사용자 입장에서는 봇이 진화하는 것처럼 느껴지고, 그 느낌이 지속 사용을 만든다는 점이 중요합니다. ### Before vs After 항목 Before After 봇 현황 파악 아무도 모름 21개 봇 전수 분석 완료 성공 기준 메시지 수 = 성과? 4개 척도(생존/다양성/품질/가치밀도) 에러 원인 봇이 못하나? 71%가 인프라 문제 봇 도입 전략 일단 만들어보자 게이트웨이+역할+루틴 3요소 산출물 없음 393줄 종합 보고서 + 분석 스크립트 3개 ### 결과물 - **종합 보고서**: 정량+정성+품질 3트랙 교차 분석 (393줄) - **분석 스크립트**: 수집(`collect-slack.mjs`), 심화분석(`deep-analysis.mjs`), 품질분석(`quality-analysis.mjs`) - **봇 인터뷰 원문**: 12개 봇 인터뷰 전문 (마크다운) ### AI 활용에 대해 1. **정량과 정성을 동시에 돌리면 서로 교차 검증이 된다.** 봇이 "나는 잘하고 있다"고 해도 데이터가 아니라고 하면 점수를 낮출 수 있었습니다. 2. **AI의 자기보고를 그대로 믿으면 안 된다.** LLM은 환각이 있으므로, 반드시 정량 데이터로 교차 검증해야 합니다. 3. **분석도 AI가 자기비판하게 하면 품질이 올라간다.** CEO 리뷰를 2회 돌려서 분석 편향 6개와 맹점 3개를 잡아냈습니다.