5개월 7개 빌드한 인디 메이커의 시간 분포 — 어디서 시간이 사라지는가
agents-hq 데이터 + git log + 메모리 파일을 분석해서 5개월 동안 어디에 시간을 썼는지 객관적으로 측정. 결과는 직관과 달랐다.
직관 vs 데이터
5개월 동안 7개 프로젝트를 빌드했다고 하면 사람들은 "코드 짜는 데 90% 썼겠지"라고 짐작한다. 실제로 측정해봤다. 다르다.
agents-hq의 status.json 누적 데이터 + git commit history + active-work 메모리 파일을 분석해서 시간 분포를 추정했다.
측정 방법
- agents-hq의 도구 호출 로그 (PreToolUse / PostToolUse 후크)
- git log 시간차 (커밋 사이의 시간 = 작업 시간 추정)
- active-work 파일의 "last_touched" 타임스탬프
- 5개월 모두 커버되는 건 아니라 추정 비율 ±5%
결과 — 7개 카테고리
[5개월 총 작업 시간 100% 분포]
🟦 코딩 (실제 .py / .tsx / .ts 작성) 20%
🟩 디버깅·실패 분석·롤백 25%
🟨 컨텍스트·문서·정리 (CLAUDE.md, active-work) 15%
🟧 도구 셋업·환경·OS 작업 12%
🟥 의사결정·리서치·계획 12%
🟪 운영·모니터링·재시작 10%
⬜ 마케팅·문서·콘텐츠 6%
카테고리별 살펴보기
1. 코딩 — 20% (예상보다 적음)
실제 코드 짜는 시간이 의외로 적다. 이유:
- AI가 80% 코드는 1번에 거의 정답으로 짜줌
- 인간은 검토 + 미세 조정 + 통합 작업에 집중
- 100줄 함수 작성 시간 = 5분, 검증 시간 = 15분
2. 디버깅·실패 분석·롤백 — 25% (가장 큰 카테고리)
진짜 시간 먹는 일. WILD_SNIPER V3.8.0 → V3.9.x → V4.1 → V3.7.1 회귀 같은 케이스.
- 코드는 1시간에 짰음 → 이게 실패하는지 검증에 1주
- 실패 원인 분석에 또 며칠
- 롤백 결정에 또 망설임
빌드 인 퍼블릭의 핵심 — 실패가 정상이고, 실패에 시간이 가장 많이 든다.
3. 컨텍스트·문서·정리 — 15% (저평가됨)
CLAUDE.md, active-work, MEMORY.md 같은 컨텍스트 파일 유지.
5개월 전 시작할 때 이 시간이 0%였다. 점점 늘었고, 지금은 15%. 이게 늘어난 만큼 다음 세션 시작 속도가 빨라졌다.
진짜 ROI 높은 시간. 이 15%를 안 쓰면 매 세션 처음부터 다시 설명해야 함.
4. 도구 셋업·환경·OS 작업 — 12%
- ffmpeg 설치, Tesseract OCR 설치, Python 패키지 빌드 실패 디버깅
- Windows PowerShell 권한 문제, Git config, npm 토큰
- Telegram 봇 토큰 발급, OpenClaw 셋업
이 시간은 "한 번 하고 끝나는" 시간이라 첫 1-2개월에 집중. 지금은 줄어드는 중.
5. 의사결정·리서치·계획 — 12%
- 어떤 프레임워크 쓸지, 어떤 모델 쓸지
- 시장조사 (크몽 경쟁사 분석, NVIDIA Nemotron 발견)
- 다음에 뭐 빌드할지 결정
잘 계획하면 빌드 시간이 줄어든다. 안 계획하면 빌드 후 롤백 시간이 늘어남. 12%는 적당한 비율 같다.
6. 운영·모니터링·재시작 — 10%
- WILD_SNIPER 봇 재시작
- OpenClaw 게이트웨이 죽으면 부활
- agents-hq 데몬 모니터링
- Vercel 배포 확인
이 시간을 줄이려면 자동화. agents-hq + 자동 시작 BAT가 이 카테고리 줄여준다.
7. 마케팅·문서·콘텐츠 — 6% (가장 부족)
LinkedIn 글, X 게시, 강의 자료, 블로그 — 이게 6%밖에 안 됨. 빌드 80%, 분배 6% 비율.
이게 내 가장 큰 불균형. 5개월 동안 7개 빌드했는데 그중 한 달 평균 1.4편의 외부 콘텐츠밖에 안 만들었음.
가장 큰 발견
실제 코딩 시간 < 디버깅 시간 < 결정·셋업·정리 시간 합계
코딩만 잘하면 빌더가 되는 게 아니다. 디버깅과 의사결정과 컨텍스트 관리가 코딩만큼 중요하다. AI 시대엔 더 그렇다 — 코딩은 AI가 빠르게 해주지만, 이 결정 / 디버깅 / 정리는 여전히 인간 영역.
빌더 ROI 룰
5개월 데이터 기반 ROI 추정:
| 카테고리 | 시간 비율 | ROI 추정 |
|---|---|---|
| 코딩 | 20% | 보통 (AI가 도와줌) |
| 디버깅 | 25% | 보통 (불가피) |
| 컨텍스트·문서 | 15% | 매우 높음 (다음 세션 가속) |
| 도구 셋업 | 12% | 높음 (한 번 하면 끝) |
| 의사결정 | 12% | 매우 높음 (잘하면 디버깅 줄어듦) |
| 운영·모니터링 | 10% | 보통 (자동화 가치 큼) |
| 마케팅 | 6% | 저평가됨 (이걸 늘려야 함) |
다음 5개월 액션:
- 마케팅 6% → 15% (LinkedIn/X 매일 1편)
- 운영 10% → 5% (자동화 강화)
- 코딩 20% → 25% (분배가 안정되면 다음 빌드 시작)
한 줄 정리
코딩은 빌드의 1/5만 차지한다. 나머지 4/5(디버깅 + 컨텍스트 + 결정 + 운영 + 분배)를 못하면 코딩 잘해도 빌더가 못 됨.
— Jack