“AI로 뭐 만들지?” 묻는다면…오늘 밤 바로 해볼 수 있는 5가지

코딩 분야에서 엄청난 강점을 가지는 AI의 비약적 발전으로 인해 현재 소프트웨어 제작의 문턱은 눈에 띄게 낮아졌다. 코드 한 줄 직접 작성하지 않아도 AI 코딩 에이전트에 요구사항을 설명하면 간단한 웹 애플리케이션이 완성된다. 

배포까지 몇 시간 안에 끝나는 사례도 흔하다. 문제는 기술이 아니라 선택이다. 무엇을 만들어야 하는가.

최근 개발자 커뮤니티에서는 연간 120달러를 내던 소규모 SaaS를 20분 만에 AI로 대체했다는 경험담이 공유됐다. 해당 SaaS가 업데이트가 멈추고 신뢰가 약해졌기 때문이다. 이 사례는 월 몇 달러짜리 작은 유틸리티를 ‘구매’하는 대신 ‘직접 제작’하는 것이 더 나은 구간에 들어섰다는 것을 보여준다.

그렇다면 일반인이 당장 시도해볼 수 있는 영역은 어디일까. 전문가들은 공통적으로 “내가 매주 반복해서 귀찮아하는 일”에서 출발하라고 말한다. 거창한 창업 아이디어보다는 생활 밀착형 문제를 말한다.

첫째, 개인 재무 자동 리포트다. 카드 사용 내역이나 은행 거래 데이터를 CSV 파일로 내려받아 업로드하면 월간 소비 패턴을 자동으로 정리해주는 웹 앱으로 구현 난이도는 매우 낮다. 데이터 업로드 기능과 차트 라이브러리, 간단한 요약 문장 생성만 붙이면 된다. 핵심은 ‘나에게 매달 필요한 리포트’다.

둘째, 가격 추적 대시보드다. 자주 구매하는 상품의 가격 변동을 주기적으로 수집해 그래프로 보여주는 서비스다. 공개된 가격 정보를 주기적으로 가져와 저장하고 변동폭을 표시하면 끝난다. 복잡한 추천 알고리즘은 필요 없다. 내가 실제로 구매를 고민하는 품목 몇 개면 충분하다.

셋째, 유튜브·뉴스 트렌드 요약기다. 관심 키워드를 입력하면 최근 콘텐츠를 모아 간단히 요약해주는 도구다. 이때 모든 문서를 매번 AI에 보내는 대신 제목과 설명만 우선 정리하고 필요한 경우에만 본문을 분석하도록 설계하면 추론 비용을 줄일 수 있다. AI 호출 횟수를 설계 단계에서 최대한 제한하는 것이 운영 부담을 낮춘다.

넷째, 사내·개인용 회의록 정리기다. 음성 파일이나 텍스트를 업로드하면 핵심 항목과 할 일을 자동 추출해주는 도구다. 기업 전체 기록 시스템을 새로 만드는 것이 아니라 개인 생산성을 높이는 레이어에 집중하는 방식이다. 권한 관리와 법적 책임이 따르는 회계·인사 시스템과 달리 이 영역은 비교적 가볍다.

다섯째, 나만의 큐레이션 서비스다. 투자 아이디어, 여행 코스, 책 추천처럼 개인의 판단이 들어가는 분야는 AI가 초안을 만들고 사람이 최종 선택을 하는 구조로 설계할 수 있다. 여기서는 기능보다 취향과 해석이 차별화 요소가 된다.

반대로 피해야 할 구간도 분명하다. 회계 장부, 의료 기록, 인사 관리처럼 데이터 정확성과 보안 책임이 직접적으로 법적 문제로 이어질 수 있는 시스템은 개인 바이브코딩의 영역이 아니다. 감사 로그와 백업 체계를 갖추지 않은 상태에서 이런 서비스를 배포하면 위험 부담이 크다.

API 사용료에도 많은 주의를 기울여야 한다. 요금 구조를 제대로 확인하지 않은 채 API를 호출하다가 예상보다 훨씬 큰 비용을 떠안는 사례가 적지 않다.

대부분의 AI API는 호출 횟수나 처리한 데이터 양, 즉 토큰 사용량을 기준으로 과금된다. 토큰은 사용자가 입력한 문장과 모델이 생성한 답변을 잘게 쪼갠 단위다. 요청을 한 번 보낼 때마다 입력과 출력이 모두 비용으로 계산된다. 이 구조를 이해하지 못한 채 긴 문서를 통째로 반복 호출하면 과금은 눈덩이처럼 불어난다. 

예를 들어 뉴스 요약기를 만든 뒤 매 시간 수십 개의 기사 전체를 그대로 모델에 보내도록 설정하면 하루 수천 건의 호출이 발생할 수 있다.

특히 자동화 스케줄을 걸어두고 잊어버리는 경우가 위험하다. GitHub Actions나 서버리스 함수에 크론 작업을 설정해두면 서비스가 멈추지 않는 한 계속 API를 호출한다. 

테스트 단계에서 하루 한 번 돌리던 작업이 배포 이후에는 트래픽 증가로 수십 배 호출되는 구조로 바뀌는 일도 발생한다. 호출 횟수 제한이나 예산 상한을 걸어두지 않으면 한 달 뒤 청구서에서 처음 보는 숫자를 마주할 수 있다.

출력 길이도 변수다. 모델에 긴 답변을 요구하면 출력 토큰이 급증한다. 간단한 요약 기능이라도 “자세히 설명해 달라”는 프롬프트를 반복하면 비용이 크게 늘어난다. 입력은 짧은데 출력이 장문인 경우에도 비용은 동일하게 계산된다. 토큰 단가가 낮아 보이더라도 반복 호출과 긴 응답이 결합되면 총액은 빠르게 상승한다.

파일 업로드 기반 서비스 역시 주의가 필요하다. 사용자가 대용량 PDF나 긴 회의록을 업로드할 경우 이를 그대로 모델에 전달하면 단번에 수천, 수만 토큰이 사용된다. 

사전 요약이나 분할 처리 없이 전체를 분석하도록 설계하면 한 번의 요청이 수백 원에서 수천 원까지 올라갈 수 있다. 이용자가 늘어날수록 이 비용은 그대로 서비스 운영자의 부담이 된다.

외부 데이터 수집과 결합된 구조는 더 복잡하다. 가격 추적이나 트렌드 분석 서비스에서 수집한 데이터를 매번 AI로 재분석하도록 만들면 데이터가 쌓일수록 호출량도 함께 증가한다. 설계 단계에서 변경된 부분만 처리하거나 상위 일부만 분석하도록 제한하지 않으면 비용은 선형이 아니라 누적 형태로 늘어난다.

결제 방식도 확인해야 한다. 일부 API는 선불 충전이 아니라 후불 청구 방식이다. 일정 한도까지는 별도 승인 없이 사용이 가능하다. 사용량이 폭증해도 즉시 차단되지 않고 다음 청구 주기에 합산 청구된다. 카드 한도와 연동되지 않는 경우도 있어 결제 알림을 늦게 받는 사례도 보고된다.

이외에 실행 단계에서 지켜야 할 원칙 몇 가지를 세워놓는 것도 좋다. 하루 안에 완성 가능한 범위를 고를 것. 로그인과 결제 기능부터 만들지 말 것. 외부 API를 사용할 경우 이용 약관을 반드시 확인할 것. AI 호출을 최소화하도록 설계할 것. 그리고 반드시 배포까지 해볼 것. 배포 경험이 없으면 프로젝트는 취미에서 끝날 수밖에 없다.

최근 AI 코딩 에이전트는 코드 작성뿐 아니라 테스트 생성과 오류 수정까지 지원하는 수준으로 발전했다. 기술 장벽은 낮아졌지만 문제 정의 능력은 더 중요해졌다. 이제 경쟁력은 복잡한 알고리즘보다는 “어떤 불편을 정확히 겨냥했는가”에서 나온다.

지금 필요한 것은 매주 스스로 쓰게 될 작은 도구 하나다. 오늘 밤 한 가지를 정해 요구사항을 정리하고 AI에 설명해 코딩해달라고 하면 된다. 어떻게 시작해야 할지조차 모른다면 어떻게 시작하는지 자체를 AI에게 물어보는 것도 좋은 출발점이 될 수 있을 것이다.