1부에 이어
Front 구축 + n8n 연동 ( 웹훅 <=> 백엔드 대체 ) 으로 간단한 대시보드 구현
- front는 간단하게 streamlit 으로 구성한 후 / 1부에서 만들어둔 n8n workflow와 연동했습니다.
- 웹 배포 ( 배포가 귀찮아 저는 로컬로 구현했습니다. ) 후 => webhook 연동 구조
- 사실 이 뒤부터 어려웠던 점은, 엔지니어링적인 요소 보다는 : 어떻게 데이터를 보여주어야 하는가! 주 문제 였습니다. 어떤 데이터가 중요하고, '시각적'으로 보여주기에 상품별로 전부 다른 데이터 pricing set을 '적절히' merge 시키는 전략을 세우는 것.
상품 구간의 밀집도나 분산을 활용한 머신러닝 기법들을 활용했지만, 직관적으로 와닿지 않거나 데이터를 처리하며 생기는 엣지케이스가 발생해서, 결국 거의 구간 분할을 강제 처리하는 식으로 작업이 되었습니다. ( 그래도 ux가 좋으면 된 것! )
cursor 작업을 하며, shadcn prompt를 작성하여 바로 작업을 진행했습니다.
( 추후에는 shadcn CLI를 활용하여 작업을 진행해봐야할 것 같습니다. )
굉장히 간단한 방식으로 사용가능한 dashboard 구현까지 완료했습니다.
이외에는 다양한 시도를 계속 해보았습니다!
( 계속 기술 배우느라 뭔가 만들어내질 못했네요 ㅠㅠ )
- Gemini CLI 사용 ( 무료라서 비용 매우 저렴 )
- Supabase 사용
- Dify 사용
- Vooster ai 활용 prd 구성 / sdk 및 markdown 문서 내 작업 명시 => 프로덕트 구현
- Figma MCP
앞으로 백엔드는 계속 n8n을 통해 구현하고 ( 유지보수를 위해 )
기능을 간소화하여 구현한 프론트엔드 웹 구조 / 웹 디자인
n8n은 오히려 너무 직관적이고 사용성이 좋아서 걱정이 없는데,
ux 향상을 위해서 디자인 작업을 집중해야겠다 싶더군요. ( 생각치못한 복병이 계속 생기는.. )
다음 후기는 frontend에 집중적으로 자동화를 할 수 있는 shadcn 또는 figma mcp 활용을 해봐야 할 것 같습니다.
근 1년간 AI툴로 실제 현장에서 적용해보고, 사용해보며 느낀것은..
1. 실제 서비스를 출시하거나 개발자 없이 유지보수가 가능한 수준으로 구현은 아직 매우 어렵다.
2. 특히 디자인이나 front 위주의 웹빌더 ( 러버블이나 bolt 등 ) 는 '언뜻 좋아보이는 ui'를 구현하는데는 도움이 되나, 한계가 분명하다.
- 특히 그냥 claude나 gemini CLI, cursor 써버리는게 훨씬 자유도도 높고 완성도도 좋음.
3. 서비스 볼륨이 커질수록 AI에 의존하는 프로젝트는 난이도가 기하급수적으로 상승. 반자동화로 토이프로젝트를 여러개 만들어, '정말 작은 task를 자동화' 시켜 효율성을 올리는 일이 훨씬 임팩트가 크면서, 동시에 어려웠음.
4. AI를 '적재적소'에 활용하는것이, 오버엔지니어링과 '쓸모없는 작업'을 하지 않는데 매우 중요함. 오히려 '기술에 대한 이해'가 선제되어야 하는 것 같음. 뭐든 할 수 있으니, '일을 만들지 않는 것' 이 더 중요한 시대.
5. LLM의 확률게임은 매우매우 민감한 RISK. 2년이 지난 지금도 현실은 100% 아니면 안된다.