본문으로 건너뛰기

AI를 활용한 서비스 기획과 바이브 코딩

천안한마당

2026.10.06

이번 사례들을 살펴보면서 가장 크게 느낀 점은 AI를 활용해 코드를 빠르게 만드는 것보다, 무엇을 만들 것인지 제대로 정의하는 과정이 훨씬 중요해지고 있다는 것​이다.

이번 스터디에서는 50대의 AI 활용 능력을 진단하는 웹페이지부터 보험금 청구 관리 서비스, 커핑노트 앱, 그리고 기존 프로젝트의 서비스화 가능성을 점검한 사례까지 다양한 시도가 있었다. 서로 다른 주제였지만 공통적으로 GateKit을 활용해 인터뷰 → 문제 정의 → 설계 → 목업 → 구현으로 이어지는 과정을 경험했다는 점에서 의미가 있었다.

특히 인상적이었던 것은 처음부터 해결책이나 코드를 정해놓고 시작하기보다, 사용자가 실제로 어떤 문제를 겪고 있는지를 먼저 확인하려는 시도였다. 보험금 청구 관리 서비스 사례에서는 처음에는 카카오톡 자동화가 중요하다고 생각했지만, 인터뷰를 진행하면서 실제 핵심 문제는 '보험금 청구 진행상태를 반복적으로 확인하면서 업무가 끊기는 것'이라는 점을 발견했다. 그 결과 기능의 범위를 줄이고, 실제 보험사 연동 대신 가짜 데이터와 로컬 대시보드를 활용하는 현실적인 MVP로 방향을 잡았다.

또 다른 사례에서는 50대 사용자를 대상으로 AI 활용 진단 웹페이지를 만들면서 실제 사용자가 3분 안에 경험할 수 있는 서비스를 목표로 했다. 종이 테스트를 먼저 진행해 문항을 줄이고, 결과 화면에서는 단순한 점수 대신 '구경 중 → 감탄 중 → 꺼내 쓰는 중 → 맡기는 중'이라는 유형을 제시했다. 특히 작성자가 직접 만든 설계 문서를 다른 AI 에이전트에게 검토하게 하여 27개의 문제를 발견하고 13개를 수정한 과정은, AI를 만드는 도구뿐 아니라 검증하는 도구로 활용할 수 있다는 점을 보여줬다.

반면 기존 프로젝트를 실제 서비스 관점에서 점검한 사례에서는 조금 다른 문제를 발견했다. 배포가 되어 있고 GitHub Actions가 정상적으로 작동하더라도 실제 사용자가 있다는 의미는 아니었다. 15일 동안 54회의 배포가 성공했지만 대부분의 프로젝트에서 사용자 흔적은 거의 없었고, 852줄의 README가 있어도 '누구를 위한 서비스인가'라는 질문에 답하지 못하는 경우가 있었다. 결국 배포와 출시는 다르고, 출시와 사용 역시 다르다​는 중요한 인사이트를 얻을 수 있었다.
GateKit 자체의 한계도 확인할 수 있었다. 이미 화면 시안이 완성된 상태에서 인터뷰를 진행하면 AI가 화면에 보이는 내용을 확인하는 방향으로 질문이 좁아져 데이터 구조나 추천 로직 같은 시스템 설계까지 깊게 들어가지 못했다. 반대로 문제와 목적, 데이터, 범위를 먼저 인터뷰하고 설계를 진행한 사례에서는 PRD와 아키텍처 문서까지 자연스럽게 만들어졌다. 따라서 AI에게 무엇을 보여주느냐보다 어떤 순서로 질문하고 사고하게 하느냐가 중요하다는 점을 확인할 수 있었다.

커핑노트 앱 사례에서도 비슷한 가능성을 확인했다. GateKit을 이용해 서비스 기획과 아키텍처를 만들고, 디자인 시스템을 활용해 목업까지 빠르게 제작하면서 기획부터 디자인까지 AI가 개발 과정의 상당 부분을 보조할 수 있다는 가능성을 보여줬다.

이번 사례들을 통해 공통적으로 느낀 점

첫째, 바이브 코딩의 핵심은 코딩이 아니었다.

AI에게 코드를 작성시키는 것은 점점 쉬워지고 있지만, 실제 서비스로 만들려면 그 전에 해결해야 할 문제가 훨씬 많았다.
누가 사용할 것인지, 어떤 문제가 있는지, 무엇을 만들고 무엇을 만들지 않을 것인지, 완성의 기준은 무엇인지 등을 먼저 결정해야 했다.

둘째, AI와의 인터뷰가 기획자의 역할을 보완해줄 수 있었다.

전문적인 PRD나 아키텍처 문서를 처음부터 직접 작성하기 어려운 비개발자도 AI가 질문하는 내용에 하나씩 답하다 보면 자신의 경험과 문제를 구조화할 수 있었다. 이는 특히 보험금 청구 서비스 사례에서 잘 나타났다.

셋째, 만드는 것보다 검증하는 과정이 중요했다.

종이 테스트를 통해 실제 사용 시간을 확인하거나, 다른 AI 에이전트에게 설계 문서를 검토하게 하거나, GitHub와 배포 현황을 직접 분석하는 과정에서 처음 생각했던 것과 실제 결과 사이에 차이가 있다는 것을 확인할 수 있었다.

넷째, '무엇을 만들지 않을 것인가'를 결정하는 것이 중요했다.

4주라는 제한된 시간 안에서 모든 기능을 구현하려 하기보다 핵심 문제 하나를 정하고, 실제 연동이나 복잡한 기능은 과감히 제외해야 현실적인 서비스가 될 수 있었다.

전체적으로 본다면

이번 사례들은 결국 하나의 방향으로 모이는 것 같다.

아이디어 → 코드 → 완성이 아니라,

문제 발견 → 사용자 이해 → 인터뷰 → 설계 → 검증 → 목업 → 구현 → 실제 사용자 테스트

라는 순서가 중요하다는 것이다.

특히 기존에는 'AI를 이용하면 개발이 빨라진다'는 것에 초점이 맞춰져 있었다면, 이번 사례들을 통해서는 AI를 이용해 개발하는 방법보다 AI와 함께 제대로 된 서비스를 정의하는 방법을 배우는 과정에 더 가까웠다고 생각한다.

앞으로 남은 과제는 이제 명확하다.
잘 만든 프로토타입을 만드는 것에서 끝나는 것이 아니라 실제로 한 명이라도 사용하게 만들고, 그 사용자의 반응을 다시 서비스에 반영하는 것​이다.

결국 이번 스터디의 진짜 목표는 'AI로 무엇을 만들었는가'가 아니라,

“내가 만든 것을 실제 사람이 사용하게 만들었는가?”

라는 질문에 답하는 데 있다고 생각한다.

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.10.06

천안한마당님, 코드보다 먼저 ‘누가 어떤 문제를 겪는지’를 정의해야 한다는 결론이 사례마다 구체적으로 드러나네요.

보험금 청구 서비스가 자동화 대신 진행상태 확인 문제로 초점을 옮기고, 실제 연동을 빼고 로컬 대시보드로 범위를 좁힌 대목이 특히 와닿았어요.

설계 문서를 다른 AI로 검토해 27개 문제를 찾아 13개를 고친 과정, 15일간 54번 배포해도 사용자 흔적은 별개였다는 대비도 중요한 검증 기록 같아요.

‘실제 한 명이 사용했는가’까지 이어지는 다음 실험도 기대할게요. 고롱고롱, 이런 기록 만나면 반가워요 ✨

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기