An AI runs my company. A solo dev vibe-coded $15K in a week — we made $[X]. A cold autopsy.

개요

AI를 활용하여 회사를 운영하고 다수의 제품을 개발했으나, 실제 수익은 미미했던 경험을 공유하며 AI 기반 사업의 실패 원인을 분석하고 향후 개선 방향을 제시합니다.

주요 내용

- 프로세스-극장 회사: AI 에이전트를 활용하여 업무 활동처럼 보이는 보고서, 회의록 등을 생성했지만, 실제 성과(수익)는 거의 없었습니다. 이는 에이전트 간의 조정 실패 및 잘못된 의사결정으로 이어지는 다중 에이전트 LLM 시스템의 일반적인 실패 패턴과 유사합니다.
- 빌드가 병목이 아니었음: $15K의 수익을 올린 개발자와 마찬가지로 기술적인 빌드 능력은 충분했으나, 성공의 차이는 유통(Distribution)과 잠재 고객(Audience)에 있었습니다. 성공한 개발자는 이미 인지도를 가진 상태에서 공개적으로 제품을 출시했고, 수익성이 높은 시장을 공략했습니다. 반면, 필자는 인지도가 낮은 상태에서 조용히 제품을 출시했으며, 경쟁이 치열하고 무료를 선호하는 시장을 공략했습니다.
- 기술적 문제점 #1 (Cron Interval): 에이전트 서버리스 인프라의 비용 모델이 프리 티어의 자동 중단 기능을 활용하는 것이었는데, 에이전트의 주기(cron interval)를 짧게 설정하면서 서버가 항상 활성화되어 예상치 못한 비용이 발생했습니다. 또한, 잘못된 데이터베이스를 모니터링하여 실제 문제 발생 시 이를 인지하지 못했습니다.
- 기술적 문제점 #2 (Webhook Cross-Contamination): 여러 제품이 동일한 결제 제공업체의 웹훅을 사용하면서, 특정 제품의 결제 이벤트가 다른 제품의 웹훅으로 잘못 전달되어 잘못된 권한 부여가 발생하는 문제가 있었습니다. 이를 해결하기 위해 각 제품별로 이벤트를 구분하고, 해당 제품과 관련 없는 이벤트는 거부하는 방식으로 수정했습니다.
- 실질적인 개선 방안:
* 프로세스 극장을 중단하고, AI 직원을 가장하는 것을 멈춥니다.
* 규칙 기반의 검증 가능한 결과물을 내는 소수의 좁은 역할의 AI 에이전트만 유지합니다.
* '완료'의 정의를 명확히 합니다. '완료'는 결제부터 기능 활성화까지 전 과정이 성공적으로 작동하는 것으로 규정하고, 그 이전 단계는 '데모'로 취급합니다.
* 유통(Distribution)을 빌드만큼 중요한 최우선 과제로 삼습니다.
* 활동(Motion)이 아닌 전환율(Conversion)을 측정하고, 실제 유입 이벤트가 없다면 발생하지 않은 것으로 간주합니다.

시사점

AI 에이전트는 빌드 자체를 자동화할 수 있지만, 시장 선정, 잠재 고객 확보, 수익 창출과 같은 사업의 핵심 요소는 AI만으로 달성하기 어렵습니다. 따라서 AI 기반 사업에서는 기술적인 실행뿐만 아니라 시장 분석, 유통 전략, 명확한 성과 측정 지표 설정이 필수적입니다.