AI가 자율적으로 SaaS를 양산하는 시스템을 만든 이야기

서론

정신을 차려보니 가동 중인 SaaS가 16개가 되어 있었다.

내가 처음부터 끝까지 직접 다 작성한 것은 아니다. AI가 "문제를 발견하고, 구현하고, 배포하기"까지 거의 자율적으로 수행하는 시스템을 만들어, 그것을 계속 돌리고 있다.

이 기사에서는 "어떻게 그 시스템을 만들었는지"와 "실제로 작동하고 있는 SaaS의 현황"을 솔직하게 작성한다. 꿈 같은 이야기로 들릴지도 모르겠지만, 수익도 아직 작고 과제도 많다. 하지만 확실히 작동하고 있다.

과제: 처음부터 SaaS를 만드는 비용이 너무 높다

인디 해커 (Indie Hacker) 업계에서는 "2025년 이후에는 SaaS가 포화 상태다"라는 말이 자주 나온다. 확실히 그렇다고 생각한다. 하지만 내가 주목한 것은 다른 각도였다.

"일본어권의 니치(Niche)한 업무 과제는 아직 거의 방치되어 있다"

해외에서는 보급된 툴이라도 일본어 대응이 불충분하거나, 프리랜서·개인 사업자를 위한 세세한 페인 포인트 (Pain Point)에 대응하는 툴이 존재하지 않는 영역이 있다. Power Automate나 Zapier는 확실히 편리하지만, 일본의 확정 신고 플로우나 프리랜서의 청구 실무에 특화된 것은 아니다.

다만, 이런 "작은 과제"를 하나하나 인간이 조사하고 설계하고 구현한다면 시간이 아무리 많아도 부족할 것이다. 그래서 과제 발견부터 구현까지를 파이프라인 (Pipeline)화 하기로 했다.

해결책: 과제 → 사양 → 구현 → 배포의 파이프라인

시스템의 전체 모습은 다음과 같다:

[과제 수집] → [스코어링 (Scoring)] → [사양 생성] → [코드 생성] → [배포]

↑ |

└────────────── 피드백 수집 ──────────────────────┘

각 단계를 대략적으로 설명한다.

과제 수집: Reddit이나 국내 SNS, 프리랜서 계열 커뮤니티를 정기적으로 크롤링 (Crawl)하여 "〇〇가 귀찮다", "〇〇 툴이 필요하다"라는 발언을 수집한다. 일본어 불만 트윗이나 게시판의 글도 대상이다.

스코어링 (Scoring): 수집한 과제를 LLM (Large Language Model)으로 평가한다. "해결된 기존 툴이 있는가", "구현 난이도", "잠재적인 지불 의사" 등을 점수화하여 우선순위를 정한다.

사양 생성 · 코드 생성: 점수가 임계치를 넘은 과제에 대해, LLM이 사양서를 생성하고 그대로 코드에 옮긴다.

배포: 생성된 코드를 리뷰하여 OK라면 운영 환경으로 배포한다.

구현: 스코어링 부분의 코드 (발췌)

python

import anthropic

def score_pain_point(pain_text: str) -> dict:

client = anthropic.Anthropic()

prompt = f"""

다음 과제를 SaaS 개발 관점에서 평가해 주세요.

과제: {pain_text}

다음 항목을 1-10점으로 스코어링하고, JSON으로 반환해 주세요:

urgency: 긴급도 (지금 바로 해결하고 싶은가)

willingness_to_pay: 지불 의사

solution_gap: 기존 툴로 해결되지 않는 정도

implementation_complexity: 구현의 어려움 (낮을수록 높은 점수)

total_score: 종합 점수

"""message = client.messages.create(

model="claude-opus-4-5",

max_tokens=512,

messages=[{"role": "user", "content": prompt}]
)

JSON 부분을 추출하여 파싱 (Parse)
import json, re

json_match = re.search(r'{.*}', message.content[0].text, re.DOTALL)

if json_match:

return json.loads(json_match.group())

return {}

이것을 계속 돌려서 탄생한 것이 현재 가동 중인 16개의 SaaS다.

현황: 가동 중인 SaaS의 일부와 솔직한 숫자

전체 16개 중에서 몇 가지를 소개한다.

서비스명	월수입	해결하고 있는 과제
FreelancePainPollBot	¥4,350	프리랜서의 세세한 고민을 가시화·집약
...

합계하면 월 수만 엔 정도. "SaaS로 일확천금" 같은 이야기는 전혀 아니다. 다만 16개가 병행되고 있으며, 내가 코드를 거의 작성하지 않았음에도 수익이 계속 발생하고 있는 것은 사실이다.

SoloTaxReceiptBot는 영수증의 OCR (Optical Character Recognition) 판독 정확도 문제로 인해 이탈(Churn)이 발생하고 있다. AIHtmlDiffAlert는 애초에 타겟이 너무 좁았다. 숫자가 보여주듯, 모든 것이 성공하고 있는 것은 아니다.

배운 점

잘 되고 있는 것

과제를 식별하는 안목의 정확도가 높아졌다. 스코어링(Scoring)에 '일본 시장 특유의 컨텍스트 (Context)'를 추가한 이후 정확도가 개선되었다.
작게 출시하여 피드백을 얻는 사이클이 빠르다. 하나를 만드는 데 이제 며칠이 채 걸리지 않는다.

잘 안 되고 있는 것

생성된 코드의 품질 체크가 아직 인간에 의존하고 있다. 이 부분을 자동화하고 싶다.
고객 지원(Support) 대응이 병목 현상(Bottleneck)이 되어가고 있다. 16개 서비스의 문의를 혼자서 처리하는 것은 힘들다.
과제 수집을 위한 크롤링(Crawling)이 약관의 회색 지대(Gray zone)에 있어 신중하게 움직이고 있다.

요약

'AI로 자율적으로 SaaS를 만든다'는 것은 마법 같은 것이 아니라, 과제 발견 · 평가 · 구현 · 피드백의 파이프라인 (Pipeline)을 꾸준히 정비하는 것이었다.

수익은 아직 작고 과제도 많다. 하지만 '자신의 시간을 거의 쓰지 않고 16개가 병행되고 있다'는 상태는 개인 개발의 새로운 스타일로서 흥미롭다고 느끼고 있다.

비슷한 시도를 하고 있는 분이 있다면 꼭 이야기 나누고 싶다. 댓글이나 [Twitter]로 말을 걸어달라.