본문으로 건너뛰기

© 2026 Molayo

Qiita헤드라인2026. 05. 24. 19:38

직장인이 '자투리 시간'만으로 AI와 함께 SI 견적 1.8억 엔 규모의 시스템을 만든 이야기

요약

직장인이 Claude를 활용해 개인 시간을 쪼개어 구축한 주식 트레이딩 시스템 개발 사례를 소개합니다. AI와의 페어 프로그래밍을 통해 약 2.6만 행 규모의 시스템을 완성했으며, 이를 SI 견적으로 환산 시 약 1.8억 엔 규모에 달하는 생산성을 보여줍니다.

핵심 포인트

  • Claude를 활용한 페어 프로그래밍으로 개발 생산성 극대화
  • 2.6만 행 이상의 대규모 코어 로직 구현 성공
  • AI 기반 개발을 통한 1인 개발의 경제적 가치 증명
  • 금융 도메인 특유의 복잡성을 반영한 시스템 설계

지난 2년 동안, 저는 Claude(생성형 AI)와 함께 주식 트레이딩 시스템을 개인적으로 개발해 왔습니다.

주가 데이터를 실시간으로 감시하고, 특정 조건을 만족했을 때 자동으로 트레이딩하는——그런 시스템입니다.

(※ 로직의 상세 내용은 밝히지 않습니다)

평일 낮에는 회사에서 엔지니어로 일하고 있기 때문에, 개발에 사용할 수 있는 것은 자투리 시간뿐입니다.

그런 제약 속에서 만들어낸 시스템이 어느 정도의 규모가 되었는지, AI와의 페어 프로그래밍(Pair Programming)으로 생산성은 어떻게 변했는지.

이제 시스템이 겨우 안정화되었기에, 지난 과정을 되돌아보고자 합니다.

먼저, 미사여구 없는 실적부터 말씀드리겠습니다.

운용 개시 후 1개월 미만. 버그와 싸우며 조금씩 안정화시켜 온 결과는 다음과 같습니다.

항목실적
트레이드 수203 건
...
네, 아직 마이너스입니다.

다만, 최근에는 시스템 자체가 안정되면서 운용 및 장애 대응(서비스 매니지먼트, Service Management)에 소요되던 시간이 거의 사라졌습니다.

앞으로는 전략 튜닝에 집중할 수 있으므로, 어떻게든 흑자로 돌려놓고 싶다——는 것이 현재의 심경입니다.

(물론, 시장 상황인 만큼 큰 손실을 볼 리스크도 충분히 있다는 점은 인지하고 있습니다)

개발을 계속하다 보니, '이거 전체적으로 어느 정도 규모가 된 거지?'라는 궁금증이 생겨 코드량을 집계해 보았습니다.

구분스텝 수내용
코어 로직 (ap/classes/service/backtest)26,854 행Python 구현의 핵심
...

첫 1년은 클래스 하나하나를 차근차근 수작업으로 만들었습니다.

그런데, Claude 4.6 이후, 생산성이 말 그대로 차원이 달라졌습니다. 처리 개요를 전달하는 것만으로 구현부터 테스트까지 단숨에 달려가 줍니다.

문득 이 규모를 기존 SI(수탁 개발) 견적으로 환산하면 어떻게 될지 궁금해져서, Claude 본인에게 시산을 부탁해 보았습니다.

나: 본 시스템의 개발 규모를 인력으로 만들 경우, 현재의 품질이나 난이도도 고려하면 몇 인월(Man-Month)·얼마 정도 필요할지 시산할 수 있습니까?

Claude: SI 업계의 표준적인 견적 기법(COCOMO / FP법 / 공정별 생산성)으로 대략 시산해 보겠습니다.

본 시스템은 다음과 같은 특성을 가지고 있습니다.

  • 금융/거래 도메인 (버그 = 손실로 직결) → 난이도 ×1.5
  • 실시간성 (즉시 발주) → 난이도 ×1.3
  • 대규모 데이터 (수억 레코드급의 DB 설계) → 난이도 ×1.2
  • 멀티 타임 프레임 (분/시/일의 복수 엔진 병행) → 설계 비용 증가
공정생산성대상인월
코어 로직350 step/인월26,854약 77인월
...개발 공정 소계약 107인월
요건 정의/설계 (+20%)+21인월
결합·종합 테스트 (+25%)+27인월
PM/품질 관리 (+15%)+16인월
총계약 171인월
역할단가가동비용
PM/PL130만/인월20인월2,600만
...합계평균 약 106만/인월171인월

케이스별 범위는 다음과 같습니다.

  • 낙관적 (소수 정예): 80100인월 / 8,000만1억 엔
  • 표준 SI 견적: 150180인월 / 1.51.8억 엔
  • 대형 SIer 풀 수탁: 200250인월 / 22.5억 엔

어디까지나 기계적인 시산이지만, 회사의 자투리 시간만으로 만든 것이 수억 엔 규모에 달했다는 사실에는 저 자신도 놀랐습니다.

AI의 등장으로 저의 코딩 스타일은 근본적으로 변했습니다.

  • 예전: 브라우저에 만들고 싶은 개요를 작성 → 나온 코드를 복사/붙여넣기 → vim에 붙여넣고 수동 실행 → 에러가 나면 다시 질문...
  • 현재: 처리 개요나 요건을 전달할 뿐 → 구현·수정·테스트까지 자동으로 완료

'코드를 작성하는' 작업에서, '무엇을 만들지 생각하는' 작업으로 무게 중심이 완전히 옮겨갔습니다.

직접 사용해 보며 강하게 느낀 점은, AI를 통한 생산성은 사용자의 기술 스킬에 거의 비례한다는 것입니다.

스킬이 높은 사람일수록 정확한 지시, 적절한 리뷰, 올바른 설계 판단을 내릴 수 있기 때문에 생산성이 단숨에 뛰어오릅니다.

아마도 Principal(프린시펄)이나 Architect(아키텍트)급 인재가 AI를 진심으로 능숙하게 다룬다면, 엄청난 생산성을 기록하고 있을 것입니다.

"AI가 있으면 누구나 똑같다"가 아니라, AI는 기술력을 증폭시키는 장치라고 이해하는 것이 적절합니다.

개인이 수억 엔 규모의 시스템을 만들 수 있는 시대가 되었습니다.

이렇게 되면, 이제 "아무것도 하지 않는다"라는 선택지는 아깝다고 생각합니다.

  • 스토어 공개용 앱을 만드는 것도 좋고
  • SaaS를 런칭하는 것도 좋고
  • Cloud(클라우드)를 사용하면 인프라 구축도 혼자서 할 수 있습니다

도구는 이미 눈앞에 있습니다.

당신은 무엇을 만들고 싶습니까?

AI 자동 생성 콘텐츠

본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0