AI 서비스 개발 일지 #01 | AI로 한 달 안에 수익을 만들 수 있을까? Gencow 베타 프로젝트를 시작한 이유

본 글은 Gencow 베타 크리에이터 프로그램 참여 과정에서 작성한 사용기입니다. 현재 베타 버전을 기준으로 작성되었으며, 앞으로 사용하면서 느낀 점과 변화하는 기능들을 지속적으로 기록할 예정입니다.

---

AI로 서비스를 만드는 시대, 정말 개발자가 필요 없을까?

최근 개발 업계에서 가장 많이 들리는 키워드 중 하나가 바로 '바이브 코딩(Vibe Coding)'입니다.

Cursor, Claude Code, OpenAI Codex 같은 AI 개발 도구들이 등장하면서 이제는 "서비스 하나 만드는 데 며칠이 아니라 몇 시간도 걸리지 않는다."라는 이야기를 어렵지 않게 들을 수 있습니다.

SNS를 보다 보면

"3시간 만에 SaaS 만들기"

"개발자 없이 AI만으로 앱 출시하기"

"AI에게 시키기만 하면 서비스 완성"

같은 콘텐츠도 정말 많이 보게 됩니다.

하지만 개발을 조금이라도 해본 사람이라면 자연스럽게 이런 의문이 생깁니다.

"정말 코딩을 하나도 몰라도 서비스를 만들 수 있을까?"

저 역시 이 부분이 가장 궁금했습니다.

저는 프론트엔드 개발을 공부하면서 React Native 프로젝트도 진행해 봤고, 실제로 API를 연결하거나 데이터를 주고받는 작업도 여러 번 경험했습니다.

그 과정에서 느낀 점은 하나였습니다.

AI는 화면(UI)은 꽤 잘 만들어 줍니다.

하지만 화면이 조금만 깨져도 결국 직접 수정해야 하는 경우가 많고,

로그인 기능, 사용자 관리, 데이터 저장, 권한 관리, API 연결처럼 서비스를 실제로 운영하기 위해 반드시 필요한 백엔드 영역은 여전히 개발자의 손이 많이 필요했습니다.

결국 제가 내린 결론은 이랬습니다.

"바이브 코딩은 분명 가능하다. 하지만 정말 서비스를 출시하려면 아직은 어느 정도의 개발 지식이 필요하지 않을까?"

마침 Gencow 베타 크리에이터 모집을 보게 되었고,

'AI가 백엔드 개발까지 얼마나 쉽게 만들어 줄 수 있을까?'

직접 확인해 보고 싶다는 생각이 들어 이번 프로젝트를 시작하게 되었습니다.

이번 시리즈에서는 단순히 기능을 소개하는 것이 아니라,

'AI를 활용해 실제 서비스를 만들고, 실제 수익까지 연결할 수 있는가?'

라는 목표를 가지고 기록을 남겨보려고 합니다.

---

Gencow란?

처음 Gencow를 접했을 때 가장 먼저 눈에 들어온 것은 공식 문서에 있는 Supabase와의 비교였습니다.

개발을 해본 사람이라면 Supabase라는 이름을 한 번쯤은 들어봤을 것입니다.

Supabase는 PostgreSQL 기반의 Backend as a Service(BaaS) 플랫폼으로, 데이터베이스, 인증(Auth), 파일 저장소(Storage), 실시간 기능 등을 비교적 쉽게 구축할 수 있어 개인 프로젝트나 스타트업에서 많이 사용하는 서비스입니다.

실제로 AI를 활용한 서비스 제작 영상을 보다 보면 Supabase를 사용하는 사례도 상당히 많이 볼 수 있습니다.

저 역시 "AI로 서비스를 만들어 보자."라고 검색하면 대부분 Cursor + Supabase 조합을 가장 많이 접했습니다.

그러던 중 Gencow를 알게 되었는데, 공식 문서에서는 Gencow를 단순한 백엔드 서비스가 아니라 AI 개발에 최적화된 풀스택 프레임워크라는 방향으로 소개하고 있었습니다.

Gencow는 데이터베이스, 인증(Auth), API, 파일 저장소, AI 기능, 실시간 기능 등을 하나의 프로젝트 안에서 관리할 수 있도록 구성되어 있으며, TypeScript 기반으로 개발할 수 있다는 점이 특징입니다.

또한 Cursor, Claude Code, OpenAI Codex와 같은 AI 개발 도구를 적극적으로 활용하는 것을 전제로 설계되어 있다는 점도 인상적이었습니다.

공식 문서를 보며 느낀 첫인상은 이랬습니다.

"Supabase가 백엔드를 구축하는 서비스라면, Gencow는 AI와 함께 서비스를 더 빠르게 개발하기 위한 프레임워크에 가까운 느낌이다."

물론 아직 하루밖에 사용하지 않았기 때문에 어떤 서비스가 더 좋다고 이야기할 수는 없습니다.

오히려 이번 프로젝트에서는 직접 서비스를 하나씩 만들어 보면서 Supabase와 비교했을 때 어떤 차이가 있는지도 함께 기록해 보려고 합니다.

이 부분이 개인적으로 가장 기대되는 부분입니다.

---

왜 이 프로젝트를 시작했을까?

이번 프로젝트의 목표는 단순히 Gencow를 체험하는 것이 아닙니다.

저는 오래전부터 이런 궁금증이 있었습니다.

"AI로 만든 서비스를 실제로 운영하고 수익까지 낼 수 있을까?"

요즘은 누구나 AI를 활용해 랜딩페이지를 만들고, 웹사이트를 만들고, 심지어 SaaS까지 만들 수 있다고 이야기합니다.

하지만 실제 서비스를 운영하려면

• 회원가입
• 로그인
• 데이터 저장
• API
• 파일 업로드
• 배포
• 유지보수

등 해결해야 하는 문제가 상당히 많습니다.

그래서 이번에는 AI에게 단순히 코드를 작성하게 하는 것이 아니라,

실제로 서비스를 하나씩 출시해 보면서 어디까지 가능한지 직접 검증해 보기로 했습니다.

앞으로는 랜딩페이지, 게시판, AI 챗봇, OCR, RAG, 간단한 SaaS 등을 하나씩 만들어 보며 그 과정도 모두 기록할 예정입니다.

---

설치는 생각보다 훨씬 간단했다.

이번에는 OpenAI Codex 환경을 활용하여 설치를 진행했습니다.

사실 새로운 프레임워크를 설치할 때 가장 걱정되는 부분은 환경설정입니다.

Node 버전이 맞지 않거나, 패키지가 충돌하거나, 설정이 꼬여서 몇 시간씩 소비한 경험도 있기 때문입니다.

다행히 Gencow는 생각보다 설치 과정이 간단했습니다.

 

전체적인 흐름은 다음과 같습니다.

• Gencow 로그인
• 프로젝트 생성
• 개발 서버 실행
• Cloud Deploy
• Dashboard 확인

 

 

먼저 CLI에서 로그인을 진행했습니다.

브라우저 인증을 한 번 완료하면 토큰이 저장되고 이후부터는 별도의 로그인 없이 계속 사용할 수 있었습니다.

생각보다 인증 과정도 직관적이었습니다.

---

 

프로젝트 생성도 간단했습니다.

이번에는 Fullstack 템플릿을 선택했습니다.

AI Chat, 파일 관리 등 여러 기능이 포함되어 있어 앞으로 다양한 테스트를 하기에는 가장 적합한 템플릿이라고 판단했습니다.

---

 

프로젝트 구조도 살펴보았습니다.

gencow 폴더 안에는 schema, runtime, generated 등 백엔드 개발에 필요한 구조가 미리 정리되어 있었습니다.

처음부터 프로젝트 구조를 고민하지 않아도 된다는 점은 꽤 큰 장점처럼 느껴졌습니다.

---

개발 서버를 실행하자 Cloud PostgreSQL 연결과 코드 생성이 자동으로 진행되었습니다.

API 타입도 자동으로 생성되었고 필요한 파일들도 함께 만들어졌습니다.

예전 같으면 하나하나 설정해야 했던 작업들이 자동으로 처리되는 점은 상당히 편리했습니다.

---

마지막으로 Cloud Deploy를 진행했습니다.

몇 번의 명령어만 입력하니 프로젝트가 자동으로 배포되고 URL도 함께 생성되었습니다.

복잡한 서버 설정 없이 여기까지 진행된다는 점은 개인 프로젝트를 자주 만드는 사람들에게 꽤 매력적인 요소라고 생각합니다.

---

첫 실행에서 가장 당황했던 순간

배포가 끝난 뒤 생성된 URL을 열었습니다.

솔직히 예쁜 웹사이트가 나타날 줄 알았습니다.

그런데 화면에는 아래와 같은 JSON만 표시되었습니다.

{"status":"running","version":"0.1.0","uptime":439}

 

 

처음에는

"배포가 실패한 건가?"

라는 생각이 가장 먼저 들었습니다.

하지만 확인해 보니 이 주소는 프론트엔드 화면이 아니라 백엔드 서버가 정상적으로 실행되고 있는지를 확인하는 상태(Status) API였습니다.

즉, 서버는 정상적으로 동작하고 있었고, 앞으로 직접 프론트엔드를 만들어 연결하는 구조였습니다.

아마 처음 사용하는 사람이라면 저처럼 한 번쯤은 당황하지 않을까 싶습니다.

---

Dashboard도 둘러보았습니다.

Dashboard에서는 프로젝트 정보와 배포 상태 등을 확인할 수 있었습니다.

아직 모든 기능을 사용해 본 것은 아니지만 Cloud 환경에서 프로젝트를 관리하는 흐름은 비교적 직관적으로 느껴졌습니다.

앞으로 서비스를 하나씩 만들면서 Dashboard도 더 자주 사용하게 될 것 같습니다.

---

첫인상

아직 하루밖에 사용하지 않았기 때문에 성능이나 생산성을 평가하기에는 이른 시점입니다.

하지만 설치부터 프로젝트 생성, Cloud Deploy까지는 생각보다 훨씬 간단했습니다.

반면 완전한 비개발자라면 CLI 환경이나 개발 도구 설치 과정에서 약간의 진입 장벽은 느낄 수도 있을 것 같습니다.

다만 이런 부분은 앞으로 AI가 얼마나 보완해 줄 수 있는지도 계속 확인해 볼 예정입니다.

---

앞으로의 목표

이번 프로젝트의 목표는 단순히 Gencow를 체험하는 것이 아닙니다.

AI를 활용해 실제 서비스를 만들고, 실제 수익을 만들어 보는 것.

그것이 이번 시리즈의 가장 큰 목표입니다.

앞으로는

• 랜딩페이지 제작
• 게시판 서비스
• 로그인 기능
• OCR
• AI Chat
• RAG
• 웹 스크래핑
• 간단한 SaaS

등을 직접 만들어 보면서,

Gencow는 어떤 부분에서 강점을 가지는지, Supabase와 비교하면 어떤 차이가 있는지, AI만으로 어디까지 서비스를 만들 수 있는지를 꾸준히 기록해 보려고 합니다.

다음 글에서는 Fullstack 템플릿을 활용해 첫 번째 서비스를 실제로 만들어 보는 과정을 기록해 보겠습니다.

혹시 Gencow를 사용해 보셨거나, AI 개발에 관심이 있으신 분들이라면 댓글로 함께 의견을 나눠주시면 좋겠습니다.