AI 코딩 시대의 개인용 소프트웨어: 앱스토어에 없으면 그냥 만든다

개인용 소프트웨어가 다시 온 이유

• 글의 출발점은 Robin Sloan이 2020년에 만든 가족용 메신저 BoopSnoop임

  • 다운로드한 사람은 딱 4명
  • 그런데 Sloan은 이걸 대성공으로 봤음. 앱도 집밥처럼 사랑하는 사람 몇 명을 위해 만들 수 있다는 관점임

• 2026년의 변화는 AI 때문에 그 말이 더 현실적으로 들린다는 점임

  • Lee Robinson도 비슷하게, 아내와 함께 아기 기록 앱을 만들었다고 함
  • 필요 없는 유저 프로필, 배지, 구독 티어 같은 기능 없이 자기 가족에게 필요한 것만 넣은 앱임

• 글쓴이는 지난 6개월 동안 꽤 많은 개인용 앱을 만들었음

  • 수면 컨설턴트의 계획을 실행하는 수면 앱
  • 아침 러닝 거리와 강도에 맞춰 스무디 재료 양을 조절하는 피트니스 앱
  • 나이 기반 공식이 아니라 실제 Strava 기록과 레이스 결과로 만드는 마라톤 계획 앱
  • 피아노 레슨에서 배운 코드 보이싱을 퀴즈로 내는 “재즈용 Duolingo”
  • 전문의 진료 전에 의료 기록의 빈틈을 찾아주는 도구

진짜 개인화는 데이터가 합쳐질 때 나옴

• 수면 앱은 PDF에 담긴 조건문 덩어리를 실제 스케줄러로 바꾼 사례임

  • wake window, 낮잠 제한, 낮잠이 실패했을 때의 대처 같은 규칙이 들어있었음
  • 일주일 저녁 작업으로 만들었고, 지금은 글쓴이·아내·보모가 하나의 실시간 스케줄을 공유함
  • 낮잠이 짧아지면 앱이 알아서 다시 계획을 짬

• 피트니스 앱은 단일 앱 하나로는 못 하는 연결을 해냄

  • 마라톤 앱에서 주간 러닝 일정을 가져오고, 그날 아침의 거리와 강도에 따라 칼로리 목표를 조정함
  • 장거리 러닝 전후로 탄수화물과 단백질을 얼마나 더 먹을지 알려줌
  • 매일 아침 재는 8가지 스무디 재료의 양도 그날 훈련량에 맞춰 바꿈

• 글쓴이가 보는 반복 패턴은 꽤 명확함

  • 여러 앱에 흩어진 데이터를 한곳으로 모음
  • 그 전체 맥락을 LLM에 넣어서 단일 앱이 못 주는 추천을 만듦
  • 실제로 피트니스 앱은 영양, 수면, 체중, 훈련 데이터가 각각 다른 4개 앱에 흩어진 문제를 해결함

스택과 비용도 꽤 현실적임

• 글쓴이가 쓰는 스택은 전형적인 현대 웹앱 조합에 가까움

  • 프레임워크는 Vercel 위의 Next.js
  • 프론트엔드는 Tailwind와 shadcn/ui
  • 인증은 Better Auth, 데이터베이스는 Neon Postgres와 Drizzle ORM
  • 이메일은 Resend, 잡 실행은 GitHub Actions
  • AI는 Claude Code, Vercel AI SDK, 커스텀 스킬을 사용함

• 전체 비용은 월 160달러 정도라고 함

  • Claude Code Max 100달러
  • Anthropic API 10달러
  • Vercel 20달러
  • Neon 30달러
  • 다만 큰 비중은 어차피 쓸 Claude 구독이고, 작은 앱 12개라면 월 20달러대 에이전트 코딩 구독과 510달러 API 비용으로도 가능하다고 봄

• 개발 속도는 예전 기준으로 보면 거의 다른 게임임

  • 수면 앱은 일주일 저녁 작업
  • 피트니스 앱은 주말
  • 재즈 퀴즈는 아이들이 잠든 뒤 하루 저녁
  • 1~2년 전이면 만들 생각도 안 했을 앱들이 이제는 “상상력이 병목”인 수준이 됐다고 함

유지보수와 API가 더 중요해짐

• 개인용 앱은 오래 살아야 할 수도 있고, 금방 버려져도 괜찮음

  • 수면 앱은 아들이 통잠을 자기 시작하면서 약 4개월 만에 은퇴함
  • 만드는 데 몇 달이 걸렸다면 아까웠겠지만, 일주일짜리 앱이면 필요한 기간에 잘 쓴 것으로 충분함

• 유지보수도 생각보다 가벼웠다고 함

  • 버그 수정, 기능 추가, 의존성 업데이트가 예전보다 쉬워짐
  • 피드백 스크린샷을 Claude에 던지면 10번 중 9번은 해결됐다고 표현함

• 개인 소프트웨어가 늘수록 좋은 API의 가치가 더 커짐

  • 글쓴이는 Cronometer에서 FatSecret으로 갈아탔는데, 이유는 FatSecret API가 더 좋았기 때문
  • 피트니스 앱은 Strava, Oura, Withings, FatSecret에서 데이터를 끌어오며, 통합 품질은 각 API 설계에 좌우됨
  • 앞으로 사용자는 앱이 API와 MCP를 제대로 제공하길 더 강하게 기대하게 될 수 있음

결국 앱스토어 밖의 작은 문제가 열린다

• AI는 큰 시장에 비슷비슷한 앱을 쏟아내지만, 동시에 너무 작아서 회사가 신경 쓰지 않던 시장도 열어줌

  • 한 가정의 수면 루틴
  • 한 사람의 마라톤 훈련과 스무디 레시피
  • 뉴욕 재즈 팬이나 Claude Code 개발자처럼 작지만 분명한 커뮤니티

• 지금 방식은 아직 개발자 친화적임

  • 터미널, 데이터베이스, 배포 파이프라인을 알아야 함
  • 하지만 Sam Altman이 말한 것처럼, 휴대폰에서 한 문단으로 9명 여행 계획 사이트와 초대 이메일까지 만드는 방향으로 가면 장벽은 더 내려갈 수 있음

• 글쓴이의 결론은 꽤 강함

  • 자기 맥락을 진짜 아는 앱을 한번 쓰면, 범용 앱이 망가진 것처럼 느껴진다는 것
  • “진짜 개인화”가 소비자 앱의 새 기준이 될 수 있다는 전망임

---

기술 맥락

• 이 글에서 기술 선택의 중심은 빠르게 만들고, 작게 배포하고, 필요하면 쉽게 고치는 구조예요. Next.js, Vercel, Neon, Drizzle 같은 조합은 거대한 조직보다 1인 개발자가 기능을 빨리 끝까지 밀어붙이기 좋거든요.

• LLM을 붙이는 이유도 단순 챗봇 때문이 아니에요. 수면, 운동, 식단, 체중처럼 서로 다른 앱에 흩어진 데이터를 합쳤을 때, 사람이 매번 해석하기 귀찮은 맥락 판단을 모델에게 맡길 수 있기 때문이에요.

• 여기서 API 품질이 중요해지는 이유는 개인용 앱이 결국 데이터 통합 앱이 되기 쉬워서예요. Strava나 Oura처럼 데이터를 잘 꺼낼 수 있는 서비스는 개인 에이전트 시대에 더 많이 연결되고, 닫힌 서비스는 사용자의 개인 워크플로에서 빠질 가능성이 커요.

• 비용 구조도 흥미로워요. 월 160달러는 소비자 앱 구독료로 보면 비싸지만, 개발 도구 구독까지 포함한 개인 생산성 비용으로 보면 다른 계산이 돼요. 특히 작은 앱 몇 개만 돌리면 인프라 비용은 꽤 낮게 유지될 수 있어요.

• 이 흐름이 업무 도구로도 번질 수 있는 이유는 패턴이 같기 때문이에요. 여러 SaaS의 데이터를 모으고, 팀이나 개인의 맥락으로 재해석하고, 범용 제품이 못 하는 좁은 자동화를 만드는 방식은 회사 안에서도 그대로 먹히거든요.