코딩을 몰라도 가능했다…싱가포르 아빠가 클로드 코드로 만든 아기 기록 앱

싱가포르의 아버지 프랭크 체스터 탄은 처음부터 코딩을 배운 뒤 앱을 만든 것이 아니었다. 아들 라파엘의 수유, 수면, 기저귀 패턴을 다섯 달 동안 종이에 기록하던 그는 기록량이 감당하기 어려워지자 자연어 기반 개발 도구인 클로드 코드를 활용하기로 했다. 월 30달러의 클로드 프로 요금제를 결제하고 맥 터미널에서 작업을 시작한 뒤, 네 쪽 분량의 상세한 제품 명세서를 입력했다.

그 결과 맞춤형 아기 기록 웹 앱이 완성됐다. 다만 버튼 하나로 모든 일이 자동 처리된 것은 아니었다. 탄은 원하는 제품을 구체적으로 설명하고, 클로드 코드가 만든 결과물을 직접 시험한 뒤, 빠진 부분이나 잘못된 기능을 다시 지시하는 과정을 반복했다.

부모가 실제로 필요로 한 기능을 담았다

탄과 아내 이스티 청은 아기의 일상을 기록하는 동시에 발달 관련 지침과 비교할 수 있는 더 간편한 방법을 원했다. 앱은 부모가 이미 하고 있던 일을 줄이고 정리하는 데 초점을 맞췄다.

• 두 부모가 실시간으로 확인하고 수정할 수 있는 비공개 대시보드
• 우유 수유와 기저귀 교체를 한 번에 입력하는 원터치 기록
• 증상 및 음식 알레르기 기록
• 하루 수유량과 기록 횟수 등의 자동 합계
• 수면, 낮잠, 수유량, 기저귀 패턴 추적
• 아기의 성장에 맞춰 업데이트되는 싱가포르 HealthHub 및 KK 여성·아동병원 지침과의 연령별 비교

핵심은 ‘육아 앱을 만들어 달라’고 막연하게 요청하지 않았다는 데 있었다. 탄은 부모가 어떤 정보를 입력할지, 앱이 어떤 계산을 해야 할지, 두 사용자가 어떻게 데이터를 공유할지를 먼저 정리했다.

요구사항을 먼저 쓰고, 코드는 그다음에

프로그래머가 아니었던 탄의 작업 방식은 소규모 제품 개발 과정과 비슷했다. 그는 일상적인 영어로 세부 요구사항을 작성한 뒤, 클로드 코드가 이를 애플리케이션으로 구현하도록 했다.

그가 거친 과정은 다음과 같다.

1. 맥 터미널에서 클로드 코드를 내려받아 실행한다.
2. 앱의 기능과 동작 방식을 설명한 네 쪽 분량의 명세서를 작성한다.
3. 클로드 코드에 요구사항을 바탕으로 앱을 만들도록 요청하고, 비개발자도 이해할 수 있도록 구현 단계를 설명하게 한다.
4. 깃허브, 수파베이스, 버셀 계정을 만든다.
5. 각 서비스를 연결한다. 깃허브는 코드를 저장하고, 수파베이스는 데이터베이스와 사용자 인증을 담당하며, 버셀은 앱을 웹 링크로 배포한다.

각 도구의 역할은 달랐다. 클로드 코드는 개발 인터페이스, 깃허브는 코드 저장소, 수파베이스는 백엔드 서비스, 버셀은 배포 플랫폼이었다. 이 조합 덕분에 탄은 전통적인 개발 환경을 먼저 익히지 않고도 아이디어를 실제 웹 앱으로 옮길 수 있었다.

결과를 바꾼 것은 ‘정교한 프롬프트’였다

탄은 첫 번째 결과물이 완벽할 것이라고 기대하지 않았다. 앱을 직접 사용해 본 뒤 문제가 무엇인지 설명하고, 클로드 코드에 수정을 요청했다. 프롬프트를 입력하고, 결과를 살펴보고, 테스트하고, 다시 다듬는 방식이었다.

그가 얻은 원칙은 단순했다. 지시가 모호하면 결과도 모호해진다는 것이다. 필요한 입력 항목, 사용자 권한, 계산 방식, 화면에서의 사용 경험을 구체적으로 설명할수록 결과물은 더 쓸모 있어졌다. 클로드 코드는 다소 서툴거나 ‘깨진’ 영어도 대체로 이해했지만, 요청을 이해하는 것과 요청에 필요한 조건이 모두 담겨 있는 것은 별개의 문제였다.

이는 AI 코딩 도구를 사용하려는 사람에게 중요한 구분이다. 자연어 개발은 프로젝트를 시작하는 문턱을 낮춰주지만, 요구사항을 정의하고 결과를 평가하는 책임까지 없애주지는 않는다.

AI가 찾은 건강 정보도 직접 확인했다

탄은 출처와 인용을 제공한다는 이유로 클로드 코드와 퍼플렉시티 AI를 함께 사용해 관련 정보를 조사했다. 그러나 인용 표시가 있다고 해서 답변을 그대로 믿지는 않았다.

한 조사 결과가 싱가포르에서 지느러미가 있는 어류를 주요 알레르기 우려 식품으로 제시하자, 탄은 자신이 익숙하게 알고 있던 조개류 관련 우려와 다르다는 점에서 의문을 가졌다. 그는 인용된 자료를 직접 확인한 뒤 앱의 내용을 수정했다. 이 사례는 AI 검색 시스템이 실제로 존재하지 않는 연구를 출처처럼 제시할 수 있다는 위험도 보여준다.

특히 아기 기록 앱처럼 건강과 관련된 도구에서는 더욱 신중해야 한다. 앱은 부모가 관찰한 내용을 정리하고 관련 지침과 비교하는 데 도움을 줄 수 있지만, 링크나 인용 표시가 붙었다는 이유만으로 AI가 생성한 조사 결과를 의학적 근거로 받아들여서는 안 된다.

같은 프롬프트 기술로 48개 언어 번역 도구도 제작

아기 앱을 만들며 익힌 프롬프트 작성 능력은 탄의 다른 업무에도 이어졌다. 그는 영어 콘텐츠를 48개 언어로 바꿔주는 원버튼 번역 도구를 만들었다.

이 도구는 단순히 단어를 일대일로 치환하도록 설계되지 않았다. 먼저 원문의 의미와 의도, 설득하려는 목적을 파악하도록 한 뒤, 영어식 표현과 리듬, 문장 논리를 그대로 옮기지 않고 목표 언어에서 자연스럽게 읽히는 글로 다시 쓰도록 지시했다.

이 과정 역시 아기 앱을 만든 방식과 같은 원리를 따른다. 결과의 품질은 단순히 ‘번역해 달라’거나 ‘앱을 만들어 달라’고 말하는 데서 결정되지 않는다. 무엇을 이루려는지, 어떤 맥락인지, 지켜야 할 조건이 무엇인지 얼마나 정확하게 설명하느냐가 중요하다.

비개발자에게 남긴 더 큰 교훈

탄의 경험이 AI가 소프트웨어 개발을 완전히 자동화한다는 뜻은 아니다. 그는 해결할 문제를 정하고, 상세한 명세서를 작성하고, 여러 서비스를 연결하고, 앱을 테스트하고, 신뢰하기 어려운 조사 결과에 의문을 제기해야 했다.

그럼에도 이 사례는 AI 코딩 도구가 코딩을 전혀 하지 않던 사람에게도 구체적인 제품 아이디어를 실험할 기회를 줄 수 있음을 보여준다. 탄이 얻은 결론은 ‘AI가 무엇이든 만들 수 있다’는 것이 아니다. 명확한 프롬프트를 작성하고 결과를 검증하는 능력이 앞으로 누구에게나 필요한 실용적인 기술이 될 수 있다는 것이다. 완벽한 영어를 구사하지 못하는 사람도 예외는 아니다.