앱 만들기는 쉬워졌지만, 팔리는 앱은 아직 어렵다

제일 먼저 든 생각

이 영상은 “AI로 앱 30개 만들었다”보다 “그래서 얼마 벌었나”가 더 중요했다. 결론은 꽤 차갑다. 한 달 동안 앱 30개를 만들었고, 매출은 약 15달러. 애플·구글 개발자 등록비와 Codex Pro 구독료까지 합치면 약 44만 원 손실이었다.

그런데 이 실패가 싱겁게 느껴지지 않는다. 오히려 지금 AI 시대 1인 개발자가 가장 빨리 부딪히는 벽을 잘 보여준다. 만드는 능력은 급격히 쉬워졌지만, 사람들이 발견하고 쓰고 돈을 내게 만드는 능력은 여전히 어렵다.

생산성의 병목은 개발에서 시장으로 옮겨간다

영상의 주인공은 15년 경력 개발자다. 네이버, 라인, 무신사, 스타트업에서 일했고 iOS, 백엔드, 팀장, 테크리드 경험이 있다. 퇴사 후 한 달 동안 월 30만 원짜리 Codex Pro 플랜을 사용해 앱 30개를 만들었다.

예전에는 앱 하나 만들려면 기획하고 디자인하고 개발하고 아이콘 만들고 스크린샷 만들고 심사 대응하고 이 모든 과정이 꽤 오래 걸렸음. 그런데 지금은 AI를 잘 쓰면 앱 하나 만드는 속도가 말도 안 되게 빨라짐.

이 말은 맞다. AI는 작은 앱의 제작 속도를 확실히 바꾼다. 기획 초안, 코드 작성, 아이콘, 앱스토어 스크린샷, 반복 수정까지 혼자 처리할 수 있는 범위가 넓어졌다. 예전에는 팀이 필요했던 일 중 일부를 한 사람이 밀어붙일 수 있다.

하지만 바로 다음 문장이 더 중요하다.

앱을 만드는 것과 앱으로 돈을 버는 것은 완전히 다른 문제였음.

AI가 낮춘 것은 “만드는 비용”이다. 아직 낮추지 못한 것은 “수요를 찾는 비용”이다. 오히려 만들기가 쉬워질수록 비슷한 앱은 더 많아지고, 발견되기 위한 경쟁은 더 치열해진다.

영상 초반은 앱 제작 과정이 기획·디자인·개발·아이콘·스크린샷·심사 대응까지 이어진다는 점을 보여준다.

무료 앱도 공짜로 성장하지 않는다

처음 만든 오목 앱 사례가 현실적이다. 무료 앱을 만들고 앱스토어 검색 광고를 태웠는데, 설치 단가가 2달러 이상이었다. 무료 앱이 이 비용을 회수하려면 사용자가 광고를 10번, 20번 봐야 손익분기점이 나온다.

이 대목은 무료 서비스에 대한 감각을 다시 잡게 한다. 사용자는 무료 앱을 “무료”로 경험하지만, 개발자 입장에서는 설치 하나에도 비용이 든다. 광고를 붙이면 사용자 경험이 나빠지고, 광고를 안 붙이면 회수가 어렵다.

그래서 이 실험은 작은 앱 개발자에게 이런 질문을 던진다.

• 이 앱은 광고로 회수할 만큼 자주 쓰이는가?
• 유료 전환을 설득할 만큼 고통을 해결하는가?
• 검색 광고 설치 단가보다 자연 유입이 가능한 주제인가?
• 앱스토어 검색어에서 이길 수 있는가?
• 사용자가 한 번 쓰고 지우는 앱인가, 반복해서 여는 앱인가?

앱을 빨리 만드는 것보다, 이 질문에 먼저 답하는 일이 더 중요해졌다.

차트에 올라도 수익 구조가 없으면 끝난다

영상에서 흥미로운 사례는 Token Dog과 Dimmer다. Token Dog은 LLM 토큰 사용량에 따라 반려견 캐릭터가 춤추는 Mac 앱이다. 앱스토어 개발자 도구 무료 차트 13위까지 올랐다. Dimmer는 포커스되지 않은 영역을 어둡게 해서 집중을 돕는 Mac 앱이고, 한국 앱스토어 무료 유틸리티 2위, 전체 무료 8위까지 올랐다.

Token Dog은 개발자 도구 무료 차트 13위까지 올랐지만, 순위가 곧 지속 수익으로 이어지지는 않았다.

여기서도 배울 점이 있다. 다운로드와 순위는 신호이지만, 그것만으로 사업은 아니다. 무료 차트에 오르는 것은 “관심을 받았다”는 뜻이지 “돈이 벌린다”는 뜻은 아니다. 유료 전환, 반복 사용, 업셀, 구독, 광고 회수 구조가 없으면 차트 경험은 금방 지나간다.

그렇다고 이 실험이 실패만은 아니다. 일간 다운로드 200~300회 정도로도 Mac 앱 쪽에서는 꽤 높은 순위에 오를 수 있다는 감각을 얻었다. 작은 시장에서는 작은 홍보도 충분히 신호가 될 수 있다. 다만 신호와 수익을 혼동하면 안 된다.

AI 시대의 1인 개발자는 제품 관리자이기도 하다

이 영상이 좋은 이유는 “AI로 이렇게 쉽게 만들 수 있다”에서 멈추지 않기 때문이다. 실제 비용과 매출을 공개한다.

• 앱 30개 제작
• App Store Connect 기준 매출 약 15.43달러
• 애플 수수료 제외 후 약 10달러 수준
• 애플 개발자 등록비 129,000원
• 구글 플레이 개발자 등록비 약 25,000원
• Codex Pro 비용 약 300,000원
• 결과적으로 약 44만 원 손실

이 숫자는 초라하지만 유용하다. AI 시대의 생산성 실험은 “몇 개 만들었나”보다 “얼마나 학습했나”로 봐야 할 때가 있다. 특히 1인 개발자에게는 앱 제작 능력만으로 부족하다.

앱 개발자는 이제 개발만 잘해서는 부족함. 개발, 디자인, 마케팅, 유통, 가격 정책, 수익 모델까지 다 고민해야 함.

이 문장이 핵심이다. AI가 코드를 도와줄수록 개발자는 더 넓은 일을 봐야 한다. 무엇을 만들지 고르는 능력, 어떤 채널로 알릴지, 어떤 가격을 붙일지, 어떤 지표를 보고 중단할지까지 설계해야 한다.

빠른 실패를 설계해야 한다

마지막 캡처에는 “빠른 실패의 경험을 공유해요!”라는 문구가 보인다. 이 표현이 이 영상의 결론에 잘 맞는다. 빠른 실패는 무작정 많이 망하는 것이 아니다. 실패를 작게 만들고, 숫자로 남기고, 다음 선택에 반영하는 것이다.

영상 말미의 이미지는 빠른 실패를 학습 자산으로 다루는 태도를 잘 보여준다.

이 실험을 Deciflow식으로 가져오면, 앱 30개보다 다음 루프가 중요하다.

1. 작은 앱을 빠르게 만든다.
2. 앱스토어에 올린다.
3. 광고 단가, 다운로드, 차트, 매출을 본다.
4. 계속할 앱과 버릴 앱을 나눈다.
5. 다음 앱의 주제·가격·유통 전략을 바꾼다.

AI는 1번을 빠르게 한다. 하지만 좋은 1인 개발자는 2~5번의 루프를 설계한다. 이 루프가 없으면 30개 앱은 포트폴리오가 아니라 흩어진 실험이 된다.

내 쪽으로 가져오면

이 영상을 보며 남길 실무 메모는 세 가지다.

1. AI 생산성은 시장 검증을 대신하지 않는다
   만들 수 있다는 사실과 누군가 돈을 낼 이유가 있다는 사실은 다르다.

2. 작은 앱은 작은 유통 전략까지 같이 설계해야 한다
   검색어, 커뮤니티, SNS, 가격, 무료 기간, 유료 전환 지점이 앱 아이디어와 함께 설계되어야 한다.

3. 실패를 비용표로 남겨야 한다
   “안 됐다”가 아니라 설치 단가, 다운로드, 순위, 매출, 구독료, 개발자 등록비까지 남겨야 다음 실험이 좋아진다.

특히 Deciflow 관점에서는 이 영상이 AI 업무설계의 좋은 사례다. AI를 쓰면 산출물은 빨라진다. 하지만 산출물이 빨라질수록 더 중요해지는 것은 무엇을 만들지, 어떻게 검증할지, 어디서 멈출지다.

오늘 남길 질문

오늘 남길 질문은 이것이다.

나는 AI로 더 빨리 만들고 있는가, 아니면 더 빨리 검증하고 있는가?

앞으로의 1인 개발자는 “많이 만든 사람”보다 “작게 만들고, 숫자로 배우고, 다음 선택을 바꾸는 사람”에 가까워질 것 같다. 앱 만들기는 쉬워졌다. 하지만 팔리는 앱을 만드는 일은 여전히 어렵다. 그래서 오히려 지금 필요한 능력은 코딩 속도보다 실험 설계에 가깝다.

원본 영상

• 제목: 숨고르기 청년 한 달 수익 공개
• 채널: Freelancer Jin

원본 영상: 숨고르기 청년 한 달 수익 공개 · Freelancer Jin