이 AI SaaS 부트스트래핑은 외부 서비스 의존성 관리와 Ruby on Rails 기술 스택 선택에서 중요한 교훈을 얻었습니다.
기술 스택 및 외부 서비스 경험
-
외부 서비스 문제: 데이터베이스 접근 차단, Loops.so의 낮은 이메일 전송률, Helicone(LLM 관측성)의 불안정성 등 외부 서비스 의존성에서 어려움을 겪고 대안을 모색했습니다. ScrapingBee, Sentry, Fal 등은 유용하게 활용되었습니다.
-
Ruby Gem 최적화: SolidQueue 문제 후 GoodJob로 전환, ActiveStorage 성능 문제로 CarrierWave로 교체, Trix 기능 제한으로 Tiptap을 도입했습니다. Devise, Stripe, Pundit, Ruby OpenAI 등 핵심 Gem들이 인증, 결제, LLM 연동에 활용되었습니다.
AI 앱 구축의 복잡성
단순한 LLM 래퍼를 넘어 다단계 콘텐츠 생성, 강화, LLM 출력 일관성 유지, 데이터 페칭, 규정 준수, 다양한 CMS 통합 등 복잡한 개발 과제들을 해결해야 했습니다.
성공적인 제품 출시 전략
-
Product Hunt: 헌터의 도움으로 Top #5에 랭크, 100명 이상 가입 및 첫 판매를 달성하며 초기 인지도와 무료 언론 노출 효과를 얻었습니다.
-
AppSumo: 평생 거래 마켓플레이스 출시를 통해 시장 검증 및 초기 수익을 창출했습니다. 초기 심사 거절 후 기능 개선으로 승인받았으며, 출시 기간 동안 많은 고객 지원을 처리했습니다.