Skip to content
←

✍️ 필사 모드: 인디 AI 빌더 케이스 스터디 2026 — Cursor, Perplexity, Lovable, v0, Manus, Cline 정밀 분석

한국어
0%
정확도 0%
💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

프롤로그 — 2026년 인디 AI 빌더의 시대

2022년 11월 ChatGPT가 출시된 직후의 인디 빌더 씬은 단순한 광기였다. 모두가 "GPT-3.5 위에 UI를 얹은" 제품을 만들었고, 대부분 3개월 후에 죽었다. 그 시기의 통계는 잔혹했다 — Y Combinator 한 배치(W23)에서 AI 스타트업이 절반 이상이었지만, 2년 후 살아남은 곳은 손에 꼽힐 정도였다.

그리고 2026년의 현실은 정반대다. AI 제품이 매출과 가치를 비AI 제품보다 훨씬 빨리 만들 수 있는 카테고리가 됐다. Lovable은 출시 7개월 만에 100M USD ARR을 찍었다. Cursor는 14개월 만에 100M ARR을 넘었고, 2026년 봄 기준 가치는 9.9B USD다. Perplexity는 직원 약 100명으로 9B USD 가치에 도달했다. 이건 비AI SaaS에서는 본 적 없는 속도다.

이게 무엇을 의미하는가. 5-15명 팀이 수십억 달러 회사를 만드는 게 통계적으로 가능해졌다. 2014년의 SaaS 한 명이 한 달에 10K USD를 버는 것과, 2026년의 AI 빌더 다섯 명이 한 달에 5M USD를 버는 것의 차이. 같은 인구 1명당 매출이 50배.

이 글은 이 카테고리의 정전(canon) 9개를 본다.

  • Cursor / Anysphere — AI 코드 에디터의 사실상의 표준
  • Perplexity — Arav Srinivas, 답변 엔진으로 검색을 재정의
  • Lovable — Anton Osika의 스웨덴 출신, 텍스트-투-앱의 정전
  • Vercel v0 — Guillermo Rauch가 사이드 기능을 Cursor 경쟁자로
  • Replit Agent — Amjad Masad의 IDE 회사를 에이전트 회사로 피벗
  • Manus — 2025년 봄 바이럴, 중국발 범용 에이전트 플랫폼
  • Cline — 오픈소스 코딩 에이전트, GitHub 별 50K+
  • Cleft — 1인 개발자의 OS 레벨 캡처·녹화 도구
  • Granola — 2026년 Series C를 받은 AI 노트테이커

각 케이스에서 보는 것: 팀 규모, 핵심 베팅, AI 도구 자체가 그들에게 준 레버리지, 자금 조달 궤적이 공개되어 있다면. 그리고 정직한 통계 — 살아남은 10%와 죽은 90%의 차이.

이 글의 모든 ARR/MRR/Valuation 숫자는 공개된 자료(techcrunch.com, bloomberg.com, theinformation.com, 회사 블로그, 파운더 인터뷰)에 기반하며 2026년 4-5월 기준이다. AI 비즈니스는 한 분기에 가치가 두 배가 되거나 절반이 되니, 시점을 함께 기억하길 바란다.

이 글은 앞서 발행한 Micro-SaaS 케이스 스터디 2026과 짝을 이룬다. 그 글은 비AI 솔로 SaaS의 경제학을 다뤘고, 이 글은 AI 제품 빌더의 경제학을 다룬다. 두 카테고리는 인접하지만 게임의 규칙이 다르다.

1장 · 2026년 AI 빌더 경제학 — 비AI와 무엇이 다른가

먼저 구조부터 본다. AI 제품이 비AI 제품과 다른 점은 세 가지다.

1.1 분배가 새로 짜였다

비AI SaaS에서 신규 제품의 분배는 SEO + 인플루언서 + 광고 + 입소문이었다. 12-36개월의 누적이 필요했다. 2026년 AI 제품의 분배는 다르다. X에서 데모 영상 하나가 24시간에 100만 뷰를 찍는다. Lovable이 처음 출시했을 때 Anton의 X 영상 하나가 일주일 만에 1만 가입을 만들었다. Manus는 2025년 봄에 거의 광고 없이 바이럴로 200만 대기명단을 만들었다.

이 분배는 비AI SaaS에서는 거의 불가능했다. 사람들이 비AI 도구 영상을 X에서 100만 번 보지 않는다. AI 데모는 본질적으로 마법처럼 보이고, 그게 분배의 새 무기다.

함정: 바이럴은 보장되지 않는다. 매일 수십 개의 AI 제품이 데모를 올리고, 99%는 100 뷰도 못 찍는다. 바이럴 데모를 만드는 능력 자체가 기술이다.

1.2 비용 구조가 다르다

비AI SaaS는 마진이 80-95%였다. 인프라 비용이 사용량 대비 거의 평평. 2026년 AI 제품은 다르다. 사용량당 LLM API 비용이 비싸다. Cursor가 처음 만들 때 한 사용자당 한 달에 토큰 비용으로 50-200 USD를 썼다고 알려졌다. 모델 가격이 떨어졌지만, 여전히 마진은 비AI 대비 낮다.

그래서 두 가지 전략이 나왔다.

  1. BYOK (Bring Your Own Key) — 사용자가 자기 API 키를 넣는다. Cline, TypingMind가 대표적. 마진은 85%+ 유지되지만 사용자 진입 장벽이 높다.
  2. 자체 비용 모델 — Cursor, Lovable, Perplexity처럼 자체 결제로 가는 경우. 마진은 40-60%대로 떨어지지만 사용자 진입이 쉽다. 이게 더 큰 회사로 가는 길이다.

이게 인디 AI 빌더의 첫 결정 — BYOK로 솔로 가능한 작은 비즈니스를 만들 것인가, 자체 비용을 받고 펀딩을 받아 큰 회사를 만들 것인가.

1.3 모델 의존이라는 새 리스크

AI 제품은 모델 제공자(OpenAI, Anthropic, Google)에 의존한다. 모델 가격이 오르면 마진이 죽는다. 모델 회사가 같은 기능을 내장하면 제품이 죽는다. 이건 비AI SaaS에 없는 리스크다.

예시: 2025년 ChatGPT가 코드 인터프리터를 내장하자 수십 개의 LLM 코드 wrapper가 죽었다. 2026년 OpenAI가 GPT-5에 Agentic Operator를 내장하자 일부 작업 자동화 SaaS가 가치를 절반 잃었다.

생존자는 모델 의존을 분산했다. Cursor는 Claude·GPT·Gemini를 다 지원한다. Cline은 사용자가 모델을 고를 수 있다. 모델 의존을 단일화한 제품은 모델 회사의 변동에 휘둘린다.

인디 AI 빌더의 첫 질문은 "모델 회사가 같은 기능을 내장하면 우리 제품이 사는가?"이다. 살면 차별화가 있는 것. 죽으면 그 카테고리는 위험하다.

2장 · 케이스 스터디 1 — Cursor / Anysphere, AI 에디터의 표준

이 카테고리의 정전. Anysphere가 만든 Cursor는 2023년 출시 후 사실상 AI 코드 에디터의 표준이 됐다.

2026년 봄 기준 공개 숫자 (보고 시점에 따라 다름)

  • ARR: 100M USD 돌파 (2024년 말), 200M USD 추정 (2025년 중반), 2026년 봄 기준 더 높을 가능성
  • 가치: 9.9B USD (2025년 후반 라운드)
  • 직원: 약 30명 (2024년 후반), 100명 추정 (2026년 봄)
  • 누적 펀딩: 900M USD+

파운더: Michael Truell, Sualeh Asif, Arvid Lunnemark, Aman Sanger. 네 명 다 MIT 출신. 2022년 Anysphere 창업.

2.1 결정적 베팅 — VS Code 포크

Cursor의 가장 결정적인 결정은 자체 에디터를 처음부터 만들지 않은 것이었다. VS Code의 오픈소스 부분(Code OSS)을 포크해서 그 위에 AI 레이어를 얹었다. 이게 두 가지를 해결했다.

  1. 사용자 학습 곡선이 0 — VS Code 사용자가 Cursor로 옮길 때 단축키·테마·확장이 그대로 작동한다. 마찰이 거의 없다.
  2. 개발 속도 — 처음부터 에디터 인프라를 만드는 데 들어갈 2-3년을 0으로 만들었다. AI 레이어 만들기에만 집중할 수 있었다.

이게 인디 빌더의 정전이 되는 패턴이다 — 거대한 오픈소스 위에 AI 레이어를 얹기. 처음부터 다 만들면 죽는다.

2.2 모델 가격 협상이라는 무기

Cursor가 살아남은 또 다른 이유 — Anthropic·OpenAI와 직접 협상해서 대용량 가격을 받는다. 일반 사용자가 API에 직접 결제하는 것보다 훨씬 싸게 토큰을 산다. 이게 마진의 핵심이다.

이건 작은 인디 빌더가 흉내내기 어렵다. Anthropic은 수백만 달러의 토큰을 한 번에 사는 회사에만 특별 가격을 준다. 작은 빌더는 일반 API 가격으로 시작해야 한다.

2.3 펀딩 궤적의 의미

라운드시기금액가치
Seed2023 초8M~60M
Series A2024 봄60M400M
Series B2024 후반100M~2.6B
Series C2025 중반500M9B
추정 후속 라운드2026미공개15-20B 추정

3년에 0에서 9B+. 이건 비AI SaaS에서는 본 적 없는 속도다. 하지만 부담도 크다 — 다음 분기에 ARR이 2배가 되어야 정당화되는 가치다.

2.4 흉내 낼 점과 흉내 내지 말 것

흉내 낼 점:

  • 오픈소스 위에 AI 레이어 얹기 (처음부터 다 만들지 말 것)
  • 사용자 학습 곡선을 0으로 만드는 것
  • 모델 회사와의 관계를 무기로 만드는 것 (가능하다면)

흉내 내지 말 것:

  • MIT 출신 4인 팀 + 빠른 펀딩이라는 시작점 자체 (대부분은 이런 시작이 없다)
  • 처음부터 9B 가치를 노리는 것 (현실적으로 0.1%의 결과)

3장 · 케이스 스터디 2 — Perplexity, 답변 엔진으로 검색 재정의

Aravind Srinivas (Arav)가 2022년 8월 창업. 4명으로 시작해서 2026년 4월 기준 약 100명 팀.

2026년 봄 기준 공개 숫자

  • ARR: 약 100M USD 이상 (2025년 중반 기준), 2026년 봄 추정 더 높음
  • 가치: 약 9B USD (2024년 말 라운드), 2025년 후반 추가 라운드에서 14-18B USD 보도
  • 누적 펀딩: 1B USD+
  • 월간 쿼리: 10억+ (2025년 후반)

파운더: Aravind Srinivas (CEO, UC Berkeley PhD, OpenAI 출신), Denis Yarats (CTO, Facebook AI 출신), Johnny Ho (디자인). 시작 때 4명.

3.1 결정적 베팅 — Google과 정면 승부

Perplexity의 베팅은 무모해 보였다 — 검색 엔진의 신. Google과 정면 승부. 모든 VC가 "Google이 같은 거 만들면 끝이다"라고 거절했다.

Arav의 응답: "Google이 같은 거 만드는데 18-24개월이 걸린다. 우리는 그 사이에 brand와 user behavior를 잡는다." 결과적으로 맞았다. 2024년에 Google이 AI Overview를 출시했지만 Perplexity의 사용자 기반은 이미 충성스러웠다.

이게 인디 AI 빌더의 첫 교훈 — "빅테크가 같은 거 만들 거다"라는 거절을 무시할 수 있어야 한다. 모든 인디 AI 제품은 이 거절을 받는다. 답은 "맞다, 하지만 그 사이에 우리가 brand를 잡는다"이다.

3.2 분배의 비결 — Twitter / X

Arav의 X 활동이 Perplexity의 첫 분배 채널이었다. 그는 매주 데모, 사용자 후기, 모델 성능 비교를 올렸다. 50만+ 팔로워가 누적되면서, Perplexity의 모든 새 기능이 X에서 첫 분배를 받는다.

이건 비AI 분배에서는 보기 어려운 패턴이다. AI 데모는 본질적으로 magical하게 보이고, X 알고리즘이 좋아한다. 인디 AI 빌더가 X 빌드 인 퍼블릭을 무시할 수 없는 이유.

3.3 비즈니스 모델의 정직한 평가

Perplexity는 무료 + 유료(20 USD/월 Pro) 모델이다. 2025년에 광고 모델도 일부 도입했고, 2026년에는 enterprise 영역으로 확장했다. 정직하게 — 검색 엔진 비즈니스 모델은 어렵다. Google의 광고 매출이 200B USD/년이지만, 그 규모를 Perplexity가 만들기까지는 5-10년이 필요하다.

ARR 100M+은 인상적이지만, 9-18B USD 가치를 정당화하려면 ARR 1B+가 필요하다. 2026-2028 사이에 이게 가능한지가 Perplexity의 진짜 시험.

3.4 흉내 낼 점

  • "빅테크가 같은 거 만든다"는 거절을 무시하는 자신감
  • X 빌드 인 퍼블릭 (파운더의 personal brand가 회사의 brand보다 강력하다)
  • 작은 차별화로 시작해서 점점 카테고리를 옮기는 것 (검색 → 답변 → enterprise)

4장 · 케이스 스터디 3 — Lovable (Anton Osika), 텍스트-투-앱의 정전

Anton Osika가 2024년 스웨덴 스톡홀름에서 창업. 2024년 말 출시 후 7개월 만에 100M USD ARR을 찍었다는 보도. 이건 SaaS 역사상 가장 빠른 100M ARR 도달 중 하나로 기록됐다.

2026년 봄 기준 공개 숫자

  • ARR: 100M USD+ (2025년 중반)
  • 가치: 2B USD 추정 (2025년 후반 라운드 기준)
  • 직원: 약 35명 (2025년 후반)
  • 자금 조달: Accel 등에서 약 200M USD 누적

파운더: Anton Osika (이전에 Sana Labs 공동창업), Fabian Hedin.

4.1 결정적 베팅 — "non-developer도 앱을 만든다"

Lovable의 베팅은 단순했다 — Cursor는 개발자를 위한 도구지만, 그보다 큰 시장은 코드를 못 쓰는 사람들이다. "앱이 필요하지만 코드를 쓰지 못하는 사람" 이 시장.

이게 자명해 보이지만, 2024년 기준에는 위험한 베팅이었다. 비기술자가 LLM으로 production-grade 앱을 만들 수 있는가? 2024년 초의 답은 "아니다"였다. 하지만 Anton은 2024년 후반의 모델 품질이 그 임계점을 넘는다고 베팅했고, 맞았다.

4.2 출시 직후의 바이럴

Anton의 첫 출시 X 영상이 7일 만에 100만 뷰. 일주일 만에 1만 가입. 한 달 만에 10만 가입. 이게 비AI SaaS에서는 거의 불가능한 분배 속도다.

이게 가능했던 이유:

  1. 데모가 즉시 magical — "이렇게 말하면 앱이 나옵니다"가 정말로 작동했다
  2. Anton의 X 누적 — 이전에 Sana Labs 시절부터 누적된 5만+ 팔로워가 첫 청중이었다
  3. 타이밍 — Vercel v0가 비슷한 시기에 출시되며 카테고리 자체에 관심이 모였다

이건 운이 아니다. "바이럴 데모를 만들 수 있는 카테고리"를 선택한 것 자체가 베팅이다. 모든 AI 제품이 바이럴이 되지 않는다. 비주얼하게 magical한 카테고리만 바이럴이 된다 — 이미지 생성, 영상, 텍스트-투-앱, 텍스트-투-게임, 음성 클로닝.

4.3 인수 루머와 시장 위치

2025년 후반에 Lovable이 큰 회사에 인수될 거라는 루머가 X에서 돌았다. 가격은 3-5B USD 수준으로 추정됐다. 2026년 4월 기준 공식 발표는 없지만, Lovable이 카테고리 1위 자리를 굳히고 있는 게 분명하다.

스웨덴 발 스타트업이 미국 자본에 인수되는 패턴은 익숙하다 (Klarna, Spotify의 초기 시기). Lovable이 그 길을 갈지, 독립을 유지할지가 2026-2027의 큰 질문.

4.4 흉내 낼 점

  • "비기술자 시장"이라는 더 큰 시장을 노리는 것 (개발자 시장은 좁다)
  • 바이럴이 될 수 있는 카테고리 선택
  • 출시 시점에 파운더의 X 누적이 5만+ 가 되도록 미리 준비
  • 모델 품질의 임계점을 정확히 베팅하는 것

흉내 내지 말 것:

  • 12개월 만에 2B USD 가치라는 결과를 표준으로 기대하는 것 (이건 0.01%의 결과)

5장 · 케이스 스터디 4 — Vercel v0 (Guillermo Rauch), 사이드 기능을 경쟁자로

이건 인디 빌더 스토리는 아니지만, 흥미로운 케이스다. Vercel은 Next.js를 만든 회사. CEO Guillermo Rauch가 2023년 후반에 사이드 기능으로 v0를 출시했다.

처음 출시 때 v0는 "텍스트로 React 컴포넌트 생성"이라는 단순 도구였다. 그게 2025-2026 사이에 Cursor·Lovable과 경쟁하는 풀스택 빌더로 진화했다.

2026년 봄 기준 공개 숫자

  • v0.dev의 사용자: 200만+ (2025년 후반)
  • ARR 기여: Vercel 전체 ARR(400-500M USD 추정)의 의미 있는 부분
  • 팀: Vercel 내부에서 v0 전담 팀, 약 20-30명 추정

5.1 결정적 베팅 — Next.js의 분배를 무기로

v0가 외부 인디 빌더에서 출발했다면 죽었을 것이다. v0의 진짜 무기는 Vercel의 기존 분배다 — Next.js 사용자 100만+, Vercel deploy 사용자 누적 수백만. 새 제품을 분배 채널 0에서 시작하는 것과, 이미 백만 명의 사용자가 있는 회사에서 시작하는 것의 차이.

이건 인디 빌더에게 교훈이다 — "분배가 이미 있는 곳"에 AI 기능을 얹는 게, 분배가 없는 곳에서 AI 제품을 만드는 것보다 훨씬 쉽다.

5.2 Generative UI라는 카테고리

v0의 핵심 차별화는 "생성된 코드가 UI로 즉시 렌더링되는 것"이다. ChatGPT에서 코드를 받아 IDE에서 실행하는 게 아니라, 채팅 안에서 컴포넌트가 즉시 보인다.

이게 2026년에 "Generative UI"라는 카테고리를 만들었다. AI SDK 5.0의 핵심 기능이고, Vercel이 카테고리 자체를 끌고 있다.

5.3 인디 빌더에 주는 의미

v0는 인디 빌더가 흉내내기 가장 어려운 케이스다 — Vercel의 분배 없이는 시작점이 다르다. 하지만 교훈은 명확하다.

  • 분배가 핵심 자산 — 코드가 좋은 게 아니라 분배가 좋아서 v0가 산다
  • 사이드 기능에서 메인 제품으로 옮기는 것이 가능 — 처음부터 메인 제품으로 시작하지 않아도 된다
  • AI 기능을 기존 제품에 얹기 vs 새 제품 만들기 — 분배가 있는 곳에 얹는 게 거의 항상 답이다

6장 · 케이스 스터디 5 — Replit Agent (Amjad Masad), IDE의 에이전트 피벗

Replit은 2016년 Amjad Masad가 창업한 클라우드 IDE 회사. 2023년까지는 "교육용 + 인디 빌더용 IDE"라는 좁은 영역에 있었다. 그게 2024-2025 사이에 "에이전트가 코드를 작성하고 실행하는 회사"로 피벗했다.

2026년 봄 기준 공개 숫자

  • 사용자: 3천만+ (누적)
  • ARR: 약 100M USD 추정 (2025년 후반)
  • 가치: 약 1.16B USD (2023년 라운드 기준), 2025-2026년 추가 라운드 보도
  • 직원: 약 100-150명

6.1 결정적 베팅 — Agent로의 전환

2023년의 Replit은 위기였다. AWS·Vercel·Cloudflare의 경쟁 속에서 IDE 자체로 차별화가 어려웠다. Amjad의 베팅 — "에이전트가 사용자 대신 코드를 짠다"는 방향.

Replit Agent를 2024년에 출시. 처음에는 회의적이었다 — Cursor·Devin·v0의 경쟁 속에서 Replit이 차별화될 수 있을까? 답은 "클라우드 실행"이었다. 다른 도구는 코드를 만들지만, Replit Agent는 코드를 만들고 즉시 클라우드에서 실행한다. 비기술자에게 이게 강력하다.

6.2 비기술자 시장에서의 위치

Lovable과 Replit Agent의 비기술자 시장에서의 경쟁이 2026년의 핵심 게임 중 하나다.

  • Lovable — "앱을 텍스트로 만든다"
  • Replit Agent — "앱을 텍스트로 만들고 즉시 클라우드 실행"
  • v0 — "UI를 텍스트로 만든다 (코드도 받음)"

이 세 회사가 같은 시장의 다른 측면을 잡고 있다.

6.3 흉내 낼 점

  • 기존 제품을 AI 시대에 맞춰 피벗하는 것 (제로에서 시작하지 않아도 된다)
  • 클라우드 실행 같은 인프라 차별화 (단순 모델 호출이 아니라)
  • "비기술자 시장이 더 크다"는 베팅을 공유하는 것

7장 · 케이스 스터디 6 — Manus, 2025년 봄 바이럴의 정전

Manus AI는 2025년 봄에 출시되며 바이럴이 됐다. 중국 베이징 발 Butterfly Effect라는 회사가 만들었고, "범용 에이전트 플랫폼"을 표방한다. 출시 직후 200만+ 대기명단을 만들었고, 2026년 봄 기준 정식 제품 라인업을 갖췄다.

2026년 봄 기준 공개 숫자 (자료 제한적)

  • 사용자: 100만+ 추정
  • 직원: 약 80-100명 추정
  • 자금 조달: 시리즈 라운드 진행 (정확한 규모는 비공개)

7.1 결정적 베팅 — 범용 에이전트의 시연

Manus의 출시 데모는 충격적이었다. "이 이력서를 보고 모든 잠재 채용자에게 이메일 보내라"는 요청에 에이전트가 검색·작성·발송을 자동으로 했다. ChatGPT의 Operator나 Anthropic의 Computer Use와 같은 카테고리지만, 더 완성도 있게 보였다.

이게 2025년 봄에 200만 대기명단을 만든 이유다. 데모가 "이걸 진짜 쓰면 내 삶이 바뀐다"는 느낌을 줬다.

7.2 정직한 평가 — 데모와 production의 차이

Manus의 정직한 위치는 2026년 봄 기준 "여전히 production-grade가 아니다"이다. 데모는 amazing하지만, 실제 작업에서는 실패가 잦다. 이건 모든 범용 에이전트의 공통 문제다 — 데모와 production의 차이가 너무 크다.

이게 인디 빌더에게 주는 교훈 — "바이럴 데모 = production 제품"이 아니다. Manus가 살아남는 건, 200만 명을 잡은 분배를 어떻게 production-grade 제품으로 옮기는가에 달렸다.

7.3 중국발 AI 빌더의 의미

Manus는 중국 발 AI 빌더가 글로벌 무대에 진입한 첫 큰 사례 중 하나다. DeepSeek가 모델 영역에서 큰 영향을 만든 것처럼, Manus는 제품 영역에서 같은 시그널이다.

2026년의 인디 AI 씬은 더 이상 미국 중심이 아니다. 스웨덴(Lovable), 중국(Manus, DeepSeek), 인도(여러 인디 빌더), 한국(스타트업 발), 일본(Tomoaki Imai 같은 인디) 다 활발하다. 분배가 영어 X 중심이지만, 출발지는 더 다양해졌다.

8장 · 케이스 스터디 7 — Cline, 오픈소스 코딩 에이전트

Cline은 오픈소스 코딩 에이전트. VS Code 확장으로 시작했고, "Claude Dev"라는 이름으로 알려졌다가 Cline으로 리브랜딩. 2026년 봄 기준 GitHub 별 50K+ (정확한 숫자는 시점에 따라 변동).

2026년 봄 기준

  • GitHub 별: 50K+ (대략, 시점 변동)
  • 다운로드: VS Code Marketplace에서 수십만 누적
  • 비즈니스 모델: 오픈소스 코어 + 유료 클라우드 (Cline Pro)
  • 팀: 작은 (10명 미만 추정)

8.1 결정적 베팅 — 오픈소스 + BYOK

Cline의 베팅은 Cursor와 정반대다. Cursor가 closed source + 자체 결제라면, Cline은 open source + BYOK (Bring Your Own Key)다. 사용자가 자기 Anthropic/OpenAI 키를 넣어서 비용을 직접 지불한다.

이게 두 가지를 가능하게 한다.

  1. 신뢰 — 코드가 오픈소스라 보안 우려가 낮다. 기업 환경에서 도입이 쉽다.
  2. 마진 — Cline 자체는 토큰 비용을 안 지불해서 마진이 높다. 하지만 매출도 작다 (BYOK 모델의 약점).

8.2 오픈소스 인디의 길

Cline이 보여주는 건 "오픈소스 + 유료 클라우드"라는 인디 AI 빌더의 정전(canon) 모델이다. Supabase, Posthog, Plausible 같은 비AI 오픈소스 SaaS의 패턴을 AI 영역으로 옮긴 것.

이 모델의 매력:

  • 오픈소스가 분배 채널 자체 (GitHub 별, fork, 커뮤니티)
  • 자체 호스팅 옵션이 enterprise 고객에게 매력적
  • 작은 팀으로도 시작 가능

이 모델의 함정:

  • 매출 성장이 closed source 대비 느리다
  • 오픈소스 메인테넌스가 풀타임 잡이 된다
  • 핵심 기능을 closed로 유지하는 균형이 어렵다

8.3 흉내 낼 점

  • 처음부터 오픈소스로 출발해서 GitHub 분배를 무기로
  • BYOK 모델로 마진과 신뢰를 동시에
  • 큰 closed source 회사의 경쟁자가 아닌, 보완재로 자리잡기

9장 · 케이스 스터디 8 — Cleft, 1인 OS 레벨 캡처 도구

Cleft는 1인 개발자가 만든 OS 레벨 캡처·녹화 도구. CleanShot의 대안 + AI 기능. 정확한 매출은 비공개지만, 인디 AI 빌더의 솔로 모델의 좋은 예.

2026년 봄 기준 (자료 제한적)

  • 매출 추정: 인디 빌더 솔로 수준 (월 수만 USD)
  • 팀: 1명
  • 분배: X, Product Hunt, 직접 다운로드

9.1 결정적 베팅 — 작은 시장, 깊은 차별화

Cleft의 베팅은 Cursor·Lovable과 정반대다. 시장을 작게 잡고, 그 안에서 깊게 차별화. 캡처·녹화는 작은 시장(CleanShot, Loom의 영역)이지만, OS 레벨에서 AI를 통합한 도구는 별로 없다.

이게 솔로 인디 AI 빌더에게 정직한 길이다 — 수십억 달러 회사를 노리지 말고, 100K-1M USD ARR의 깔끔한 솔로 비즈니스를 노린다. Pieter Levels의 미시-SaaS 모델을 AI 영역으로 옮긴 것.

9.2 솔로 AI 빌더의 현실

Cleft가 보여주는 건, AI 제품도 솔로로 가능하다는 것이다. 직원 없이 100K-500K USD ARR을 만드는 솔로 인디 AI 빌더가 2026년에 수십 명 단위로 존재한다 (정확한 통계는 없음).

특징:

  • 작은 도메인(작은 도구, 작은 워크플로)
  • 직접 사용자 페르소나 = 본인
  • BYOK 또는 적은 LLM 비용 (간단한 작업만 LLM 사용)
  • X·Product Hunt·Twitter 분배

이 모델은 매출 성장의 천장이 있다. 1M USD ARR을 넘기 어렵다 (대부분의 솔로는 100K-500K ARR). 하지만 마진이 80%+이면, 솔로 파운더의 연소득으로는 충분하다.

9.3 흉내 낼 점

  • 작은 시장에서 깊은 차별화
  • 1인 비즈니스의 한계를 받아들이는 것 (수십억은 안 나온다)
  • AI를 manual하게 통합 (모든 기능에 AI를 박을 필요 없음)

10장 · 케이스 스터디 9 — Granola, AI 노트테이커의 Series C

Granola는 영국 발 AI 미팅 노트테이커. Chris Pedregal와 Sam Stephenson이 2023년 창업. 2024년에 첫 라운드, 2026년에 Series C까지 도달.

2026년 봄 기준 공개 숫자

  • 가치: 2B USD+ (2026년 Series C 라운드 추정)
  • ARR: 50-100M USD 추정 (정확한 공개 없음)
  • 직원: 약 50-80명
  • 자금 조달: 200M USD+ 누적 (Series C 포함)

10.1 결정적 베팅 — Otter·Fireflies가 있는 시장에 새 가치

AI 노트테이커는 2024년 기준 이미 포화된 시장이었다. Otter.ai, Fireflies, Fathom, Read.ai 등 수십 개 제품. Granola의 베팅 — 이 카테고리에 새 가치를 만들 수 있다.

Granola의 차별화:

  1. 노트가 단순 전사가 아니라 구조화된 문서 — 회의 후 바로 쓸 수 있는 노트
  2. 클라이언트 사이드 처리 — 일부 처리가 로컬에서 일어나서 privacy 우려가 적다
  3. CRM·캘린더 통합 — Notion, Salesforce 같은 도구와 깊게 통합

이게 포화 시장에 들어가는 정전이다 — 이미 있는 시장에 작은 차별화로 들어가도 살아남을 수 있다. 모든 AI 제품이 새 카테고리를 만들 필요는 없다.

10.2 Series C가 의미하는 것

Series C는 2B USD 가치에 도달한다는 게 다음의 의미다.

  • 다음 분기에 ARR이 의미 있는 성장을 해야 한다 (50% YoY 이상)
  • IPO 또는 인수 압력이 시작된다
  • 직원 수가 100+로 확장되며 인디 빌더의 정체성을 잃는다

Granola가 인디 AI 빌더의 끝과, 일반 스타트업의 시작 사이에 있는 케이스다.

10.3 흉내 낼 점

  • 포화 시장에서 작은 차별화 (새 카테고리 안 만들어도 된다)
  • 영국 발 글로벌 진입의 정전 (스웨덴의 Lovable과 같은 패턴)
  • B2B 영역의 깊은 통합 (단순 도구가 아니라 워크플로 안에 박힘)

11장 · 팀 규모 × 매출/가치 매트릭스

9개 케이스를 하나의 매트릭스로 본다.

회사파운더/팀직원 수ARR (추정)가치 (추정)핵심 베팅
Anysphere / CursorMichael Truell 외 3명~100200M USD+9.9B+VS Code 포크 + AI 레이어
PerplexityAravind Srinivas 외 3명~100100M USD+9-18BGoogle과 정면 승부
LovableAnton Osika 외~35100M USD+2-5B비기술자 텍스트-투-앱
Vercel v0Guillermo Rauch 팀~20-30 (Vercel 내부)비공개Vercel 일부분배가 있는 곳에 AI 얹기
Replit AgentAmjad Masad 외~100-150100M USD 추정1.5-3BIDE에서 에이전트로 피벗
ManusButterfly Effect 팀~80-100비공개비공개 (시리즈 진행 중)범용 에이전트 시연
Cline오픈소스 코어 팀~10 미만작음 (BYOK)작음오픈소스 + BYOK
Cleft1명1솔로 수준 (100K-500K)인디 솔로작은 시장 깊은 차별화
GranolaChris Pedregal 외~50-8050-100M USD 추정2B+포화 시장 차별화

이 매트릭스에서 보이는 것:

  1. 직원 1명의 솔로(Cleft) vs 직원 100명의 대형 스타트업(Cursor) 사이의 모든 슬롯이 채워져 있다. 인디 AI 빌더의 모델이 하나가 아니다.
  2. 100M USD ARR 라인이 결정적이다. 이걸 넘으면 가치가 2B USD 이상으로 점프한다. Cursor, Perplexity, Lovable, Granola, Replit이 다 이 선을 넘었거나 근접.
  3. 5-15명 팀이 사라진 게 아니다 (Lovable, Cline). 다만 대부분은 100M ARR을 넘기면서 팀이 50+로 커진다.

11.1 5-15명 팀의 시간

2026년 봄 기준, 5-15명 팀으로 ARR 1M-10M을 만드는 인디 AI 빌더가 수십 개 존재한다 (대부분 비공개). 이게 2026년의 새로운 정상이다. 비AI SaaS에서는 같은 매출을 만드는 데 30-100명이 필요했다.

이 카테고리의 솔직한 통계:

  • 5-15명 팀이 ARR 1M+ 만드는 비율: 약 5-10% (대부분 인디 AI 빌더는 그 아래에서 죽음)
  • 그중 100M ARR까지 가는 비율: 약 1-2% (대부분 5M-50M ARR에서 정체)
  • 1B+ valuation까지 가는 비율: 0.1-0.5%

이게 정직한 통계다. 90%는 실패한다.

12장 · 살아남은 자와 죽은 자의 차이

이 9개 케이스의 공통점과, 죽은 90%의 공통점을 본다.

12.1 살아남은 케이스의 공통점

  1. 모델 의존을 분산했다 — Cursor, Lovable, Perplexity는 다 멀티 모델 (Claude·GPT·Gemini)을 지원한다. 한 모델 회사가 가격을 올려도 살 수 있다.
  2. 분배에 미리 베팅했다 — 파운더의 X 누적, GitHub 별, 커뮤니티가 출시 전에 이미 있었다. 출시 후에 분배를 만든 게 아니다.
  3. 차별화가 모델이 아니라 워크플로 — 모델 자체가 아니라, 모델을 사용자 워크플로에 어떻게 통합했는가가 차별화. Cursor는 "에디터 안의 AI", Lovable은 "텍스트-투-앱 흐름", Granola는 "회의 후 노트 흐름".
  4. 빅테크 거절을 무시했다 — 모든 케이스가 "Google/OpenAI가 같은 거 만들면 끝난다"는 거절을 받았다. 무시했다.
  5. 빠른 베타에서 시작 — 처음부터 완벽한 제품이 아니라, 빠른 베타에서 사용자 피드백을 쌓았다.

12.2 죽은 케이스의 공통점

  1. 단일 모델 의존 — OpenAI 한 모델에만 의존했다가 가격 인상에 죽음
  2. 차별화 없는 wrapper — "ChatGPT 위에 UI를 얹었다" 정도의 차별화로는 못 산다
  3. 분배 0에서 시작 — 파운더의 X 팔로워 100명에서 시작한 AI 제품은 99% 죽는다
  4. 모델 회사가 같은 기능 내장 — 자기 차별화가 모델 회사의 다음 기능에 잡힌 경우
  5. 6개월 안에 매출 못 만들어서 자금 소진 — AI 인프라 비용이 비AI보다 비싸서, 무료 사용자만 모으면 빠르게 죽는다

12.3 정직한 자가 진단

새 인디 AI 빌더가 자기를 평가할 5개 질문.

  1. "OpenAI가 다음 주에 같은 기능을 내장하면 우리 제품이 사는가?" — 답이 "아니오"면 카테고리 자체가 위험
  2. "파운더의 X 팔로워가 5천 이상인가?" — 5천 이하면 분배가 0에서 시작이라 어렵다
  3. "멀티 모델 지원이 가능한가?" — 한 모델만 쓰는 wrapper는 위험
  4. "모델 비용을 누가 지불하는가? (BYOK vs 자체)" — 어느 쪽이든 명확히 결정되어야 함
  5. "6개월 안에 첫 유료 사용자가 나올 수 있는가?" — AI 인프라 비용 때문에 SaaS보다 더 빠른 매출 필요

13장 · 2026년 새 인디 AI 빌더가 어디서 베팅해야 하는가

이 글의 모든 케이스에서 뽑은 정직한 권고.

13.1 좋은 베팅 영역

  1. 수직 도메인 깊이 — 특정 산업(법무, 의료, 회계)에 깊게 박힌 AI 도구. 빅테크가 들어오기 어렵다.
  2. 로컬·온프레미스 — privacy가 중요한 영역. 클라우드 LLM이 못 들어가는 곳.
  3. 워크플로 통합 — 단순 챗봇이 아니라, 기존 도구(Slack, Notion, Linear, Figma) 안에 깊게 박힌 AI.
  4. 비기술자 시장 — Lovable·Replit Agent의 길. 시장이 크고 차별화가 가능.
  5. 에이전트 영역의 niche — 모든 작업이 아니라, 특정 작업(영업 이메일, 채용 스크리닝, 콘텐츠 모더레이션)의 에이전트.

13.2 위험한 베팅 영역

  1. 범용 챗봇 — ChatGPT의 모방. 죽음.
  2. 단순 LLM wrapper without workflow — "Claude를 더 예쁜 UI로 감쌌습니다" 수준. 죽음.
  3. 단일 모델 의존 — OpenAI만 쓰는 제품. 모델 가격 변동에 취약.
  4. 빅테크가 곧 내장할 카테고리 — 코드 실행, 일반 검색, 일반 문서 작성. 모델 회사가 곧 내장.
  5. 분배 0에서 시작 — 파운더의 brand가 없으면 시작이 너무 어렵다. 분배부터 만들고 제품 출시.

13.3 한국 인디 AI 빌더의 위치

한국 인디 AI 씬은 글로벌 메인스트림과 다른 패턴이다.

한국 AI 빌더의 강점

  • 한국어·한국 문화에 깊게 박힌 AI 도구는 글로벌 빅테크가 못 들어온다
  • 한국 시장의 SaaS 도입률이 늘면서 B2B AI 도구의 수요가 커짐
  • 정부의 AI 지원이 활발 (NIPA, 디지털 플랫폼 정부 사업 등)

한국 AI 빌더의 약점

  • 영어 X 분배가 어렵다 (한국어 빌드 인 퍼블릭은 거의 없음)
  • 한국 시장 ARPU가 글로벌의 1/3 수준
  • VC가 AI 영역에 진입했으나, 미국 VC만큼의 화력이 없음

한국 AI 빌더의 합리적 전략

  • 글로벌 시장을 처음부터 노림 (Tony Dinh 모델, John Xie의 TaskAde 모델)
  • 한국어 특화 AI 도구로 한국 독점 (Wrtn, 솔트룩스 등의 영역)
  • B2B 한국 시장에서 SaaS 도입의 흐름을 잡음 (스타트업 위주)

한국 인디 AI 빌더의 정직한 평가 — 글로벌 무대에서는 미국 발 빌더와 경쟁하기 어렵지만, 한국 시장 특화 또는 처음부터 글로벌 진입 두 길이 다 가능하다. 단, 영어 분배의 마찰이 가장 큰 장애물이다.

에필로그 — 인디 AI 빌더를 시작하기 전 체크리스트

이 글의 모든 케이스를 합쳐서 만든 정직한 체크리스트.

시작 전 체크리스트

[ ] 카테고리에서 모델 회사가 같은 기능 내장 시에도 차별화가 살아남는가?
[ ] 파운더의 X 또는 GitHub 팔로워가 5천 이상인가? (분배 자산)
[ ] 멀티 모델 지원 계획이 있는가? (단일 모델 의존 방지)
[ ] 첫 6-12개월에 유료 사용자를 만들 시나리오가 있는가?
[ ] BYOK vs 자체 결제 결정이 명확한가?
[ ] 본인이 매일 쓸 도구인가? (사용자 = 본인 가설)
[ ] 18-24개월 캐시 런웨이 또는 빠른 매출 시나리오가 있는가?
[ ] 모델 비용이 사용자당 수익을 초과하지 않는가? (유닛 이코노믹스)

첫 90일 액션 플랜 (AI 빌더 특화)

1-30일:
  - 5명의 잠재 사용자와 인터뷰 (현재 워크플로의 진짜 마찰점 확인)
  - 모델 API 비용 시뮬레이션 (한 사용자당 월 비용 추정)
  - 멀티 모델 호환 아키텍처 설계 (Claude·GPT·로컬 모델 다 지원)
  - X에 빌드 인 퍼블릭 시작 (데모 영상 매주 1개 이상)

31-60일:
  - MVP 코드 시작 (Cursor·Claude Code로 가속)
  - 첫 무료 베타 사용자 50명 모집
  - 핵심 차별화 정의 (모델이 아니라 워크플로)
  - 모델 비용을 모니터링하며 BYOK vs 자체 결정 확정

61-90일:
  - 유료 출시 (가격 30-100 USD/월, BYOK면 무료 또는 낮은 가격)
  - 첫 10명 유료 사용자 확보
  - 모든 유료 사용자와 1:1 통화
  - 모델 비용 마진 분석 (유닛 이코노믹스 확인)

안티 패턴 (피해야 할 것)

- ChatGPT 모방 챗봇 만들기 (죽음)
- 단일 모델 의존 (OpenAI만 쓰는 제품)
- 차별화 없는 wrapper ("UI를 더 예쁘게 했습니다" 수준)
- 빌드 인 퍼블릭 없이 출시 (분배 0에서 시작은 99% 죽음)
- 모델 회사가 곧 내장할 영역에 베팅 (코드 실행, 일반 검색)
- 무료 사용자만 모으고 매출 없이 6개월 (AI 인프라 비용이 빠르게 소진)
- 펀딩 없이 큰 LLM 비용 (자체 결제 모델은 펀딩 또는 빠른 매출이 필수)
- 모든 모델 가격이 떨어진다고 가정 (가격 인상 시나리오 대비 안 함)
- 파운더 brand 없이 출시 (X·GitHub 누적이 첫 분배)

다음 글 예고

다음 글에서는 **"AI 빌더가 진짜 매일 무엇을 하는가 — Cursor·Lovable·Cline 파운더의 시간 분배 비교"**를 본다. 코드 시간, 분배 시간, 사용자 인터뷰 시간, 모델 가격 협상 시간. AI 빌더의 일상은 비AI SaaS의 일상과 무엇이 다른지.

그 다음은 "AI 인프라 비용의 정직한 수학 — 2026년 AI 제품의 유닛 이코노믹스". 한 사용자당 LLM 비용, 마진, 펀딩 필요성. 2026-2027년의 AI 제품이 어떻게 비용 구조에서 살아남는지.

참고 / References

현재 단락 (1/330)

2022년 11월 ChatGPT가 출시된 직후의 인디 빌더 씬은 단순한 광기였다. 모두가 "GPT-3.5 위에 UI를 얹은" 제품을 만들었고, 대부분 3개월 후에 죽었다. 그 시기...

작성 글자: 0자원문 글자: 17,235자작성 단락: 0/330