# 피터 레벨스가 말한 1인 창업과 AI 제품의 검증법

> 2024-08-20 · Lex Fridman · 큐레이션 김태우
> https://challengekim.com/insights/피터-레벨스가-말한-1인-창업과-ai-제품의-검증법
> 원문: https://lexfridman.com/pieter-levels-transcript

## 핵심 요약

- 피터 레벨스는 외부 투자를 받지 않고 작은 제품을 빠르게 출시한 뒤, 가입자 수보다 **실제 결제**로 수요를 확인한다고 말했다.
- Nomad List는 누구나 수정할 수 있는 스프레드시트에서 시작했다. 반면 이용자가 많았던 Hoodmaps는 지도 운영비를 감당할 수익 모델을 찾지 못했다.
- Interior AI에서 인물 사진 실험으로 이어진 작업은 Avatar AI와 Photo AI로 발전했다. 레벨스는 화제가 된 아바타보다 실사에 가까운 사진이 더 오래 풀어볼 문제라고 판단했다.
- Photo AI에서는 학습 사진의 구성과 생성 설정을 시험했다. 레벨스는 생성 결과가 자주 어긋나며, 부적절한 이미지도 걸러야 한다고 설명했다.

## 한 달에 하나씩 만들며 익힌 출시 방식

레벨스는 ‘12개월 동안 스타트업 12개 만들기’를 진행할 당시 코딩을 조금 할 줄 아는 수준이었다고 회고했다. 매달 제품 하나를 내놓겠다는 기한 때문에 기능을 좁혀야 했고, 진행 과정을 공개한 일은 약속을 지키는 압박이 됐다. 초기 제품 Play My Inbox는 이메일에서 유튜브 음악 링크를 찾아 모아줬다. 그는 이용자가 있었지만 결제 기능이 없어 돈을 벌지는 못했다고 말했다.

이후에도 그의 기준은 빠른 출시와 유료 수요 확인이었다. 아이디어가 떠오르면 작은 제품을 만들어 내놓고, 사람들이 가입하는 데서 그치지 않고 돈을 내는지 본다. 레벨스는 자신이 시도한 아이디어 대부분은 실패했다고 인정했다. 제품을 짧은 기간에 만들 때는 무엇을 더할지보다 무엇을 빼야 할지 결정하는 일이 어렵다고도 했다.

## 불편에서 시작한 Nomad List, 수익화에 막힌 Hoodmaps

Nomad List의 출발점은 여행하며 일할 도시를 고르는 자신의 문제였다. 레벨스는 인터넷 속도와 생활비가 중요했지만 이를 한곳에서 비교하기 어려워 공개 스프레드시트에 도시 정보를 모으기 시작했다. 다른 사람들이 정보를 보탠 뒤 웹사이트로 옮겼다. 초기에는 이용자 입력에 의존했지만, 특정 지역을 좋게 평가하려는 편향을 겪으면서 공개 데이터셋의 비중을 높였다고 설명했다. 국가 단위 수치로 도시나 동네의 차이를 설명하기 어렵다는 한계도 인정했다.

Hoodmaps는 여행자가 동네의 성격을 파악하도록 지도 위에 이용자들이 색을 칠하고 설명을 남기는 서비스다. 참여자들의 표시를 합쳐 지도를 만들었지만, 인기를 얻을수록 지도 서비스 비용이 커졌다. 레벨스에 따르면 한때 Mapbox 청구액이 2만 달러에 이르렀고, Hoodmaps는 수익을 내지 못했다. 그는 이 사례를 통해 인기와 수익이 별개임을 이야기하면서도, 모든 프로젝트를 반드시 수익화할 필요는 없다고 봤다.

## 인테리어 이미지에서 Photo AI까지

레벨스는 생성형 이미지 기술을 시험하다 실내 디자인에 주목했다. 사진 속 공간을 다른 스타일로 바꾸는 기능을 Interior AI로 출시했고, 기존 모델을 특정 목적에 맞게 추가 학습시키는 **미세 조정**도 시도했다. 그러다 자신의 사진으로 인물 모델을 학습시킨 실험이 작동하자 아바타 제품을 만들었다. 그는 Avatar AI가 빠르게 화제를 모았지만, 예술적인 스타일은 얼굴의 오류가 덜 드러나는 반면 실사 사진에서는 작은 차이도 눈에 띈다고 설명했다. 그 판단이 사진관처럼 인물 사진을 생성하는 Photo AI로 이어졌다.

초기 아바타 판매에는 완성된 자동화 시스템도 없었다. 레벨스는 결제 링크와 사진 업로드 양식을 연결하고, 처음 몇백 명의 사진을 직접 내려받아 모델을 학습시킨 뒤 결과를 이메일로 보냈다고 말했다. 주문이 늘어 수작업을 감당하기 어려워지자 처리 과정을 코드로 만들었다. 먼저 결제가 일어나는지 확인한 다음 자동화한 순서였다.

## AI 제품의 품질과 비용은 별도 문제

레벨스는 Photo AI의 생성 결과가 항상 정확하지 않다고 말했다. 인터뷰에서 예시 사진의 성공률을 대략 절반 정도로 추정했고, 얼굴이나 신체가 어색하게 나오는 사례도 보여줬다. 실사 이미지 모델에서 원치 않는 노출이 생성될 위험을 줄이기 위해 입력 문구를 조정하고, 사용자에게 사진을 보여주기 전에 Google Vision으로 검사한다고 설명했다. 검사에서 놓친 사례도 있었다고 덧붙였다.

품질 개선에는 학습 자료와 사용자 반응을 활용했다. 같은 옷만 입은 사진을 올리면 모델이 옷까지 인물의 특징으로 익힐 수 있어, 레벨스는 다양한 사진을 쓰고 얼굴 사진과 전신 사진을 섞는다고 했다. 또 생성 설정을 일부 사용자에게 달리 적용한 뒤 사진을 즐겨찾기에 넣거나 내려받는지를 비교했다. 그는 가입 과정에서 이런 시험을 알린다고 말했다.

비용도 제품을 좌우했다. 레벨스에 따르면 초기 아바타 서비스의 한 학습 제공업체가 학습 가격을 3달러에서 20달러로 올려, 당시 30달러에 팔던 상품의 수익성이 크게 나빠졌다. 그는 이후 다른 제공업체를 찾았다. 무료 이용자를 대거 모으는 방식은 자신에게 잘 맞지 않았으며, 작은 사업에서는 처음부터 요금을 받고 운영비를 낮추는 편을 선호한다고 설명했다.

## 혼자 운영하기 위한 자동화

레벨스는 사업이 커질 때마다 직원을 늘리는 대신 반복 작업을 코드로 처리해 왔다. Nomad List에서는 이용자가 모임을 등록하면 해당 도시에 있는 회원에게 자동으로 알림이 간다. 정해진 시간마다 작업을 실행하는 스크립트와 서비스 상태 점검 페이지를 운영하고, 오류가 나면 Telegram으로 알림을 받는다고 했다. 다만 혼자 모든 일을 한다는 뜻은 아니다. 그는 Photo AI의 모델 관련 Python 작업을 위해 개발자를 약 10개월 고용한 경험도 밝혔다.

레벨스의 사례에서 빠른 출시는 출발점이다. 결제 여부로 수요를 확인한 뒤에도 생성 품질, 안전 검사, 외부 서비스 비용, 운영 자동화를 계속 다뤄야 했다. Hoodmaps처럼 이용자가 모여도 수익으로 이어지지 않는 제품 역시 그의 작업에 남아 있다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://lexfridman.com/pieter-levels-transcript)