목록으로
업무 생산성 개선을 위한 AI 활용
비전공자가 구축하는 중소 헬스장 AI 통합 SaaS — 회원관리·이탈예측·근거검증
코딩 경험 없는 비전공자가 Claude 와 OpenAI 로 중소 헬스장 AI SaaS 를 단계적으로 구축한 과정과 검증 결과
🤖 활용 AI 도구
Claude (Anthropic) — Cowork (설계·PM) + Claude Code (페어 프로그래밍), OpenAI gpt-4o-mini — 이탈 예측 LLM, Supabase, Promptfoo — SaaS 인프라 + LLM 회귀 테스트
① 어떤 상황에서 AI를 활용했나요?
저는 코딩을 정식으로 배운 적 없는 비전공자입니다. 한국의 9,000여 개 중소·동네 헬스장은 회원 이탈·결제·PT 관리 같은 핵심 운영 데이터를 다루지만, 대기업 체인과 달리 AI 도입 인프라와 예산이 부족합니다. 대기업의 전유물처럼 여겨지는 회원 이탈 예측·매출 진단 AI 를 중소 헬스장 사업자도 쓸 수 있도록 만드는 통합 SaaS "노바짐(NovaGym)" 을 비전공자의 시점에서 구축하기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
세 가지 AI 도구를 단계별로 결합했습니다.
· Claude (Anthropic) — Cowork 모드로 제품 설계·문서·의사결정을 PM 처럼 정리하고, Claude Code 로 실제 TypeScript 코드와 데이터베이스 스키마를 페어 프로그래밍으로 작성했습니다.
· OpenAI gpt-4o-mini — 회원 이탈 예측 AI 의 추론 엔진으로 사용했습니다. Zod 스키마와 OpenAI 의 json_schema strict 모드를 결합해 "AI 의 모든 출력에는 source_ids 가 1개 이상" 같은 도메인 룰을 모델 레벨에서 강제했습니다.
· Promptfoo — LLM 출력의 품질을 자동으로 검증하는 회귀 테스트 인프라로 도입했습니다.
코딩 경험이 없어도 "어떤 데이터를 분석하고 싶은지" 를 한국어로 설명하면 Claude 가 코드를 만들고, 잘못된 부분은 다시 한국어로 지적해 고치는 방식으로 진행했습니다. 직접 코드를 처음부터 작성하기보다, AI 의 제안을 검토·결정하는 역할에 집중했습니다.
③ 활용 결과 어떤 변화가 있었나요?
현재 1차 인프라 구축이 완료된 상태이며, 다음 결과를 확인했습니다.
· 100명 가상 회원 데이터로 이탈 예측 AI 를 검증한 결과, 회원 이탈 위험을 LOW 60명 / HIGH 40명 의 명확한 이중봉우리로 분리했습니다.
· 같은 패턴 회원 그룹의 표준편차가 0.026 ~ 0.043 으로, AI 응답이 매우 일관되게 안정화되었습니다.
· 100회 LLM 호출 비용은 0.034 달러로, 헬스장 운영 비용 대비 부담 없는 수준입니다.
· "AI 가 왜 이 회원을 이탈 위험으로 분류했나?" 를 트레이너가 5초 안에 검증할 수 있는 근거 모달을 구현해, 단순 점수가 아닌 추적 가능한 출력을 제공합니다.
-> 현재는 계속 구축중이며 실제로 바이브 코딩을 하며 인공지능 툴을 활용하는 능력이 굉장히 높아졌다고 스스로 생각합니다.
또한, 실제 서비스 구축은 물론 상용화까지도 생각해보고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
세 가지 원칙을 시스템에 새겼습니다.
· "Trust Layer" — 모든 AI 출력에 source_ids·confidence·tier 를 강제하고, Zod 스키마와 OpenAI 의 json_schema strict 모드로 다층 방어합니다. AI 가 자기 근거 없이 답할 수 없는 구조입니다.
· "비전공자 친화 워크플로우" — Cowork (설계·PM) 와 Claude Code (실 코드 작성) 를 분리해, 비전공자도 코드 변경 결과를 이해하고 결정할 수 있게 협업 흐름을 정리했습니다.
· "검증 가능한 진행" — Promptfoo 로 매 변경마다 회귀 테스트를 자동화해, 비전공자도 "이 변경이 이전 검증을 깨는지" 를 1초 안에 확인할 수 있습니다.
# 기술적인 이야기 보다도 추가적으로 저만의 방식 또는 개선포인트라고 생각하는 점은 실제로 아이디어만 가지고 바로 바이브 코딩을 통한 개발에 착수하고 모르는 용어와 기술들은 html을 활용한 저만의 다이어리를 만들어 달라고 인공지능에게 프롬프트를 작성해 선 코딩, 후 학습의 개념으로 다가가는 것이 저만의 방식이자 개선포인트입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 그것이 이 사례의 본질입니다. 코딩 경험이 없어도 다음 세 가지만 갖추면 누구나 같은 방식으로 자신의 도메인 (식당·미용실·세무사 등) 에 AI 를 도입할 수 있습니다.
· 한국어로 자신의 업무 문제를 명확히 설명할 수 있는 능력
· Claude 와 OpenAI 같은 AI 도구의 월 5 ~ 30 달러 수준 구독료
· "AI 가 만든 코드를 그대로 신뢰하지 않고 검증하는" 태도
제가 실제로 운동을 좋아하고 헬스장에서 근무도 해보았기에 가장 가깝게 접근할 수 있는 헬스장에서 시작했지만, 다음 단계는 식당, 그 다음은 다른 소상공인 업종으로 같은 인프라를 확장할 계획입니다. 제 가장 중요한 슬로건은 "AI 가 대기업의 전유물이 아닌, 중소기업·소상공인에게도" 입니다. 이 사례는 그 슬로건이 비전공자의 손으로도 가능함을 보여주는 첫 번째 증거입니다.
# 파일 첨부 설명
- 현재 파일들은 실제 바이브코딩을 하며 구축한 프로토타입 캡쳐이며, 향후 계속해서 개발 중에 있습니다.
- 스킬_스택_다이어리는 비전공자도 자신이 코딩한 내용에 대해 알 수 있고 공부할 수 있도록 수시로 체크하면서 추가한 사항을 담아 놓은 저만의 다이어리 캡쳐입니다.
저는 코딩을 정식으로 배운 적 없는 비전공자입니다. 한국의 9,000여 개 중소·동네 헬스장은 회원 이탈·결제·PT 관리 같은 핵심 운영 데이터를 다루지만, 대기업 체인과 달리 AI 도입 인프라와 예산이 부족합니다. 대기업의 전유물처럼 여겨지는 회원 이탈 예측·매출 진단 AI 를 중소 헬스장 사업자도 쓸 수 있도록 만드는 통합 SaaS "노바짐(NovaGym)" 을 비전공자의 시점에서 구축하기로 했습니다.
② 어떤 AI를 어떻게 활용했나요?
세 가지 AI 도구를 단계별로 결합했습니다.
· Claude (Anthropic) — Cowork 모드로 제품 설계·문서·의사결정을 PM 처럼 정리하고, Claude Code 로 실제 TypeScript 코드와 데이터베이스 스키마를 페어 프로그래밍으로 작성했습니다.
· OpenAI gpt-4o-mini — 회원 이탈 예측 AI 의 추론 엔진으로 사용했습니다. Zod 스키마와 OpenAI 의 json_schema strict 모드를 결합해 "AI 의 모든 출력에는 source_ids 가 1개 이상" 같은 도메인 룰을 모델 레벨에서 강제했습니다.
· Promptfoo — LLM 출력의 품질을 자동으로 검증하는 회귀 테스트 인프라로 도입했습니다.
코딩 경험이 없어도 "어떤 데이터를 분석하고 싶은지" 를 한국어로 설명하면 Claude 가 코드를 만들고, 잘못된 부분은 다시 한국어로 지적해 고치는 방식으로 진행했습니다. 직접 코드를 처음부터 작성하기보다, AI 의 제안을 검토·결정하는 역할에 집중했습니다.
③ 활용 결과 어떤 변화가 있었나요?
현재 1차 인프라 구축이 완료된 상태이며, 다음 결과를 확인했습니다.
· 100명 가상 회원 데이터로 이탈 예측 AI 를 검증한 결과, 회원 이탈 위험을 LOW 60명 / HIGH 40명 의 명확한 이중봉우리로 분리했습니다.
· 같은 패턴 회원 그룹의 표준편차가 0.026 ~ 0.043 으로, AI 응답이 매우 일관되게 안정화되었습니다.
· 100회 LLM 호출 비용은 0.034 달러로, 헬스장 운영 비용 대비 부담 없는 수준입니다.
· "AI 가 왜 이 회원을 이탈 위험으로 분류했나?" 를 트레이너가 5초 안에 검증할 수 있는 근거 모달을 구현해, 단순 점수가 아닌 추적 가능한 출력을 제공합니다.
-> 현재는 계속 구축중이며 실제로 바이브 코딩을 하며 인공지능 툴을 활용하는 능력이 굉장히 높아졌다고 스스로 생각합니다.
또한, 실제 서비스 구축은 물론 상용화까지도 생각해보고 있습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
세 가지 원칙을 시스템에 새겼습니다.
· "Trust Layer" — 모든 AI 출력에 source_ids·confidence·tier 를 강제하고, Zod 스키마와 OpenAI 의 json_schema strict 모드로 다층 방어합니다. AI 가 자기 근거 없이 답할 수 없는 구조입니다.
· "비전공자 친화 워크플로우" — Cowork (설계·PM) 와 Claude Code (실 코드 작성) 를 분리해, 비전공자도 코드 변경 결과를 이해하고 결정할 수 있게 협업 흐름을 정리했습니다.
· "검증 가능한 진행" — Promptfoo 로 매 변경마다 회귀 테스트를 자동화해, 비전공자도 "이 변경이 이전 검증을 깨는지" 를 1초 안에 확인할 수 있습니다.
# 기술적인 이야기 보다도 추가적으로 저만의 방식 또는 개선포인트라고 생각하는 점은 실제로 아이디어만 가지고 바로 바이브 코딩을 통한 개발에 착수하고 모르는 용어와 기술들은 html을 활용한 저만의 다이어리를 만들어 달라고 인공지능에게 프롬프트를 작성해 선 코딩, 후 학습의 개념으로 다가가는 것이 저만의 방식이자 개선포인트입니다.
⑤ 다른 사람도 따라 할 수 있나요?
네, 그것이 이 사례의 본질입니다. 코딩 경험이 없어도 다음 세 가지만 갖추면 누구나 같은 방식으로 자신의 도메인 (식당·미용실·세무사 등) 에 AI 를 도입할 수 있습니다.
· 한국어로 자신의 업무 문제를 명확히 설명할 수 있는 능력
· Claude 와 OpenAI 같은 AI 도구의 월 5 ~ 30 달러 수준 구독료
· "AI 가 만든 코드를 그대로 신뢰하지 않고 검증하는" 태도
제가 실제로 운동을 좋아하고 헬스장에서 근무도 해보았기에 가장 가깝게 접근할 수 있는 헬스장에서 시작했지만, 다음 단계는 식당, 그 다음은 다른 소상공인 업종으로 같은 인프라를 확장할 계획입니다. 제 가장 중요한 슬로건은 "AI 가 대기업의 전유물이 아닌, 중소기업·소상공인에게도" 입니다. 이 사례는 그 슬로건이 비전공자의 손으로도 가능함을 보여주는 첫 번째 증거입니다.
# 파일 첨부 설명
- 현재 파일들은 실제 바이브코딩을 하며 구축한 프로토타입 캡쳐이며, 향후 계속해서 개발 중에 있습니다.
- 스킬_스택_다이어리는 비전공자도 자신이 코딩한 내용에 대해 알 수 있고 공부할 수 있도록 수시로 체크하면서 추가한 사항을 담아 놓은 저만의 다이어리 캡쳐입니다.
