20년 만의 귀환: CEO에서 개발자로, AI 챗봇과 함께 새로운 여정을 시작하며

2005년 10월, 저는 독일 프랑크푸르트에서의 삶을 뒤로하고 런던 외곽의 아름다운 도시 킹스턴어폰템스에 엠비즈 글로벌 컴퍼니 리미티드(M-BIZ Global Company Limited)라는 회사를 설립했습니다. 모든 것은 한국의 삼성 모바일 본사와 맺은 단 하나의 계약서에서 시작되었습니다.

저희의 비즈니스 모델은 '트라이 앤 바이(Try and Buy)'라는 혁신적인 모바일 게임 판매 방식이었습니다. 사용자들은 테트리스와 같은 인기 게임을 약 60초간 체험해보고(Try), 게임이 자동으로 잠기면 프리미엄 SMS 결제를 통해 정식 버전을 구매(Buy)할 수 있었습니다. 스마트폰 시대 이전, 이러한 게임들이 피처폰에 탑재되었기 때문에 그 결과는 상상을 초월했습니다.

대한민국에서 유럽으로 건너온 한 명의 소프트웨어 개발자는 순식간에 전 세계 약 60개국에서 삼성 휴대폰을 통해 막대한 수익을 창출하는 글로벌 기업의 CEO이자 설립자로 변신했습니다. 회사가 성장하면서 새로운 동료들을 채용했고, 자연스럽게 저는 제가 사랑했던 소프트웨어 개발의 세계에서 점점 더 멀어졌습니다.

그로부터 거의 20년이 지났습니다. 사업은 대부분 정리되었고, 제 곁을 지켜주었던 마지막 시니어 개발자마저 2025년 6월 말, 아쉬운 작별을 고했습니다. 비록 사업의 중심을 AI 챗봇으로 전환했지만, 저는 흩어져 있는 다른 프로젝트들을 마무리하는 데 대부분의 시간을 보내야 했습니다.

무엇보다 거의 19년 동안 개발 현장을 떠나 있었기에, 다시 코딩을 시작하는 것은 엄청난 도전이었습니다. 세상은 이제 AWS, Node.js, TypeScript처럼 제가 알던 것과는 완전히 다른 기술들로 가득 차 있었습니다.

마침내 2025년 7월 1일, 더 이상 물러설 곳이 없다는 심정으로 'AI Talk'라는 AI 챗봇 서비스를 전적으로 제 손으로 개발하기 시작했습니다. 주변의 모든 사람들이 클로드 코드(Claude Code)를 추천했지만, 저는 마침 구글 클라우드에서 받은 300달러의 무료 크레딧이 있어 연습 삼아 제미나이 CLI(Gemini CLI)를 사용하기로 했습니다.

ChatGPT의 등장과 함께, 저는 개인적으로 RAG(검색 증강 생성) 기술에 깊은 관심을 갖게 되었습니다. 낯선 파이썬 코드를 다루고, 파인콘(Pinecone)과 같은 벡터 DB에 데이터를 임베딩하며, 코사인 유사도를 통해 선택된 데이터를 기반으로 OpenAI API로 자동 응답을 생성하는 과정에 완전히 매료되었습니다. 물론, RAG 서비스는 이미 랭체인(LangChain)을 통해 잘 구축되어 있었고, 저 또한 챗베이스(Chatbase)와 같은 서비스를 직접 만들어보는 것을 목표로 했습니다.

B2B 비즈니스 모델을 기획하던 중, 저는 구글 플레이나 애플 앱스토어에 버금가는 마켓플레이스로서 쇼피파이 앱스토어(Shopify App Store)에 주목했습니다. 앱의 평생 총수익이 100만 달러에 도달할 때까지 15%의 수수료를 면제해주는 정책은 특히 매력적이었습니다. 더욱이, 기본으로 제공되는 리믹스(Remix) 프레임워크와 폴라리스(Polaris) 리액트 컴포넌트 라이브러리는 훌륭한 개발 환경을 제공하여 관리자 인터페이스의 UI/UX 디자인 부담을 크게 덜어주었습니다.

하지만 RAG를 사용한 다른 AI 챗봇 서비스들에는 한 가지 명확한 단점이 있었습니다. 바로 스토어의 상품 정보가 추가되거나 업데이트될 때마다 데이터를 계속해서 다시 학습시켜야 하는 불편함이었습니다. 저 역시 이것이 피할 수 없는 기술적 한계라고 생각했습니다. 하지만 쇼피파이의 스토어프론트 API(MCP)에 대해 알게 된 후, 저는 과감하게 RAG를 포기하고 이를 스토어프론트 API로 완전히 대체하기로 결정했습니다.

처음부터 MCP가 어떻게 작동하는지 이해하는 것은 쉽지 않았습니다. 저는 클로드 API보다 약간 더 저렴하고 접근하기 쉬운 OpenAI API를 사용하기로 결정했습니다. 또한, 스토어 운영자가 직접 자신의 OpenAI API 키를 입력하여 기본 사용량을 10배로 늘릴 수 있는 옵션도 추가했습니다.

구현된 MCP의 성능은 정말 만족스러웠습니다. "안녕하세요?"와 같은 일반적인 질문에는 OpenAI가 자연스럽게 응답을 처리했습니다. "구매할 수 있는 상품은 무엇이 있나요?"와 같은 구체적인 질문에는 스토어의 전체 내부 데이터를 실시간으로 검색하여 가장 정확한 답변을 제공했습니다.

가장 중요한 것은, 이 시스템이 사용자를 자연스럽게 주문으로 유도하는 특별한 기능을 갖추고 있다는 점입니다. 이는 단순히 정보를 검색하여 제시하는 RAG 방식으로는 지원하기 어려운 기능으로, MCP를 활용했기에 가능한 핵심적인 차별점이었습니다.

실시간 데모를 직접 경험해보고 싶으시다면, 아래 링크를 방문하여 왼쪽의 '데모 스토어 보기(View demo store)' 버튼을 클릭해 보세요.

https://apps.shopify.com/ai-talk-checkout-assistant

다음 단계로, 저는 고객 계정 MCP 서버(Customer accounts MCP server)를 통해 고객 주문을 관리하는 서비스를 기획하고 있습니다. 이 기능이 추가되면, AI 어시스턴트는 고객의 주문 상태를 확인하고 주문 내역을 조회하는 등 더욱 고도화된 지원을 제공할 수 있게 될 것입니다.

결론

이 모든 코딩의 가장 첫 시작은 제미나이 CLI였습니다. 하지만 개발해야 할 기능이 늘어나면서 자연스럽게 클로드 코드로 옮겨가게 되었습니다. 중요한 점은, TypeScript의 문법을 완전히 이해하지 못하더라도 AI의 도움을 받으면 이와 같은 쇼피파이 앱 개발이 전적으로 가능하다는 것입니다.

그렇게 지금, 20년 만에 저는 다시 1인 개발자로 돌아왔습니다. AI 코딩 어시스턴트와 MCP 같은 최첨단 기술의 지원이 제 심장을 다시 한번 설렘으로 뛰게 만들고 있습니다.

이 글 역시 Gemini 2.5 pro의 도움으로 작성되었으며 이미지는 생성된 것입니다.