> ## Content Index > Fetch the complete content index at: https://zerodraftlab.com/llms.txt > Use this file to discover other available public pages before exploring further. # AI가 죽인 것은 MVP가 아니라 허접한 출시다 - URL: https://zerodraftlab.com/ai-killed-shoddy-launches-not-mvp/ - Published: 2026-07-18T04:29:37.000Z - Updated: 2026-09-15T08:35:38.000Z - Author: JooMong AI로 앱 하나를 만드는 비용이 낮아지자 오래된 제품 개발 원칙 하나가 다시 공격받고 있다. 이제 기능만 작동하는 MVP로는 아무도 관심을 주지 않으니, 사용자가 처음부터 사랑할 수 있는 MLP를 만들어야 한다는 주장이다. MLP는 Minimum Lovable Product의 약자다. 제품이 기능적으로 작동하는 데서 멈추지 않고 빠르고, 직관적이고, 의견이 있으며, 사용자가 다시 찾고 싶은 감정을 남기는 가장 작은 버전을 뜻한다. Elena Verna는 2026년 2월 글에서 이를 AI 시대의 새로운 기준선으로 제시했다. 문제의식은 정확하다. 소프트웨어를 만드는 사람이 늘고 경쟁자가 기능을 따라잡는 속도가 빨라지면 ‘이 기능도 있습니다’만으로는 선택받기 어렵다. 그러나 여기서 MVP가 죽었다는 결론으로 넘어가면 서로 다른 두 가지를 같은 것으로 착각하게 된다. ## MVP는 원래 허접한 출시 제품이 아니었다 Eric Ries가 정의한 MVP는 최소한의 노력으로 고객에 관한 최대한의 검증된 학습을 얻기 위한 제품 버전이다. 공개 시장에서 오래 운영할 첫 제품의 품질 기준이 아니라, 가장 위험한 가정을 가장 빨리 시험하는 학습 도구다. Ries도 MVP는 최소한의 제품을 만드는 이야기가 아니라고 명시했다. 예를 들어 사람들이 온라인으로 신발을 살지 확인하려는 팀은 물류센터와 재고 시스템부터 만들 필요가 없다. 매장에 있는 신발을 촬영해 주문을 받은 뒤 사람이 직접 구매하고 배송해도 수요 가설은 시험할 수 있다. 이 실험이 투박해 보인다고 해서 학습의 질까지 낮은 것은 아니다. MVP가 나쁜 평판을 얻은 이유는 이 실험물을 공개 출시 제품으로 둔갑시켰기 때문이다. 내부 가설 검증에 쓸 임시 구조를 고객에게 계속 사용하게 만들고, 불편을 ‘아직 MVP라서’라고 설명했다. 죽어야 하는 것은 MVP가 아니라 학습하지 않는 제품을 MVP라고 부르는 습관이다. ## MLP도 AI가 만든 새 개념은 아니다 Aha!는 공동창업자 Brian de Haaff가 2013년에 Minimum Lovable Product 개념을 소개했다고 밝힌다. AI 코딩 도구가 등장하기 훨씬 전부터 제품팀은 작지만 완결되고, 좁지만 강한 첫 경험을 만들자는 언어를 찾고 있었다. AI가 바꾼 것은 개념보다 배경이다. 예전에는 기본 기능을 구현하는 일 자체가 희소했다. 지금은 프로토타입과 평범한 CRUD 앱을 만드는 시간이 크게 줄었고, 시장에는 비슷한 기능을 가진 제품이 더 빨리 쌓인다. 구현의 희소성이 낮아질수록 선택, 신뢰, 취향, 오류를 처리하는 방식의 가치가 커진다는 진단은 타당하다. 다만 개발비가 사라졌다고 말하기에는 증거가 부족하다. Verna가 든 \`$200K\`에서 \`$20\` 또는 \`$100\`으로의 변화와 코드의 90% 이상을 AI가 작성한다는 수치에는 비교 기준과 출처가 없다. 화면을 생성하는 비용, 안전하게 운영하는 비용, 고객이 계속 쓰게 만드는 비용이 한 숫자에 섞여 있다. 실측 결과도 단순하지 않다. METR의 2025년 무작위 통제실험에서 익숙한 저장소를 다룬 숙련 개발자들은 AI를 사용할 때 작업 완료가 19% 느려졌다. 2026년 후속 조사에서 연구진은 최신 AI가 더 큰 속도 향상을 만들 가능성을 인정했지만, AI 없이 일하기를 거부한 참가자의 이탈과 동시 에이전트 사용 때문에 현재 효과의 크기를 신뢰성 있게 측정하지 못했다고 밝혔다. **AI는 코드를 만드는 한계비용을 낮췄지만, 무엇을 만들어야 하는지 배우는 비용까지 없애지는 않았다.** 오히려 만들 수 있는 것이 많아질수록 잘못된 가설을 빠르게 제품으로 만드는 위험도 커진다. 그래서 AI 시대에도 MVP는 필요하다. 동시에 시장에 공개할 첫 경험은 더 이상 실험의 투박함을 변명으로 삼을 수 없다. 그렇다면 언제까지 실험하고, 어느 순간부터 사랑받을 만한 제품을 만들어야 하는가? 답은 MVP와 MLP를 경쟁시키지 않고 서로 다른 단계의 산출물로 두는 데 있다. MVP는 불확실성을 줄이는 실험이고, MLP는 확인된 문제를 고객이 반복해서 해결할 수 있게 만든 첫 시장 경험이다. 전자는 버려질 수 있어야 하고, 후자는 관계의 시작을 견딜 수 있어야 한다. ## 실험은 거칠어도 되지만 거짓이어서는 안 된다 MVP의 완성도는 화면의 광택이 아니라 가설을 얼마나 정확히 검증하는지로 판단해야 한다. 랜딩페이지, 수작업 컨시어지, 클릭되지 않는 프로토타입도 적절한 참가자와 명확한 측정 기준이 있다면 좋은 MVP가 될 수 있다. 반대로 멋진 AI 앱을 일주일 만에 만들었더라도 누구의 어떤 행동을 검증하는지 모르면 비싼 의견에 불과하다. 거칠다는 말도 사용자를 속이거나 위험을 떠넘겨도 된다는 뜻은 아니다. 결제, 개인정보, 의료·금융 판단처럼 실패 비용이 큰 영역에서는 실험 범위와 한계를 밝혀야 한다. 학습을 위해 품질을 줄일 수는 있지만 안전과 진실성까지 줄일 수는 없다. ## MLP의 최소 단위는 장식이 아니라 완결성이다 가설이 확인된 뒤에는 질문이 달라진다. 이제는 ‘사람들이 원하는가’가 아니라 ‘사람들이 이 제품을 믿고 다시 사용할 수 있는가’를 물어야 한다. 이때 필요한 것이 MLP다. Lovable을 confetti, 이스터에그, 부드러운 애니메이션으로 이해하면 또 다른 오해가 생긴다. 조달 시스템의 사용자가 사랑할 경험과 음악 앱의 사용자가 사랑할 경험은 다르다. 업무 제품에서 lovability는 빠른 응답, 예측 가능한 동작, 실수에서 복구되는 흐름, 사용자의 언어를 아는 기본값, 불필요한 승인을 줄이는 의견 있는 설계일 수 있다. 브랜드 사랑 연구도 같은 방향을 가리킨다. 만족, 자기 정체성과의 적합성, 개인적 경험, 기능적·감각적 고유성은 브랜드 사랑과 연결된다. 그러나 감정이 곧 사업 성과라는 결론은 경계해야 한다. 한 실험 연구에서는 구매하거나 충성 행동을 하지 않아도 브랜드를 사랑한다고 느끼는 소비자가 존재했다. 좋아한다는 말과 다시 쓰고 돈을 내는 행동은 다르다. 따라서 MLP는 감정 형용사로 승인하면 안 된다. 사용자가 핵심 과업을 끝냈는지, 다시 돌아왔는지, 대안을 두고도 선택했는지, 다른 사람에게 추천했는지, 실제로 비용을 지불했는지로 확인해야 한다. 사랑은 관찰해야 할 가설이지 출시 회의에서 선언할 수 있는 상태가 아니다. ## AI가 옮긴 병목은 구현에서 판단으로 간다 코드 생성이 빨라질수록 제품팀의 일은 줄어드는 것이 아니라 이동한다. 어떤 고객을 고를지, 어떤 문제를 버릴지, 생성된 선택지 가운데 무엇을 남길지, 실패를 어떻게 복구할지, 품질을 어디서 결정적 검사로 보장할지가 더 중요해진다. 기능을 복제하기 쉬운 시장에서도 감정 그 자체가 마지막 해자는 아니다. 말투와 애니메이션은 복사할 수 있다. 더 오래 남는 것은 제품이 축적한 신뢰, 사용자의 작업 이력, 팀의 습관에 들어간 위치, 데이터와 커뮤니티, 문제가 생겼을 때의 복구 경험이다. Lovability는 이 자산을 만들기 시작하는 방식이지 자산 자체는 아니다. 에이전트용 제품은 감정이 필요 없고 MCP 연결만 있으면 된다는 주장도 절반만 맞다. 에이전트는 기쁨을 느끼지 않지만 명확한 스키마, 안정된 응답, 예측 가능한 오류, 재시도 가능성, 관찰 가능한 결과가 필요하다. 그리고 어떤 도구에 권한과 예산을 줄지는 결국 인간 운영자가 결정한다. 인간용 제품의 신뢰성이 감정과 복구 경험으로 드러난다면, 에이전트용 제품의 신뢰성은 인터페이스와 실행 기록으로 드러난다. ## AI 시대의 제품 순서는 세 단계다 먼저 MVP로 가장 위험한 가정을 싸게 반증한다. 수요가 확인되면 좁은 고객과 한 가지 핵심 과업을 위해 MLP를 만든다. 그리고 출시 뒤에는 호감이 아니라 반복 사용과 지불 행동으로 사랑을 검증한다. 이 순서를 건너뛰고 바로 MLP를 만들면 아무도 원하지 않는 경험을 아름답게 완성할 수 있고, MVP에 머물면 고객에게 실험실 장비를 계속 사용하게 만든다. **AI 시대에 필요한 것은 MVP를 버리는 일이 아니다. 실험과 제품을 다시 구분하는 일이다.** 코드는 더 싸게 만들 수 있게 됐다. 그래서 무엇을 배워야 하는지와 무엇을 끝까지 책임져야 하는지를 구분하는 판단은 더 비싸졌다. --- 주요 출처: GeekNews, [Minimum Lovable Product의 시대](https://news.hada.io/topic?id=27336&ref=zerodraftlab.com); Elena Verna, [The Minimum Lovable Product Era](https://www.elenaverna.com/p/the-minimum-lovable-product-era?ref=zerodraftlab.com); Lean Startup Co., [What Is an MVP? Eric Ries Explains](https://leanstartup.co/resources/articles/what-is-an-mvp/?ref=zerodraftlab.com); Aha!, [What is a Minimum Lovable Product?](https://www.aha.io/roadmapping/guide/plans/what-is-a-minimum-lovable-product?ref=zerodraftlab.com); METR, [Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity](https://arxiv.org/abs/2507.09089?ref=zerodraftlab.com) 및 [2026 productivity experiment update](https://metr.org/blog/2026-02-24-uplift-update/?ref=zerodraftlab.com); Rahman·Langner·Temme, [Brand love](https://link.springer.com/article/10.1057/s41262-021-00237-7?ref=zerodraftlab.com); Robertson 외, [How deep is your love?](https://www.sciencedirect.com/science/article/pii/S014829632200491X?ref=zerodraftlab.com). AI 개발비와 코드 비중의 구체적 수치는 원문 저자의 주장으로만 다뤘으며 일반 사실로 사용하지 않았습니다.