비전공자가 바이오 AI 플랫폼을 만들 수 있을까 — 1인 개발 회고

배경: 나는 누구인가

나는 프로테오믹스/바이오인포매틱스 전문가다. R, Python으로 데이터 분석은 수천 번 했고, 질량분석 데이터의 전처리부터 통계 분석, 시각화까지 도메인 지식은 탄탄하다. SQL도 15년 넘게 써왔다.

하지만 웹 개발은 처음이었다.

HTML/CSS를 조금 안다는 것과 React 기반 풀스택 웹 애플리케이션을 만드는 것은 차원이 다른 이야기다. useState, useEffect, Context API, Server Components, API Routes — 이런 개념들이 낯설었다.

그런데 BioAI Market이라는 아이디어가 너무 확실했다. 프로테오믹스 분석을 웹에서 바로 할 수 있는 플랫폼. R이나 Python 환경 설정 없이, 데이터만 올리면 DE 분석, 시각화, 바이오마커 검증까지. 이 아이디어를 실현하려면 웹 개발을 해야 했다.

기술 스택 선택

Next.js — React 경험 없이 시작

npx create-next-app@latest bioai-market --typescript --tailwind --app

React를 한 번도 쓴 적 없는 상태에서 Next.js를 선택한 건 모험이었다. 하지만 이유가 있었다:

1. Vercel 무료 배포 — git push만 하면 배포 완료
2. 풀스택 — 프론트엔드 + API Routes로 백엔드까지 한 프레임워크에서
3. 커뮤니티 — 문서와 예제가 풍부해서 AI 어시스턴트가 잘 도와줄 수 있음

Supabase — SQL은 알지만 BaaS는 처음

import { createClient } from '@supabase/supabase-js';

const supabase = createClient(
  process.env.NEXT_PUBLIC_SUPABASE_URL!,
  process.env.NEXT_PUBLIC_SUPABASE_ANON_KEY!
);

SQL은 익숙했으니 Supabase의 PostgreSQL이 자연스러웠다. 하지만 Row Level Security(RLS), Auth, Realtime 같은 BaaS 기능은 처음이었다. 특히 RLS 정책 작성에서 시간을 많이 잡아먹었다.

-- 이 정책 하나 때문에 반나절 디버깅
CREATE POLICY "Users can view own data" ON analysis_results
  FOR SELECT USING (auth.uid() = user_id);

-- 에러: "new row violates row-level security policy"
-- 원인: INSERT 정책을 안 만들어놓고 INSERT를 시도
CREATE POLICY "Users can insert own data" ON analysis_results
  FOR INSERT WITH CHECK (auth.uid() = user_id);

Vercel — git push = 배포

무료 플랜의 60초 함수 실행 시간 제한이 가장 큰 제약이었다. 프로테오믹스 데이터 분석에 60초는 턱없이 부족하다. 500개 단백질의 DE 분석에 2~3분이 필요한데.

해결책: Python 분석 백엔드를 별도 서버(Railway 또는 로컬)에 두고, Vercel의 API Route에서 프록시하는 구조로 우회했다.

가장 어려웠던 것: 프론트엔드 상태 관리

React의 상태 관리가 가장 큰 벽이었다.

useEffect 무한 루프

// ❌ 이렇게 하면 무한 루프
useEffect(() => {
  const data = fetchAnalysisResults();
  setResults(data);  // state 변경 → 리렌더링 → useEffect 재실행 → ...
});

// ✅ 의존성 배열 추가
useEffect(() => {
  const data = fetchAnalysisResults();
  setResults(data);
}, []);  // 빈 배열: 마운트 시 1번만 실행

이 실수를 5번 이상 반복했다. 콘솔에 수천 개의 API 호출이 찍혀나가는 걸 보고 식은땀이 났다. Supabase 무료 플랜의 일일 API 호출 제한에 한 번 걸릴 뻔했다.

AuthContext 리렌더링 문제

// ❌ 모든 인증 상태 변경이 전체 앱 리렌더링 유발
const AuthContext = createContext<AuthState | null>(null);

function AuthProvider({ children }: { children: React.ReactNode }) {
  const [user, setUser] = useState<User | null>(null);
  const [loading, setLoading] = useState(true);
  
  useEffect(() => {
    const { data: { subscription } } = supabase.auth.onAuthStateChange(
      (event, session) => {
        setUser(session?.user ?? null);  // 모든 이벤트에서 state 변경
        setLoading(false);
      }
    );
    return () => subscription.unsubscribe();
  }, []);
  
  // 이 value가 바뀔 때마다 모든 consumer가 리렌더링
  return (
    <AuthContext.Provider value={{ user, loading }}>
      {children}
    </AuthContext.Provider>
  );
}

useMemo로 value를 메모이제이션하고, 불필요한 state 변경을 줄여서 해결했다. 이런 건 도메인 지식이 아니라 React 경험에서 오는 감각인데, 나한테는 없었다.

가장 쉬웠던 것: 백엔드 분석 파이프라인

반면 분석 로직은 놀라울 정도로 쉬웠다. 도메인 지식이 있으니 로직이 머릿속에 이미 그려져 있었다.

# DE 분석 파이프라인 — 도메인 지식이 있으면 30분이면 작성
def run_de_analysis(data: pd.DataFrame, groups: dict) -> pd.DataFrame:
    results = []
    for protein in data.index:
        group1_values = data.loc[protein, groups['control']]
        group2_values = data.loc[protein, groups['treatment']]
        
        # log2 fold change
        log2fc = np.mean(np.log2(group2_values + 1)) - np.mean(np.log2(group1_values + 1))
        
        # Welch's t-test
        stat, pval = stats.ttest_ind(group1_values, group2_values, equal_var=False)
        
        results.append({
            'protein': protein,
            'log2FC': log2fc,
            'p_value': pval,
        })
    
    df = pd.DataFrame(results)
    df['adj_p_value'] = multipletests(df['p_value'], method='fdr_bh')[1]
    return df

15년간 해온 일이니까. 검정 방법 선택, 정규화, FDR 보정 — 이런 건 손이 기억하고 있었다.

AI 어시스턴트(OpenClaw)의 위력

솔직히 말하면, AI 어시스턴트 없이는 불가능했을 것이다. OpenClaw를 활용해서:

1. 코드 생성: React 컴포넌트, API Route, 타입 정의 등을 자연어로 설명하면 코드 생성
2. 디버깅: 에러 메시지를 보여주면 원인과 해결책 제시
3. 배포 자동화: Vercel 설정, 환경 변수, 빌드 에러 해결
4. 문서화: README, API 문서 자동 생성

체감상 AI가 코딩의 70% 이상을 담당했다. 내 역할은 "뭘 만들지" 결정하고, AI가 만든 코드를 도메인 지식으로 검증하는 것이었다.

1인 개발의 현실

기능 추가 30% vs 버그 수정 70%

이게 현실이었다. 새 기능을 하나 추가하면 버그가 세 개 생겼다. 특히 프론트엔드와 백엔드의 데이터 형식 불일치, 인증 상태에 따른 조건부 렌더링, 에러 핸들링 누락 등이 시간을 잡아먹었다.

// 이런 에러가 매일 나왔다
TypeError: Cannot read properties of undefined (reading 'map')
// 원인: API 응답이 null인데 바로 .map() 호출
// 해결: optional chaining + fallback
const items = data?.results ?? [];

무료 스택의 한계와 타협

서비스	제한	타협
Vercel	함수 60초	Python 백엔드 분리
Supabase	500MB 저장	벡터 DB 최적화 (3.5MB)
Ollama	환각	템플릿 기반 렌더링
무료 도메인	없음	Vercel 기본 도메인 사용

전부 합쳐서 월 운영비 ₩0. 도메인 비용만 별도.

배운 교훈

1. "완벽한 코드보다 동작하는 프로덕트" — 리팩토링은 나중에. 일단 동작하게 만들어야 한다.
2. "도메인 전문성 + AI 코딩 = 강력한 조합" — 코딩은 AI가 해결하고, 내가 해결해야 하는 건 "무엇을 만들지"와 "결과가 맞는지 검증"이다.
3. "사용자에게 보여줘야 피드백이 온다" — 혼자 완성도를 높이는 것보다, 빨리 배포하고 피드백 받는 게 낫다.

다음 목표

• 사용자 확보: 프로테오믹스 연구자 커뮤니티에 홍보
• 유료 기능: 대용량 데이터 분석, 커스텀 리포트, 팀 협업
• Blood Top-Down Proteomics 분석 모듈 추가

2주 만에 0에서 프로덕트까지 왔다. 갈 길이 멀지만, 시작했다는 것 자체가 가장 큰 성과다.

💡 무료 스택으로 SaaS를 운영하는 방법은 bric.pe.kr의 월 0원 SaaS 구축기에서 다루었다. 프로테오믹스 분석 플랫폼의 기술적 세부사항은 sbmlab.com에서 확인할 수 있다.

Next.js 공식 문서와 Supabase 공식 문서가 이 여정에서 가장 많이 참고한 자료다.