NotebookLM과 Claude Code로 개인 학습 앱 MVP를 만든 과정

새로운 분야를 공부할 때, 단순히 눈으로 읽는 것만으로는 내 것이 되지 않는다는 느낌을 받아본 적 있으신가요? 저는 최근 고전인 '도덕경'을 제대로 공부해보려다 비슷한 벽에 부딪혔습니다. 한자 원문은 어렵고, 번역본과 주석은 제각각이어서 시작부터 막막했습니다.

처음에는 구글의 NotebookLM을 활용해 방대한 자료를 정리했습니다. 하지만 곧 ‘문서를 읽어주는 도구’를 넘어 ‘나에게 질문을 던지고 답변을 확인해 줄 도구’가 필요하다는 것을 깨달았습니다.

오늘은 비개발자인 제가 AI(NotebookLM, Claude Code)와 역할을 나누어, 나만의 로컬 학습 웹앱 MVP(최소 기능 제품)를 기획하고 협업해 구현한 생생한 경험을 공유합니다. 1인 운영자나 개인 학습자가 AI와 협업해 작은 결과물을 만들 때 무엇을 놓치지 말아야 하는지 정리했습니다.

이 실험에서 확인한 것

• 문제: 눈으로만 읽는 AI 요약은 진짜 내 지식이 되는지 확인하기 어려웠음.
• 해결: 스스로 묻고 답할 수 있는 질문-답변형 로컬 학습 앱 MVP 제작.
• 역할 분담: 기획 및 운영 리스크 판단은 '사람(나)'이, 자료 정리는 'NotebookLM'이, 코드 구현은 'Claude Code'가 담당.

문제 정의 — 문서 읽기만으로는 부족했다

NotebookLM은 원문, 번역본, 강의 해설 등 여러 자료를 한곳에 모아두고 AI에게 질문을 던지는 데 매우 탁월한 도구입니다. 하지만 쓰면 쓸수록 한 가지 한계가 명확해졌습니다. AI의 깔끔한 요약을 읽고 "아, 그렇구나" 하고 고개를 끄덕이는 것과, 제가 직접 그 내용을 다른 사람에게 설명할 수 있는 것은 완전히 다른 문제였습니다.

요약본을 수동적으로 소비하는 구조에서 벗어나, 직접 질문을 받고 내 언어로 답을 입력하며 이해도를 점검할 수 있는 상호작용 형태의 학습 도구가 절실해졌습니다.

눈으로 읽는 것을 넘어, AI의 질문에 내 언어로 직접 답을 남기는 학습 기록 화면

실행 방법 — Claude Code와 역할을 나누다

저는 개발자가 아닙니다. 코드를 직접 짤 수는 없었지만, AI 개발 도구인 Claude Code를 활용해 협업 구조를 만들었습니다. 핵심은 ‘AI에게 모든 것을 맡기지 않고 역할을 명확히 나누는 것’이었습니다.

• 나(운영자): 기획자 역할을 맡았습니다. 무엇을 만들지, 누구를 위한 것인지, 어디까지 공개할지, 어떤 운영 리스크가 있는지를 판단했습니다. 단순한 기능 목록이 아니라 앱의 목적과 판단 기준을 세우는 데 집중했습니다.
• Claude Code: 실무 개발자 역할을 했습니다. 기술 구조(React + Vite, FastAPI, SQLite) 설계, 코드 구현, 버그 수정, 기능 확장을 담당했습니다.
• NotebookLM: 든든한 자료실 역할을 유지했습니다. 도덕경 원문과 해설 자료를 관리하고 핵심 데이터를 추출하는 데 사용했습니다.

"도덕경 학습 앱 만들어줘"라는 식의 막연한 지시가 아니라, 사용자가 어떤 흐름으로 쓸 것인지 시점별로 정의하여 AI에게 구현을 맡겼습니다.

NotebookLM과 Claude Code를 나누어 쓰는 기준

AI 도구가 많아지면서 어떤 도구를 어디에 써야 할지 헷갈리기 쉽습니다. 저는 이번 작업에서 두 도구의 강점을 명확히 분리해 효율을 높였습니다.

• 자료의 기준점(Grounding)이 필요한가? → NotebookLM: 앱에 들어갈 원문, 한자 뜻풀이, 해설 등 변하지 않는 '지식 창고' 역할은 NotebookLM에 맡겼습니다. 환각(거짓 정보)을 최소화하고 내가 올린 문서 안에서만 답을 찾게 만드는 데 최적화되어 있습니다.
• 논리적 구조와 실행이 필요한가? → Claude Code: 지식을 바탕으로 '작동하는 프로그램'을 만드는 일은 Claude에 맡겼습니다. 폴더를 생성하고, 파일을 나누고, 오류를 찾아 수정하는 실무 코딩에 압도적인 성능을 보여줍니다.
• 결론: NotebookLM은 '내용(Content)'을 다듬는 데, Claude Code는 '그릇(System)'을 만드는 데 사용하세요.

실제 운영 관점 — v0.1에서 v0.1.5까지

로컬 개발 서버를 기반으로 조금씩 기능을 덧붙이며 버전을 올렸습니다.

• 초기 단계: 단순히 질문을 띄우고 답을 입력하는 가장 기본적인 구조로 시작했습니다.
• 기능 확장: 학습 기록 저장과 진행률 확인 기능을 추가했습니다. 범위를 넓히면서 질문 옆에 원문 한자와 번역을 바로 볼 수 있는 참조 패널을 달았습니다.
• 문제 해결: 개발 과정에서 포트 점유 충돌이나 브라우저 자동완성 폼 버그 같은 예상치 못한 문제들이 발생했습니다. 이때 제가 한 일은 문제를 정확히 설명하고, Claude Code가 제안한 해결책을 실제 환경에서 테스트하며 다음 단계를 지시하는 것이었습니다.
• 최종 MVP (v0.1.5): 단일 사용자에서 멀티 사용자로 구조를 바꾸고, 소수 참여자를 위한 PIN 기반 접근 제한, 개인정보 안내, 기록 삭제 기능까지 추가했습니다.
• 
  

  

  공개 전 제한된 환경에서 소수 사용자의 접근을 통제하기 위해 구현한 PIN 등록 기능

  
  

작은 AI 학습 도구를 만들기 전 점검 질문

무작정 AI에게 코드를 짜달라고 하기 전에, 스스로 아래의 질문에 대답해 보시길 권장합니다. 이 질문에 대한 답이 곧 훌륭한 기획안이 됩니다.

• 진짜 상호작용이 필요한가?: 단순히 자료를 모아보는 것이 목적이라면 블로그나 메모 앱으로 충분합니다. 사용자가 직접 '입력'하고 피드백을 받아야 하는 구조가 필수일 때만 앱 형태로 넘어가세요.
• 핵심 기능 딱 하나는 무엇인가?: 처음부터 로그인, 결제, 화려한 디자인을 욕심내면 완성하지 못합니다. "질문을 보고 답을 쓴다"처럼 가장 뼈대가 되는 한 가지 기능(MVP)만 먼저 정의하세요.
• 데이터는 어디에 저장할 것인가?: 누구나 접속하는 클라우드 서버는 유지비와 보안 책임이 따릅니다. 아이디어를 가볍게 검증하고 싶다면, 제 사례처럼 내 PC에서만 돌아가는 '로컬 환경'에서 시작하는 것이 안전합니다.

주의할 점 — 기능보다 먼저 챙겨야 할 판단 기준

AI가 뚝딱 코드를 만들어준다고 해도, 실제 앱의 형태를 띠게 되면 사람이 반드시 챙겨야 할 중요한 판단 지점들이 있습니다. 비개발자라도 프로젝트 매니저(PM)로서 다음 사항들을 엄격히 점검해야 합니다.

• 개인정보 및 기록 관리: 베타 참여자의 학습 기록이 어디에 저장되는지 안내하고, 본인이 직접 삭제할 수 있는 권한과 흐름을 반드시 넣어야 합니다.
• 해석의 단정성 주의: 앱 내에 포함된 한자 설명이 학술적 정답처럼 비치지 않도록, "개인이 공부하며 정리한 임시 이해이며 향후 검증이 필요하다"는 점을 명시했습니다.
• 
  

  

  원문, 해설 참조 탭과 함께 학술적 정답이 아님을 명시한 주의 문구 적용 화면

  
  
• 보안 정보 비노출 관리: 관리자 키, PIN, 로컬 경로 등 민감한 데이터가 코드나 공개 문서에 노출되지 않도록 AI의 산출물을 계속 검토했습니다.
• 공개 범위 통제: 현재는 일반 공개 서비스가 아닙니다. 소수 사용자 중심의 제한된 베타 리허설을 거쳐야만 다음 단계를 결정할 수 있습니다.

이러한 리스크 판단은 Claude Code가 보조할 수는 있어도, 최종적으로는 사람이 책임지고 결정해야 하는 인간만의 고유한 영역입니다.

FAQ

Q1. 코딩을 전혀 몰라도 Claude Code로 앱을 만들 수 있나요?

네, 코드를 직접 짤 필요는 없지만, 프로그램이 어떻게 돌아가야 하는지 논리적인 ‘흐름’은 설명할 수 있어야 합니다. 무엇보다 AI가 만든 결과물을 테스트하고 오류를 명확히 짚어주는 기획력과 인내심이 필요합니다.

Q2. 왜 공개 서비스가 아니라 로컬 웹앱으로 만들었나요?

보안과 비용, 그리고 서비스 관리의 책임 때문입니다. 공개 서비스로 전환하는 순간 서버 운영, 보안, 개인정보 처리, 장애 대응 같은 관리 책임이 커집니다. 우선은 내 PC에서 돌아가는 로컬 MVP로 아이디어를 검증하는 것이 안전합니다.

Q3. AI가 정리한 학습 자료는 100% 믿을 수 있나요?

아닙니다. AI는 훌륭한 요약 도구지만, 때로는 그럴듯한 오답(할루시네이션)을 만들어냅니다. 특히 역사적, 철학적 고전은 맥락이 중요하므로 AI의 결과물을 학술적 정답으로 단정 짓지 말고 참고용 보조 도구로만 활용해야 합니다.

마무리 — AI 협업 시대, 사람이 쥐어야 할 운전대

이번 경험을 통해 확인한 사실은 명확합니다. 비개발자도 AI와 협업해 작은 MVP를 만들 수 있습니다. AI는 코드를 짜고 버그를 잡는 데 탁월한 능력을 발휘합니다.

하지만 목적을 설정하고, 타깃을 정하고, 공개 범위를 판단하며, 보안과 개인정보 같은 운영 리스크를 챙기는 것은 결국 사람이 끝까지 붙잡아야 할 영역입니다. AI가 모든 것을 자동으로 완성해준다는 기대에서 벗어나, AI를 유능한 실무자로 두고 나 자신이 훌륭한 기획자이자 프로젝트 매니저가 되어보세요.

오늘의 실행 제안

공부하고 싶은 주제의 PDF, 강의 메모, 웹 자료를 NotebookLM에 모아보세요. 그리고 AI에게 요약만 시키는 대신, "내가 이 내용을 잘 이해했는지 확인할 수 있도록 객관식 질문 3가지를 내줘"라고 요청해 능동적인 학습을 시작해 보시길 바랍니다.