GitHub 활동 기반 B2B 리드 생성 프로젝트를 3일 만에 중단한 이유

커뮤니티 반응

작성자의 솔직한 실패 공유에 대해 대체로 긍정적이며, LLM 시대에 '무엇을 만들 것인가'에 대한 통찰을 제공했다는 평가가 많다.

주요 논점

01찬성다수

데이터 소스의 결함과 API 제한은 극복하기 어려운 구조적 문제이므로 빠른 중단이 현명한 결정이다.

02중립다수

바이브 코딩이 개발을 쉽게 만들었지만, 비즈니스 검증의 중요성은 변하지 않았음을 시사한다.

합의점 vs 논쟁점

합의점

기술적 구현 가능성과 비즈니스 수익성은 별개의 문제이다.
LLM은 아이디어를 빠르게 프로토타이핑하고 실패를 앞당기는 데 유용하다.

논쟁점

GitHub 대신 LinkedIn이나 Indeed 스크래핑으로 피벗했을 때의 성공 가능성에 대해서는 의견이 갈린다.

실용적 조언

새로운 AI 앱을 기획할 때 외부 API의 속도 제한이 비즈니스 확장성을 가로막지 않는지 먼저 검토해야 한다.
코드를 한 줄도 쓰기 전에 잠재 고객에게 DM을 보내 실제 수요가 있는지부터 확인하는 것이 비용을 아끼는 길이다.

섹션별 상세

GitHub 오픈소스 활동 데이터가 실제 B2B 영업을 위한 유효한 신호가 되지 못함을 확인했다. YC 2025 배치 기업들을 전수 조사한 결과 80% 이상이 핵심 제품을 폐쇄형으로 유지하며, 공개된 저장소는 단순 플러그인이나 CLI 도구에 불과해 의사결정 구조를 파악할 수 있는 데이터 노이즈가 너무 심했다.

GitHub API의 기술적 제약이 서비스 확장의 근본적인 병목 현상으로 작용했다. 시간당 5,000회라는 요청 제한은 대규모 산업군 리포지토리를 스캔하고 기여자 데이터를 분석하기에 턱없이 부족하며, 이를 해결하기 위해 사용자 토큰을 요구하는 방식은 초기 제품의 진입 장벽을 과도하게 높이는 결과를 초래했다.

LLM을 활용한 개발 속도 향상이 오히려 비즈니스 본질을 흐리는 '허영 프로젝트' 양산으로 이어질 수 있음을 경고했다. Claude와 Claude Code를 사용해 코드를 작성하는 과정은 매우 빠르고 즐거웠으나, 정작 실제 사용자가 비용을 지불할 만한 핵심 문제를 해결하는 데는 기여하지 못했다는 점을 인정했다.

바이브 코딩의 진정한 가치는 빠른 배포가 아니라 아이디어의 타당성을 빠르게 검증하고 손절할 수 있게 돕는 데 있다. LLM과의 대화를 통해 수개월을 낭비하기 전에 며칠 만에 프로젝트의 구조적 결함을 파악하고 중단 결정을 내릴 수 있었던 것이 이번 실험의 가장 큰 수확이다.

용어 해설

바이브 코딩(Vibe Coding): — 엄격한 설계나 아키텍처 수립 대신 LLM과의 대화를 통해 직관적으로 코드를 작성하고 기능을 구현하는 개발 방식이다. 빠른 프로토타이핑이 가능하지만, 비즈니스 로직의 타당성 검증 없이 기술적 구현에만 매몰될 위험이 있다.
속도 제한(Rate Limiting): — 특정 시간 동안 API 서버에 보낼 수 있는 요청의 횟수를 제한하는 메커니즘이다. GitHub API의 경우 시간당 5,000회로 제한되어 있어, 대규모 데이터를 수집해야 하는 B2B 리드 생성 도구의 확장성을 가로막는 기술적 병목이 된다.
B2B 아웃바운드(B2B Outbound): — 기업 고객을 대상으로 잠재 고객 리스트를 확보하여 먼저 연락을 취하는 영업 방식이다. 이 글에서는 GitHub 활동 데이터를 분석하여 기술적 의사결정자를 찾아내고 맞춤형 제안을 보내는 자동화 시스템의 맥락에서 사용됐다.

언급된 도구

Claude Code추천

자율 AI 코딩 에이전트로 프로젝트 개발 및 리팩터링에 사용됨

GitHub API비추천

오픈소스 활동 데이터 수집을 위한 인터페이스