코딩 1도 모르던 제가, '칼로리 스캐너'를 만든 방법

Bopyo Park 10 May 2025

안녕하세요, 에코 뉴스레터 구독자 여러분!

오늘은 주말을 맞아 가볍게 뉴스레터를 보내드립니다. 지난 유튜브 영상에서 저는 Replit AI를 활용하여 '운동 자세 교정 웹 앱'을 만든 경험을 공유했었는데요.

그 이후 점심을 먹다가 문득 '내가 방금 먹은 이 음식의 칼로리를 소모하려면 어느 정도의 운동이 필요할까?'라는 생각이 들었습니다. 예전 같았으면 그냥 지나쳤을 텐데, 이번엔 Replit AI가 떠올라 직접 며칠 동안 웹 앱을 만들어 보았습니다. (역시 한번 배우면 무섭습니다?)

오늘 뉴스레터에서는 제가 이 웹 앱을 만드는 과정에서 AI의 도움을 받아 겪은 흥미로운 경험과 느낀 점들을 소개해 드리겠습니다.

Step 1. 아이디어 시작

내가 지금 먹은 음식의 칼로리를 쉽게 확인하고, 그 칼로리를 태우려면 운동을 얼마나 해야 할까?

이거 먹어도 될까? 이거 먹으면 얼마나 운동해야 하지?

아마 운동이나 다이어트에 관심 있는 분들이라면 한 번쯤 이런 생각을 해보셨을 겁니다.
저 역시 지난번 맥도날드에서 햄버거를 먹다가 이 질문이 떠올랐습니다. 예전 같으면 그냥 스쳐 지나갔겠지만, 이번엔 Replit AI가 생각나서 곧바로 간단하고 직관적인 앱을 만들기로 했습니다.

이름은 바로 '스냅-투-번 (Snap-to-Burn)'
코딩은 잘 모르지만, Replit AI 덕분에 아이디어를 현실화하는 데 도전할 수 있었습니다. 지난번 '운동 자세 교정 앱'을 만들어본 경험 덕에 이번 도전은 더욱 자신감 있게 시작할 수 있었답니다.

Step 2. AI로 앱 개발 시작하기

레플릿(Replit)에서 앱 제작을 시작하기 전에, 여러분의 아이디어를 꼭 먼저 GPT-o3와 상의해보시길 권합니다.

최근 AI를 단순한 도구가 아니라 하나의 동료처럼 활용해야 한다는 이야기를 접했습니다. 여러분도 GPT-o3를 동료처럼 활용해, 아이디어가 실현 가능한지, 제작 시 너무 많은 시간이나 리소스가 소모되지는 않을지 미리 점검해 보시길 바랍니다.

만약 아이디어가 복잡하거나 부담된다면, 가능한 가장 간단한 형태의 첫 제품(MVP)을 만들도록 AI와 논의해 보시는 것도 좋습니다. 실제 사람 동료와 아이디어를 상의하듯이 말이죠.

AI를 단순히 도구로 생각하면 결과가 기대에 미치지 못했을 때 쉽게 포기하게 됩니다. 하지만 AI를 '동료'로 인식하는 순간, 결과에 대한 피드백과 개선이 자연스럽게 이루어져 결국 원하는 목표에 더 빠르게 도달할 수 있습니다.

이 점 꼭 기억하시고, 여러분의 아이디어를 GPT-o3와 적극적으로 상의하며 멋진 결과물을 만드시길 바랍니다.

GPT-o3 에서 받은 최적의 설계 프롬프트를 Replit AI에게 붙여넣기 한다

Step 3. 개발 과정

사실 '개발 과정'이라는 표현이 조금 거창할 수도 있겠습니다. 저는 단지 GPT-o3를 동료 삼아 충분히 대화하며 아이디어를 점검하고, 가장 빠르게 실행 가능한 수준의 프롬프트를 제안받았을 뿐입니다.

그리고 이 프롬프트를 그대로 레플릿(Replit) AI에 붙여넣자, AI는 저를 대신해 개발을 시작했습니다. 출시 목적이 아니라 순전히 제 호기심과 재미로 시작한 프로젝트였기 때문에, 복잡하고 정교한 기능보다는 빠르게 결과물을 눈으로 직접 확인하고 싶었습니다.

햄버거 하나를 먹었을 때, 이 칼로리를 소모하려면 얼마나 운동을 해야 할까?

처음에 떠올린 이 질문에 대한 답을 보고 싶어서 시작한 일이니, 가볍게라도 끝을 보는 게 중요했습니다.

550 칼로리 소모를 해야하며, 이정도 칼로리 소모를 하기 위해 어떤 운동을 해야하는지 알려줌

Step 4. 앱 테스트 해보기

맥도널드 햄버거 사진을 온라인에서 찾아서 업로드 하였습니다. 그리고 조금 기다리자 분석 결과는 다음과 같았습니다:

음식: 더블 치즈버거
예상 칼로리: 550 kcal
소모를 위한 운동:
- 달리기: 45분
- 사이클링: 60분
- 줄넘기: 40분

제가 러닝을 30분하면 400칼로리까지 소모되는데 45분을 하면 충분히 550 칼로리정도 소모될것으로 생각됩니다. 사이클링과 줄넘기는 평소 하지 않기 때문에 잘 모르겠지만 러닝에서의 정확도는 비슷하였고 실제 이 햄버거 칼로리(빅맥) 580칼로리와 30칼로리 정도의 오차를 보였습니다. 큰 오차는 아니였기에 충분히 이해할 수 있는 수준이였고, 만약 이 오차범위를 줄이고 싶다면 GPT의 API가 아닌 다른 서비스의 API를 사용한다면 더 가능하다는 제안을 역시 GPT에게 받았습니다. 그러나 저는 이정도에 만족하기에 마지막으로 한국어 버전으로 부탁하고 여기에서 앱을 마무리 하였습니다.