사주·운세 앱, 경쟁사들은 AI 해설을 어떻게 만드는가 — 아키텍처·비용 벤치마크

1. 배경

덕사주타로는 현재 "만세력·사주 계산은 결정론적 코드로 처리하고, 그 결과를 문장으로 풀어주는 부분만 Gemini Flash 무료 티어에 맡기는" 구조로 운영 중이다. 코드가 계산을 담당하므로 명리학적 정확성은 보장되고, LLM은 톤앤매너와 문장 다양성만 책임진다. 문제는 이 구조를 앞으로도 유지할지, 아니면 경쟁사들처럼 상용 LLM API에 더 크게 의존하거나 자체 소형 언어모델(SLM)을 파인튜닝하는 방향으로 발전시킬지다. 이 판단에는 경쟁사 벤치마크와 정량적 비용 비교가 필요하다.

2. 조사 방법론

경쟁사의 AI 백엔드 아키텍처(LLM API 연동 여부, 자체 모델 파인튜닝 여부, 순수 템플릿 여부)는 기업 대부분이 공개하지 않는 정보다. 이 보고서는 다음 소스만 사용했다: ① 앱스토어·플레이스토어 설명 및 마케팅 페이지, ② 개발사 공식 블로그·보도자료, ③ 채용공고(기술스택 힌트), ④ 언론 인터뷰·기사, ⑤ 업계 일반 관행을 다루는 개발 대행사·컨설팅 블로그(2026년 발행분 위주), ⑥ Anthropic·OpenAI·Google의 공식 가격 페이지 및 이를 인용하는 2026년 발행 3자 비교글, ⑦ RunPod·Lambda Labs 등 GPU 클라우드 공식 가격 페이지. 직접 소스코드나 인프라를 확인할 방법이 없으므로, 이 보고서의 모든 "아키텍처 판단"은 확인된 사실(공식 발표·자사 언급)과 추정(간접 증거)을 분리해서 표기했다 — 추정 라벨이 붙은 항목은 확정된 사실이 아니다.

3. 국내 사례

점신 (Jeomsin)

1900만 다운로드를 내세우는 국내 최대 운세 플랫폼 중 하나로, 2025년 12월 기준 MAU 약 96만 7천 명(전년 동기 대비 +16.6%)을 기록했다. 앱 마케팅 문구에 "AI 기술과 사주 알고리즘을 결합한 오늘의 관상" 서비스가 언급되지만, 어떤 모델을 어떤 방식으로 쓰는지는 공개돼 있지 않다. 채용 플랫폼(점핏)의 백엔드 개발자 공고에는 "생성형 AI 접목한 개발 경력 우대"라는 문구가 있어 — 정확히 어떤 형태인지는 알 수 없지만 — 최소한 생성형 AI를 신규 기능에 통합하려는 채용 의도가 있음을 시사한다.

출처: 점핏 채용공고 (jumpit.saramin.co.kr/position/20262, 확인 2026-07-06) · 매거진한경 "MZ세대 챗GPT로 사주 본다" (magazine.hankyung.com, 2025-03) · jeomsin.co.kr 추정 포함

포스텔러 (Forceteller)

누적 가입자 860만, 2025년 12월 MAU 약 62만 8천 명(전년 동기 대비 +28%)을 기록한 국내 대표 운세 앱. 자체 개발 만세력 알고리즘에 더해 별도의 AI 상담 서브프로덕트인 "포스텔러 AI 아이샤의 상담소"(ai.forceteller.com)를 운영 중임이 확인된다 — 즉 계산 로직과 대화형 AI를 분리한 하이브리드 구조를 취하고 있을 가능성이 높다(정확한 백엔드 LLM은 비공개). 이용자 커뮤니티에서는 포스텔러의 만세력 결과물을 ChatGPT·Gemini·Claude에 수동으로 붙여넣어 재해석하는 사용 패턴도 관찰되는데, 이는 포스텔러 자체 앱의 내부 아키텍처와는 무관한 이용자 행태다.

출처: forceteller.com, ai.forceteller.com (확인 2026-07-06) · 지피터스 커뮤니티 언급 AI 백엔드 모델명 미확인, 추정 포함

헬로우봇 (Hellobot)

페이스북 메신저 타로 챗봇 "라마마(Lamama)"에서 출발해 사주·타로·운세 챗봇군(라마마·풀리파이·판밍밍 등)으로 확장한 대화형 운세 서비스로, 아시아 최대 규모의 타로·운세 챗봇 앱을 표방한다. 대화형 UX 자체가 제품의 핵심이라는 점에서 LLM 기반 자유 대화 생성을 적극 활용할 유인이 크지만, 공개된 자료에서 기술 스택(자체 모델 vs 상용 API)은 확인되지 않았다.

출처: hellobot.co, 나무위키 "헬로우봇" 항목, Google Play 스토어 설명 (확인 2026-07-06) 기술스택 미확인

4. 글로벌 사례

글로벌 astrology 앱 업계는 AI 채택 여부에서 뚜렷하게 갈린다 — 이는 이 조사에서 확인된 몇 안 되는 확정적 사실 중 하나다.

Co-Star — AI를 적극 수용

Co-Star는 2023년 뉴욕 맨해튼(Iconic Magazines 매장)에 GPT-3 기술을 부분적으로 활용한 "AI 오라클 머신(astrology machine)"을 실물로 설치해 화제가 됐고, 이후 LA로 확장했다. 이는 언론(Business Insider 등 2차 인용) 보도로 확인되는 사실이다. Co-Star 앱 자체의 프리미엄 기능("Ask the stars & get answers to your deepest questions")도 AI와 실제 점성술사 협업으로 제작된다고 앱스토어에 명시돼 있다. 다만 현재 프로덕션 앱의 실시간 채팅이 어떤 LLM(OpenAI/자체 파인튜닝 등)을 쓰는지 공식 확인은 안 된다.

출처: biztoc.com (Business Insider 인용, "Co-Star has a new astrology machine that answers questions with ChatGPT"), apps.apple.com Co-Star 설명, openfuture.ai Co-Star 리뷰 (확인 2026-07-06) 현재 프로덕션 백엔드 모델 미확인

CHANI — AI를 정면으로 거부

점성술사 Chani Nicholas 기반의 CHANI 앱은 자사 공식 페이지("Can AI be your astrologer?")에서 "CHANI 웹사이트와 앱의 모든 문구는 실제 점성술사가 직접 작성·녹음한 것이며, 결코 컴퓨터가 아니다"라고 명시적으로 선언한다. 약 500만 사용자, 월매출 약 $405,000 규모로 추정되며, AI 배제를 브랜드 차별화 요소로 삼고 있다.

출처: chani.com/astro-education/can-ai-be-your-astrologer (공식 발표, 확인 2026-07-06) · ts2.tech 업계 동향 기사(매출·사용자 수치는 3자 추정) 매출·사용자 수는 추정치

Sanctuary — 인간 점성술사 실시간 채팅으로 승부

Sanctuary는 무료 일일 운세·버스 차트는 "AI가 보강한" 콘텐츠로 제공하되, 핵심 유료 상품은 프로 점성술사와의 실시간 텍스트 채팅 마켓플레이스다. 이는 업계에 넘쳐나는 AI 생성 콘텐츠에 맞서 "알고리즘이 흉내낼 수 없는 인간 전문성"에 의도적으로 베팅한 포지셔닝으로 평가된다(3자 리뷰 기준).

출처: auraeastrology.com "Sanctuary Astrology App Review 2026"(3자 리뷰), shop.sanctuaryworld.co (확인 2026-07-06) 전략적 의도 해석은 3자 평가 기반 추정

Nebula (OBRIO) — AI 활용, 얕은 깊이 지적받음

우크라이나 스타트업 OBRIO가 운영하는 Nebula는 AI 기반 astrology 앱으로 2024년 기준 누적 1,200만 다운로드, MAU 약 400만, 연 매출 $700만 이상으로 보도된다(전쟁 중에도 250% 성장했다는 보도 있음). 다만 3자 리뷰에서는 "AI 운세 콘텐츠는 무난하지만 차트 요소 간 종합 해석 깊이가 부족하고 타로·수비학 기능이 붙여넣기 식으로 느껴진다"는 평가가 있어, AI를 쓰되 룰베이스/템플릿에 가까운 얕은 통합일 가능성을 시사한다.

출처: asksoma.ai 비교 리뷰, ts2.tech 업계 동향(투자·성장률은 보도 인용) (확인 2026-07-06) 내부 아키텍처 미확인, 리뷰 기반 추정

5. 3+1 아키텍처 유형 비교

업계에서 실제 관찰되거나(위 사례) 일반적으로 통용되는(개발 대행사 자료 기준) 아키텍처 패턴을 4가지로 구조화했다. ④는 덕사주타로가 현재 쓰는 방식이다.

6. 비용 비교

사주 리포트 1건당 필요한 토큰 수를 추정했다: 만세력 계산 결과·프롬프트 지시문 등 입력 약 2,000토큰, 생성되는 해설문 출력 약 1,500토큰(현재 덕사주타로 운영 경험 기반 가정 — 실제 프롬프트 길이·응답 길이에 따라 ±50% 이상 달라질 수 있음).

Gemini Flash 무료 티어 실제 한도

2025년 12월 7일 Google이 무료 티어 쿼터를 50~80% 축소한 것으로 보도됐다. 현재(2026년 7월) 확인되는 Gemini 2.5 Flash 무료 티어는 분당 10 요청(RPM), 분당 25만 토큰(TPM) 수준이며, 일일 요청 한도(RPD)는 소스마다 250건과 1,500건으로 엇갈려 보도된다 — RPD 수치는 출처 간 불일치, 확정 불가. 트래픽이 늘어 무료 한도를 초과하면 위 Exhibit 2의 유료 단가($0.30/$2.50 per 1M)가 적용되며, 월 1만 건 기준으로도 약 $44/월 수준이라 큰 부담은 아니다.

출처: aifreeapi.com "Gemini API Free Tier Rate Limits" (2026), tokenmix.ai "Gemini API Free Tier 2026", ai.google.dev/gemini-api/docs/rate-limits (확인 2026-07-06) RPD 수치 불일치

오픈소스 SLM 파인튜닝·호스팅 비용

Llama 3.1 8B/Qwen2.5 7B급 모델을 LoRA/QLoRA로 파인튜닝하는 비용은 데이터 규모와 GPU 선택에 따라 3자 벤치마크 기준 약 $3(L4 GPU, 소규모 데이터)에서 $460(A100, 대규모 데이터셋)까지 폭넓게 보고되며, "1만 건 학습데이터 기준 보통 $20 이하, 실험 반복 포함해도 $460 이하"가 대체적인 범위다. 이는 일회성 비용이다.

추론 호스팅은 두 갈래다. ① 서버리스 GPU: RunPod 서버리스에서 Llama 3.1 8B(vLLM) 기준 요청당 약 $0.0004로 보고되나, 이는 특정 벤치마크의 평균값이라 실제 프롬프트 길이에 따라 달라진다 — 참고치, 우리 워크로드 실측 아님. ② 상시 서버: RunPod A100 80GB 온디맨드 $1.19~1.39/시간, Lambda Labs A100 80GB(8-GPU 구성) $2.79/GPU/시간, H100은 RunPod $1.99~2.69/시간, Lambda $3.29~4.29/시간. 24시간 상시 가동 시 A100 기준 월 약 $860~1,000이 고정비로 발생한다.

출처: 10xstudio.ai, sliceofexperiments.com, medium.com(@velinxs, @sparknp1) 파인튜닝 비용 사례 정리 · runpod.io/pricing, spheron.network 블로그, buildmvpfast.com GPU 가격 비교 (모두 2026 확인) 벤치마크치, 실측 아님

룰베이스(템플릿) 방식의 실질 비용

API·GPU 비용은 사실상 $0이지만, 문장 다양성을 유지하려면 명리학 전문 카피라이터/기획자가 지속적으로 템플릿을 늘려야 한다. 이는 인건비로 전가되는 구조이며 정량화가 어렵다 — 개발팀 규모와 콘텐츠 갱신 주기에 전적으로 의존한다.

7. 트래픽 규모별 손익분기 프레임워크

아래는 자체 GPU 상시 가동(A100 80GB, 월 약 $900 고정비 가정)과 상용 API 건당 비용을 비교한 추정 손익분기 분석이다. 실제로는 서버리스 GPU(유휴비용 없음, 대신 콜드스타트·요청당 오버헤드 존재)라는 중간 옵션도 있어 이분법적 분기점은 아니지만, 방향성 판단에는 유용하다.

결론적으로 손익분기는 "어떤 상용 모델과 비교하느냐"에 크게 좌우된다: 초저가 모델(Gemini Flash-Lite, GPT-4o-mini)과 비교하면 자체 호스팅이 유리해지는 지점이 월 100만 건 이상으로 늦게 오지만, 고가 모델(Claude Opus, GPT-4o)과 비교하면 월 10만~50만 건 구간에서도 자체 호스팅 검토가 정당화될 수 있다. 덕사주타로처럼 이미 Gemini Flash 무료/초저가 티어를 쓰는 경우, 현재 트래픽 규모(추정상 월 1만 건 미만)에서는 자체 SLM 파인튜닝의 경제적 이점이 없다 — 오히려 파인튜닝·MLOps 인건비가 API 비용 절감분을 크게 초과한다.

8. 리스크·불확실성

• 추정 경쟁사 내부 아키텍처는 대부분 비공개 — 이 보고서의 "국내 사례", "글로벌 사례" 섹션 상당수는 채용공고·마케팅 문구·3자 리뷰에서 추론한 정황 증거이지, 확정된 사실이 아니다.
• 추정 사주 리포트 1건당 토큰 수(입력 2,000/출력 1,500)는 덕사주타로 운영 경험에 기반한 가정이며, 실제 프롬프트·응답 길이에 따라 비용 추정치가 크게 달라질 수 있다.
• 추정 Gemini 무료 티어의 정확한 RPD 한도는 출처마다 250건/1,500건으로 엇갈려 확정할 수 없었다 — 실제 운영 중인 앱에서 직접 API 응답 헤더(rate-limit 정보)를 확인하는 것이 가장 정확하다.
• 추정 손익분기 분석은 GPU 상시 가동을 가정했으나, 서버리스 GPU(RunPod Serverless 등)를 쓰면 유휴비용이 사라지는 대신 콜드스타트 지연과 요청당 오버헤드가 발생해 손익분기점이 달라진다 — 이 보고서는 이 중간 옵션을 정밀 모델링하지 않았다.
• 가격은 2026년 7월 시점 스냅샷이다. Claude Sonnet 5의 도입가($2/$10)는 2026-08-31에 정가($3/$15)로 전환되므로, 이후 재계산이 필요하다.
• 이 보고서는 순수 텍스트 생성 비용만 다뤘다 — 이미지/사주 시각화, 다국어 지원 등 추가 기능을 붙이면 비용 구조가 달라진다.

9. 덕사주타로에 대한 결론·제안

1) 아키텍처 자체는 바꿀 필요가 없다. "코드 계산 + LLM 해설"이라는 하이브리드 구조는 업계에서 관찰되는 패턴(포스텔러 추정 사례)과 방향이 일치하고, 명리학적 정확성을 계산 로직이 보장한다는 점에서 오히려 구조적으로 유리하다. 순수 상용 API 의존(Co-Star류)이나 자체 SLM 파인튜닝으로 전환할 경제적·품질적 근거는 현재 트래픽 규모에서 확인되지 않는다.

2) 지금 당장 필요한 것은 아키텍처 전환이 아니라 "무료 티어 초과 시 폴백 설계"다. Gemini Flash 무료 한도(RPM/RPD)를 초과할 경우 자동으로 유료 티어(같은 Flash 모델, $0.30/$2.50 per 1M — 월 1만 건 기준 약 $44)로 넘어가거나, GPT-4o-mini($0.15/$0.60, 월 1만 건 기준 약 $12)로 폴백하는 경로를 마련하는 편이 자체 모델 파인튜닝보다 훨씬 저비용·저리스크다.

3) 트래픽이 늘면 재검토할 신호. 월 요청량이 10만 건을 넘어서고 그 시점에 Haiku/Sonnet급 이상의 고가 모델을 쓰고 있다면, 자체 SLM(Llama 3.1 8B/Qwen2.5 7B 파인튜닝, 예상 초기비용 $20~460 + 월 GPU $900대)의 손익분기 재계산을 시작할 시점이다. 다만 그 전까지는 초저가 상용 API 조합이 항상 더 저렴하다.

4) 브랜드 포지셔닝 참고. CHANI("AI 아님")와 Sanctuary(인간 채팅 중심)는 AI 전면 배제/보조 전략으로 차별화에 성공한 사례로 보인다. 덕사주타로의 "꽉이" 캐릭터 톤앤매너를 감안하면, LLM을 쓰되 "AI가 아니라 꽉이가 직접 풀어준다"는 서사를 유지하는 현재 방향이 CHANI식 포지셔닝과 결이 맞다 — 이는 기술 선택이 아니라 마케팅 판단이지만 참고할 만하다.

부록: 출처 목록 및 확인일자

모든 출처는 2026-07-06 기준 확인. 국내: jeomsin.co.kr, jumpit.saramin.co.kr, forceteller.com, ai.forceteller.com, hellobot.co, namu.wiki, magazine.hankyung.com. 글로벌: chani.com, apps.apple.com(Co-Star), biztoc.com, auraeastrology.com, asksoma.ai, ts2.tech, openfuture.ai. 가격: platform.claude.com/docs/en/pricing, openai.com/business/pricing, pricepertoken.com, finout.io, ai.google.dev/gemini-api, aifreeapi.com, tokenmix.ai. GPU/파인튜닝: runpod.io/pricing, spheron.network, buildmvpfast.com, 10xstudio.ai, sliceofexperiments.com, medium.com(@velinxs, @sparknp1).