Vibecoding: Pendapatan Proyek Nyata dan Mitos Jutaan

Pembicaraan tentang jutaan dari vibecoding terdengar di mana-mana: satu juta dalam 17 hari, satu juta pada bulan Oktober, satu juta dari satu prompt. Saya memutuskan untuk melakukan pemeriksaan: berapa banyak proyek yang benar-benar melewati ambang batas pendapatan bulanan $100.000 atau total pendapatan $1.000.000 (termasuk jumlah exit). Gambaran yang muncul jauh lebih sederhana dari yang diharapkan. Jika kita mengecualikan proyek-proyek yang produknya sendiri adalah solusi AI, sangat sedikit startup yang tersisa yang benar-benar didasarkan pada vibecoding.

Dalam analisis ini, saya tidak mencampuradukkan konsep ARR (Pendapatan Berulang Tahunan) dan pendapatan aktual. ARR adalah proyeksi bulan berjalan dikalikan dua belas, bukan uang yang diperoleh. Di mana sumber menunjukkan ARR, saya mencatatnya dan menghitung ulang pendapatan bulanan secara terpisah. Urutan proyek dalam tabel di bawah ini tidak ditentukan oleh ukuran pendapatan, tetapi oleh keandalan konfirmasi indikator keuangan.

Proyek yang melewati ambang batas $100.000/bulan atau total pendapatan $1 juta

Daftar ini mencakup proyek dengan laporan pendapatan publik mulai dari $100.000 per bulan atau total pendapatan mulai dari $1.000.000.

1. Medvi: $401 juta di tahun pertama

   Telemedicine yang berspesialisasi dalam obat GLP-1 untuk penurunan berat badan. Pendiri Matthew Gallagher meluncurkan proyek ini pada September 2024 dengan investasi sekitar $20.000. Menurut publikasi, tahun pertama menghasilkan pendapatan $401 juta, sekitar 250.000 pelanggan, dan keuntungan $65 juta dengan margin 16%. Staf: dua orang (Gallagher sendiri dan saudaranya Elliot), sisanya adalah kontraktor.

   • Vibecoding: Kode, situs web, dan agen ditulis menggunakan Claude, Grok, dan ChatGPT. Visual untuk iklan — Midjourney dan Runway. Panggilan pelanggan — ElevenLabs.
   • Inti bisnis: Bagian utama bisnis — dokter, apotek, resep, dan kerangka hukum — dialihdayakan melalui CareValidate, OpenLoop Health, dan LegalZoom. Gallagher berfokus pada perakitan dan lalu lintas.

2. Base44: dijual seharga $80 juta

   Pembuat aplikasi dari deskripsi teks, dibuat oleh Maor Shlomo. Diluncurkan pada awal 2025. Pada bulan Mei, perusahaan menunjukkan keuntungan $189.000 per bulan. Pada bulan Juni, Wix mengumumkan akuisisi seharga $80 juta tunai. Pada saat kesepakatan, proyek tersebut memiliki 250.000 pengguna. Shlomo adalah satu-satunya pemilik, tetapi pada saat penjualan, delapan orang bekerja di perusahaan, yang menerima $25 juta dari jumlah kesepakatan sebagai retensi.

• Vibecoding: Shlomo sengaja membangun basis kode sedemikian rupa sehingga sebagian besar dihasilkan oleh model, dan menggunakan perutean prompt di antara model yang berbeda. Ini adalah salah satu contoh paling murni di mana produk itu sendiri adalah vibecoding dan dibangun dengan metode yang sama.
• Verifikasi: Indikator keuangan dikonfirmasi oleh dokumen transaksi, bukan tweet.

Proyek yang tidak mencapai ambang batas, tetapi sering disebutkan

Proyek-proyek ini sering muncul dalam pilihan, tetapi indikator keuangannya tidak memenuhi ambang batas yang ditetapkan.

1. Cal AI: Pendapatan bulanan $2 juta, tetapi labelnya meragukan

   Aplikasi untuk menghitung kalori dari foto makanan. Penulis Zach Yadegari dan Henry Langmack. Diluncurkan pada Mei 2024. Pada Juli 2025 — 8,3 juta unduhan dan, menurut CNBC Make It, sekitar $1,4 juta laba kotor bulanan, dan juga disebutkan $2 juta pendapatan bulanan. Secara finansial memenuhi syarat, tetapi untuk label vibecoding — tidak. TechCrunch mengungkapkan bahwa Yadegari menulis kode sendiri, mulai memprogram pada usia sepuluh tahun. Model Anthropic dan OpenAI hanya digunakan untuk pengenalan gambar di dalam produk.

2. fly.pieter.com: $1 juta ARR, tetapi puncak $87.000/bulan

   Simulator penerbangan di browser dari Pieter Levels. Prototipe dasar dalam 30 menit. $1 juta ARR diumumkan pada Februari 2025, 17 hari setelah rilis. Puncak pendapatan bulanan sekitar $87.000. Monetisasi: model pesawat berbayar dan item seharga $29,99. Metode Levels: “satu prompt – satu lapisan”. $1 juta ARR adalah proyeksi tahunan, bukan satu juta yang sudah diperoleh. Proyek ini belum mencapai ambang batas pendapatan bulanan $100.000.

3. Stanley: $1 juta ARR, tetapi bukan pendapatan

   Alat AI untuk bekerja dengan konten, dibuat oleh Vitaly Dodonov dan John Hu dalam 14 hari. Versi LinkedIn dirilis pada Juni 2025 dan dalam enam minggu menunjukkan $200.000 ARR. Tim melewati angka $1 juta ARR pada Oktober 2025. “Aplikasi dalam 14 hari” mengacu pada potongan kerja pertama, bukan produk lengkap. Nilai utama ditambahkan setelah peluncuran. Sekali lagi, ini ARR, bukan pendapatan aktual.

4. Lumoo: €700.000 ARR, sekitar €58.000/bulan

   Platform untuk merek fashion dan ritel dari Henrik Skagerlind Fast dan Peter Törngren. Menawarkan visualisasi fotorealistik dan uji coba virtual. Berdasarkan kasus Lovable, dalam sembilan bulan produk mencapai €700.000 ARR, menghubungkan lebih dari lima belas merek. Tujuannya adalah €1 juta ARR pada November 2025. Pendapatan bulanan sekitar €58.000, yang di bawah ambang batas. Keberhasilan proyek ini disebabkan oleh koneksi industri para pendiri, bukan antarmuka yang dihasilkan.

5. Plinq: $456.000 ARR, sekitar $38.000/bulan

   Aplikasi pemeriksaan latar belakang dan keamanan dari Sabine Matos. Sepenuhnya dibangun di Lovable. Dilaporkan 6.000 ARR, menarik R3 juta dan lebih dari 10.000 pengguna. 6.000 ARR adalah sekitar $500 per bulan, dan itu dalam interpretasi terbaik. Kasus ini menarik karena aplikasi mengumpulkan audiens sebelum uang. Investasi datang setelah pengguna muncul, bukan karena generasi versi pertama oleh alat.

   
   

Kesimpulan Umum dan Faktor Kunci Keberhasilan

Analisis menunjukkan bahwa keberhasilan proyek tidak hanya bergantung pada kode murah yang dihasilkan AI. Ada beberapa kesamaan di antara startup yang sukses.

Skala Tim di Awal

Empat dari lima kasus sukses dimulai dengan satu atau dua orang. Ini bukan hanya karena vibecoding, tetapi juga indikasi bahwa produk dapat dibangun lebih cepat daripada membentuk tim.

Infrastruktur di Pundak Orang Lain

Proyek-proyek yang sukses secara aktif menggunakan layanan dan API pihak ketiga:

• Medvi mengalihdayakan dokter, apotek, dan pengacara.
• Wave AI menggunakan API pihak ketiga untuk transkripsi.
• Cal AI — untuk pengenalan dan basis produk.
• Lumoo terintegrasi ke dalam alur kerja merek yang sudah ada.

Hanya hal-hal yang tidak ada di pasar yang harus dibangun dari awal.

Uang tidak datang dari kode murah

Tidak ada produk yang menang hanya karena kode yang murah atau yang dihasilkan. Uang datang dari faktor lain:

• Cal AI — melalui influencer.
• Stanley — melalui distribusi via LinkedIn.
• Medvi — melalui kontraktor berlisensi.
• Wave AI — melalui inferensi yang mahal (perhitungan model).
• Plinq — melalui audiens yang muncul sebelum pendapatan.

Pembuatan kode mempercepat waktu peluncuran, tetapi bukan sumber pendapatan utama.

Metode verifikasi multi-model

Hampir semua tim dalam pilihan ini menggunakan trik: menjalankan satu tugas melalui beberapa model dan membandingkan hasilnya. Dengan cara ini Peec AI memeriksa permintaan, Base44 merutekan prompt, dan Levels mengumpulkan lapisan permainan, mengubah model untuk setiap tugas. Ini memungkinkan pengujian hipotesis yang cepat dan menemukan solusi optimal. Anda dapat menguji pendekatan ini dalam semalam: ambil prompt Anda saat ini dan jalankan melalui tiga model berbeda untuk melihat perbedaan dan memilih opsi terbaik.

Pertanyaan yang Sering Diajukan

CPM berapa yang dianggap menguntungkan untuk menguji hipotesis?

Untuk menguji hipotesis, bukan hanya CPM yang penting, tetapi juga kecepatan perolehan data. Jika alat AI memungkinkan pembuatan materi iklan dan peluncuran kampanye dengan cepat, maka meskipun CPM relatif tinggi, pengujian hipotesis menjadi murah karena pengurangan waktu dan tenaga. CPM yang menguntungkan adalah yang memberikan volume data yang cukup untuk pengambilan keputusan dengan biaya peluncuran minimal. Misalnya, jika harga untuk satu klip siap pakai yang dihasilkan AI memungkinkan peluncuran 100 varian dengan anggaran yang sama dengan 10 varian dari manusia, ini menguntungkan.

Mana yang lebih murah: iklan banner atau blogger?

Perbandingan harga langsung sulit, karena hasilnya berbeda. Iklan banner (berapa harga 1 juta tayangan melalui banner) mungkin lebih murah dalam hal CPM, misalnya, CPM lebih murah dari 50 rubel per 1000 tayangan. Namun, blogger memberikan integrasi asli dan kepercayaan audiens. Untuk alternatif anggaran untuk penempatan pada blogger, Anda dapat mempertimbangkan harga paket mass-posting yang akan lebih rendah, tetapi jangkauannya mungkin kurang tepat sasaran. Lebih murah dari influencer mungkin hanya lalu lintas Anda sendiri atau penargetan yang sangat spesifik.

Apakah layak berinvestasi dalam AI untuk pembuatan konten?

Jika tujuannya adalah mengurangi biaya produksi konten dan meningkatkan kecepatan, maka apakah AI layak — jelas ya. Misalnya, harga pembuatan 100 video AI akan berkali-kali lebih rendah daripada membuatnya secara manual. Biaya unikasi satu video dengan AI juga secara signifikan mengurangi biaya. Namun, penting untuk diingat bahwa harga vs hasil adalah faktor kunci. AI mempercepat proses, tetapi hasil berkualitas tinggi masih membutuhkan kontrol dan penyempurnaan oleh manusia.

Bagaimana cara memperkirakan biaya produksi video AI?

Harga per menit video AI dengan avatar dapat bervariasi. Penting untuk mempertimbangkan tidak hanya pembuatan, tetapi juga berapa biaya untuk memotong streaming 1 jam menjadi klip pendek menggunakan AI. Ini memungkinkan Anda mendapatkan banyak konten dari satu sumber. Biaya penerbitan 500 video, jika dibuat atau dipotong oleh AI, akan jauh lebih rendah daripada pekerjaan manual. Mana yang lebih murah: spanduk atau target — ini adalah masalah efisiensi, bukan hanya harga, dan AI dapat meningkatkan efisiensi saluran apa pun melalui personalisasi dan skala.

Kesimpulan

Analisis menunjukkan bahwa “jutaan pada vibecoding” lebih merupakan mitos daripada kenyataan, jika kita mempertimbangkan pendapatan bersih dari kode yang dihasilkan. Keberhasilan proyek terletak pada kemampuan untuk dengan cepat mengumpulkan MVP, menggunakan infrastruktur pihak ketiga, dan menskalakan bisnis melalui distribusi yang efektif dan bekerja dengan klien, dan tidak hanya melalui kode murah. Ekonomi unit proyek-proyek ini didasarkan pada pendekatan yang komprehensif. Sebelum mempercayai kisah sukses lainnya, selalu minta tangkapan layar statistik dan ajukan pertanyaan utama: berapa banyak uang yang akan dihasilkan dari setiap rubel yang dihabiskan. Bagi mereka yang siap bereksperimen, kami merekomendasikan untuk mencoba model yang berbeda pada tugas yang sama. Gunakan kode promo CTRLAI untuk diskon 20% untuk tarif apa pun di SYNTX.AI.