포스트

바이브 코딩

게시 업데이트
By Juho
10 분읽는 시간

목차

  1. 바이브 코딩?
  2. 장점
  3. 단점
  4. 프로그래머로 살아가기 위해서

바이브 코딩?

2025년 2월 안드레이 카파시(Andrej Karpathy)가 X에 vibe coding”이라고 하며 포스팅을 함 2025년 3월에는 Merriam-Webster 사전에 “slang & trending” 용어로 등재되며 공식화
2025년 5월에는 스타트업 25%가 코드베이스의 95% 이상을 AI로 작성했다는 기사도 있다.

핵심 개념

  • 자연어 기반 코딩 : 자연어로 문제나 기능을 구현을 지시하면 AI가 코드를 생성해 주는 방식
  • AI와의 협업: AI가 생성한 코드를 기반으로 피드백을 주고받으며 원하는 결과물을 점차 구체화하고 발전
  • 의도에 집중: 구현의 세부적인 문법이나 기술적인 ‘방법’보다는 소프트웨어의 목적과 사용자 경험이라는 ‘무엇’에 더 집중

장점

1) 높은 접근성

  • 비전문가도 자연어 아이디어만으로 소프트웨어 제작 가능 → 개발 인력 수급난 완화 및 진입장벽 제거

2) 신속한 개발 및 프로토타이핑

  • 반복적·상용구 작업 자동화 → MVP 제작 속도 대폭 향상

3) 생산성 향상

  • AI가 보일러플레이트·기초 로직 처리

4) 유연한 개발 과정

  • 반복적인 피드백 사이클로 새로운 해결책 발견

5) 학습·탐색 도구

  • 낯선 언어·프레임워크 실험 시 학습 곡선 완화

단점

1) 잘못된 패턴 반복

  • 과거의 안티패턴이나 낡은 스타일을 그대로 재생산

2) 개발 사고력 약화

  • 문제 인식·추상화 능력 퇴화

3) 시간 낭비 및 재작업 증가

  • 목적에 맞지 않아 전체를 다시 설계

4) 비용 증가

  • 컨텍스트 윈도우 확대에 따른 API 호출 토큰 비용 급증

5) 운영·인프라 지식 한계

  • 백엔드 인프라·운영 자동화 미흡 → 개발 어려움

전망

1) AI 코딩과 로우코드/노코드 툴 결합으로 비전문가 참여 확대
2) 개발자의 역할 변화: AI 활용·프롬프트 설계·시스템 아키텍처와 문제 해결 역량이 중요
3) 새로운 비즈니스 모델 창출: 소수 인력으로도 아이디어를 빠르게 구현
4) 디지털 전환 가속화: AI 기반 개발로 필요한 애플리케이션·서비스를 빠르게 구축
5) 하이브리드 개발 파이프라인 : Vibe Coding ↔ Agentic Coding 통합 사례 연구

바이브 코딩을 해보고 나서

바이브 코딩이 무작정 안좋다고는 생각하지 않는다.
코딩을 하는 단계를 3가지 단계로 분류해서 생각해봤다.
0~10% 단계 : 이때는 모르는 내용을 학습하기는 좋으나, 최신 버전에 맞춰서 답변하는지 옳게 대답하는지 정확히 내가 모름
→ 실행이 되면 일단 문제가 없다고 생각하고 진행하게 됨

10~90% : 피드백 받고 수정하고 계속 진행하면서 무언가 만들어지기는 해서 좋음
하지만 목적에 맞게 설계가 잘 안되면 처음부터 다시 해야하는 번거로움이 생김

  • 큰 틀에서 작은 내용 단위로 만들경우 : 세부 구현이 잘 안됨
  • 작은 내용에서 큰 틀을 만드려고 하는 경우 : 아키텍처 일관성 부족

90~100% : 전체 컨텍스트를 이해하지 못하여 잘못된 내용으로 수정, 디버깅하는데 어려워 고도화 문제

각 단계에서 장,단점이 존재하고 검토, 수정 과정이 필요해서 딸깍으로 코드가 나오지는 않았다.
장점과 단점을 명확히 이해하고 적절하게 활용해야 의미가 있는 것 같다.
현재 기술력으로는 교육적인 목적과 보조 도구의 역할에 한정해 사용해야하는 것 같다.

관련해서 뉴옥 타임즈의 기자 Kevin Roose는 바이브 코딩으로 여러 소규모 애플리케이션을 만들었는데
프로그래머가 아닌 사람도 기능적 소프트웨어를 생성할 수 있지만 그 결과가 제한적이고 오류가 발생하기 쉽다는 점을 지적하며 중요한 작업보다는 취미 프로젝트에 더 적합하다고 기사를 작성하였다.

프로그래머로 살아가기 위해서

비야네 스트로스트룹의 견해로 정답처럼 보이는 코드’에 의존하는 개발자들이 늘어날수록 프로그래밍의 본질인 문제 인식과 추상화 설계 능력은 퇴화할 수밖에 없다고 경고했다.
좋은 개발자는 문제를 정의하고 그에 맞는 모델을 구성할 수 있어야 한다”며 “코딩은 그 결과물에 불과하다며 문제 인식 자체를 AI에 위임하는 순간 개발자는 더 이상 기술자가 아니다”고 단언했다.

프로그래머에게 필요한 능력은 지속적으로 변화하며 다양한 부분을 요구했다.

  • 1940년 이전: 물리적 케이블과 스위치 연결 → 전기공학 지식 필요
  • 1940~50년대: 천공 카드/테이프 이용 → 기계어와 이진법 이해 필요
  • 1950년대: 어셈블리어 등장 → CPU, 메모리, 레지스터의 깊은 이해 필요
  • 1960년대: 컴파일 언어 등장 → 알고리즘 설계 능력 중요
  • 1970년대: C언어와 구조적 프로그래밍 → 구조적 사고와 모듈화 능력 필요
  • 1980년대: 객체지향 프로그래밍 → 추상화, 모델링, 디자인 패턴 능력 필요
  • 1990년대: 웹 개발 시대 → 클라이언트-서버, 네트워크, 프로토콜 지식 필요
  • 2000년대: 오픈소스 확산 → 프레임워크 활용과 라이브러리 재사용 능력 중요
  • 2010년대: 인프라 추상화 → DevOps와 클라우드 아키텍처 설계 능력 중요
  • 2020년대: AI 도구 등장 → 노코드/로우코드와 AI 활용 능력 중요

발전의 공통 패턴

  1. 추상화 수준의 지속적 향상
    하드웨어 → 어셈블리 → 고급언어 → 프레임워크 → AI

  2. 접근성의 확대
    전문가 → 프로그래머 → 일반 개발자 → 비전문가

  3. 협업과 재사용
    개인 작업 → 팀 개발 → 오픈소스 → AI 협업

변하지 않는 것

  • 문제 정의 능력: 무엇을 어떻게 만들지 결정하는 것
  • 창의적 사고: 새로운 해결책과 접근법 발견
  • 사용자 경험 설계: 인간의 니즈를 이해하고 충족

기술적 실업으로 MAGA, FAANG에서 시니어 프로그래머들이 해고되는 시대에 ‘코드 몽키’가 되지 않기 위해서는 기존 개발 지식과 더불어 AI 관련 지식과 활용 능력 그리고 더 폭넓은 영역의 지식을 학습해야 할 것 같다.
코드몽키

VibeCoding
VibeCoding LLM Coding