AI가 코드를 대신 작성해주는 ‘바이브 코딩(Vibe Coding)’은 개발 생산성을 혁신할 것처럼 보였습니다. 하지만 실제 프로젝트에서는 코드 이해, 유지보수, 그리고 보안 문제라는 현실적인 장벽이 나타납니다. 8년차 AI 엔지니어의 경험을 통해 바이브 코딩의 장점과 한계를 살펴보고, AI 코딩 도구를 실제 개발 workflow에 어떻게 활용해야 하는지 이야기합니다.
The post 8년차 AI 엔지니어는 왜 바이브코딩을 포기했나? appeared first on NDS Cloud Tech Blog.
||
솔직히 말씀드리면, 저는 바이브 코딩에 진심이었습니다.
Cursor부터 Claude Code, GitHub Copilot, OpenAI Codex, 심지어 Google Antigravity까지
“이거면 이제 코드 직접 안 짜도 되겠다”는 기대를 안고요.
결론부터 말하면, 저는 바이브코딩을 포기했습니다. 더 정확하게는, “순수한 바이브코딩”을 포기했습니다.
AI coding tool을 안 쓰겠다는 이야기가 아니라, 오히려 매일 쓰되 “코드가 존재한다는 사실조차 잊어버리라”는 안드레 카파시의 철학을
그대로 현실에 적용하는 방식이 생각보다 비싸고 아프다는 걸 인정하게 됐다는 이야기 입니다.
바이브코딩이 뭔데?
출처: https://x.com/karpathy/status/1886192184808149383
바이브코딩(Vibe Coding)은 2025년 2월 안드레 카파시가 처음 제시한 개념으로,
개발자가 큰 그림과 의도를 제시하면, 구체적인 구현은 AI가 주도하는 개발 방식을 말합니다.
쉽게 말하면, “데이터 시각화 기능 만들어줘” 라는 요청에 AI가 코드를 뚝딱 만들어주는 겁니다.
바이브코딩은 일종의 신드롬입니다.
콜린스 사전이 2025년 올해의 단어로 선정했을 만큼 화제가 됐고,
개발자의 84%가 2026년 현재 AI 도구를 사용하고 있거나 사용할 계획이라는 통계도 있습니다.
그만큼 바이브코딩의 파급력은 개발자의 업무 루틴에 강한 영향을 미쳤습니다.
처음에는 진짜 신세계였다
제가 처음 바이브코딩의 힘을 체감한 건 Streamlit 기반 ML 분석 도구를 만들 때였습니다.
“데이터를 올리면 자동으로 전처리하고, 모델 학습 및 결과 시각화까지 제공하는 웹앱을 만들어줘”
이렇게 프롬프트를 하나 던졌더니 10분 만에 바로 실행이 가능한 솔루션 스크립트가 나왔습니다.
여기까지는 정말 좋았습니다.
문제는 그 다음부터 였습니다.
“돌아가는 코드”와 “쓸 수 있는 코드”는 다르다
바이브코딩으로 만든 스크립트에 기능을 추가하려고 하자 일이 꼬이기 시작했습니다.
채팅 기능을 붙였더니 스피너가 엉뚱한 곳에서 돈다거나,
이 문제를 해결해달라고 요청했더니 고치면서 다른 걸 망가뜨린다거나.
눈으로 보면 그럴듯한데 실행하면 이상하게 동작하는 몇 분 만에 작성된 수천줄의 코드는
“얻는 시간”은 줄어도, 코드를 “이해하고 검증하는 시간”을 늘려 결국엔 더 많은 시간을 쓰게 만들었습니다.
편리함 속의 함정
실제로 2025년 7월, AI 평가 기관 METR이 무작위 대조 실험에서 숙련된 오픈소스 개발자들이
AI 코딩 도구를 사용했을 때 오히려 19% 느려졌다는 결과가 나왔습니다.
흥미로운 건, 개발자들 스스로 작업 시간이 24% 정도 빨라질거라 예측했고,
실험이 끝난 후에도 20% 빨라졌다고 믿었다는 겁니다.
이게 바로 체감 생산성과 실제 생산성이 다른 바이브코딩의 함정입니다.
AI가 코드를 빨리 작성해주니 빨라진 것 같은데, 그 코드를 검증하고 수정하고 이해하는 데 드는 시간이
오히려 늘어날 수 있다는 겁니다.
솔직히 말하자면, 저도 처음에는 “나도 이제 주니어 티는 벗었으니까 AI가 만든 코드 검수 정도는 쉽지”라고 생각했습니다.
근데 AI가 만든 코드 수천 줄의 구조를 파악하는 것과, 내가 직접 설계한 코드를 유지보수하는 건 완전히 다른 일이었습니다.
8년차 AI 엔지니어는 왜 바이브코딩을 포기했나?
생성 일시
2026/03/09 08:06
최종 편집 일시
2026/03/09 08:06
태그
NDS
파일과 미디어