2.7. 바이브 코딩과 AI 에이전트
1. 바이브 코딩 (Vibe Coding)
이제 프로그래밍은 C언어나 파이썬 같은 '문법'을 넘어, 인간의 자연스러운 말과 의도(Vibe)를 이해하는 단계에 도달했습니다.
이를 바이브 코딩이라 부릅니다.
(바이브 코딩과, AI 에이전트는 엄밀히 다른 개념이지만, 인공지능이라는 틀 안에서 동일하다는 가정으로 설명합니다.)
- 정의: 복잡한 문법 대신 "이런 기능을 가진 웹사이트 만들어줘"라는 자연어 명령으로 코드를 생성하는 방식입니다.
- 핵심 도구: Cursor, GitHub Copilot, ChatGPT 등 대규모 언어 모델(LLM) 기반의 AI 에이전트.
AI 시대의 프로그래밍은 '개발자의 의도'가 'AI'를 통해 구체화되고, 여러 단계를 거쳐 '기계'를 움직이는 거대한 파이프라인과 같습니다.
2. 왜 여전히 '컴퓨터의 본질'을 알아야 하는가?
AI가 코드를 짜주는 시대입니다. 코드는 순식간에 만들어지고, 결과물은 그럴듯하게 돌아갑니다.
하지만 개발은 단지 현재의 결과물이 동작한다고 끝나는 것이 아닙니다.
근본적으로 개발자는 현장과 현실의 문제를 소프트웨어라는 도구를 통해 해결해야 하는 사람입니다.
AI 시대에 역설적으로 기계어, 메모리, CPU의 작동 원리(Bottom)를 꿰뚫고 있는 개발자가 더 대우받는 이유는 명확합니다.
AI 시대의 프로그래밍은 '개발자의 의도'가 'AI'를 통해 구체화되고,
여러 단계를 거쳐 '기계'를 움직이는 거대한 파이프라인과 같습니다.
1. "왜 실행이 안 되지?"라는 질문에 대한 답
AI는 학습된 데이터 내에서 정답을 찾지만, 현실의 에러는 하드웨어, 네트워크, 운영체제의 복잡한 상호작용에서 발생합니다. 겉으로 드러나지 않는 시스템 바닥(Bottom)의 동작 원리를 모르면, AI가 짠 코드의 성능 병목이나 원인 모를 중단을 영원히 해결할 수 없습니다.
2. 나쁜 설계와 유지보수의 늪
"동작만 하는 코드"는 나쁜 설계로 이어지기 쉽습니다. 인공지능은 완벽하지 않으며, 때로는 비효율적인 코드를 쏟아냅니다. 이를 검증 없이 사용하면 훗날 막대한 '기술 부채(Technical Debt)'로 돌아옵니다. 유지 보수와 시스템 고도화는 결국 엔지니어의 몫입니다.
3. 합리적이지 못한 요구사항의 해결
현실의 요구사항은 종종 비합리적입니다. "구형 장비에서 최신 기능을 돌려달라"거나 "물리적 한계를 넘는 속도를 내달라"는 요구를 해결하는 것은 AI가 아닌, 기계의 논리(Logic)와 한계를 명확히 아는 개발자만이 할 수 있는 영역입니다.
3. AI 도구를 사용하는 개발자의 미래
AI 시대의 변화는 단순히 “코드를 더 빨리 작성한다”는 수준에 머물지 않습니다.
AI는 앱을 만드는 방식, 개발자가 일하는 단위, 그리고 개발자가 책임져야 하는 영역을 함께 바꾸고 있습니다.
3.1. 앱을 만드는 방식이 바뀐다
MenuGen은 식당 메뉴를 바탕으로 음식 이미지를 함께 보여 주는 앱 예시입니다.
기존 방식
프론트엔드 → 백엔드 → OCR → 이미지 생성 API → UI 표시
기존 방식에서는 하나의 기능을 만들기 위해 여러 구성 요소를 따로 연결해야 했습니다.
변화된 방식
앱 → 통합 AI 모델 → UI 표시
하지만 AI 시대에는 일부 중간 단계가 하나의 통합 AI 모델 안으로 합쳐질 수 있습니다.
대표적인 통합 모델이, 보안 모델인 미토스가 이에 해당됩니다.
앞으로의 앱은 단순히 AI 기능을 붙이는 데서 끝나지 않습니다.
복잡한 AI 기능을 사용자가 이해하기 쉽고 안전하게 사용할 수 있도록 서비스 형태로 정리하는 역할이 더 중요해집니다.
앱이 사라지는 것이 아니라, 복잡한 AI 기능을 사용하기 쉬운 서비스 형태로 감싸는 역할이 커지는 것입니다.
3.2. 개발자가 일하는 단위가 바뀐다
AI 시대에는 개발자가 일하는 방식이 단순히 코드를 직접 작성하는 방식에서 기능과 서비스 구조를 판단하는 방식으로 확장되고 있습니다. 아래 그림처럼 AI가 기능을 만들어 주더라도, 개발자는 데이터, 로그인, 결제, 권한, 보안, 배포 같은 서비스 구조를 함께 생각해야 합니다.
3.2.1. 기존 방식: 작은 코드 단위 작업
과거에는 개발자가 함수 단위, 파일 단위로 코드를 직접 작성하고 수정하는 일이 많았습니다.
예를 들어 함수를 고치고, 새로운 파일을 만들고, 오류가 발생하면 원인을 하나씩 찾아 해결했습니다.
| 작업 |
의미 |
| 함수 수정 | 특정 기능을 담당하는 코드 일부를 고칩니다. |
| 파일 작성 | 필요한 소스 파일을 만들고 코드를 구성합니다. |
| 오류 검색 | 에러 원인을 찾고 직접 수정합니다. |
이 방식은 개발자가 작은 코드 조각을 직접 다루는 방식에 가깝습니다.
3.2.2. AI 시대 방식: 기능 단위 요청
AI 시대에는 개발자가 더 큰 작업 단위로 AI에게 요청하는 방식이 늘어나고 있습니다.
예를 들어 단순히 “이 함수를 고쳐 줘”가 아니라, 다음처럼 기능 단위로 요청할 수 있습니다.
| 구분 |
예시 |
| 기존 요청 | 이 함수의 오류를 수정해 줘. |
| AI 시대 요청 | 이 기능을 구현하고 테스트까지 해 봐. |
즉, 개발자의 작업 단위가 코드 조각에서 기능과 흐름으로 커지고 있습니다.
AI를 활용하면 간단한 화면, 테스트용 기능, MVP, 프로토타입은 빠르게 만들어 볼 수 있습니다.
하지만 이것이 개발자가 코드를 보지 않아도 된다는 뜻은 아닙니다.
3.2.3. 서비스 구조 판단: 실제 서비스에서는 더 넓게 봐야 한다
실제 서비스는 단순히 기능이 만들어졌다고 끝나지 않습니다.
DB, 로그인, 결제, 권한 관리, 보안, 배포가 들어가는 순간부터는 단순히 “일단 만들어졌다”로 끝낼 수 없습니다.
이 단계부터는 코드가 실행되는지보다, 서비스가 안전하게 운영될 수 있는지를 판단해야 합니다.
예를 들어 결제 기능이 있는 앱이라면 결제 성공 여부만 확인해서는 부족합니다.
결제한 사용자가 누구인지, 어떤 권한을 가져야 하는지, 결제 실패나 네트워크 오류가 발생했을 때 어떻게 처리할지도 함께 설계해야 합니다.
| 서비스 요소 |
개발자가 판단할 내용 |
| 데이터 | 어떤 정보를 저장하고, 누구의 정보로 연결할 것인가? |
| 로그인 | 사용자를 어떻게 확인하고, 로그인 상태를 어떻게 유지할 것인가? |
| 결제 | 결제 성공, 실패, 취소 상태를 어떻게 처리할 것인가? |
| 권한 | 누가 어떤 기능과 데이터에 접근할 수 있는가? |
| 보안 | 사용자 입력, API 요청, 외부 접근을 어디서 검증할 것인가? |
| 배포 | 실제 서버 환경에서 안정적으로 실행되고 복구될 수 있는가? |
3.3. 배포와 운영의 책임은 사라지지 않는다
AI가 코드를 만들 수 있다고 해서 배포와 운영의 책임까지 사라지는 것은 아닙니다.
다만 처음부터 배포, 보안, 운영을 모두 깊게 이해할 필요는 없습니다.
배포와 운영은 기초 학습과 프로젝트 경험 위에 차근차근 세워지는 단계입니다.
먼저 함수, 파일, 패키지, 가상환경, 오류 확인 같은 기초를 다지고, 이후 GitHub, requirements.txt, DB 연결, 기능 흐름, 테스트 같은 프로젝트 경험을 쌓아야 합니다.
그 경험이 쌓이면 배포, 모니터링, 장애 대응, 보안, 비용 관리까지 시야를 넓힐 수 있습니다.
| 단계 | 핵심 내용 |
|---|---|
| 기초 학습 | 함수, 파일, 패키지, 가상환경, 오류 확인 |
| 프로젝트 경험 | GitHub, requirements.txt, DB 연결, 기능 흐름, 테스트 |
| 배포·운영 | 배포, 모니터링, 장애 대응, 보안, 비용 관리 |
AI는 코드 초안과 해결 방향을 제안할 수 있지만, 그 결과가 실제 서비스에서 안전하게 동작하는지 확인하는 일은 개발자와 팀의 역할입니다.
따라서 지금은 기초와 프로젝트 경험을 쌓으면서, 실제 서비스까지 바라볼 수 있는 개발자로 성장해야 합니다.