성장의 법칙, 메가스터디아카데미

#62. AI 시대, 바이브 코딩이 이끄는 소프트웨어 개발의 패러다임 변화

5분 분량

바이브 코딩(Vibe Coding)이란 무엇이며, 소프트웨어 엔지니어링의 미래에 어떤 영향을 미칠까요?

바이브 코딩은 Andrej Karpathy의 게시물에서 유래한 새로운 코딩 방식입니다. 코드의 존재를 잊고 직관에 따라 코딩하며, AI 도구를 활용하여 개발 속도를 획기적으로 높이는 것을 의미합니다. 이는 소프트웨어 엔지니어의 역할을 '제품 엔지니어'로 변화시키고, 인간의 '취향'과 '시스템 사고' 능력을 더욱 중요하게 만들 것입니다.

바이브 코딩 시대에 소프트웨어 엔지니어에게 요구되는 핵심 역량은 무엇인가요?

• 제품 엔지니어링 능력 : 사용자의 니즈를 파악하고 제품을 기획하는 능력
• 시스템 사고 능력 : 전체 시스템을 이해하고 아키텍처를 설계하는 능력
• 코드 리뷰 및 디버깅 능력 : AI가 생성한 코드의 품질을 판단하고 오류를 수정하는 능력
• 코드 품질 판단 능력 : 좋은 코드와 나쁜 코드를 구별하는 안목을 기르는 능력

AI 코딩 도구의 등장으로 소프트웨어 개발의 패러다임이 '바이브 코딩(Vibe Coding)'으로 빠르게 전환되고 있습니다.

이 콘텐츠는 Y Combinator 파트너들의 설문조사 결과를 바탕으로, AI가 코드 작성의 95% 이상을 담당하는 시대에 소프트웨어 엔지니어의 역할 변화와 새로운 역량의 중요성을 심층 분석합니다.

단순히 코드를 빠르게 생성하는 것을 넘어, 제품에 대한 깊은 이해(Taste), 시스템 아키텍처 설계 능력, 그리고 AI가 생성한 코드의 품질을 판단하고 디버깅하는 능력이 핵심 경쟁력이 될 것임을 강조하며, 미래 개발자에게 필요한 통찰을 제공합니다.

1. '바이브 코딩'의 등장과 소프트웨어 엔지니어 역할 변화

(출처 : Y Combinator)

'바이브 코딩'은 Andrej Karpathy의 게시물에서 유래한 개념입니다. AI 코딩 도구에 전적으로 의존하여 코드가 존재한다는 사실조차 잊고 개발하는 방식을 의미합니다.

Y Combinator 파트너들은 현재 YC 배치 창업자들을 대상으로 설문조사를 진행하여 '바이브 코딩'에 대한 의견을 수렴했습니다. 이 설문조사를 통해 AI 코딩 도구가 개발 워크플로우와 소프트웨어 엔지니어의 역할에 어떤 변화를 가져오고 있는지 파악할 수 있었습니다.

설문조사 결과, 창업자들은 엔지니어 역할 변화에 대해 다음과 같은 견해를 밝혔습니다.

• Outlet 창업자 : 소프트웨어 엔지니어의 역할이 제품 엔지니어로 전환될 것이며, AI 코딩 도구로 모두가 10배 생산적인 엔지니어가 되면서 인간의 '취향(Taste)'이 그 어느 때보다 중요해질 것이라고 언급했습니다.
• Asra의 Obby : 코드를 직접 작성하기보다는 생각하고 검토하는 역할에 집중한다고 밝혔습니다.
• Copycat의 RB : 코드에 대한 애착이 줄어들어 코드 폐기나 리팩토링 결정에 편향이 적어졌으며, 3배 빠르게 코딩할 수 있어 필요시 쉽게 코드를 폐기하고 다시 작성한다고 언급했습니다.
• CIX의 Yoav : Cursor와 같은 AI 도구를 활용하여 두 개의 창을 동시에 열고 다른 기능을 프롬프트하여 병렬적으로 작업한다고 설명했습니다.
• Train Loop 창업자 : 코딩 속도가 6~1개월 전에는 10배 빨라졌고, 1개월 전부터 현재까지는 100배 빨라지는 기하급수적인 가속화를 경험했으며, 자신을 더 이상 엔지니어가 아닌 제품 담당자라고 생각한다고 밝혔습니다.

2. 미래 엔지니어의 두 가지 역할과 AI 코딩의 한계

(출처 : Y Combinator)

미래 엔지니어는 크게 두 가지 주요 역할을 수행하게 될 것입니다. 이는 현재 엔지니어들이 프론트엔드와 백엔드로 나뉘는 방식과 유사하며, AI의 발전이 이러한 역할 분담을 더욱 명확하게 만들고 있습니다.

• 프론트엔드 엔지니어 (제품 문제 해결) : PM(Product Manager) 역할에 가까워지며, 사용자와 소통하고 피드백을 받아 제품을 반복 개선하는 제품 엔지니어의 역할을 수행합니다. Triplebyte 운영 당시, 기술적 능력 외에 사용자와 소통하려는 의지가 특정 회사에 적합한 엔지니어를 판단하는 중요한 기준이었습니다.
• 백엔드 엔지니어 (시스템 문제 해결) : 사용자 대면을 꺼리고 어려운 기술 문제 해결 및 리팩토링에 집중하는 역할을 수행합니다. LLM(대규모 언어 모델)의 발전으로 코드 작성 자체의 중요성은 줄어들고, 제품 문제 해결을 위한 '취향' 또는 시스템 문제 해결을 위한 '아키텍트' 능력이 중요해질 것으로 보입니다.

AI 코딩 도구는 많은 발전을 이루었지만, 여전히 디버깅 능력에는 한계를 보입니다. 설문조사 결과, AI 코딩 도구는 디버깅에 매우 취약하며, 인간이 직접 디버깅을 수행해야 합니다. 코드의 실제 동작을 파악하고 버그를 찾아 수정하는 역할은 여전히 인간의 몫입니다.

AI에게 디버깅을 지시할 때는 초보 엔지니어에게 지시하듯 매우 명시적이고 상세한 지침을 제공해야 합니다. Andrej Karpathy 스타일의 '바이브 코딩'에서는 버그를 무시하고 처음부터 다시 코드를 생성하도록 지시하는 방식도 사용됩니다. 이는 LLM이 수천 줄의 코드를 몇 초 만에 다시 작성할 수 있기 때문에 가능한 방식입니다.

현재 AI 코딩 도구는 기존 코드 위에 새로운 기능을 구축하기보다는 처음부터 다시 생성하는 방식에 가깝습니다. 하지만 GPT-4는 GPT-3.5보다 디버깅능력이 훨씬 뛰어나며, 6개월 내에 이러한 한계가 개선될 가능성이 있습니다.

3. AI 코딩 도구 및 모델 사용 현황과 코드 생성 비율

(출처 : Y Combinator)

현재 소프트웨어 개발 현장에서는 다양한 AI 코딩 도구와 모델이 활용되고 있으며, 그 사용 현황은 빠르게 변화하고 있습니다. 특히 특정 도구들은 개발자들의 워크플로우를 혁신하며 생산성을 크게 향상시키고 있습니다.

주요 AI 코딩 도구사용 현황은 다음과 같습니다.

• Cursor : 2024년 여름부터 사용이 급증하여 현재 가장 많이 사용되는 도구입니다.
• Windsurf : Cursor의 뒤를 잇는 빠른 추격자로, Cursor보다 개선된 기능을 제공합니다. Cursor가 코드베이스내에서 특정 파일을 지정해 주어야 하는 반면, Windsurf는 전체 코드베이스를 인덱싱하여 스스로 관련 파일을 찾아내는 능력이 뛰어납니다.
• Devin : 언급되기는 하지만, 코드베이스를 제대로 이해하지 못하여 주요 기능 개발에는 거의 사용되지 않고 주로 작은 기능에만 활용됩니다.
• ChatGPT : 여전히 사용되며, 주로 추론 모델을 활용하여 디버깅질문을 해결하는 데 사용됩니다. Cursor나 Windsurf는 아직 추론 모델을 효과적으로 활용하지 못하는 '구식' 방식에 머물러 있습니다.
• 자체 호스팅 모델 : 일부 창업자들은 민감한 IP 보호를 위해 자체적으로 모델을 호스팅하여 사용합니다.

주요 AI 모델 사용 현황은 다음과 같습니다.

• Claude Sonnet 3.5 : 6개월 전부터 주요 모델이었으며, 여전히 가장 많이 사용되는 모델 중 하나입니다.
• GPT-4o Pro 및 GPT-4 : Sonnet 3.5와 거의 동등한 수준으로 사용이 증가하고 있습니다.
• GPT-4 : 코딩에는 거의 사용되지 않습니다.
• DeepSeek R1 : 유력한 경쟁자로 언급되며 사용되고 있습니다.
• Gemini : 코딩에 거의 언급되지 않지만, 가장 긴 컨텍스트 윈도우를 활용하여 전체 코드베이스를 입력하고 버그를 한 번에 수정하는 시도가 일부 창업자들 사이에서 이루어지고 있습니다.
• Flashback 2.0 : 긴 컨텍스트 윈도우와 추론 능력을 결합한 새로운 모델로, 향후 유력한 경쟁자가 될 가능성이 있습니다.

LLM이 생성하는 코드의 추정 비율은 놀라운 수준입니다. 설문조사 결과, 창업자들의 25%가 코드베이스의 95% 이상이 AI에 의해 생성되었다고 응답했습니다. 이는 YC가 비기술적 창업자들에게 투자한 것이 아니라, 고도로 기술적인 창업자들이 AI를 활용하여 제품을 개발하고 있음을 의미합니다.

일부 젊은 창업자들은 AI 코딩 도구가 없는 세상을 경험해 본 적이 없으며, 컴퓨터 과학 및 프로그래밍에 대한 고전적인 훈련 없이도 매우 생산적으로 놀라운 제품을 만들어내고 있습니다. 이들은 수학 및 물리학 학위를 가진 기술적 사고방식을 가지고 있으며, 시스템적 사고 능력을 갖추고 있습니다.

4. AI 시대의 엔지니어 채용 변화와 미래 역량

(출처 : Y Combinator)

AI 시대에는 엔지니어에게 요구되는 역량이 변화하며, 이는 채용 방식에도 큰 영향을 미칩니다. '바이브 코딩'은 수학이나 물리학 등 다른 기술 분야 출신자들이 더 빠르게 프로그래머로서 생산성을 높일 수 있도록 돕습니다. 엔지니어 채용 방식은 역사적으로 변화해왔습니다. 2015년경부터 기업들은 고전적인 컴퓨터 과학 교육을 받은 인재보다 생산성이 높고 코드를 빠르게 작성하는 인재를 선호하기 시작했습니다.

Stripe, Gusto와 같은 성공적인 기업들은 도구를 활용하여 생산성을 높이는 인재를 적극적으로 채용했습니다. 이들은 면접 방식을 "어떻게 생각하는지 가르쳐달라"에서 "3시간 안에 To-Do 리스트 앱을 최대한 빨리 만들어라"로 변경했습니다.

현재 엔지니어 채용 방식은 여전히 AI 시대의 변화를 따라잡지 못하고 있으며, 많은 기업이 화이트보드 코딩 테스트를 진행하고 있습니다. Stripe와 같은 기업들은 이러한 변화에 앞서 나갔으며, 이제는 모든 기업이 이러한 방식으로 엔지니어를 채용해야 할 시점입니다.

Triplebyte의 경험을 통한 채용 평가의 변화도 주목할 만합니다. Triplebyte는 2015년에 설립된 엔지니어 기술 평가회사로, LLM모델 이전에 자체 소프트웨어와 인간 인터뷰를 통해 엔지니어를 평가했습니다. 핵심 교훈은 기업은 무엇을 평가할지 명확히 알고 그에 맞춰 기술 평가를 설계해야 한다는 것입니다. Stripe나 Gusto는 CS 지식보다 실제 업무 생산성을 평가하는 데 집중했습니다.

현재 Triplebyte를 다시 시작한다면, AI 도구 활용 능력을 명시적으로 평가할 것이며, 기존 Triplebyte 평가 질문들은 ChatGPT에 복사-붙여넣기만 해도 완벽한 답변이 나올 수 있으므로, 질문의 난이도를 100배 높여야 할 것입니다. 틱택토(Tic Tac Toe)와 같은 고전적인 코딩 질문은 AI 도구 없이 코딩하도록 강제할 것인지, 아니면 AI 도구 사용을 허용하고 새로운 질문을 개발할 것인지에 대한 고민이 필요합니다.

5. 기술적 리더십의 중요성과 AI 시대의 변화 가속화

(출처 : Y Combinator)

기술적 리더십은 성공적인 기업을 이끄는 데 매우 중요합니다. Max Levchin (PayPal 공동 창업자)이나 Tobi Lütke (Shopify CEO)와 같이 세계적인 시스템 수준의 엔지니어들이 성공적인 기업의 CEO가 된 사례가 많습니다. 기술적 깊이가 있는 창업자는 직원들의 거짓말이나 비효율성을 간파할 수 있는 '초능력'을 갖게 됩니다.

이는 인간 직원뿐만 아니라 AI 에이전트에게도 동일하게 적용되며, 기술적 지식이 없으면 AI 에이전트가 제대로 작동하지 않아도 이를 파악하기 어렵습니다. 따라서 고전적인 훈련을 통해 기술적 깊이를 갖는 것은 여전히 매우 중요합니다.

AI 코딩 도구의 영향과 미래 전망은 다음과 같습니다.

• AI 코딩 도구는 최고의 엔지니어에게는 '초능력'을 부여하고, 능력 없는 엔지니어는 더욱 무능하게 만들 수 있습니다.
• Train Loop 창업자의 말처럼, 코딩 속도는 6~1개월 전 10배에서 현재 100배로 기하급수적으로 가속화되고 있습니다.
• '바이브 코딩'은 일시적인 유행이 아니라 코딩의 지배적인 방식이 될 것이며, 이를 받아들이지 않으면 뒤처질 수 있습니다.
• '바이브 코딩'은 지속될 것이며, 이제는 가속화할 때입니다.