영상 보기

비디오 제목

요약

9화는 AI 와 관련된 특정 주제에 대한 내용이었기에 생략하고 10화 내용을 기반으로 요약해본다.

  • AI 발전과 바이브 코딩의 등장: AI 기술은 하루가 다르게 빠르게 발전하며, 이 가운데 ‘바이브 코딩(vibe coding)’이 가장 뜨거운 아이템으로 주목받고 있다.
  • 바이브 코딩의 의미와 확산: 바이브 코딩은 AI가 내놓은 답을 즉흥적으로 수용하여 원하는 결과물을 만들어내는 방식이다. 한국에서는 ‘입코딩’이나 ‘손코딩’이라고도 부른다. 2023년 초 인도 개발자가 AI로 가벼운 비행기 게임을 만들어 월 5만 달러 수익을 올린 사례가 바이럴되며 시작되었고, Andrej Karpathy가 X(트위터)에서 이 용어를 사용하며 확산되었다. 이 단어는 2025년 3월 Merriam-Webster 사전에 ‘유행하는 속어’로 등재될 예정이기도 하다. 박찬성 연구원의 바이브 코딩 관련 게시물이 데미스 허사비스(DeepMind CEO)와 제프 딘(Google AI Research 수장)의 리트윗과 좋아요를 받으며 AI 거장들의 인정을 받았다.
  • 아이디어의 중요성 증대: 생성형 AI의 발전으로 초기 PoC(개념 증명) 수준의 아이디어 구현 비용이 크게 낮아졌다. 이는 특정 도메인 전문가의 전문 지식을 바탕으로 한 아이디어 자체의 중요성과 가치를 더욱 높이는 결과를 가져왔다. 박찬성 연구원이 자신의 네트워크 전문 지식을 녹여낸 바이브 코딩 결과물이 바이럴된 것이 좋은 예시이다.
  • 바이브 코딩에 필요한 역량:
    • 반복(Iteration): 프롬프트 엔지니어링에서 반복은 매우 중요한 요소이다. 확률에 의거하여 나오는 결과 도출이라는 기반을 가지기 때문에, 요구 사항에 대해 여러번의 반복은 그만큼 높은 확률로 좋은 결과물을 만들어낼 가능성이 생긴다.
    • 시행착오와 집요함: 원하는 결과물이 나올 때까지 AI에 끊임없이 시도하고 개선하는 ‘시행착오(trial and error)’와 집요함이 중요하다.
    • 전문 지식: 기존 개발 지식이나 특정 분야의 전문적인 키워드를 아는 것이 AI에게 정확한 요구사항을 전달하고 생산성을 높이는 데 매우 유용하다.
    • 호기심과 흥미: AI 코딩에 대한 호기심과 즐거움을 느끼는 것이 시작의 중요한 단계이며, 자신이 무엇을 좋아하고 잘하는지를 알아가는 과정이 필요하다.
  • 개인 맞춤형 도구 개발 시대: 이제는 개인이 자신에게 최적화된 도구를 직접 개발하여 사용하는 시대가 도래하고 있다. 강수진 박사는 시중에 있는 도구들이 자신의 작업 환경에 맞지 않아 프롬프트 엔지니어링 실험을 위한 플레이그라운드를 직접 만들어 사용하고 있다고 언급했다.
  • 프롬프트와 프로그래밍 역량의 미래:
    • 자연어 엔지니어 관점에서는 ‘의미론적 응축(Sementic Condensation)’이나 ‘단어 대체(Word Substitution)’를 통해 핵심 의미를 압축하고 제어하는 기술이 활용될 수 있다.
    • 현재 AI는 개발자들이 사용하던 용어, 일반인들이 기존에 사용하던 언어 기반인 만큼, 바이브 코딩을 수행함에 있어 개발적 지식이 필요하거나, 단어가 필요시 될 수 있다. 하지만 이것 조차도 학습을 통해 개선될 수 있다.

내 생각 정리

바이브 코딩. 이제는 너무 익숙해진 단어이다. 하지만 동시에 여전히 중요하고, 이제는 개발의 중심에 침입하였고, MCP, A2A 를 만나면서 그저 간단하게 질문에 답을 한다 에서 실제 수행을 한다 라는 차원의 영역으로 발전하고 있다.

오늘의 내용은 어쩌면 보편적인 바이브코딩이라는 행위를 평가하는 간단한 내용이기는 했다.

그러나 동시에 전문가들의 이야기에서 그럼에도 인사이트로 얻을 수 있는 영역은 있었다.

예를 들어 한 개발자 분이 네트워크에 대한 시뮬레이터를 만들었다던지 하는 것들은, 상당히 인상 깊었고, 프롬프트 엔지니어링 전문가로 나온 패널은 자신이 직접 만든 프롬프터 테스터를 보여주었다.

그리고 한 마디 더 걸치니, ‘개발 지식이 있는 사람과 일반인의 개발의 차이’를 언급한 부분이다.

바이브코딩을 할 때 개발 지식은 보다 정확한 지시가 가능하다. 하지만 개발 지식의 부재는 어쩔 수 없이 동작 방식을 묘사해야하고, 그 묘사는 결국 확률적으로 어떤 구현 대상에 대해 100% 지목하는게 아니라 ‘가능성’으로 표현할 뿐인거고, 거기서 잘못된 지식이 있다면 이는 비효율적 개발이 이루어질 수 있다.

하지만 기술을 이해하고, 단어를 정확하게 아는 경우, 그 지식은 좀더 명확한 전달, 명확한 결과를 만들 수 있다.

AI 에 대해 명령을 내릴 때 언어적 방법에 대해 체계화가 잘 된 경우 명령을 잘 내리지만, 동시에 빼놓지 말고 기억해야 하는 부분이 있다면 역시나 도메인.

물론 개발자도 언급하길 바이브 코딩을 하는 과정을 통해 또 다시 AI 가 학습할 것들이 생성되고, AI 가 그걸 이해하고 다시 학습된 데이터를 기반이 된다면 더 찰떡같이 알아먹게 되겠지만

현재 가장 필요한 영역이자, 바이브 코딩을 제대로 내 무기화 하려면 필요한 것은 결국 ‘내 분야’ 혹은 ‘전문 지식’의 체계적인 내재화라는 생각은 이번 편을 통해 보다 선명하게 기억하게 되었다.