바이브 코딩 실전 사례: 자동차 영업사원이 직접 만든 견적 시뮬레이터와 시행착오 정리

핵심 메시지

• 코드를 한 줄도 쓸 줄 몰랐던 2년 차 수입차 영업사원이 AI만으로 업무용 웹사이트를 만들어 월 5만 명이 쓰는 서비스로 키웠다.
• 외주를 맡겨 봤지만 현장을 모르는 개발자와 소통이 어려워, 문제를 아는 사람이 직접 만드는 쪽이 빠르다는 결론에 이르렀다.
• '한 번에 딸깍하면 완성된다'는 기대는 환상에 가깝고, 요청을 잘게 쪼개 만들고 검증하는 과정을 반복해야 쓸 만한 결과가 나온다.
• AI가 '완벽하게 고쳤다'고 자신해도 실제로는 바뀐 게 없을 수 있어, 다른 에이전트에게 반박을 시켜 교차 검증하는 습관이 필요하다.
• 환경 변수와 데이터베이스 과금처럼 AI가 대신해 주지 못하는 영역이 있고, 방치하면 2주 만에 70만 원이 청구되는 사고로 이어진다.

쉽게 이해하기

이 영상은 폭스바겐 매장에서 일하는 2년 차 영업사원을 찾아가 그가 직접 만든 웹사이트를 살펴보는 인터뷰다. 출연자는 코드를 한 줄도 쓸 줄 모르는 상태에서 시작해, 현재 월 5만 명이 사용하고 최근 28일 기준 페이지뷰가 4만 7천에 이르는 서비스를 운영하고 있다. 자기가 어떻게 만들었는지 들어 줄 사람이 없어 채널에 직접 메일을 보냈다는 것이 출연 계기였다.

출발점은 현장의 불편이었다. 프로모션과 전기차 보조금 내용이 매일·매주·매달 바뀌는데도 출처를 알 수 없는 엑셀 파일을 공유받아 견적을 쓰다 보니 실수가 잦았고, 자기 대기 순번을 알려 달라는 전화도 계속 걸려 왔다. 외주를 맡겨 봤지만 현장을 모르는 개발자에게는 수많은 프로젝트 중 하나일 뿐이어서, 결국 직접 공부해 만들기로 했다.

완성된 사이트에는 트림과 모델, 과세 구분은 물론 지역별 전기차 보조금과 채권 할인까지 반영하는 견적 시뮬레이터가 들어갔다. 견적서를 이미지 파일로 바로 발행해 고객에게 보낼 수 있고, 할부 계산기와 차대번호로 통관·입항 일자와 리콜 내용을 확인하는 기능, 카카오 인증 기반의 시승·상담 신청, 동의한 고객이 자기 계약 순번을 검색해 보는 기능, 영업사원들이 함께 올리는 실물 사진 갤러리까지 붙었다. 이 도구들 덕분에 그는 1년 차에 최다 판매 실적이라는 이례적인 성과를 냈다.

도구는 계속 바뀌었다. 처음에는 제미나이와 채팅하며 코드를 복사해 붙여 넣다가, 웹에서 쓰는 클로드 코드를 주력으로 삼았다. CLI도 써 봤지만 터미널 화면만 덩그러니 떠 있어 비전공자에게는 불친절하다고 느껴 금방 내려놓았고, 이후에는 설치형 IDE인 안티그래비티를 MCP와 함께 오래 사용했다. 개발 순서는 기능을 온전히 작동시키는 일이 먼저였고, 동료들에게 배포해 역산으로 검증받은 뒤에야 UI와 보안, 노출 개선으로 넘어갔다.

가장 인상적인 대목은 실패의 기록이다. 모바일에서 버튼이 지나치게 크게 나오는 문제를 두고 AI는 백 번 넘게 '완벽히 해결했다'고 자신했지만 실제로는 아무것도 바뀌지 않았고, 오히려 다른 부분이 망가지기도 했다. 원인은 버튼 크기를 강제하는 CSS 규칙이었는데, 코드만 들여다보는 AI는 이를 찾지 못했다. 팀장의 14년 된 윈도우7 노트북에서 화면이 아예 보이지 않아 저사양 기기 최적화를 배웠고, 데이터베이스 과금을 신경 쓰지 않다가 2주 만에 70만 원이 청구된 경험 이후로는 무료 플랜 안에서 해결한다는 규칙을 세웠다.

주요 인사이트

• 개발이 쉬워질수록 유리해지는 쪽은 코드를 잘 쓰는 사람이 아니라 문제를 정확히 아는 사람이다. 견적 로직의 변수와 사고가 날 여지를 알아본 것은 개발 지식이 아니라 현장 경험이었다.
• AI의 자신만만한 보고는 그 자체로 신호가 되지 못한다. 다른 에이전트를 열어 '반박해 보라'고 시키는 교차 검증은 비전공자가 쓸 수 있는 가장 현실적인 안전장치다.
• 보이는 것부터 손대면 지친다. 알맹이인 기능을 먼저 완성하고 UI를 나중에 붙이는 순서가, 끝까지 완주하게 만드는 실질적인 차이를 만든다.
• AI가 손댈 수 없는 경계가 분명히 있다. API 키 발급이나 환경 변수 설정은 사람이 직접 해야 하는 일이라, 많은 사람이 마지막 단계에서 막힌다.
• 새 기법을 미리 공부하기보다 만들다가 막혔을 때 찾아보는 편이 낫다. 필요하지도 않은 도구를 먼저 익히는 것은 도구를 위한 도구를 만드는 일에 가깝다.

자주 묻는 질문

관련 AI 소식