바이브 코딩의 함정 — 시니어 개발자가 말하는 AI 코딩의 숨은 비용

핵심 메시지

• 바이브 코딩은 코드를 이해하지 않고 'AI가 짜준 대로 돌아가면 출시'하는 방식으로, 빠르게 느껴지지만 그 속도는 가짜다.
• 겉보기 생산성의 대가는 디버깅 불능이다. 이해하지 못한 코드는 새벽 3시 장애 상황에서 고칠 수 없다.
• 키 입력마다 DB 쿼리를 날린 검색 기능처럼, 이해 없이 넘긴 코드는 실사용 트래픽에서 서비스를 마비시킬 수 있다.
• 커니핸의 격언대로, 디버깅은 작성보다 두 배 어렵다. 이해의 한계를 넘어 AI가 짠 코드는 애초에 디버깅할 수 없다.
• 시니어 개발자도 AI를 쓰지만 보일러플레이트·탐색용으로만 쓰고, 핵심 로직과 보안 코드는 직접 설계하고 모든 줄을 설명할 수 있게 한다.

쉽게 이해하기

영상은 극적인 장면으로 시작한다. 새벽 3시, 서비스가 다운되고 상사가 전화를 걸어오는데, 정작 망가진 코드는 내가 쓴 것이 아니라 AI가 쓴 것이다. 발표자는 대부분의 코드를 AI에게 맡기고 있다면 지금의 생산성이 사실은 함정일 수 있다고 경고한다.

'바이브 코딩'은 이해가 아니라 '느낌(vibe)'으로 개발하는 것이다. ChatGPT가 준 코드를 붙여넣어 실행되고 테스트가 통과하면 그대로 출시한다. GitHub의 초록색 칸과 도파민은 채워지지만, 그 코드가 실제로 어떻게 동작하는지는 모른다. 발표자는 이를 '결정을 잘못 내린 것이 아니라, 결정을 아예 내린 적이 없는 것'이라고 표현한다.

구체적 사례로, 한 개발자가 AI로 자동완성 검색 기능을 만들어 당일 출시했다. 2주 뒤 블랙 프라이데이에 사이트는 4분 만에 붕괴했다. AI가 만든 코드가 키 입력 한 번마다 별도의 DB 쿼리를 날렸고, 디바운스·캐싱·속도 제한이 전혀 없었기 때문이다. 테스트 사용자 10명에서는 완벽했지만 5만 명의 실사용자 앞에서는 즉사했다. 그는 '테스트에서는 됐고, 문제가 될 줄 몰랐다'고 답했다.

발표자는 사람들이 '코드를 얼마나 빨리 쓰는가'라는 잘못된 지표를 측정한다고 지적한다. 정작 중요한 것은 아이디어에서 안정적이고 유지보수·디버깅 가능한 프로덕션 코드까지의 시간이다. AI가 10분 만에 짠 코드는 이후 엣지 케이스 디버깅 90분, 아키텍처에 맞추는 리팩터링 1시간, 프로덕션 장애 대응 3시간으로 이어져 결국 직접 짜는 것보다 느려질 수 있다.

핵심 차이는 멘탈 모델이다. 시니어 개발자는 코드를 직접 쓰며 완전한 정신적 모델을 만들었기에 버그를 5분 만에, 결제 처리의 레이스 컨디션을 8분 만에 두 줄로 고친다. 발표자는 AI를 목발이 아닌 도구로 쓰라고 조언한다. 문제를 먼저 이해하고 해법을 직접 설계한 뒤 구현 속도를 높이는 데만 AI를 쓰며, 이번 주에 AI로 만든 기능 하나를 AI 없이 처음부터 다시 만들어 보라고 제안한다.

주요 인사이트

• 속도라는 지표 자체가 잘못됐다. 측정해야 할 것은 코드 작성 속도가 아니라 '안정적으로 유지보수 가능한 프로덕션 코드까지의 총 시간'이다.
• 이해 없이 쌓은 코드는 장애 상황에서 부채로 돌아온다. 멘탈 모델이 없으면 스택 트레이스를 읽고 원인을 짚는 시니어의 순간 대응이 불가능하다.
• AI 의존은 실력의 위축을 부른다. 문제를 스스로 생각하는 대신 AI에게 먼저 묻는 습관은 6개월 뒤 개발 역량을 눈에 띄게 약화시킨다.
• AI는 실력을 대체하는 게 아니라 증폭한다. 이미 이해하는 보일러플레이트나 여러 접근법 탐색에 쓰되, 핵심 로직·중요 경로·보안 코드에는 쓰지 않는 것이 시니어의 사용법이다.

자주 묻는 질문

관련 AI 소식