티스토리 뷰
목차
웹 개발을 공부할 때 저는 코드를 직접 한 줄씩 치는 것이 개발자의 핵심 역량이라 믿었습니다. 그런데 최근 AI 코딩 도구를 실제로 써보면서 그 믿음이 조금씩 흔들리기 시작했습니다. 구현 자체는 AI가 대신해주는 시대가 이미 왔고, 이제 진짜 경쟁력은 다른 곳에 있다는 것을 체감했습니다.
코딩 자동화, 실제로 써보니 이런 점이 달랐습니다
일반적으로 AI가 코드를 작성해주면 개발자는 그냥 가져다 쓰면 된다고 생각하는 분들도 있는데, 제가 직접 써봤더니 현실은 꽤 달랐습니다. 클로드 코드(Claude Code)나 GPT 계열 코딩 도구를 써서 간단한 웹사이트를 만들어달라고 했을 때, 겉으로는 완성된 것처럼 보였지만 모바일 화면에서 레이아웃이 무너지거나 불필요하게 복잡한 코드가 덕지덕지 붙어 있는 경우가 있었습니다. 이걸 발견하고 수정 요청을 정확하게 하려면 결국 제가 코드를 읽고 판단할 수 있어야 했습니다.
이 경험이 저한테는 꽤 중요한 전환점이었습니다. 코딩 지식이 사라지는 게 아니라, 코딩 지식의 쓰임새가 바뀌는 것이라는 생각이 들었거든요. 과거에는 코드를 직접 작성하는 데 썼던 지식을, 이제는 AI가 만든 결과물을 검토하고 비판하는 데 쓰게 된 것입니다.
여기서 바이브 코딩(Vibe Coding)이라는 개념이 등장합니다. 바이브 코딩이란 코드 문법이나 구조를 깊이 알지 못해도 AI에게 원하는 기능을 자연어로 설명하고 결과물을 받아 쓰는 방식을 말합니다. 아이디어를 빠르게 프로토타입으로 만들어보는 데는 분명히 유용합니다. 실제로 행정 업무 자동화처럼 반복적인 작업을 개선하는 사례도 늘고 있다는 보고가 있습니다(출처: McKinsey & Company).
그런데 솔직히 이건 예상 밖이었습니다. 프로토타입이 잘 작동한다고 해서 프로덕션(Production) 수준, 즉 실제 사용자에게 서비스로 배포하는 수준의 소프트웨어가 되는 것은 전혀 다른 문제입니다. 프로덕션이란 불특정 다수가 실제 환경에서 사용하는 완성된 서비스 상태를 말합니다. AI가 만든 코드가 95%는 작동해도 나머지 5%에서 보안 취약점이 터지거나 데이터 손실이 생기면, 그 작은 오류 하나가 치명적인 비용으로 돌아올 수 있습니다. 금융이나 보안 분야에서는 99% 동작도 허술한 기준이 될 수 있다는 말이 과장이 아닙니다.
결국 제가 느낀 건, AI 시대에 코딩 기초 지식은 오히려 더 중요해졌다는 것입니다. 다만 그 지식을 쓰는 방식이 "쓰는 것"에서 "읽고 비판하는 것"으로 무게중심이 이동했을 뿐입니다.
- 바이브 코딩은 프로토타입 단계에서 강점을 발휘하지만, 프로덕션 수준의 완성도는 별개의 문제
- AI가 생성한 코드를 검토하려면 기본적인 소프트웨어 엔지니어링 지식이 필수
- 코딩 지식의 역할이 "직접 작성"에서 "비판적 검토"로 이동 중
- 금융·보안 등 민감한 영역일수록 코드 품질 검증 역량의 가치가 높아짐
기발자의 시대, 문제 정의가 진짜 역량입니다
이번 내용을 접하면서 제가 가장 공감한 개념은 '기발자'였습니다. 기획자와 개발자를 합친 신조어인데, 기획부터 개발까지 한 사람이 수행하는 모델을 말합니다. 구현 비용이 낮아질수록 아이디어를 바로 만들어보고, 사용자 반응을 확인하고, 다시 개선하는 전 과정을 혼자 빠르게 돌릴 수 있게 된다는 것입니다.
제 경험상 이건 꽤 현실적인 방향으로 보입니다. 저는 웹 개발 경험과 콘텐츠 사업에 대한 관심이 함께 있는 편인데, AI 도구를 활용하면 예전에는 개발자를 따로 구해야 했을 작은 서비스들을 직접 시도해볼 수 있게 됐습니다. 그 과정에서 진짜 어려운 부분은 코드를 작성하는 것이 아니라 "어떤 문제를 풀 것인가"를 결정하는 단계였습니다.
여기서 제본스 파라독스(Jevons Paradox)라는 개념이 있습니다. 제본스 파라독스란 어떤 자원의 효율이 높아지면 오히려 그 자원의 총 소비량이 늘어나는 역설적 현상을 말합니다. AI로 코딩이 쉬워지면 코딩 비용이 낮아지고, 그 결과 소프트웨어를 만들려는 수요 자체가 늘어나 전체 산업의 파이가 커질 수 있다는 관점입니다. ATM이 도입됐을 때 은행원이 사라질 것이라고 했지만, 실제로는 지점 수가 늘고 은행원의 역할이 창구 업무에서 상담·영업으로 바뀐 것과 같은 맥락입니다(출처: U.S. Bureau of Labor Statistics).
그렇다고 무조건 낙관적으로 보는 것도 조심해야 한다고 생각합니다. 초급 개발자의 진입 장벽이 실제로 높아지고 있다는 것은 부인하기 어렵습니다. 반복적인 코드 작성 업무나 교과서 수준의 문제 해결처럼 초급 개발자가 경험을 쌓아가던 영역을 AI가 빠르게 흡수하고 있기 때문입니다.
제가 앞으로 키우고 싶다고 생각한 역량도 바로 이 지점에서 나왔습니다. 알고리즘적 사고(Algorithmic Thinking), 즉 복잡한 문제를 단계적이고 논리적인 절차로 분해해서 해결하는 사고방식은 AI 시대에도 인간 고유의 영역으로 남을 가능성이 높습니다. 어떤 문제를 발견하고, 그것을 AI가 풀 수 있는 형태로 정의하고, 나온 결과물이 정말 좋은 해답인지 판단하는 능력. 이것이 코드를 직접 짜는 것보다 훨씬 오래, 더 넓게 쓸 수 있는 역량이라고 생각합니다.
작은 서비스를 직접 만들고, 실제로 써보고, 버리는 과정을 반복하면서 이 안목을 키우는 것이 제가 지금 시도해보고 싶은 공부 방식입니다. 단순히 문법을 외우는 방향이 아니라, AI와 함께 빠르게 만들어보면서 "이게 좋은 해결책인가"를 계속 질문하는 훈련 쪽으로요.
자주 묻는 질문
Q. AI가 코드를 다 짜주면 코딩 공부를 안 해도 되나요?
A. 일반적으로 AI 도구가 좋아지면 코딩 지식이 필요 없다고 생각하는 분들도 있는데, 제가 직접 써봤더니 오히려 반대였습니다. AI가 만든 결과물이 제대로 된 것인지 판단하려면 기본적인 코드 구조와 소프트웨어 엔지니어링 지식이 있어야 합니다. 검토하고 수정 요청하는 능력 자체가 기초 지식에서 나오기 때문입니다.
Q. 바이브 코딩으로 실제 서비스를 만들 수 있나요?
A. 프로토타입을 빠르게 만드는 데는 확실히 유용합니다. 그런데 프로덕션 수준, 즉 실제 사용자에게 배포하는 서비스로 가려면 보안, 예외 처리, 성능 최적화 같은 영역을 별도로 검증해야 합니다. 특히 금융이나 개인정보를 다루는 서비스라면 바이브 코딩 결과물만으로는 위험할 수 있다고 생각합니다.
Q. 비전공자도 AI로 개발을 시작할 수 있나요?
A. 지금이 오히려 가장 좋은 시점이라고 생각합니다. AI 도구의 변화는 전공자에게도 새롭고, 모두에게 비슷한 출발선을 제공하고 있기 때문입니다. 자신이 잘 아는 분야의 작은 문제를 AI로 풀어보는 시도를 반복하면, 도구의 가능성과 한계를 자연스럽게 체득할 수 있습니다.
Q. AI 시대에 초급 개발자로 취업하기가 더 어려워지나요?
A. 솔직히 진입 장벽이 높아지고 있는 것은 사실이라고 생각합니다. 반복적인 코드 작성이나 교과서 수준의 과제처럼 초급 단계에서 경험을 쌓던 업무들을 AI가 빠르게 대체하고 있기 때문입니다. 다만 제본스 파라독스처럼 소프트웨어 수요 자체가 커지면 새로운 형태의 역할이 생길 가능성도 있으므로, 구현 능력보다 문제 정의와 비판적 사고 역량을 함께 키우는 방향이 현실적입니다.
결론
정리하면, 코딩이 사라진다는 단순한 결론보다는 코딩의 역할이 재편된다는 쪽이 제 경험에 더 가깝습니다. AI 도구를 실제로 써보면서 느낀 건 구현 속도가 빨라질수록 "무엇을 만들 것인가"를 결정하는 단계의 무게가 오히려 커진다는 것이었습니다. 알고리즘적 사고와 비판적 검토 능력, 그리고 도메인에 대한 깊은 이해가 앞으로 더 오래 쓸 수 있는 역량이라는 생각이 확고해졌습니다.
저는 앞으로 코딩 공부를 문법 암기 중심에서 벗어나, 작은 서비스를 직접 만들고 AI와 함께 개선하면서 문제 정의와 판단력을 키우는 방식으로 바꿔볼 계획입니다. 특정 분야의 문제를 발견하고 직접 해결해보는 경험이 쌓일수록, 기발자로서의 확장성도 함께 커질 것이라고 생각합니다.