§2.2 바이브 코딩 프로세스

자연어 요청과 실행 결과가 이어지는 과정

Karpathy가 묘사한 작업을 설명의 편의를 위해 정리하면 다음 네 단계로 나눌 수 있다. 이는 이 절에서 구성한 구분이며, Karpathy가 정식 절차로 제시한 것은 아니다.

  1. 사람이 만들고 싶은 것과 요구사항을 자연어로 설명한다.
  2. AI가 코드를 작성하거나 수정해 제시한다.
  3. 사람이 프로그램을 실행해 결과가 의도와 맞는지 확인한다.
  4. 사람이 오류나 고칠 점을 다시 전달하고, 필요한 만큼 요청과 수정을 반복한다.

코드를 직접 작성하는 방식에서는 요구를 구현 방법으로 옮기는 일도 개발자의 몫이다. 판매 기록이 담긴 CSV 파일을 읽어 월별 매출 합계를 그래프로 그리는 작업을 가상의 예로 들 수 있다. 개발자는 사용할 언어와 라이브러리를 고르고, 파일 읽기, 날짜 해석, 월별 집계, 그래프 출력의 순서를 정한 뒤 변수 이름과 예외 처리까지 직접 입력한다.

바이브 코딩에서는 같은 작업을 다음과 같은 요청, 곧 프롬프트(prompt)로 시작할 수 있다. 이 요청은 설명을 위한 가상의 예시이며, 실행해 본 결과가 아니다.

sales.csv를 읽어서 월별 매출 합계를 막대그래프로 보여줘.
날짜 열은 order_date이고, 그래프 제목은 한글로 써줘.

요청에는 목표인 월별 매출 그래프, 입력과 출력인 CSV 파일과 막대그래프, 세부 조건인 열 이름과 제목의 언어가 들어 있다. 사용할 언어와 라이브러리, 구현 순서는 AI가 정하도록 맡긴다. 사람은 실행된 화면과 출력이 기대와 같은지를 보고 다음 요청을 정한다.

실제 요청이 이 예시처럼 정돈된 형태만은 아니었다. Sarkar와 Drosos가 분석한 바이브 코딩 영상에서는 막연한 미적 요구와 구체적인 기술 조건이 한 요청 안에 섞여 있었고, 오류 메시지나 코드 일부가 함께 전달되기도 했다. 작업자들은 결과를 실행한 뒤 필요한 기능을 새로 발견하거나 AI가 덧붙인 요소를 빼면서 목표 자체를 고쳐 나갔다 [12].

관찰된 작업에서는 직접 개입도 함께 나타났다

Sarkar와 Drosos는 작업자 자신이 바이브 코딩이라고 설명한 영상 다섯 편, 약 8.5시간 분량을 분석했다. 관찰된 작업자들은 프로그램을 자주 실행하면서 코드도 함께 살폈다. 한 줄씩 읽기보다 변경된 분량과 모양이 예상과 맞는지 훑어보는 방식이었고, 많은 변경을 2초 만에 수락한 사례도 있었다. 연구진은 가볍지만 잦은 코드 검토가 모든 참여자에게서 나타났다고 보고했다 [12].

오류를 찾아 고치는 디버깅(debugging)도 AI에만 맡기지는 않았다. 작업자들은 브라우저에 나타난 오류를 대화창에 붙여 넣어 수정을 요청하는 한편, 개발자 도구와 터미널로 원인을 직접 살피거나 환경 설정 파일을 손으로 고쳤다. 이들은 AI에 요청하는 작업과 직접 수정하는 작업 사이를 오갔다 [12].

연구진은 이러한 흐름을 반복적 목표 충족(iterative goal satisfaction)의 순환이라고 불렀다. 이 순환에는 생성된 코드를 수락하거나 거절하는 판단과, 요청을 고치는 대신 사람이 직접 수정하는 선택도 포함된다. 실제 작업은 각 단계 사이를 오가며 진행되었다 [12].

사람이 맡는 역할의 변화

이 과정에서 사람이 주로 하는 일은 세 가지 역할로 정리할 수 있다. 문제 정의자는 무엇을 만들지와 지켜야 할 조건을 분명히 한다. 검토자는 생성된 결과가 의도에 맞는지 판단하고 어디까지 믿을지 정한다. 디렉터는 어느 부분을 AI에 맡기고 언제 직접 개입할지 결정한다.

세 이름은 이 절에서 설명을 위해 붙인 것이다. 각각은 Sarkar와 Drosos가 정리한 컨텍스트 관리, 생성된 코드의 빠른 평가, AI에 맡기는 작업과 직접 하는 작업 사이의 전환이라는 세 가지 일에 대응한다. 컨텍스트(context)는 AI가 작업에 참고하는 대화 기록과 파일 등의 정보를 뜻한다 [12].

연구진은 바이브 코딩에서도 프로그래밍 전문성이 계속 필요하며, 그 전문성이 쓰이는 곳이 달라졌다고 결론지었다. 사람은 코드라는 재료를 직접 다루는 일에서 한 걸음 물러나(material disengagement), AI를 통해 코드의 생성과 수정을 지휘하고 필요한 곳을 골라 감독한다는 것이다 [12].

Meske 등도 개발자의 목표를 컴퓨터가 실행할 수 있는 표현으로 옮기는 과정을 의도 매개(intent mediation)라고 부르며, 전문성의 중심이 기술적 구현에서 AI와의 협업을 조율하는 일로 이동한다고 보았다 [9].

이 결과의 적용 범위에는 주의가 필요하다. 분석된 영상의 작업자는 모두 소프트웨어 개발 경험이 있었으며, 프로그래밍 전문지식이 없는 사용자의 세션은 포함되지 않았다. 연구진은 출력을 비판적으로 평가하지 않거나 문제를 알아볼 전문성이 없을 때 AI를 과신할 위험이 생긴다고 지적했다. 따라서 비개발자도 검토자와 디렉터의 역할을 같은 방식으로 수행할 수 있다고 이 연구만으로 판단할 수는 없다 [12].

구현 방법을 모두 익히기 전에 제작을 시작할 수 있게 된 변화는 제작에 참여하는 사람의 범위와도 연결된다.

참고문헌