‘2025년은 AI 에이전트의 해’ 
‘2025년은 바이브 코딩의 해’ 

요즘 들어 이런 말들을 아무렇지 않게 쓰는 경우를 많이 봅니다. 아무리 생각해도 1년 안에 해결될 일들이 아닌데, 미디어 등이 그저 AI 관련 유행에 편승하기 위해 쓰는 문구들이지 않을까 싶어요. 읽는 사람들이 착각하기 쉬운데도요.

바이브 코딩 개념의 창시자인 안드레이 카파시(Andrej Karpathy)도 저런 문구들을 극도로 경계한다고 합니다. (그는 전 오픈AI 공동창업자이자 전 테슬라AI(오토파일럿) 책임자이고 현 유레카랩스 창업자이자 CEO입니다.)

카파시는 경험상, 그리고 지금의 트렌드를 보면 에이전트든, 바이브 코딩이든, 소프트웨어 개발 전략이라는 큰 맥락에서 이해한 뒤 어떻게 쓸지 신중하게 고민하고 앞으로의 개발 방향을 고민해야 한다고 말했어요. 그러려면 지난 10년 간 (실제 제품에서) AI의 자율성이 어떻게 확장되어 왔고, 앞으로 10년 간 어떻게 늘려나갈지 보아야 한다고도 덧붙였습니다.

AI로 스타트업 창업을 고민하는 창업자 분들에게 그의 말이 의미 있게 다가갈 것 같은데요. 그래서 그가 와이콤비네이터(YC) AI 스타트업 스쿨에서 진행한 화제의 발표 <Software Is Changing (Again)>를 정리해 봤습니다.

바이브 코딩 창시자가 전하는 AI 제품 개발 및 전략 트렌드를 같이 살펴보시죠!

[아티클 네비게이션]

• AI, 바이브 코딩은 소프트웨어 3.0 시대를 열었습니다
  • 소프트웨어 1.0부터 3.0까지, 어떤 변화가 있었나
  • 소프트웨어 3.0만 아는 건 ‘제품 개발의 반만’ 아는 것?
• 실제 제품 개발에 쓰이는 LLM, 정확히 무엇일까
  • 바이브 코딩의 창시자가 본 ‘LLM의 본질’
  • LLM 기반의 바이브 코딩, 완벽하기 때문에 결함이 있습니다
• LLM으로 만드는 기회 - 부분적으로 자율적인 앱

AI, 바이브 코딩은 소프트웨어 3.0 시대를 열었습니다

“지금은 IT 업계에 진입하기 좋은시기입니다. 소프트웨어가 또 한 번 변화하고 있기 때문입니다. (이로써) 우리는 소프트웨어 1.0, 2.0, 3.0이 공존하는 시대에 살고 있습니다”

-  안드레이 카파시

소프트웨어 1.0부터 3.0까지, 어떤 변화가 있었나
 

소프트웨어는 근 몇 년 간, 소프트웨어를 만드는 방법 측면에서 두 번의 본질적인 변화를 겪었습니다.

그 변화로서 안드레이 카파시는 소프트웨어 2.0과 소프트웨어 3.0이 빠르게 등장했다고 보았어요. 이 버전이 높아질수록 소프트웨어를 만드는 데 직접 작성하던 코드가 자동화 돼서 진입장벽은 낮아지고 있고요. 그에 따르면 현재 소프트웨어의 세계는 세 가지 패러다임으로 구성돼 있습니다.
 

• 소프트웨어 1.0: 전통적으로 코드를 작성해서 컴퓨터를 프로그래밍해 소프트웨어를 만듭니다. 
• 소프트웨어 2.0: 가중치(weights, parameter)로 뉴럴넷*을 프로그래밍해 소프트웨어를 만듭니다. 즉, 소프트웨어는 뉴럴넷을 프로그래밍하는 가중치의 계산 결과입니다. 
• 소프트웨어 3.0: 프롬프트로 대규모 언어 모델(이하 LLM, 뉴럴넷)을 프로그래밍해 소프트웨어를 만듭니다. 이때 프롬프트가 자연어(주로 영어)라는 점이 놀랍습니다.   

💡뉴럴넷(Neural net) : AI가 엄청난 양의 데이터로 규칙을 찾아 학습할 때, 입력된 정보가 여러 층을 거치며 조금씩 가공되고 최종 출력(답변)이 나옵니다. 이 구조를 사람의 뇌를 흉내낸 구조로, ‘뉴럴넷’이라고 부릅니다.

이 패러다임들을 비교해 보기 위해 감성 분석*(Sentiment Analysis)을 하는 소프트웨어를 만든다고 하면요. 1) 파이썬으로 코딩하는 방법, 2) 뉴럴넷을 프로그래밍해서 자연어를 분석하는 방법, 3) 프롬프트로 LLM을 프로그래밍하는 방법이 있는 거죠. 게다가 프롬프트는 자연어로 구성할 수 있습니다. 

💡감성 분석 : 텍스트에 들어있는 의견이나 감성, 평가, 태도 등의 주관적인 정보를 컴퓨터를 통해 분석하는 과정입니다.

소프트웨어 3.0만 아는 건 ‘제품 개발의 반만’ 아는 것?

안드레이 카파시는 이제 IT 업계에서 일하려면 세 가지 패러다임을 모두 이해하고, 가능한 한 모두 사용할 줄 알아야 한다고 강조합니다. 그래야 소프트웨어 세계의 변화를 주도하고 유연하게 수용해서 선택의 폭을 넓힐 수 있기 때문이에요. 이를 통해 더 나은 의사결정을 할 가능성도 높일 수 있고요.

그는 테슬라에서의 경험도 공유했어요. 당시 그는 자동차에 데이터를 인풋하고 소프트웨어 스택을 거쳐 조종 장치(steering)와 가속 장치(acceleration)를 생성했는데요. 초기에는 이때 C++ 코드를 많이 보았다고 합니다.

그런데 이 프로그램에서 뉴럴넷의 능력(capability)과 규모(size)를 키워가면서 C++ 코드가 삭제되기 시작했다고 해요. 서로 다른 카메라와 오랜 시간에 걸쳐 찍힌 이미지들 사이에서 연결되고 통합된 정보들이 뉴럴넷에서 프로세스되어, 기존의 코드들은 소프트웨어 2.0으로 마이그레이션된 거예요.

오토파일럿을 만들며 사용했던 소프트웨어 스택들 중, 소프트웨어 2.0이 C++로 작성된 소프트웨어 1.0의 영역을 점점 더 많이 차지해 나가게 된 것입니다. 소프트웨어 3.0도 마찬가지로 앞으로 더 큰 영역을 차지해 나갈 것이라고 예상할 수 있어요.
 

실제 제품 개발에 쓰이는 LLM, 정확히 무엇일까

그러면 최신 패러다임인 소프트웨어 3.0의 LLM과 그 생태계를 어떻게 이해할 수 있을까요?

아직 이르지만, 기존에 우리에게 익숙한 개념과 새로운 컴퓨팅인 LLM을 비교한 사례가 꽤 많아요. 가령 수도, 전기, 가스와 같은 공익사업(유틸리티)이나 하드웨어 제조라인 등에 비유하기도 하죠.

유틸리티에 비유하는 경우, LLM을 구축하고 훈련시키는 작업을 전기망(그리드)을 구축하는 작업으로 보고요. 또한 LLM이 다운되면 사람들이 일상 생활을 지속하지 못하게 되는 상황을, 전압이 그리드에서 안정적으로 제공되지 못하는 상황에 비유해요. 한편 하드웨어 제조라인에 비유하는 경우 LLM의 인프라를 만드는 데 어마어마한 자본이 들어간다는 점에 착안하기도 해요. 
 

바이브 코딩의 창시자가 본 ‘LLM의 본질’

안드레이 카파시는 LLM을 운영체제에 비유해요. LLM이 여전히 매우 값나가는 AI 모델이고, 클라우드에서 클라이언트와 인터랙트하는 중앙집중적인 시스템이기 때문이에요.

1.
소프트웨어 생태계를 봤을 때 LLM은 윈도우, 맥OS, 리눅스와 같은 운영체제처럼 LLM을 제공하는 업체가 한정돼 있죠. 오픈AI, Gemini, 앤트로픽 등으로요.

2.
또 커서(Cursor)와 같은 바이브 코딩 앱을 GPT, Gemini 시리즈에서 실행시킬 수 있습니다. 마치 소스 코드를 에디팅하는 앱인 ‘비주얼 스튜디오 코드(VS code)’를 현재 윈도우, 맥OS, 리눅스에서 실행하듯이 말이죠.

3.
더불어 카파시는 챗GPT와 소통할 때, 마치 지금의 (텍스트로 컴퓨터 운영체제에 직접 접근할 수 있는) 터미널과 소통하는 것 같다고도 비유했어요.

4.
다만 LLM의 경우 기술이 보급되는 경로가 완전히 다릅니다. 예를 들어 전기, 암호화 기술, 컴퓨팅, 인터넷, GPS 등 혁신 기술은 처음 등장할 때 비용이 높고 새롭기 때문에 정부와 기업이 복잡하고 큰 문제에 씁니다. 그런데 LLM은 이미 일반인들의 일상 문제를 해결하는 데 사용되고 있어요. 
 

LLM 기반의 바이브 코딩, 완벽하기 때문에 결함이 있습니다

안드레이 카파시는 지금 LLM이 보이는 한계에 관해서도 명확히 짚고 넘어갑니다.

그는 LLM을 영화 <레인맨>의 주인공 레이먼드 바빗(Raymond Babbitt)에 비유했어요. 레이먼드 바빗은 자폐 스펙트럼과 비상한 지능을 보유했어요. 이처럼 LLM도 완벽한 기억력과 백과사전 수준의 지식을 갖췄다는 뜻입니다.

하지만 LLM이 꼭 완벽하지는 않아요. 크게 다음 3가지 결함이 있습니다.

1. LLM은 거짓을 사실처럼 둔갑(hallucination)시키기도 합니다. 
2. LLM은 선행성 기억상실증도 있습니다. 날마다 문화, 맥락, 역사를 학습하지 못해서 더 발전하지 못합니다. 영화 <첫키스만 50번째>, <메멘토>에 나오는, 매일 기억과 맥락이 리셋되는 주인공들과 비슷해요.
3. LLM은 잘 속기 때문에 보안 문제도 일으킵니다. 프롬프트를 인풋할 때 개인정보 유출 위험 등 리스크가 있어요.

따라서 안드레이 카파시는 LLM이 초인적인 힘을 보유했지만, 분명 문제도 있다고 꼬집었어요. 그래서 쓸모 있는 부분을 극대화해서 잘 이용하고 부족한 부분을 최소화해야 한다고 말했죠.

나아가 그는 “AI에게 목줄을 채워야 한다!”고 여러 번 힘주어 말합니다. 

LLM으로 만드는 기회 - 부분적으로 자율적인 앱

아이언맨의 슈트(suit)를 기억하시나요? 이 슈트는 주인공인 토니 스타크가 주도권을 가지고 다룰 수 있는 증강현실이 적용된 한편, 에이전트로서 어느 정도의 자율성을 가지고 비행과 공격 능력을 발휘합니다. 즉, 슈트는 아이언맨 로봇과 다르게, 사용자인 토니 스타크가 자율 슬라이더로 증강 현실을 조종하거나 에이전트를 빌드할 수 있습니다.

안드레이 카파시는 성공적인 LLM 앱들이 이 아이언맨 슈트와 비슷하다고 말합니다. 그는 AI 코드 에디터 커서(Cursor), AI 기반 대화형 검색 엔진 퍼플렉시티(Perplexity)처럼 ‘부분적으로 자율적인 앱(Partial Autonomy Apps)’이 큰 기회가 될 것이라고 봐요. 

그가 보기에 이러한 앱들에는 3가지 특징이 있습니다.

첫째, LLM의 맥락 관리와 조직화(오케스트레이션, orchestration)를 합니다. 커서는 기존 코드 편집기와 같은 인터페이스를 제공하지만 사용자의 용도에 따라 여기 다양한 모델을 통합하고 조직화합니다. 퍼플렉시티도 요약, 번역, 분석 등을 담당하는 다수의 모델을 오케스트레이션해요.

둘째, 사용자에게 편한 GUI(그래픽 유저 인터페이스)를 적용했습니다. 커서의 경우 사용자가 텍스트로 쓰거나 읽거나 해석할 필요 없이 GUI를 기반으로 효과적으로 시스템을 관리할 수 있어요. 퍼플렉시티도 마찬가지입니다. 예를 들어 출처가 되는 웹사이트들을 GUI 형태로 출력하기 때문에 사용자가 결과값을 용이하게 모니터링할 수 있죠.

셋째, 자율 슬라이더(autonomy slider)가 있어요. 자율 슬라이더는 LLM의 자율성 정도를 조정하는 기능입니다. 아래 커서와 퍼플렉시티의 예시에서 자율 슬라이더가 무엇인지 더 자세히 볼 수 있어요.

커서에서는 사용자가 코드 덩어리를 블록으로 선택하거나 전체 선택을 하는 기능, 코드를 변경하는 기능 등이 있어, 일의 복잡도에 따라 직접 조정하거나 시스템에 자율권을 넘길 수 있어요. 퍼플렉시티에서도 단순 검색, 심화 검색, 더 심화된 검색 기능, 추천 질문 기능 등으로 LLM의 자율성을 조정할 수 있습니다. (= 자율 슬라이드)
 

안드레이 카파시는 부분적으로 자율적인 앱이 앞으로도 성공하려면 다음 2가지가 충족 돼야 한다고 해요.

첫째, 인간이 LLM의 결과물을 확인하고 인증하는 속도를 높여야 한다는 것입니다. GUI와 UI/UX가 굉장히 중요한 이유예요.

둘째, AI를 인간의 통제 아래 확실히 놓아야 한다는 것입니다. 그래서 그 역시 바이브 코딩을 할 때 라인은 적지만 확실한 코드들을 빠르게 루프 돌리는 방향으로 작업한다고 해요.

따라서 AI에서 큰 기회를 볼 수 있다고 해도, AI 시스템이 오류가 많은 시스템임을 인정해야 해요. 안드레이 카파시는 이에 대해, 바이브 코딩이 아무리 대세로 떠오른다 해도 사람이 무조건 개입해야 한다고, 돌다리도 두드려 가며 신중하게 접근해 한다고 재차 강조합니다.

“AI 에이전트가 생각보다 유용하다 보니, 어떤 개발자들은 막 신나서 사용해요. 그런데 제가 써봤을 땐 천 줄 이상의 코드를 배포하는 데는 AI 에이전트가 유용하지 않더라고요.  여전히 저는 버그가 없는지  확인하고, 수정하고, 보안 문제는 없는지 재차, 삼차 들여다 봅니다. 오버하지 않았으면 해요”  

-  안드레이 카파시

마지막으로 안드레이 카파시는 그보다 조금 더 먼 미래를 내다 봅니다. 1) 영어를(한국어를) 할 줄 알면 누구나 쉽고 빠르게 프로그래밍을 할 수 있는, 2) 소프트웨어의 자율성이 사람의 감시 아래 점점 늘어나는 미래입니다. 그리고 구체적으로 이런 일들을 실현해 나갈 수 있는 방법을 제언합니다.

우선 카파시 자신이 제안한 개념인 바이브 코딩이 제품 개발 단계에서 코딩 작업의 시간을 단축하고 효율성을 높일 수 있다고 해요.

예를 들어 그는 애플의 스위프트(Swift)라는 개발 언어를 모르지만 바이브 코딩으로 iOS 앱 ‘메뉴젠(MenuGen)’을 빌드했는데요. 메뉴젠은 5달러를 지불하면 텍스트만 있는 메뉴판을 찍으면 음식의 이미지와 메뉴 정보를 보여줍니다. 그는 이 앱을 불과 몇 시간 만에 만들었어요.

하지만 안드레이 카파시는 메뉴젠 코딩 외 다른 작업에 일주일 넘는 시간을 들여야 해서 굉장히 불만족스러웠다고 해요.

카파시에 경험에 따르면, 인증(authentication)을 받고, 지불 시스템을 적용하고, 도메인을 구매하고, 로그인 옵션을 적용하는 등 데브옵스* 작업에 드는 시간이 서비스를 빠르게 개발하는 데 걸림돌이 됐다고 하죠. 특히 구글 로그인 옵션을 적용하기 위해 다수의 가이드라인을 따라 수많은 클릭 작업을 수행해야 했던 것이 큰 불만이었다고 말합니다. 

💡데브옵스(DevOps) : 개발(Dev)과 IT 운영(Ops)을 통합해 빠르고 안정적인 서비스 제공을 목표로 하는 문화·프로세스·도구 체계를 의미합니다.

그래서 데브옵스 작업을 자동화하는 에이전트가 있다면 제품, 서비스를 빌드하는 일이 훨씬 빠르고 쉬워질 거라고 해요. 즉, 사람에게는 GUI, 컴퓨터에게는 API가 있듯이, 이 에이전트에게는 사람과 비슷한 컴퓨터가 디지털 정보를 수용하고 처리하는 소프트웨어 인프라가 필요합니다.

그러려면 LLM친화적인 인터페이스(언어, 데이터 등)를 구현하고, LLM 친화적인 조작 방법을 이해해서 LLM이 액션을 취할 수 있도록 문서에 명시해야 해요. 스트라이프(Stripe), 버셀(Versell) 등이 이미 ‘얼리 무버(early mover)’로서 이 일을 하고 있습니다. 

카파시는 이렇게 개발 언어를 몰라도 자연어를 알면 간단한 앱 정도는 뚝딱 개발할 수 있으니 누구나 프로그래밍을 하고 제품, 서비스를 만들 수 있다고 강조하고 있어요. 또 단기적으로 소프트웨어의 자율 처리 영역을 이런 식으로 넓혀가야 한다는 바람으로 발표를 마무리했어요. 

사실 예전부터 ‘누구나 프로그래머가 되는 미래’를 말했지만 이렇게 빠르게 구현될 줄 몰랐어요. 말은 쉽지만 자연어로 프로그래밍을 할 수 있다는 사실은 전례 없는, 까무러칠 일입니다. 안드레이 카파시는 이런 트렌드를 누구보다 빠르게 파악했고 ‘바이브 코딩’이라고 명확하게 정의해서 모두에게 명확하게 인식시켰어요.

또 그는 바이브 코딩을 단편적으로만 본 것이 아니라 큰 그림으로, 소프트웨어의 변화 속에서 그것이 어떤 의미를 지니고 역할을 하는지도 깊이 고민했습니다. 더불어 그 이후에 소프트웨어의 자율성을 어떤 방향으로 발전시킬지도 제안했어요.

그래서 AI 스타트업을 창업하는 분들 또는 개발자 분들이 바이브 코딩에 대해 더 큰 그림에서 소프트웨어 발전 흐름을 파악하는 계기로 삼으면 좋겠다는 생각이 들었습니다. 단순히 기술 발전이 놀랍다는 감상이나 그저 지나가는 유행일 뿐이라고 단편적으로 생각하는 게 아니라, 생산적인 방향으로 고민해서 유익한 정보를 배워갈 수 있으니까요! 

긴 글 읽어주셔서 감사합니다.

- 편집: 김지윤
- 글 : 장혜림 에디터