바이브코딩 (도메인 지식, AI 에이전트, 유지보수)
솔직히 처음엔 반신반의했습니다. 개발 경험이 전혀 없는 상태에서 영유아 스킨케어 브랜드를 론칭하며 Meta Ads 픽셀 설치와 GA4 연동을 직접 해야 했을 때, AI한테 물어보면 된다는 말이 그냥 유튜브 멘트처럼 들렸거든요. 그런데 실제로 해보니 달랐습니다. 도메인 지식이 있는 비개발자가 AI를 부려먹는 방식, 이른바 바이브코딩이 정말 작동하더라고요. 다만 "AI가 다 해준다"는 말을 그대로 믿었다가는 한 번쯤 쓴맛을 보게 됩니다. 그 지점까지 솔직하게 풀어보겠습니다.
도메인 지식이 있어야 진짜 악덕 사장이 된다
제가 직접 써봤는데, AI에게 "더 잘 만들어"라고 말하는 것과 "전환율을 높이려면 장바구니 버튼을 스크롤 없이 노출되는 영역(Above the Fold)에 올려라"라고 말하는 것은 결과물이 완전히 다릅니다. 여기서 Above the Fold란 페이지를 스크롤하지 않아도 화면에 바로 보이는 영역을 뜻하는데, 이 개념 하나를 알고 있느냐 모르느냐가 AI에게서 뽑아내는 아웃풋의 질을 가릅니다.
실제로 커머스를 운영하면서 메타 광고의 픽셀 설치 작업을 AI와 함께 진행했습니다. 픽셀이란 웹사이트 방문자의 행동 데이터를 Meta 광고 계정으로 전송하는 추적 코드로, 광고 최적화의 핵심 기반입니다. 코드 한 줄 모르는 상태였지만, "결제 완료 이벤트가 픽셀에 잡히지 않는다"고 구체적으로 말할 수 있었던 건 커머스 운영 도메인을 알고 있었기 때문입니다.
도메인 지식이 없는 개발자가 만든 툴이 허접해지는 이유가 바로 여기 있습니다. 기술적 구현 능력은 있어도 "왜 이 기능이 필요한가"를 모르면 방향이 틀립니다. 반대로 말하면, 현장을 아는 사람이 AI라는 도구를 쥐었을 때 가장 빠르게 실용적인 결과를 뽑아낼 수 있습니다. 출처: McKinsey & Company — The Economic Potential of Generative AI에 따르면, 생성형 AI가 가장 높은 생산성 향상을 가져오는 분야는 기술 구현이 아니라 도메인 전문성이 결합된 의사결정 영역입니다.
- ›AI에게 모호한 지시를 하면 모호한 결과물이 나온다 — 도메인 언어로 말해야 AI가 정확히 움직인다
- ›픽셀, 전환 이벤트, 퍼널 같은 업무 개념을 알면 피드백의 정밀도가 올라간다
- ›개발 외주보다 본인이 직접 AI와 만든 툴이 실무에 더 가까운 이유는 도메인 지식 때문이다
AI 에이전트를 LLM과 함께 쓰는 법
바이브코딩을 처음 접하는 분들이 가장 헷갈려하는 지점이 있습니다. LLM과 코딩 에이전트를 같은 것으로 보는 것입니다. 저도 처음엔 그렇게 생각했습니다. LLM이란 텍스트를 이해하고 생성하는 언어 모델로, Claude나 ChatGPT처럼 대화 방식으로 정보를 주고받는 도구입니다. 반면 AI 에이전트는 단순 대화를 넘어 실제 파일을 생성하고 코드를 실행하는 자율적 작업 도구입니다.
제가 실제로 쓰는 방식은 이렇습니다. 먼저 Claude에게 "나는 GA4 데이터를 시각화하는 간단한 대시보드를 만들고 싶은데, 어떻게 시작하면 돼?"라고 물어봅니다. GA4란 Google Analytics 4의 약자로, 웹사이트 방문자의 행동을 추적하고 분석하는 구글의 데이터 분석 도구입니다. Claude가 방향을 잡아주면, 그 내용을 정리해 Claude Code에게 구체적인 구현을 맡깁니다. 이 두 단계를 나눠서 쓰는 것만으로도 결과물의 완성도가 확연히 달라집니다.
"그냥 Claude Code한테 처음부터 말하면 되는 거 아니냐"라고 생각하는 분들도 있는데, 저는 달랐습니다. 기획 의도와 요구사항을 LLM과 충분히 정리한 뒤 에이전트에게 넘기면, 수정 횟수가 훨씬 줄어듭니다. LLM이 사전에 더 정교한 프롬프트를 만들어주기 때문입니다. 실제로 육아 정책 정보를 제공하는 블로그를 운영하면서 Microsoft Clarity를 연동할 때도 이 두 단계 방식을 썼고, 예상보다 빠르게 마무리됐습니다. Microsoft Clarity란 사용자의 화면 클릭, 스크롤 패턴을 시각적으로 보여주는 무료 UX 분석 도구입니다.
유지보수는 AI가 다 해줄까 — 낙관론의 빈틈
"AI가 유지보수도 다 알아서 해줄 것"이라는 의견도 있는데, 저는 여기에 약간 다르게 봅니다. 실제로 커머스 데이터 분석 툴을 운영하다가 API 업데이트 이후 데이터가 끊기는 상황을 겪었습니다. AP란 두 시스템이 데이터를 주고받기 위해 사용하는 연결 규약으로, 외부 서비스가 버전을 바꾸면 연결이 끊겨버리는 일이 생깁니다.
이때 시스템 전체가 먹통이 됐는데, 제가 아키텍처의 기본 흐름을 몰랐다면 AI한테 어디서부터 고쳐달라고 말해야 할지조차 몰랐을 겁니다. 코딩 문법을 알 필요는 없지만, "데이터가 어디서 들어와서 어디로 흘러가는가"라는 구조적 논리 정도는 머릿속에 그려져 있어야 합니다. 이걸 모르면 AI한테 지적인 피드백을 줄 수가 없고, 지적인 피드백이 없으면 AI도 엉뚱한 곳을 수정합니다.
출처: Stack Overflow Developer Survey 2024에 따르면, AI 코딩 도구를 사용하는 개발자 중 76%가 "AI가 생성한 코드를 그대로 쓰지 않고 직접 검토·수정한다"고 답했습니다. 완전 자동화가 아직은 먼 이야기라는 점을 현직 개발자들도 인정하는 수치입니다. 비개발자라면 코드 한 줄을 수정할 필요는 없지만, AI에게 "이 부분이 문제야, 여기를 고쳐"라고 정확하게 짚어줄 수 있는 최소한의 구조 이해는 필요합니다. 이것이 진짜 악덕 사장과 무능한 사장을 가르는 차이입니다.
자주 묻는 질문
Q. 코딩을 전혀 모르는데 바이브코딩으로 실제로 뭔가를 만들 수 있나요?
A. 제 경험상 충분히 가능합니다. 단, "코딩을 모른다"와 "내가 뭘 만들고 싶은지 모른다"는 다른 문제입니다. 본인의 업무나 관심 분야에서 불편한 점을 AI한테 해결해달라고 말하는 것에서 시작하면 됩니다. 처음부터 완성도 높은 결과물이 나오진 않지만, 피드백을 반복할수록 점점 실용적인 수준에 도달합니다.
Q. Claude와 ChatGPT 중 바이브코딩에 뭐가 더 낫나요?
A. "어느 것이 더 낫다"고 단정하기는 어렵습니다. 둘 다 LLM으로서 기본 역할은 비슷하고, 코딩 에이전트 쪽은 Claude Code와 ChatGPT의 Codex가 각각 연결됩니다. 저는 Claude 중심으로 써왔고 익숙해진 쪽이 더 빠르게 결과를 낸다는 게 솔직한 경험담입니다. 처음에는 하나만 깊게 써보는 것을 권합니다.
Q. 바이브코딩으로 만든 서비스, 나중에 유지보수가 진짜 문제가 되지 않나요?
A. 유지보수가 걱정된다는 의견도 있는데, 개인적으로는 과도한 우려라고 봅니다. 물론 API 연동이 끊기거나 예외적인 오류가 생기는 상황은 실제로 생깁니다. 이때 시스템의 데이터 흐름 정도만 파악하고 있으면 AI에게 어느 지점을 고쳐달라고 말할 수 있고, 그걸로 대부분 해결됩니다. 기술이 발전할수록 AI가 기존 코드를 분석하고 수정하는 능력도 함께 올라가고 있어, 유지보수 부담은 앞으로 더 줄어들 가능성이 높습니다.
Q. 바이브코딩, 어떤 걸 처음으로 만들어보면 좋을까요?
A. 본인이 매일 반복하는 업무 중 조금이라도 자동화하고 싶은 것을 하나 골라보는 게 가장 효과적입니다. 정보 수집, 데이터 정리, 간단한 계산 도구 같은 것들이 첫 번째 프로젝트로 적당합니다. 거창하게 시작하려다 포기하는 경우가 많아서, 30분 안에 뭔가 작동하는 것을 보는 경험이 중요합니다.
결론
바이브코딩을 직접 해보고 나서 확실히 느낀 건, 이건 개발자가 되는 이야기가 아니라는 점입니다. 자신의 도메인 지식을 무기로 AI라는 도구를 얼마나 정밀하게 부릴 수 있느냐의 싸움입니다. 코딩 문법보다 업무의 맥락과 구조적 논리를 아는 사람이 결국 더 좋은 결과물을 뽑아냅니다.
지금 당장 거창한 서비스를 만들 필요도 없습니다. 본인의 일상에서 불편한 것 하나를 골라 Claude나 ChatGPT한테 말을 걸어보는 것으로 충분합니다. 마음에 안 들면 "이 부분이 이래서 별로야"라고 말하고, 또 마음에 안 들면 또 말하면 됩니다. 제가 그렇게 했고, 그게 전부였습니다.