최근 생성형 AI의 등장으로 코딩과 소프트웨어 개발의 관계에도 변화가 나타나고 있다. 과거에는 개발자가 직접 코드를 작성해야 했지만, 이제는 AI가 상당 부분의 코드를 자동으로 생성할 수 있다. 따라서 개발자는 코드를 입력하는 역할보다 문제를 정의하고, AI에게 적절한 지시를 내리며, 결과를 검증하고 개선하는 역할에 더 집중하게 되었다. 특히 바이브코딩 환경에서는 사람이 직접 코드를 작성하지 않고도 자연어로 요구사항을 설명하여 소프트웨어를 개발할 수 있다. 이로 인해 “코딩 없이 소프트웨어 개발”이 가능한 시대가 열리고 있다.
---「01_“AI 시대, 코딩의 패러다임”」중에서

최근 가장 주목받는 트렌드는 에이전틱(agentic) AI 코딩이다. 기존 AI 코딩 도구가 개발자의 지시를 받아 코드를 생성하는 방식이었다면, 에이전틱 AI는 스스로 계획을 세우고 도구를 사용하며 반복적으로 시도해 목표를 달성하는 자율적 능력을 갖는다. “이 프로젝트에 결제 기능을 추가해 줘”라고 지시하면 AI가 현재 코드베이스를 분석하고, 필요한 라이브러리를 파악하고, 코드를 수정하고, 테스트를 실행하고, 오류가 있으면 자동으로 수정하는 과정을 반복하는 방식이다.
---「03_“생성형 AI와 코딩 AI의 진화”」중에서

좋은 앱 프로젝트는 명확한 문제 정의에서 시작한다. 바이브코딩을 시작하는 많은 사람들이 저지르는 첫 번째 실수는 “멋진 앱을 만들겠다”는 막연한 목표로 시작하는 것이다. 무엇이 문제이고, 누가 그 문제를 겪고 있으며, 해결책은 무엇인지가 명확해야 한다. AI는 기획 단계에서도 탁월한 파트너가 된다. “중소기업 재고 관리를 더 쉽게 하는 앱을 만들고 싶어. 핵심 기능을 분석해 줘”라고 요청하면, 재고 현황 조회, 입출고 기록, 재고 부족 알림, 발주 관리, 보고서 생성 등 기능 목록과 함께 사용자 유형별 필요 기능 분석까지 제공받을 수 있다.
---「06_“AI로 앱 만들기 프로젝트”」중에서

바이브코딩의 위험을 인식하면서도 혜택을 최대한 활용하려면 몇 가지 원칙이 필요하다. 첫째, 위험 수준에 비례한 검증이다. 개인 프로젝트나 내부 도구라면 기본적인 동작 테스트로 충분할 수 있지만, 고객 데이터를 다루거나 금융 거래가 포함된 서비스라면 전문적인 보안 감사(security audit)와 침투 테스트(penetration testing)가 필요하다. OWASP(Open Web Application Security Project)가 제공하는 보안 체크리스트를 활용하면 기본적인 보안 검토를 체계적으로 수행할 수 있다. 둘째, 지속적인 학습이다. AI 도구를 사용하면서도 기본 원리를 배우는 노력을 멈추지 않는 것이다. “이 코드가 어떻게 동작하는지 설명해 줘”라는 질문을 통해 AI가 생성한 코드를 이해하려는 습관이 장기적으로 더 나은 바이브코딩 실력을 만든다.