“바이브코딩” 시대, 여전히 코딩공부가 필요할까?

Ohback·2025년 8월 11일

Algorithm-Study

목록 보기

1/6

요즘 “바이브코딩(Vibe Coding)”이라는 말이 많이 들린다. 딱 맞는 문법을 모르더라도 “이런 기능 만들어줘”라고 AI에게 말하면 그럴듯한 코드가 툭하고 나오는게, 마치 아무나에게 요리 레시피를 설명하면 바로 요리가 뚝딱 완성되는 느낌. 편하고, 빠르고, 무엇보다 시작 장벽을 낮춰준다. 남녀노소 누구나 코딩으로 개발이 가능한 시대, 그럼 이쯤에서 궁금한 점이 생긴다.

“AI가 코드를 써주는데, 굳이 코딩 공부를 하고 코딩테스트까지 준비해야 할까?”

그에 대한 나의 생각을 미리 밝혀보자면 나는 여전히 코딩테스트가 필요하다고 생각한다. 아니 필요를 넘어 코딩테스트의 중요도가 이전보다 높아지지 않을까 싶다.

바이브코딩이란?

간단히 말해 의도를 말로 전달하고 AI가 코드를 구성해주는 방식의 개발이다.
함수명, API 호출 방식, 프레임워크 관례 등을 다 외우지 않아도 프로토타입을 빨리 만들 수 있다.

“이 데이터로 대시보드 만들고, 주간 리포트 PDF로 저장해줘.”
“이 엔드포인트에 인증 추가하고, 실패 케이스 로깅해.”

이런 식으로 구현 디테일은 AI에 맡기고 사람은 문제 맥락과 방향을 잡는 흐름으로 초반 생산성 향상에 큰 도움을 준다.

그런데 왜 여전히 코딩을 공부해야 할까?

1) 디버깅의 최종 책임은 사람에게

제아무리 AI가 요청을 빠르게 뱉어낸다 한들 코드가 제대로 돌아가지 않으면 에러를 찾아 고치는 건 결국 인간의 몫이다. AI가 짠 코드가 TypeError, KeyError, 미묘한 race condition을 만들면? 그때부터는 인간이 문제가 뭔지 읽고, 재현하고, 수리해야 한다.

2) 보안/프라이버시 제약

산업계에 따르면 삼성전자, SK하이닉스, 포스코, 우리은행 등 주요 대기업과 중앙선거관리위원회, 금융감독원, 국방부 등 공공기관은 챗GPT, 딥시크 등 생성 AI의 업무 사용을 속속 금지하고 있다.

출처: 한국경제닷컴

기업 환경에서는 회사 코드를 전부 AI에게 보여줄 수 없는 상황이 흔하다. 로그, 크리티컬한 설정, 고객 데이터… 전부 민감한 데이터이기 때문에 당연히 생성형 AI에게 회사 내부 정보를 맡길 수 없다.

3) 성능·복잡도·트레이드오프 판단

생성형 AI는 동작하는 코드를 잘 만들어내지만, 항상 최선의 코드를 뽑진 않는다.

어떤 자료구조가 메모리 효율적인가?
동시성에서 어떤 패턴이 안전한가?
인덱스 전략과 쿼리 플랜이 성능에 어떤 영향을 주는가?

위 의문에 대한 판단은 알고리즘/자료구조/시스템 지식이 있어야 가능하다.

4) 협업과 유지보수는 “읽기 능력”이 좌우

현실 개발의 절반 이상은 남의 코드 읽기이다. PR 리뷰, 리팩터링, 장애 대응 등 우리는 사람과 일하기 때문에 AI가 아니라 동료를 설득(?)할 수 있는 지식을 갖춰야한다. 또한 가독성, 테스트 전략, 경계 설계, 네이밍—이건 문법 암기보다 사고 습관에 가깝고, 꾸준한 코딩 연습으로 다져진다고 생각한다.

5) 좋은 프롬프트는 좋은 설계로부터 시작

마지막으로 AI에게 일을 “잘” 시키려면 입력(요구사항)을 전제/제약/예외/성능 목표/보안 요구를 명확히 하는 등 구조화해야 한다. 이건 결국 설계 역량이고, 정교한 설계는 각각의 부품이 어떻게 쓰이는지 알아야 가능하다.

그래서 결론은?

코딩 도우미는 수퍼카 같은 하나의 수단(또는 툴)로 인식하고 사용하면 정말 도움이 되는 것 같다. 기존에 우리가 운전했던 차보다 말도 안되게 빠르지만, 어디로 어떻게 나아갈지는 결국 핸들을 쥔 우리 손에 달린 것처럼.
그래서 나의 결론은 긴장을 늦추지 말고 코딩 공부를 열심히 하자(특히 나 같은 코린이들은 더욱더).