지난 1년 동안 코딩 환경은 특히 AI 도구의 참여로 상당한 변화를 겪었습니다. 최근 OpenAI 공동 창립자 Andrej Karpathy가 “바이브 코딩”이라는 용어를 알리며 다시 한 번 주목받았습니다. 그는 최신 프로젝트인 nanochat에서 AI에 의존하는 대신 모든 것을 수작업으로 코딩하는 비전통적인 방법을 선택했습니다.
이러한 수작업 코딩에 대한 헌신은 프로그래밍에서 AI의 역할에 대한 ongoing debate에 새로운 관점을 제공합니다. Karpathy는 nanochat이 “미니멀한, 제로 기반의, 풀스택 훈련/추론 파이프라인”이라고 밝혔다. 이를 통해 사용자는 ChatGPT 스타일의 인터페이스로 100달러 미만의 비용으로 대형 언어 모델을 만들 수 있습니다. 약 8,000줄의 “상당히 깔끔한 코드”를 작성하면서 그는 AI 도구의 한계를 경험한 후 수작업 코딩을 선택했습니다.
그는 “사실 거의 전체가 손으로 작성되었다(탭 자동 완성을 포함하여). 몇 번 claude/codex 에이전트를 사용해 보았지만, 그들은 전혀 충분히 잘 작동하지 않았고 전반적으로 도움이 되지 않았다”고 솔직하게 전했습니다. 이 고백은 전반적인 프로젝트에서 AI 지원 코딩에 대한 기대와 현실 사이의 간극을 강조합니다.
그의 “바이브 코딩”에 대한 이전의 열정은 그가 빠르고 캐주얼한 프로젝트에 대해 AI 도구가 적합하다고 생각했음을 시사합니다. 이제는 유명한 게시물에서 그는 다음과 같은 느슨한 접근 방식을 설명했습니다: 오류 메시지를 만나면 해결책을 기대하며 복사하고 붙여넣기를 하며, 종종 자신의 이해를 초과하는 코드를 만드는 결과를 초래했습니다. 그는 “나는 프로젝트나 웹 앱을 만들고 있지만, 사실 코딩이 아니다 – 나는 단순히 뭔가를 보고, 뭔가를 말하고, 뭔가를 실행하고, 뭔가를 복사/붙여넣기 한다. 그리고 그것은 대체로 잘 작동한다”고 말했습니다.
그렇다면 nanochat의 접근 방식 변화는 왜일까요? 결국, 이런 느슨한 관행이 허용되는 웹 앱이 아니기 때문입니다. 지속적으로 AI가 프로그래밍의 미래를 나타낸다고 약속함에도 불구하고 바이브 코딩의 한계가 이 경우에는 명확해집니다. Fastly의 최근 설문 조사에 따르면 개발자의 95%가 AI 생성 코드를 수정하는 데 추가 시간을 소요했다고 보고했으며, 자주 프로젝트 일정을 예상보다 오래 지연시켰습니다.
게다가 METR의 연구에 따르면 AI 도구가 실제로 개발자의 효율성을 저해할 수 있으며, 이로 인해 일부 회사는 AI로 인한 코딩 오류를 수정하기 위해 전문가를 고용해야 했습니다. 분명한 현실은 바이브 코딩이 저마다의 순간을 가질 수 있지만, 상황에 따라 그 vibe이 제대로 작동하지 않을 수 있다는 것입니다.
AI 생성 코딩과 관련된 도전 과제는 무엇일까요? 많은 개발자들은 AI가 생성한 코드가 항상 그들의 요구를 충족시키지 못하며, 상당한 수의 수동 수정이 필요하다는 것을 발견하고 있습니다.
바이브 코딩이 더 큰 프로젝트에 적합할까요? Karpathy의 nanochat 경험은 복잡한 시스템을 다룰 때 코딩에서 책임이 필수적일 수 있음을 보여줍니다.
개발자들이 AI 도구를 효과적으로 활용하려면 어떻게 해야 할까요? Codex와 같은 도구는 도움이 될 수 있지만, 개발자들이 코딩 및 테스트 과정에 적극적으로 참여할 때 더 나은 결과를 얻을 수 있습니다.
수동 코딩과 AI 코딩의 이점은 무엇인가요? 수동 코딩은 특히 뉘앙스가 중요한 복잡한 프로젝트에서 더 큰 통제력과 명확성을 제공합니다.
결론적으로 AI 도구와 전통적인 코딩 방법 간의 긴장은 점점 더 두드러지고 있으며, 오늘날 기술이 직면한 더 넓은 도전 과제를 반영합니다. 바이브 코딩에는 그 나름의 자리조차 있지만, nanochat 코딩 경험은 여전히 프로그래밍에서 인간의 터치가 대체할 수 없는 것임을 일깨워 줍니다. 기술 트렌드에 대한 더 많은 통찰력과 논의는 Moyens I/O를 통해 더 자세히 살펴보세요.
우리의 활동을 지원해주세요 ❤️
이 글이 마음에 드셨다면, 앞으로도 좋은 콘텐츠를 계속 발행할 수 있도록 팁을 남겨주세요.
