우리는 어디로 가고 있는가 · leejk

TL;DR. 바이브코딩 시대는 자본이 증명한다. 그런데 그 시대가 약속한 생산성은 증명되기 전에 측정 불가능해졌다 — 1년 만에 "AI가 숙련자를 19% 느리게 한다(체감 +20%)"에서 "이제 측정조차 못 한다, 숙련자가 AI 없이 일하길 거부하니까"로 갔다. 측정이 무너진 자리에 남는 건 판단이고, 하필 그 판단의 쇠퇴는 +20% 착각과 같은 메커니즘으로 안에서 보이지 않는다. 그래서 판단은 의도적으로, 의례로 단련해야 한다.

시대는 실재한다

Andrej Karpathy가 2025년 2월 "vibe coding"을 코이닝하고 한 달 뒤, Y Combinator는 W25 배치의 25%가 코드베이스의 95%를 AI로 생성한다고 밝혔다. Garry Tan은 "바이브코딩 시대가 왔다"고 단정했다. 거품이냐 진짜냐의 논쟁은, 자본과 채택의 수치 앞에서 닫힌다.

규모 — GitHub은 2025년 한 해에만 개발자가 3,620만 명 늘어 1.8억을 넘겼고, 월 평균 4,320만 건의 PR이 머지되며, 생성형 AI 프로젝트가 전년 대비 178% 늘었다고 보고했다(Octoverse 2025). Copilot 사용자는 2,000만, Fortune 100의 90%가 도입했다.
자본 — Cursor를 만든 Anysphere는 2026년 4월 $50B 밸류에이션 라운드에 들어갔고(직전 2025년 11월 $29.3B), ARR이 3년 만에 $2B를 넘겨 역대 가장 빠르게 성장한 소프트웨어 기업으로 불린다. Anthropic은 2026년 5월 Series H로 $965B(~$1조) 밸류에 올랐고, Claude Code run-rate는 $2.5B+(2026년 초 대비 2배 이상)·엔터프라이즈가 매출 절반 이상이다. 2025년 전 세계 VC의 약 절반, $211B가 AI로 흘러들었다.

시대는 실재한다. 트렌드 단어가 아니라 자본이 베팅을 끝낸 사실이다.

AI가 실제로 할 수 있게 된 것

수치가 아닌 현장에서 무슨 일이 일어나고 있는가.

금융·결제 도메인에서 10년을 일한 한 엔지니어의 이야기가 있다. PCI 규정, 이중기입 원장, 결제 흐름 — 10년간 쌓은 도메인 지식이 자신의 핵심 자산이었다. 그런데 어느 날 관리자가 "AI한테 물어보면 되잖아요"라고 말했다. 그 한마디가 충격이었던 이유는, 그 말이 틀리지 않았기 때문이다.

디버깅은 더 급격했다. 분산 시스템 버그 추적은 "이건 사람만 할 수 있다"고 믿던 마지막 보루였다. 최신 AI가 1~2일짜리 버그를 한 번에 해결하기 시작하면서 그 믿음이 무너졌다. Wasmer는 Codex를 써서 엣지용 Node.js 런타임을 10~20배 빠르게 구축했다고 보고했다.

코드 설계·아키텍처는 마지막 남은 사람의 영역이라 여겨졌다. 그것마저 "취향(taste)"으로 축소되고 있다고 그 엔지니어는 말한다 — 기업들이 인간이 읽기 좋은 코드보다 AI가 처리하기 좋은 코드를 선호하기 시작했다는 것. 도메인 → 디버깅 → 설계의 순서로, 사람이 비교 우위를 갖는다고 믿었던 자리가 좁아지고 있다.

이젠 측정조차 불가능하다

AI가 할 수 있게 된 것과, AI가 생산성을 올린다는 것은 다른 문제다. 그리고 그 생산성은 — 증명되기 전에 측정 불가능해졌다.

먼저, 가장 많이 인용되는 수 "AI가 코드의 X%를 쓴다"부터 합의가 없다. 커밋 귀속으로 세면 5%, Copilot 켜진 파일의 탭 수락으로 세면 46%(2023). Nadella는 "우리 레포의 20~30%"(2025-04), Pichai는 "신규 코드의 25%에서 30%로"라 했고, DX 서베이는 자가 보고 22%(2025-Q4)다. 같은 질문에 5에서 46, 8배가 벌어진다. (널리 도는 "GitHub 41%"는 1차 출처 없는 2023년 인터뷰의 변형이다.) 측정 표준이 없다.

생산성은 더 갈렸다. GitHub은 Copilot이 작업을 55% 빠르게 한다지만, 그건 개발자 95명에게 HTTP 서버 하나를 짜게 한 단일 토이 태스크이고 벤더 자체 연구다(2022) — 같은 작업을 종단으로 본 최근 연구는 커밋 활동에 유의한 변화가 없다고 했다. 반대편엔 METR의 RCT가 있다 — 평균 2만 스타 자기 레포에서 일하는 숙련 개발자 16명이 AI를 켜자 오히려 19% 느려졌다. 그리고 끝난 뒤 자신이 20% 빨라졌다고 느꼈다.

여기까지가 "신기루"다. 그런데 2026년, 한 발 더 나갔다 — 측정 자체가 무너졌다. METR이 같은 실험을 다시 돌리려 했지만 완성하지 못했다. 개발자들이 AI 없이 일하길 거부했기 때문이다. 통제군을 만들 수 없었다. 한 참가자의 말이 이걸 요약한다 — "걸어서 도시를 가로지르는 느낌이었다. 이제 우버에 익숙해졌는데." METR은 이제 2026년엔 AI가 숙련자를 소폭 빠르게 한다고 추정하지만(원자료 −18%/−4%, 불확실성 +9%~−38%), 스스로 그게 *"매우 약한 증거"*라고 못 박는다.

1년 만의 이동이 핵심이다. *측정했다(19% 둔화)*에서 *측정조차 못 한다(통제군 불가)*로. AI의 평가가 무너지는 자리를 따로 줄 세운 적 있다 — 이건 그 측정 붕괴의 개발 생산성 판본이다. DORA 2025가 AI를 증폭기(처리량↑·안정성↓)라 부른 것도 같은 결이다 — 무엇이 늘었는지는 보이는데, 그게 나아진 건지는 안 보인다.

부작용은 기록에만 남는다

비용 신호는 한 갈래가 아니다. 지난 1년, 네 곳에 떨어졌다.

벤더 불투명 — Anthropic이 공식 postmortem으로 Claude Code 품질 저하(3/4~4/20)를 시인했다. 회사가 자기 silent downgrade를 문서로 인정한 드문 경우.
귀속 오염 — VS Code 1.117이 Copilot을 꺼둔 사용자의 손코드까지 Co-authored-by: Copilot으로 자동 귀속했다(5/3 패치로 롤백).
품질 침식 — 코드 분석 회사 GitClear 집계, 복붙 라인이 8.3%(2021)→12.3%(2024), 리팩터(이동) 코드는 25%→10% 미만 — 복붙이 리팩터를 처음 넘었다(벤더 분석·인과 아님).
부담 전가 — Daniel Stenberg가 AI slop 신고 폭주로 진짜 신고율이 5% 밑으로 떨어지자 curl 버그 바운티를 닫았다.

그리고 신뢰. Stack Overflow 2025에서 84%가 AI를 쓰지만 정확도를 높게 신뢰한다는 응답은 3%, 숙련 개발자는 2.6%다(고도 불신은 20%). 1순위 불만은 "거의 맞는데 정확히는 아닌" 코드 — 66%가 그걸 고치는 데 시간을 더 쓴다. 사람에게 묻는 1순위 이유가 *"AI를 못 믿어서"(75%)*다. 신뢰하지 않으면서도 수락한다.

그래도 켜두는 이유

부작용을 다 보고도, 필자는 같은 편이다. 두 가지다.

비대칭. 부작용은 안에서 쓰는 사람만 기록한다. 체감 +20%·실측 −19%의 간극은 RCT 안에서만 드러나고, silent downgrade는 회사가 postmortem을 써야 보인다. 안 쓰는 사람에겐 기록 자체가 없다. 기록이 없으면 처방도 비판도 약하다.

비가역. 부작용은 어떻게 쓰느냐로 누그러진다 — 토큰 비용은 여섯 레버로 25~30% 빠지고, 품질 침식은 무엇을 위임하고 무엇을 안 할지 가르는 판단으로 메운다. 그러나 쓰지 않은 시간은 회수되지 않는다. 작년부터 매일 쓴 사람과 다음 달 켜는 사람의 거리는 어떤 레버로도 안 좁혀진다.

남는 자리는 판단 — 그런데 안에서 안 보인다

세 수치가 같은 곳을 가리킨다. 코드 비중이 5~46%로 흩어지는 건 생산량이 더는 지표가 아니라는 뜻이고, METR의 역전은 무엇을 받아들일지 모르는 채 Accept All하면 오히려 느려진다는 뜻이며, DORA의 안정성 하락은 생성은 쉬워졌는데 판단이 안 따라붙었다는 뜻이다. 병목이 코드 쓰기에서 무엇을 만들지·무엇을 받아들이고 무엇을 버릴지·무엇을 검증할지로 옮겨갔다. 그래서 살아남는 자리는 생산이 아니라 판단이다. AI는 코드를 대신 써주지만 무엇이 맞는지는 대신 정해주지 않는다.

잔인한 건 여기다 — 판단이 무뎌지는 걸 안에서 알아챌 수 없다. METR의 +20% 착각은 단순한 측정 오류가 아니라 자기 퍼포먼스를 평가하는 능력 자체가 틀어진 증거였다. 판단 위축도 같은 사각지대에 있다. 측정 못 하는 두 가지 — AI가 날 돕는지, 내 판단이 녹고 있는지 — 가 똑같이 안에서 +로 느껴진다. 앞의 그 엔지니어의 말이 정확하다. "나는 점점 AI의 검수자가 되어간다. 그런데 검수자로서 판단력도 무뎌지고 있다." 틀릴 기회가 줄면 배움도 없다. 도메인 지식은 물어볼 일이 없어지면 쌓이지 않고, 디버깅 능력은 직접 추적하지 않으면 유지되지 않는다. 그리고 그 쇠퇴는, 측정처럼, 안에서 보이지 않는다.

판단마저 사람 자리가 아니라면

이 주장엔 정직한 반론이 둘 있다.

첫째, 판단도 자동화된다. 병목을 쓰기에서 판단으로 민 논리는, 같은 힘으로 판단 너머로도 민다. verifier 모델·LLM-as-judge·자동 코드 리뷰가 이미 *"넘겨받은 diff를 읽고 틀린 걸 틀렸다 하기"*에 들러붙는다(반대를 심판하는 설계가 정확히 그 자리다). 취향이 마지막에 남는다는 위안은, 기술 전환마다 기득권이 읊던 그 문장과 형태가 같다 — 반증하기 어려운 만큼, 공허할 위험도 같다.

둘째, 시장은 판단보다 속도를 보상한다. 95% AI 코드의 YC W25 코호트는 신중한 판단이 아니라 먼저 출시로 이겼다. 버려질 프로토타입 앞에서 "버릴 걸 가르는 자리"는 사치이고, 거기선 vibe가 이긴다. 판단이 비싸진다는 주장은 조용히 판단할 가치가 있는 코드를 전제한다.

둘 다 약한 카드가 아니다. 그런데 둘 다 '판단'을 한 덩어리로 놓고 있다 — 닫히는 자리는 거기다.

버릴 걸 고르는 사람이 남는다

두 반론은 판단을 좁히면 닫힌다. 자동화되는 건 정합성 판단("이 코드 맞나?")이다 — verifier가 채점하는 데까지다. 살아남는 판단은 그 위에 있다 — 무엇을 만들지·무엇을 받아들이고 버릴지. METR의 역전이 드러낸 건 정합성 검사의 실패가 아니라 무엇을 받아들일지 모른 채 수락한 실패였다. 목표와 책임의 판단은 모델에 못 넘긴다 — 틀리면 사람이 값을 치르니까. 속도가 판단을 이기는 자리도 버려도 되는 코드에 한정된다. 살아남아야 할 코드 앞에서 속도는 판단을 살 수 없고, 시장이 속도를 보상하는 것처럼 보이는 건 그 코드가 아직 안 버려진 순간까지다.

그래서 답은 AI를 끄는 게 아니다. 의도다 — 측정할 수 없으니 의례로 강제해야 한다. AI가 제안한 코드를 수락하기 전에 왜 이 코드인지 설명할 수 있어야 하고, AI가 버그를 풀어주면 해법의 논리를 추적하는 것이 디버깅 근육을 유지하는 길이며, 도메인 지식을 물어보더라도 받은 답이 맞는지 검증하는 습관이 전문성을 지킨다. 수락과 판단은 다른 행위다.

갭은 시간 함수다. AI가 코드를 얼마나 쓰는지를 세는 게 아니라 — 무엇을 받아들이고 무엇을 버릴지를 매일 판단하는 사람이 그 자리를 지킨다. 시대가 실재한다는 건, 손 놓고 있는 비용도 실재한다는 뜻이다.

참고

시대·자본 측

AI의 능력

측정의 붕괴

부작용

관련 글