바이브 코딩의 마법을 깨기

• AI가 생성한 복잡한 코드 대량 생산이 확산되며, 인간이 읽지 않는 코드를 만드는 현상이 업계 전반에 퍼지고 있음
• 경영진은 AI로 인한 인력 감축을 정당화하고, 개발자들은 AI가 만든 코드 비율을 채우라는 압박을 받는 상황
• 이러한 ‘바이브 코딩’은 도박의 중독 메커니즘과 유사한 ‘다크 플로우(dark flow)’ 상태를 유발, 생산성 착각을 일으킴
• 실제로 AI 코딩 도구 사용 시 생산성이 20% 향상된다고 느끼지만 실제로는 19% 느려지는 연구 결과가 있음
• AI는 유용하지만, 사람의 사고·창의·소프트웨어 엔지니어링 능력은 대체되지 않으며, 이를 포기하면 오히려 퇴보 위험이 있음

바이브 코딩의 확산과 문제 인식

• 바이브 코딩은 AI가 생성한 복잡한 코드를 대량 생산하는 행위로, 인간이 읽거나 유지보수하기 어렵게 만듦
  • 일부 기업은 AI가 인간의 일을 대신할 수 있다며 해고를 정당화
  • 개발자들은 AI 생성 코드 비율을 채우지 못하면 성과 평가에서 불이익을 받는 압박을 받음
  • 학생과 직장인 모두 “AI가 곧 내 일을 대체할 것”이라는 불안 속에 자기계발을 주저하는 현상 발생
• AI는 실제로 유용하지만, 바이브 코딩에는 주의가 필요하며 잘못 사용될 경우 부정적 결과 초래

‘플로우’와 ‘다크 플로우’의 차이

• 심리학자 Mihaly Csikszentmihalyi가 정의한 ‘플로우’는 도전과 기술이 균형을 이루는 몰입 상태
• 반면 도박처럼 기술과 무관한 활동에서도 몰입감이 생길 수 있으며, 이는 ‘가짜 플로우’ 에 해당
  • 슬롯머신의 Loss Disguised as a Win (LDW) 사례처럼, 실제로는 손실이지만 승리한 듯한 착각을 유도
  • 연구에 따르면 LDW는 실제 승리와 유사한 생리적 반응을 일으켜 중독적 몰입을 강화
• 이러한 현상은 ‘다크 플로우(dark flow)’ 또는 ‘정크 플로우(junk flow)’ 로 불리며, 성장 없는 중독적 몰입을 의미

바이브 코딩과 도박의 유사성

• 개발자 Armin Ronacher는 AI 코딩 도구 사용 후 많은 코드를 만들었지만 실제로는 거의 사용하지 못함을 언급
  • 이는 도박의 ‘가짜 승리’ 와 유사한 착각 구조
• 바이브 코딩은 다음과 같은 점에서 플로우의 조건을 위반
  • 성과에 대한 명확한 피드백 부재, 오히려 잘못된 성취감 제공
  • 도전 수준과 기술 수준의 불균형
  • 통제 illusion을 통해 사용자가 결과를 조종한다고 믿게 함
• AI가 생성한 코드의 품질은 수주 후에야 문제를 인식하는 경우가 많으며, 버그와 유지보수 불가능한 복잡성이 뒤늦게 드러남
• LLM과 슬롯머신 모두 사용자의 심리 반응을 극대화하도록 설계, 지속 사용을 유도

생산성 착각과 ‘신뢰할 수 없는 화자’

• METR 연구에 따르면, AI 도구 사용 개발자는 20% 더 빠르다고 느꼈지만 실제로는 19% 느림
  • 이는 인지된 효율과 실제 효율 간 40% 차이를 의미
• AI로 작성된 글 역시 겉보기에는 유사하지만 품질이 떨어지는 경우가 있음
  • 한 AI 연구자의 블로그 글이 AI로 작성된 후 이전보다 덜 읽기 쉬운 문체로 변함
• 사람들은 자신의 생산성을 객관적으로 평가하기 어렵고, AI 사용 후 과대평가하는 경향

잘못된 예측과 경력 위험

• AI가 코딩을 완전히 대체할 것이라는 예측은 반복적으로 빗나감
  • Geoffrey Hinton은 2021년까지 AI가 방사선 전문의를 대체할 것이라 예측했으나 실현되지 않음
  • Google의 Sundar Pichai와 Jeff Dean은 2023년까지 모든 데이터 과학자가 자동 신경망 설계 도구를 사용할 것이라 했으나 불발
  • Anthropic의 Dario Amodei는 2025년 말까지 AI가 전체 코드의 90%를 작성할 것이라 예측했으나 근거 없음
• 이러한 과장된 전망에 따라 자기 기술 개발을 중단하는 것은 위험
  • AI 발전 속도는 실제보다 지속적으로 과대평가되어 왔음

인간의 사고와 창의성의 지속적 중요성

• AI 코딩 에이전트는 문법적으로 올바른 코드를 생성하지만,
  • 유용한 추상화, 모듈화, 코드 구조 개선은 수행하지 못함
  • 즉, 코딩은 자동화되었지만 소프트웨어 엔지니어링은 자동화되지 않음
• AI가 생성하는 텍스트도 문법적으로 자연스럽지만, 사고를 정교하게 다듬거나 핵심을 파악하지는 못함
• Jeremy Howard는 “AI에 사고를 완전히 위임하면 학습과 성장 능력을 잃게 된다”고 경고
  • AI는 도구로서 유용하지만 인간의 핵심 역량을 대체하지는 못함