Lightcone Podcast - Vibe Coding Is The Future
Vibe 코딩은 Andrej Karpathy의 포스트에서 시작된 개념으로, 코드 작성의 속도를 크게 높이고 개발자들이 제품 엔지니어로 전환하게 만든다. Y Combinator의 설문조사에 따르면, 많은 창업자들이 AI 도구를 사용해 코드 작성 속도를 10배에서 100배까지 높이고 있으며, 이는 제품 개발의 효율성을 극대화하고 있다. 특히, AI가 코드의 대부분을 작성함으로써 개발자들은 코드의 세부 사항보다는 제품의 전반적인 맛과 사용자 경험에 집중할 수 있게 되었다. 그러나 AI 도구는 아직 디버깅에는 한계가 있어, 인간 개발자가 여전히 중요한 역할을 한다. 또한, AI 도구의 사용은 개발자들이 시스템 설계와 같은 고급 기술을 필요로 하지 않게 만들지만, 여전히 고급 시스템 엔지니어링은 필요하다. 이러한 변화는 소프트웨어 엔지니어링의 채용 방식에도 영향을 미치고 있으며, 생산성과 문제 해결 능력을 중시하는 방향으로 전환되고 있다.
Key Points:
- Vibe 코딩은 AI 도구를 활용해 코드 작성 속도를 크게 향상시킨다.
- AI 도구는 코드 작성의 95% 이상을 담당할 수 있으며, 이는 개발자들이 제품의 맛과 사용자 경험에 집중할 수 있게 한다.
- AI 도구는 디버깅에는 한계가 있어, 인간 개발자가 여전히 중요한 역할을 한다.
- 시스템 설계와 같은 고급 기술은 여전히 필요하며, AI 도구는 이를 대체하지 못한다.
- 소프트웨어 엔지니어링의 채용 방식은 생산성과 문제 해결 능력을 중시하는 방향으로 변화하고 있다.
Details:
1. 🌱 새로운 코딩 시대의 도래
- 현재 새로운 코딩 방식이 일시적인 유행이 아니라 지속적이고 지배적인 방식으로 자리 잡고 있습니다.
- 이 새로운 코딩 방식을 따르지 않으면 뒤쳐질 수 있습니다.
- 새로운 코딩 방식은 AI와 자동화 도구를 적극 활용하여 개발 속도를 높이고 효율성을 극대화합니다.
- 예를 들어, AI 기반의 코드 자동 완성 도구를 사용하면 개발 시간이 평균 30% 줄어듭니다.
- 또한 이러한 방식은 협업을 증진시키며, 팀 구성원 간의 의사소통을 원활하게 합니다.
- 이러한 변화에 적응하지 못하는 개발자는 경쟁력을 잃을 위험이 큽니다.
2. 💡 Vibe 코딩의 개념과 영향
- Y Combinator 파트너들이 수백억 달러 가치의 회사를 초기 단계에서 지원한 경험을 공유했습니다. 이는 성공적인 스타트업 지원 과정에서 Vibe 코딩의 중요성을 강조합니다.
- Vibe 코딩은 Andrej Karpathy의 게시물에서 비롯되었으며, 개발자들이 프로젝트의 초기 단계에서 직관적이고 창의적인 접근 방식을 채택하도록 유도합니다.
- 이 접근 방식은 전통적인 코딩 규칙을 넘어서며, 빠른 프로토타입 개발과 혁신적인 솔루션 창출을 가능하게 합니다.
- Vibe 코딩을 통해 기업은 제품 개발 주기를 단축하고 시장 출시 속도를 높일 수 있습니다. 예를 들어, 특정 프로젝트에서 개발 주기가 기존 6개월에서 8주로 단축되었습니다.
- 이 방법론은 또한 팀 내에서 창의적이고 협력적인 환경을 조성하여, 혁신을 위한 새로운 아이디어를 도출하는 데 기여합니다.
3. 🛠️ YC 창업자들의 Vibe 코딩 도구 활용
- Vibe 코딩 도구의 활용은 소프트웨어 엔지니어의 역할을 전통적인 코딩에서 제품 엔지니어로 전환시키고 있다. 이는 기술보다 인간의 취향이 더 중요한 역할을 하게 만듦.
- Outlet 창업자는 Vibe 코딩 도구가 개발자들을 10배 더 생산적으로 만들며, 이는 모두가 더 효율적으로 일할 수 있도록 돕는다고 강조했다.
- YC 창업자들은 Vibe 코딩 도구가 창의적인 문제 해결을 가능하게 하며, 이는 혁신적인 제품 개발에 직접적인 기여를 한다고 평가했다.
- 특히, Vibe 코딩을 통해 실험적 접근이 용이해져 빠른 프로토타입 제작과 검증이 가능해졌다. 이는 제품 개발 주기를 크게 단축시킨다.
4. 👥 창업자들의 의견: 프로덕트 엔지니어로의 전환
- 아스트라의 Abhi는 코드 작성보다 생각하고 리뷰하는 데 집중하게 되었으며, 이를 통해 코딩보다 더 전략적인 역할을 수행하고 있다고 언급했습니다. 그는 DevTools 회사의 창업자 출신이며, 뛰어난 코딩 능력을 보유하고 있습니다.
- Copycat의 Abhi는 코드에 대한 집착이 줄어들어 코드 폐기나 리팩토링 결정에서 편향이 줄었다고 말하며, 코딩 속도가 3배 빨라져 필요 시 쉽게 코드 폐기 및 재작성할 수 있다고 설명했습니다. 이는 개발 과정에서의 민첩성을 높이는 데 기여하고 있습니다.
- K60의 Yoav는 두 개의 Cursor 창을 열어 서로 다른 기능을 병렬로 작업하며 작업 효율을 극대화하고 있습니다. 이는 복잡한 개발 프로젝트에서도 병렬 작업을 통해 신속한 결과를 도출할 수 있음을 보여줍니다.
- Train Loop의 창업자는 코딩 속도가 한 달 전과 비교해 10배에서 100배로 가속화되었고, 자신을 이제 엔지니어가 아닌 프로덕트 인물로 본다고 전했습니다. 이는 기술적 실행력뿐만 아니라 전략적 사고의 중요성을 강조합니다.
5. 🔍 소프트웨어 엔지니어의 역할 변화
- 소프트웨어 엔지니어의 역할이 프론트엔드와 백엔드로 명확히 나뉨.
- 백엔드 엔지니어는 주로 인프라를 관리하며, 시스템의 안정성과 성능을 중점적으로 다룸.
- 프론트엔드 엔지니어는 사용자 인터페이스 개발 외에도 프로젝트 매니저(PM)의 역할을 일부 수행하며, 고객의 요구 사항을 코드로 변환하는 데 중점을 둠.
- 프론트엔드 엔지니어는 GDP의 저평가된 부분을 탐구하여 추가 가치를 창출하는 데 기여.
- 평가(Evals)가 엔지니어링에서 가장 중요한 부분으로 부각됨, 특히 개발 과정에서의 성능 및 품질 평가에 초점을 맞춤.
6. 🐞 디버깅과 LLM의 한계
- 기술적 평가를 넘어 사용자와의 소통을 원하는 엔지니어가 제품 개발에 더 적합할 수 있음
- LLM은 코드 작성의 중요성을 줄이며 제품 문제 해결에 더 중점을 둘 수 있음
- LLM은 디버깅에 취약하며, 인간이 여전히 디버깅을 수행해야 함
- 디버깅 시 명확한 지시가 필요하며, 버그 해결 대신 코드를 처음부터 다시 작성하는 방식을 사용할 수 있음
- 코드 작성 비용이 저렴해지면서 코드 작성 스타일이 변화할 수 있음
- LLM은 특정 디버깅 시나리오에서 효과적이지 않으며, 예를 들어, 복잡한 상호작용이나 예외 처리를 다루는데 한계가 있음
- 엔지니어는 제품 문제 해결에 집중하여 사용자 경험을 향상시킬 수 있음
7. 🔄 코드 생성 도구의 변화와 재생성
- 현재의 코드 생성 도구들은 이미지 생성 도구를 사용하는 것과 유사하게 작동합니다. 사용자가 마음에 들지 않는 결과가 나올 경우, 프롬프트를 변경하는 대신 단순히 '재생성' 버튼을 여러 번 클릭하여 원하는 결과를 얻을 수 있습니다.
- 이러한 접근 방식은 시스템을 기초부터 단계적으로 구축하는 것과는 크게 다릅니다. 현재의 도구들은 잠재된 공간에서 생성된 코드를 기반으로 하고 있으며, 이는 시스템을 처음부터 다시 구축해야 하는 상황을 만듭니다.
- 재생성을 통해 약간의 무작위성을 추가하고, 다른 경로를 찾아내야 할 필요가 있습니다. 이는 코드 생성 과정에서 막히지 않기 위한 전략입니다.
- 현재의 코드 생성 도구들은 아직 추론과 잘 결합되지 않습니다. 대부분의 경우, 사용자는 코드를 다시 생성하거나 다시 작성해야 하며, 이전 생성물 위에 구축할 수 있는 능력이 부족합니다.
8. 📈 모델과 IDE의 변화 트렌드
- Cursor 사용 비중이 크게 증가하면서 여름 무렵부터 트렌드가 변화하기 시작했다.
- 현재 가장 많이 사용되는 제품은 Cursor지만, 빠르게 따라오는 경쟁 제품으로는 Windsurf가 있다.
- Windsurf는 코드베이스 전체를 인덱싱하여 Cursor보다 파일을 찾는 능력이 뛰어나다.
- Devin은 주로 작은 기능에 사용되며, 코드베이스를 깊이 이해하지 못해 주요 기능에 활용되지 않는다.
- ChatGPT는 주로 추론 모델을 사용하기 위해 여전히 활용되고 있다.
- 일부 창업자들은 민감한 IP를 보호하기 위해 모델을 자체 호스팅하기도 한다.
- 6개월 전 주요 모델이었던 CloudSonic 3.5는 여전히 많이 사용되며, 새로운 모델들은 빠르게 그와 경쟁하고 있다.
9. 🧠 AI가 주도하는 새로운 코딩 환경
- DeepSeek R1은 유망한 도전자로, 코드 베이스 전체를 분석하여 버그를 수정할 수 있는 Gemini와 함께 긴 컨텍스트 윈도우를 활용함.
- Flashback 2.0과 같은 새로운 추론 모델의 채택이 증가할 것으로 예상되며, 이는 코드 작성의 효율성을 높임.
- Badger에서 LLM에 의해 작성된 코드 비율이 높아지고 있으며, 25%의 창업자가 코드의 95% 이상이 AI에 의해 생성되었다고 응답함.
- 이 창업자들은 기술적으로 매우 유능하며, AI 도구를 통해 제품 개발 능력을 상당히 향상시킴.
- 일부 젊은 창업자는 AI 코딩 도구가 없는 세상을 경험해보지 못했고, 이러한 도구들이 거의 모든 코드를 작성함.
- AI는 전통적인 컴퓨터 과학 및 프로그래밍 교육을 받지 않은 창업자들에게도 높은 생산성과 제품 개발 능력을 제공함.
10. 📊 기술적 창업자의 고찰과 교육의 변화
- 과거에는 물리학 전공자들을 프로그래머로 재교육하는 것이 효과적이지 않았다. 이는 시스템 사고 능력을 갖춘 인재를 찾는 데 어려움이 있었다.
- 2015년 이후, 기업들은 소프트웨어 엔지니어 평가 및 채용 방식을 재고하고 있으며, 이는 생산성이 높은 인재를 선호하는 방향으로 전환되었다. 구체적으로, 면접 프로세스는 사고 방식을 평가하는 것에서 실제 작업을 수행하는 능력을 평가하는 것으로 변화했다.
- 코딩 부트캠프는 기술적 사고를 가진 사람들이 빠르게 프로그래머로 전환할 수 있도록 돕고 있으며, 회사 취업에 초점을 맞추고 있다.
- Stripe와 Gusto 같은 성공적인 기업들은 도구에 능숙한 사람들을 채용하여 성장하고 있다. 이는 채용 전략의 변화가 기업의 성공에 직접적으로 기여하고 있다는 것을 보여준다.
- 기업이 성장하면서 고전적으로 훈련된 시스템 사고자에 대한 필요성은 여전히 존재한다. 이는 변화하는 산업 환경 속에서도 전통적인 사고가 여전히 중요함을 시사한다.
- 소프트웨어 엔지니어 채용 방식이 변화하고 있지만, 변화 속도는 아직 충분하지 않다. 이는 산업 전반에 걸쳐 더욱 신속한 적응이 필요함을 나타낸다.
11. 🚀 엔지니어링 고용 및 평가의 진화
- 최근 6~9개월 동안 엔지니어링 채용 방식이 변화하고 있으나, 전통적인 화이트보드 테스트가 여전히 사용되고 있습니다.
- 현대 엔지니어링에서는 뛰어난 시스템 사고와 아키텍처 이해 능력이 중요해지고 있으며, 단순한 코드 작성 능력보다 중요한 평가 요소로 부상하고 있습니다.
- 빠른 코드 작성은 더 이상 최고의 엔지니어를 판단하는 기준이 아닐 수 있으며, 이는 LLMs가 빠르게 코드를 작성할 수 있기 때문입니다.
- 제로 투 원 단계에서는 속도가 중요하지만, 1을 넘어서 대규모 확장을 위해서는 다른 종류의 인재가 필요합니다.
- 레일스와 같은 프레임워크는 초기 단계에서 도움이 되지만, 대규모 확장에는 한계가 있으며, 이는 트위터와 같은 사례에서 확인되었습니다.
- 오픈 소스 사용은 초기 단계에서는 유용하지만, 회사 규모가 커짐에 따라 한계에 봉착할 수 있습니다.
- 히스토리컬 예시로 페이스북은 빠른 기능 배포를 위해 PHP를 사용했지만, 나중에는 성능 문제로 인해 HipHop 컴파일러를 개발해야 했습니다.
- 현재 도구들은 저수준 시스템 엔지니어링에 적합하지 않으며, 이런 역할을 수행할 수 있는 인재가 필요합니다.
12. 🔍 Triplebyte와 기술 인터뷰 혁신
- Triplebyte는 2015년에 설립되어 엔지니어 기술 평가를 자동화하는 혁신적인 소프트웨어를 개발했습니다. 초기에는 수천 건의 인터뷰를 통해 데이터를 라벨링하고 경험을 축적했으며, 100명의 엔지니어 팀을 운영하여 인터뷰 완료 시마다 비용을 지불하는 비즈니스 모델을 확장했습니다.
- Stripe와 Gusto 같은 회사들은 엔지니어를 평가할 때 기본적인 컴퓨터 과학 지식보다 실무에 필요한 기술을 중점적으로 확인합니다. 이는 기술 환경의 변화에 따라 도구 사용 능력과 제품 개발 속도를 평가하는 것이 중요해졌기 때문입니다.
- 과거의 평가 질문은 ChatGPT와 같은 도구로 쉽게 해결할 수 있어 새로운 수준의 질문이 필요하게 되었습니다. Triplebyte는 이러한 변화에 대응하기 위해 인터뷰 질문의 수준을 높였습니다.
- Triplebyte의 접근 방식은 기술 인터뷰의 혁신을 주도하여, 회사들이 엔지니어의 실무 능력을 더 잘 평가할 수 있도록 돕고 있습니다. 이를 통해 기업은 더 적합한 인재를 채용하고, 인터뷰 과정의 효율성을 높일 수 있습니다.
13. 🎨 창의성과 기술적 깊이의 균형
- 단순한 질문에 대해 ChatGPT를 사용하면 빠른 답변을 얻을 수 있지만, 이는 지원자의 실제 기술 수준을 평가하는 데 충분하지 않음.
- 개발자 고용 시, 질문의 난이도를 높여 LLM 없이 문제를 해결하는 능력을 평가하는 것이 중요함.
- 코드 리뷰와 시스템 설계는 지원자의 문제 해결 능력과 코드의 질을 평가하는 데 필수적임.
- 디버깅과 코드 읽기 능력은 여전히 중요하며, AI가 생성한 코드의 질을 판단할 수 있어야 함.
- AI의 발전으로 기본적인 엔지니어의 수는 증가할 것이나, 뛰어난 엔지니어가 되기 위해선 의도적인 연습과 깊이 있는 학습이 필요함.
- 말콤 글래드웰의 '1만 시간의 법칙'은 여전히 유효하며, 최고 수준의 전문가가 되기 위해서는 계획적이고 집중적인 연습이 필수적임.
- 피카소의 사례는 창의성과 기술적 능력이 함께 발전할 때 더 큰 성과를 이룰 수 있음을 보여줌.
14. 🏆 최고 수준의 엔지니어가 되는 길
- 세계적 수준의 엔지니어들은 CEO로 성장할 수 있으며, 이는 Facebook과 Twitter의 사례에서 볼 수 있듯이 기술적 도전 과제를 해결하는 능력에 달려 있다.
- Facebook은 사용 패턴의 일관성 덕분에 기술적 확장 문제를 성공적으로 해결했지만, Twitter는 스파이크가 큰 사용 패턴으로 인해 확장성 문제가 더 어려웠다.
- Facebook은 초기부터 일관된 사용 패턴을 기반으로 한 효율적인 확장 전략을 통해 기술적 문제를 해결했으며, 이는 시스템의 안정성을 보장했다.
- 반면, Twitter는 Starling이라는 비효율적인 큐 시스템을 사용하여 많은 문제를 겪었으며, 이는 최적의 도구 선택의 중요성을 강조한다.
- Twitter의 경우, 불규칙한 트래픽 스파이크로 인해 시스템의 확장성과 안정성에 도전이 되었으며, 이는 기술적 시스템 설계 시 예측 불가능한 사용 패턴을 고려해야 함을 보여준다.
- 기술적 창업자가 깊이 있는 시스템 사고를 갖추는 것은 중요하며, 이는 다른 사람들이 잘못된 정보를 줄 때 이를 알아차릴 수 있는 능력을 제공한다.
- 직장에서의 신뢰와 정직의 중요성은 채용 과정에서부터 시작되며, 이는 프로젝트 실행 시 정확성과 효율성을 보장한다.
15. 🤖 AI와의 협업에서의 진실성 유지
- AI 에이전트는 인간 직원과 마찬가지로 기술적으로 검증하지 않으면 잘못된 정보를 제공할 수 있다. 따라서 기술적으로 충분히 숙련되어 AI와 인간 모두를 검증할 수 있는 능력이 필요하다.
- 최고의 엔지니어들에게는 AI 도구가 '슈퍼파워'를 제공하지만, 능력이 부족한 엔지니어에게는 오히려 악영향을 미칠 수 있다.
- 코딩 속도가 6개월 전부터 10배, 최근에는 100배로 가속화되었다는 Trainloop 창립자의 인용이 있다. 이는 기술 발전의 가속도를 보여주는 중요한 지표이다.
- 이러한 변화는 일시적인 유행이 아니며, 코드 작성의 지배적인 방식으로 자리잡고 있다. 이를 따르지 않으면 뒤처질 수 있다.
- AI 출력 검증을 위한 체계적인 검토 프로세스를 설정하여 잘못된 정보 확산을 방지하는 것이 중요하다.
- 실제 사례를 통해 AI가 엔지니어링 팀의 생산성을 어떻게 향상시켰는지 보여줄 필요가 있다.