최근 대규모 언어모델(LLM)이 생성한 코드를 사람이 온전히 이해하지 못해도, 다시 LLM에 해석을 맡기며 개발을 이어가는 방식이 확산되고 있습니다. 이는 한때 명확히 구분되던 '에이전트 엔지니어링(agentic engineering)'과 '바이브 코딩(vibe coding)'의 경계를 허물고 있으며, 개발자들이 AI가 이끄는 대로 코드 생산 과정에서 자신을 점차 제거하는 '바이브 봅슬레이'라는 현상으로 이어지고 있습니다.
'바이브 봅슬레이'는 개발자가 처음에는 LLM을 고급 자동완성으로 사용하다가, 점차 아이디어 탐색 및 코드 생성에 에이전트를 활용하고, 결국에는 생성된 코드를 거의 검토하지 않으며 심지어 프롬프트 작성까지 포기하는 단계로 나아가는 과정을 의미합니다. 이러한 변화는 LLM의 압도적인 생성 속도를 활용하려는 욕구에서 비롯되지만, 이는 프로그래머의 핵심 역할인 이론 구축과 검토에서 멀어지는 결과를 초래합니다. 실제 Pvote 버그 검토 실험에서는 숙련된 보안 전문가들이 100줄의 코드에서 버그를 찾지 못해, 사람이 LLM의 방대한 출력을 온전히 검토하는 것이 비현실적임을 보여주었습니다. 이해할 수 없는 코드와 생성물이 음식점 포스터, 고객지원 챗봇, 오픈소스 프로젝트 등 일상 곳곳에 침투하며 '바이브 멀미(vibe sickness)'를 유발하고 있습니다.
이러한 현상은 소프트웨어 품질 저하뿐 아니라, 시스템의 구축, 구조, 유지보수 방식을 아무도 이해하지 못하는 심각한 문제를 야기합니다. 생성형 AI를 직접 사용하지 않더라도 동료나 오픈소스 기여자가 이해하지 못한 생성물을 '기여'로 보내오면서, 개발자들은 의도치 않게 바이브 코딩 작업 흐름에 참여하게 됩니다. 전문가들은 AI가 문제 발견에는 유용할 수 있지만, 생성에는 취약하며, 이해할 수 없는 시스템이 세계를 대체하는 흐름 속에서도 인간이 더 나은 환경을 직접 만드는 능력을 포기해서는 안 된다고 강조합니다. 기술이 정한 경로에 자신을 맡기기보다 인간이 직접 참여하여 더 나은 세계를 만들어나가야 한다는 메시지는, 현재의 AI 주도 개발 방식에 대한 중요한 경고이자 방향성을 제시합니다.