1조 원짜리 붐, 그런데 실제로 무엇이 달라졌나
Replit이 90억 달러 밸류에이션으로 4억 달러를 조달하고, Lovable은 출시 1년도 안 돼 ARR 4억 달러를 돌파했다. Cursor는 이미 ARR 20억 달러를 넘어섰다. AI 타임스 보도에 따르면 전통적인 SaaS 기업이 ARR 1억 달러에 도달하는 데 평균 5~10년이 걸렸던 반면, 바이브 코딩 플랫폼들은 그 기간을 1년 이내로 압축했다. 숫자만 보면 '소프트웨어 개발의 민주화'가 현실이 된 것처럼 보인다.
하지만 이 숫자는 질문을 지우지 않는다. AI가 코드를 짜준다는 게 실제 개발 경험에서 어떤 의미인가. 성장 지표는 수요의 폭발을 보여줄 뿐, 그 수요가 어떤 종류의 일을 자동화하고 어떤 종류의 일을 더 어렵게 만드는지는 말해주지 않는다.
30일 실험이 드러낸 자동화의 실제 범위
dev.to에 공개된 한 개발자의 실험은 이 질문에 가장 정직하게 답한다. 그는 Claude Opus, Gemini 3.1 등 AI 에이전트를 풀 활용해 Next.js + Fastify + PostgreSQL 기반의 개인 금융 대시보드 'Ninco'를 30일 만에 혼자 빌드하고 배포했다. 실험의 전제는 'AI가 모든 걸 대체할 수 있는가'가 아니라 'AI가 어디서 마찰을 제거하고, 어디서 여전히 사람의 판단을 요구하는가'였다.
결과는 명확하게 두 영역으로 나뉜다. AI가 압도적으로 잘한 것: CRUD 엔드포인트, 검증 스키마, API 핸들러, 폼 구조 같은 보일러플레이트 생성. 라이브러리 통합 시의 디버깅 보조. UI 레이아웃 초안과 컴포넌트 변형 빠른 실험. 리팩토링 제안과 문서화. 이 영역에서 AI는 '시간을 아껴주는 동반자'로 작동했다.
AI가 제대로 작동하지 않은 것: 시스템 아키텍처 설계, 프론트엔드-백엔드 통신 구조 결정, 모노레포 조직화. 데이터 모델링과 스키마 관계 정의. 그리고 무엇보다—어떤 기능을 만들 것인지 결정하는 프로덕트 판단. AI는 기능을 구현할 수 있지만, 그 기능이 존재해야 하는 이유를 스스로 만들어내지는 못한다.
'코드를 치는 숙련'이 사라진 자리에 남는 것
경남대 사회학과 양승훈 교수는 뉴스웨이 기고에서 이 현상을 노동사회학의 오래된 질문으로 환원한다. 기술이 숙련을 '해체'하는가, 아니면 '재편'하는가. 그는 Claude Code로 자산 관리 홈페이지와 마라톤 훈련 가이드를 1시간 만에 만들고 나서, 10년간 가르쳐온 파이썬 강의의 의미를 다시 생각하게 됐다고 적는다.
그의 진단은 이렇다. "코드를 짜는 숙련은 소멸하지만, 무엇을 만들지 기획하고, 결과물의 품질을 판단하며, 오류의 책임 소재를 따지는 숙련은 오히려 더 높은 수준의 판단력을 요구한다." AI가 실행을 독점할수록 인간에게 남는 건 더 본질적인 질문들이다—그리고 그 질문들에 답할 준비가 된 사람은 아직 많지 않다는 게 문제다.
프론트엔드 개발자에게 이 전환이 의미하는 것
세 가지 소스를 교차하면 프론트엔드 개발자 관점에서 실질적인 시사점이 보인다.
첫째, 컴포넌트 생성은 이미 자동화됐다고 봐야 한다. shadcn/ui 기반의 UI 초안, CRUD 폼, API 연동 레이어—이 영역에서 직접 타이핑하는 시간의 가치는 급격히 낮아지고 있다. Ninco 실험에서도 UI 반복 실험의 속도가 가장 극적으로 개선된 영역이었다.
둘째, 자동화가 빠를수록 설계 결정의 비중이 올라간다. AI가 생성한 코드는 파일이 지나치게 비대해지거나, 의존성 버전 충돌을 일으키거나, 확장 고려 없이 스키마를 짜는 패턴을 반복한다. 30일 실험의 개발자도 인정했듯, 이건 AI의 한계이기도 하지만 어떻게 컨텍스트를 주느냐의 문제이기도 하다. 결국 좋은 아키텍처 결정은 좋은 질문 설계에서 시작된다.
셋째, 프로덕트 판단은 자동화의 사각지대다. 사용자 여정을 어떻게 설계할 것인지, 어떤 마이크로 인터랙션이 신뢰감을 만드는지, 어떤 기능을 v1에 넣고 무엇을 버릴 것인지—이 판단들은 AI가 제안할 수는 있어도 책임질 수는 없다. Replit이 Fortune 500 기업의 85%에서 쓰인다는 건, 그만큼 '앱을 만드는 것'이 쉬워졌다는 뜻이지 '좋은 제품을 만드는 것'이 쉬워졌다는 뜻이 아니다.
바이브 코딩 이후의 개발자 역할
바이브 코딩 플랫폼의 1조 원짜리 성장은 진짜다. 하지만 그 성장이 증명하는 건 '코딩 장벽이 낮아졌다'는 사실이지, '좋은 소프트웨어를 만드는 장벽이 낮아졌다'는 사실이 아니다. 오히려 실행이 쉬워질수록 '무엇을 만들 것인가'와 '왜 그렇게 만들어야 하는가'를 설명할 수 있는 사람의 희소성은 올라간다.
양승훈 교수의 표현을 빌리자면, AI 시대의 '진짜 일'은 "AI가 만들어낸 결과물을 읽고, 평가하고, 책임질 수 있는 것"이다. 프론트엔드 개발자에게 번역하면: 컴포넌트를 생성하는 능력보다 컴포넌트가 사용자 경험에서 어떤 역할을 해야 하는지를 정의하는 능력, 코드를 타이핑하는 속도보다 어떤 코드를 생성하도록 AI에게 요청해야 하는지를 판단하는 능력이 점점 더 핵심이 된다.
바이브 코딩은 '코딩의 소멸'이 아니다. 실행 비용이 0에 수렴할 때 설계와 판단의 가치가 어디로 몰리는지를 보여주는 실험이다. 그리고 그 실험은 지금 우리 눈앞에서 ARR 수십억 달러 규모로 진행 중이다.