AI로 만든 프로토타입, 실서비스까지 살아남으려면

AI로 만든 프로토타입, 실서비스까지 살아남으려면

일주일 만에 배포하는 것과 6개월 뒤에도 굴러가는 것 사이—세 가지 현장이 가리키는 '설계 결정'의 위치

바이브코딩 AI 프로토타이핑 실서비스 배포 Claude Code FSD 아키텍처 AI 워크플로우 1인 개발
광고

비개발자가 Claude와 대화하며 일주일 만에 투자 시뮬레이터를 배포했다. 1인 개발자는 Claude Code 에이전트 9개를 품은 React Native 템플릿으로 앱 출시 생산 라인을 구축했다. 마이리얼트립 CTO는 앤트로픽 글로벌 컨퍼런스 연사로 서서 "프로토타입을 실서비스로 전환하는 AI 워크플로우"를 발표했다. 세 사례의 맥락은 완전히 다르다. 그런데 이들이 부딪힌 문제는 놀랍도록 같다.

'배포'는 쉬워졌다. 문제는 그 다음이다.

데일리팝에 소개된 바이브코딩 체험기에서 가장 인상적인 대목은 'if-vest'가 7일 만에 나왔다는 사실이 아니다. 가장 어려웠던 것이 코드가 아니라 '결정'이었다는 고백이다. 어떤 자산을 비교할지, 부동산 데이터 기준을 어디로 잡을지, 면책 문구를 어떻게 쓸지—Claude는 방향이 정해진 순간 빠르게 구현했지만, 방향이 없으면 그럴듯한 결과를 임의로 만들어냈다. 배포는 7일이면 됐지만, 서비스를 책임지는 판단은 끝까지 사람 몫이었다.

이 구조적 긴장을 템플릿 레벨에서 미리 설계한 사람도 있다. 긱뉴스에 공개된 React Native + Expo 베이스 템플릿은 단순한 스타터가 아니다. FSD(Feature-Sliced Design) 구조, Claude Code용 에이전트 9개와 스킬 8개, QA 리뷰어와 앱 인스펙터까지—핵심 설계 의도는 "AI 에이전트가 코드를 아무 곳에나 생성하지 않도록" 경계를 미리 그어두는 것이다. 바이브코딩이 '일단 만들어보기'라면, 이 템플릿은 '반복해서 만들 수 있는 생산 라인'에 가깝다. 프로토타이핑 속도를 유지하면서도 코드가 예측 가능한 위치에 쌓이게 하는 구조적 제약이 핵심이다.

기업 단위에서 이 문제는 더 복잡해진다. 헬로티가 보도한 마이리얼트립 허원진 CTO의 앤트로픽 컨퍼런스 발표 내용은 그 복잡성을 정직하게 드러낸다. 항공권 환불 수수료 계산처럼 실제 서비스에 LLM을 붙이면 즉시 세 가지 문제가 따라온다—응답 지연(latency), 일관성(consistency), 테스트 가능성(testability). 프로토타입에서 무시할 수 있었던 것들이 실서비스에서는 치명적 병목이 된다. 마이리얼트립이 자회사 AICX와 함께 AI 워크플로우를 전담 조직으로 분리한 것도, 이 문제가 도구 선택이 아니라 운영 설계의 문제임을 인식했기 때문일 것이다.

세 사례가 함께 가리키는 것

이 세 흐름을 겹쳐보면 하나의 패턴이 선명해진다. AI 코딩 도구가 진입장벽을 낮추는 속도보다, 그 결과물이 실서비스 환경에서 버텨야 하는 조건이 더 빠르게 까다로워지고 있다는 것이다. 바이브코딩 체험자는 "구조를 잡는 일도 사람 몫"이라고 했고, 템플릿 설계자는 FSD 규칙과 QA 기준을 에이전트 안에 미리 심었고, CTO는 프로토타입에서 실서비스로 넘어가는 워크플로우 전환 자체를 글로벌 컨퍼런스 발표 주제로 택했다. 세 사람 모두 AI가 코드를 생성하는 순간이 아니라, 그 전후의 설계 결정에 더 많은 에너지를 쏟고 있었다.

빠른 프로토타이핑이 습관이 된 팀에게 남은 숙제

'빠른 프로토타이핑 → 사용자 검증 → 고도화' 사이클을 실제로 돌려본 사람이라면 알 것이다. 병목은 대부분 두 번째와 세 번째 사이에 있다. 검증이 끝난 프로토타입을 실서비스로 격상할 때, AI가 만들어준 코드의 구조적 부채가 한꺼번에 드러난다. 이 지점에서 살아남는 프로덕트는 처음부터 "AI에게 무엇을 위임하고, 어디서 사람이 개입하는가"를 명시적으로 설계한 것들이다. FSD 같은 아키텍처 레이어, 에이전트 행동 범위를 제한하는 규칙 파일, latency와 consistency를 측정하는 테스트 파이프라인—이것들은 고도화 단계의 옵션이 아니라 프로토타입 설계 단계에서 결정해야 하는 제약 조건이다.

카파시가 바이브코딩을 "이제 한물간 단어"라고 한 것도 같은 맥락이다. AI 에이전트와 함께 일하는 것이 기본값이 된 시대에, 차별점은 AI를 쓰느냐가 아니라 AI를 어떤 구조 안에서 쓰느냐로 이동한다. 코드 생성 비용이 제로에 수렴할수록, 그 코드를 담는 그릇—아키텍처, 데이터 기준, 운영 워크플로우, 윤리적 안전장치—의 설계 비용이 전체 프로덕트 품질을 결정한다. 프로토타입이 실서비스까지 살아남으려면, 결국 그 그릇을 처음부터 의도적으로 만들어야 한다.

출처

더 많은 AI 트렌드를 Seedora 앱에서 확인하세요