바이브코딩 노가다에서 허우적거리는 당신에게

처음 한 달은 천재가 된 기분이었다

솔직히 말하면, 나도 처음엔 진짜 천재가 된 줄 알았다.

이제 내가 원하는 거의 모든 것을 만들 수 있을 것 같았다. "이번 주 판매를 보여주는 화면을 만들어줘"라고 하면 진짜 화면이 뜬다. 코드는 한 줄도 직접 쓰지 않았는데, 내가 상상한 화면이 만들어져 있다. "상품별 판매 비중도 옆에 붙여줘" 한 줄이면 그 자리에 그래프가 추가된다. 에러가 나도 통째로 붙여 넣으면 AI가 알아서 고쳐준다.

예전 같으면 개발자를 구하거나, 직접 만들 엄두조차 내지 못했을 일이다. 그런 일을 몇 문장으로 해내고 나면 거의 반칙처럼 느껴진다.

이쯤 되면 속으로 이런 말이 나온다.

"바이브코딩, 별거 없네."

딱 거기까지가 좋았다.

그 "별거 없네"가 모든 문제의 시작이었다.

대시보드 하나를 만든다고 해보자.

처음에는 쉽다.

"이번 주 판매 화면 만들어줘." AI가 만든다. "상품별 판매 비중도 같이 보여줘." AI가 붙인다. "지난 7일 매출 추이를 그래프로 바꿔줘." AI가 고친다. "환불된 주문은 따로 표시해줘." AI가 다시 손본다.

문제는 화면과 기능이 늘어나면서 시작된다.

분명 나는 "이번 주 매출"을 보여달라고 했다. 그런데 AI가 만든 화면을 보면, 그 숫자가 내가 생각한 매출과 같은 기준인지 확신이 서지 않는다.

결제 완료 금액만 본 것인지, 환불 금액을 뺀 것인지, 테스트 결제는 제외했는지, 아직 입금되지 않은 주문까지 포함했는지 알 수 없다. 내가 그 부분을 자세히 말하지 않았기 때문이다.

AI가 틀렸다고 말하기도 애매하다. AI는 내가 말하지 않은 부분을 나름대로 채웠을 뿐이다.

문제는 바로 거기서 생긴다.

AI는 빈칸을 그냥 비워두지 않는다. 요청자가 명확히 말하지 않은 부분이 있으면, 문맥상 그럴듯한 방향으로 채운다. 그래서 결과는 얼핏 보면 자연스럽다. 화면도 매끄럽고, 숫자도 깔끔하고, 기능도 제대로 붙은 것처럼 보인다.

하지만 그 결과가 내가 의도한 기준과 같은지는 별개의 문제다.

같은 "이번 주 매출"이라는 말도 사람마다 다르게 해석할 수 있다. 어떤 사람은 결제 완료 금액을 떠올리고, 어떤 사람은 환불을 제외한 순매출을 떠올리고, 어떤 사람은 배송 완료된 주문만 매출로 본다. 내가 이 기준을 프로젝트 안에 남겨두지 않았다면, AI는 매번 그 빈칸을 추측해서 채운다.

처음에는 이 차이가 잘 보이지 않는다. 숫자가 크게 틀린 것도 아니기 때문이다.

완전히 엉망이면 바로 알아차릴 수 있다. 하지만 그럴듯하게 조금씩 어긋난 결과는 한참 들여다본 뒤에야 보인다. 화면은 좋아 보이고 숫자도 정돈되어 있는데, 내가 실제로 의사결정에 쓰려던 기준과는 다를 수 있다.

그때부터 일이 바뀐다.

AI가 만든 결과를 그대로 쓰는 것이 아니라, 이 결과가 내가 생각한 것과 같은지 하나하나 확인해야 한다. 이 숫자가 어떤 기준으로 계산된 건지 따져보고, 다른 화면의 값과 비교하고, 지난번에 내가 설명했던 기준과 맞는지 다시 확인한다.

새 기능 하나를 붙였을 뿐인데, 기존 화면의 숫자가 미묘하게 달라져 있지는 않은지도 봐야 한다. 상품별 판매 비중을 붙였더니 세트 상품 계산 방식이 달라진 건 아닌지, 지난 7일 매출 추이를 추가했더니 날짜 기준이 결제일에서 주문일로 바뀐 건 아닌지, 환불 주문을 따로 표시하면서 전체 매출 계산이 달라진 건 아닌지 다시 검수한다.

결국 문제는 AI가 결과를 못 만든다는 데 있지 않다. 오히려 너무 잘 만든다는 데 있다.

AI는 불확실한 부분까지 그럴듯하게 채워서 결과물을 내놓는다. 그래서 요청자는 그 결과를 100% 신뢰하지 못한다. 좋아 보이는 화면을 받아도, 이게 정말 내가 원한 기준대로 만들어진 것인지 다시 확인해야 한다.

처음엔 천재가 된 기분이었다. 그런데 어느 순간부터 AI가 만든 결과를 내가 검수하고, 검증하고, 다시 설명하고 있다.

이때 머릿속에 한 가지 질문이 자리 잡는다.

"AI에게 맡겼는데, 왜 내가 더 바빠졌지?"

이상한 일이다. AI는 빠른데, 나는 더 바빠졌다.

AI는 화면을 만들고, 숫자를 채우고, 곧바로 다음 기능으로 넘어간다. 문제는 그다음에 생긴다. AI가 만든 결과가 내가 의도한 기준과 일치하는지 사람이 다시 확인해야 할 때다.

이런 순간은 한 번으로 끝나지 않는다. 분명 지난번에 정한 기준인데 또 설명하고 있다. 좋아 보이는 결과를 받아도 맞는지 믿지 못해 다시 들여다본다. 같은 요청을 매주 하는데 결과는 매번 조금씩 다르다.

AI와 일할 때 생기는 문제는 일을 맡겨서 생기는 것이 아니다.
명확히 남겨두지 않은 기준을 AI가 매번 추측하고,
그 결과를 사람이 매번 검수할 때 생긴다.

많은 사람이 이 지점에서 프롬프트를 고친다. 더 자세히 말한다. 예시를 붙인다. 금지사항을 적는다. 물론 프롬프트는 중요하다. 모호하게 말하면 결과도 흔들린다. 하지만 같은 설명을 세 번째 반복하는 순간, 문제는 더 이상 프롬프트의 길이가 아니다.

문제는 기준이 대화 속에만 있다는 것이다.

대화 속 기준은 쉽게 사라진다. 새 세션을 열면 다시 설명해야 한다. 다른 자료를 붙이면 우선순위가 흔들린다. 내가 어디까지 설명했고, AI가 무엇을 전제로 결과를 만들었는지도 추적하기 어려워진다.

반대로 프로젝트 안에 남은 기준은 다시 불러올 수 있다.

프로젝트 안에 "매출은 결제 완료 금액에서 환불을 뺀 값으로 본다"는 기준이 남아 있다면, AI는 다음에도 그 기준을 볼 수 있다. 어떤 판매 파일을 공식 자료로 볼지 남아 있다면, AI는 아무 CSV나 믿고 계산하지 않는다. 이 프로젝트에서 먼저 확인해야 할 기준과 행동 원칙이 남아 있다면, 새 세션에서도 같은 출발점에서 시작할 수 있다.

남기는 것은 기준만이 아니다. 반복하는 작업도, 결과를 확인하는 방식도, 꼭 지켜야 할 규칙도 프로젝트에 남길 수 있다. 기준은 그 출발일 뿐이다.

중요한 차이는 여기에 있다.

AI에게 한 번 잘 말하는 것과, AI가 다음에도 다시 볼 수 있게 남기는 것은 다르다.

AI 사용자에서 AI 네이티브로

AI를 쓰는 사람은 여기서 둘로 나뉜다.

한쪽은 모든 일을 그때그때 직접 시켜 해결하는 사람이다. 화면도 만들게 하고, 기능도 붙이고, 어긋나면 고치게 한다. 필요할 때마다 정확하게 지시하고, 결과가 흔들리면 다시 설명해서 바로잡는다.

AI를 쓰는 일 자체는 익숙하다. 하지만 모든 기준이 그 사람의 머릿속과 대화창 안에만 있다.

그래서 AI가 내놓는 결과를 볼 때마다, 이게 내가 의도한 기준대로 나온 것인지 다시 확인해야 한다. 숫자는 맞는지, 범위는 맞는지, 지난번에 정한 방식과 같은지 하나씩 검수해야 한다.

이것이 'AI 사용자의 덫'이다.

AI가 빠를수록 이 덫에는 더 깊이 빠진다. AI가 1분 만에 화면을 만들어 내놓으니, 맥락을 파일로 정리하는 5분이 아깝게 느껴진다. 그래서 그냥 다시 말한다. 다음에도 다시 말한다. 일이 반복될수록 다시 말하는 횟수도 늘어난다.

결국 AI는 빨라졌는데, 사람은 더 바빠진다.

AI 사용자의 머릿속은 이렇게 움직인다.

"이건 그냥 다시 설명하는 게 빠르지."
"맥락 파일 만들 시간에 프롬프트 한 번 더 쓰는 게 낫다."
"어차피 새 세션 열면 또 처음부터야."
"맡겨봤자 결국 내가 다 검수한다."
"이번 한 번만 잘 말하면 된다."

이 생각들이 머릿속에 있는 한, 사람은 계속 결과물 검수자 자리에 묶인다. AI가 빨리 만들어낼수록, 사람은 더 많은 결과를 확인하고 고치는 데 시간을 쓰게 된다.

AI 네이티브는 다르다.

AI 네이티브는 AI에게 한 번 잘 말하는 데 집중하지 않는다. AI가 다음에도 같은 기준으로 일할 수 있는 환경을 남기는 데 집중한다.

판단 기준을 대화창이 아니라 프로젝트 파일로 옮긴다. 그래서 세션이 바뀌어도, 같은 기준을 다시 설명하는 데 시간을 쓰지 않는다. 사람은 결과물의 모든 빈칸을 추적하는 대신, 더 중요한 판단과 설계에 집중할 수 있다.

AI 네이티브의 머릿속은 이렇게 움직인다.

"이 기준은 AI가 다음에도 볼 수 있게 남겨야 한다."
"판단 기준을 프롬프트가 아니라 파일로 옮겨야 한다."
"세션이 바뀌어도 같은 기준으로 일하게 만들어야 한다."
"지금 기준을 남기는 시간이 나중의 검수 시간을 줄인다."
"내가 매번 처음부터 검수하지 않아도 기준을 따라가야 진짜 작업 환경이다."

두 사람의 차이는 프롬프트 실력의 차이가 아니다. 기준을 어디에 두느냐의 차이다. 머릿속과 대화창에 두느냐, 프로젝트 안에 남기느냐. AI 사용자는 매번 더 잘 말하려 하고, AI 네이티브는 한 번 정한 기준을 다시 말하지 않아도 되게 만든다.

여기까지 와 본 사람이라면 AI를 쓰는 일에는 이미 익숙해졌을 것이다. 화면도 만들어봤고, 기능도 붙여봤다. 그런데 지금도 모든 결과를 하나하나 직접 검수하고, 새 세션을 열 때마다 처음부터 다시 설명하고 있다면, 아직 AI를 '쓰고' 있을 뿐이다.

물론 이 전환이 처음부터 필요한 것은 아니다. 한 번 작업하고 끝날 일에 환경까지 만들 필요는 없다. 처음 몇 번은 그냥 대화로 시키는 게 맞다. 당장 필요한 결과를 빠르게 얻는 데에는 그것만으로도 충분하다.

그런데 같은 일이 반복되기 시작하면 이야기가 달라진다. 그때부터는 매번 다시 말하는 방식으로는 한계가 온다. 머릿속에 있는 기준을 꺼내 프로젝트 안에 남겨야 한다.

바로 여기가 AI 사용자와 AI 네이티브를 나누는 분기점이다.

이 책이 담고 있는 것

이 책은 이런 사람을 위해 썼다.

AI에게 만들어달라고 해봤다. 화면도, 기능도 받아봤다. 그런데 어느 순간부터 결과를 그대로 믿지 못해 한 줄씩 다시 확인한다. 새 세션을 열면 어제 정한 기준을 또 설명한다. 개발자가 아니라서 '폴더'니 '파일'이니 하는 말은 남의 영역처럼 느껴진다. 프롬프트를 더 잘 쓰는 법을 찾아봐도 그때뿐이고, 주변에 물어볼 사람도 마땅치 않다.

이 책은 프롬프트를 더 잘 쓰는 법을 알려주는 책이 아니다. AI가 어떻게 일하는지 그 관점을 이해하고, AI가 일을 잘할 수 있는 환경을 직접 설계하는 법을 다룬다.

핵심은 단순하다.

AI 네이티브 = AI 관점의 사고 + 환경 설계

둘 중 하나만으로는 부족하다. AI가 사람처럼 기억하지 못하고 매번 새로 투입된다는 사실을 알아도, 그걸 받쳐줄 환경을 만들지 않으면 아는 데서 멈춘다. 결국 매번 다시 설명하게 된다.

반대로 폴더와 파일을 갖췄어도 AI가 무엇을 필요로 하는지 모르고 만들면, 그 환경은 AI가 일하는 방식과 어긋난다.

AI의 관점에서 생각하고, AI가 다시 보고 따라갈 환경을 만들어야 한다. 그래야 AI가 같은 기준 위에서 일할 수 있다.

업무마다 남겨야 할 것은 다르다. 그래서 이 책은 "이 폴더를 그대로 복사하세요"라고 말하지 않는다. 대신 어떤 문제가 생겼을 때 무엇을 남기면 되는지, 그 전체 그림을 보여준다.

전체 그림이 손에 있으면 휘둘리지 않는다. 새로운 AI 기능이 나와도, 누가 "이거 꼭 써야 한다"고 해도, 그것이 지금 내 작업에 필요한지 스스로 판단할 수 있다.

이런 환경을 설계하고 구성하는 일에는 Claude Code가 가장 적합하다. 그래서 이 책은 Claude Code를 기준으로 설명한다. 다만 근본 원리는 특정 AI에 묶이지 않는다. Codex나 Gemini 같은 다른 AI에서도 같은 방식으로 활용할 수 있다.

이 책에서 만들어 갈 것은 하나의 작업 환경이다.

나는 이것을 하네스라고 부른다.

하네스는 한 번에 완성하지 않는다. AI와 작업하다 마찰이 느껴지는 지점에서 필요한 조각을 하나씩 더해 간다. 그 하나하나가 버튼이다. 마찰이 생길 때마다 버튼을 하나 누르며 하네스를 완성해 간다.

하네스를 완성하려면 모든 버튼을 완벽히 익혀야 할 것처럼 보일 수 있다. 하지만 걱정하지 않아도 된다.

이 개념들을 외우거나 직접 손으로 전부 만들 필요는 없다. 각 버튼이 무엇을 책임지는지, 그 흐름만 이해하면 된다. 구체적으로 파일을 만들고 폴더를 구성하는 일은 AI가 도와준다.

예전에는 아는 것이 실제 결과로 이어지려면 오랜 숙련이 필요했다. 하지만 지금은 흐름을 정확히 이해하는 것만으로 곧장 결과를 만들 수 있다. 우리에게는 AI가 있기 때문이다.

그래서 비개발자일수록 이 개념을 아는 것 자체가 바이브코딩에서 큰 격차를 만든다. 큰 흐름과 맥락만 잡으면 된다. 대신 이 흐름은 정확히 이해해야 한다.

어렵지 않다.

설명은 내 비즈니스 대시보드 프로젝트 하나로 끝까지 따라간다. 숫자가 흔들리는 마찰에서 출발해, 장마다 필요한 버튼을 하나씩 누른다. 완성된 폴더를 처음부터 보여주는 대신, 필요한 파일이 그때그때 생기며 프로젝트가 조금씩 자라나는 과정을 따라간다.

이 책은 따라 하기 책이 아니다

여기까지 읽었다면, 이 책이 어떤 종류의 책인지 조금은 느껴졌을 것이다.

이 책은 무언가를 그대로 복사해서 붙여 넣는 step-by-step 튜토리얼이 아니다.

물론 중간중간 실제 예시와 적용 흐름은 나온다. 비즈니스 대시보드라는 하나의 프로젝트를 따라가며, 구조를 만들고, 맥락을 남기고, 작업을 고정하고, 계획과 검증과 보호와 누적의 장치를 더해 간다.

하지만 이 책의 목적은 특정 화면 하나를 완성하게 만드는 데 있지 않다.

AI 네이티브가 되기 위해 반드시 알아야 할 개념과 원리를 이해하게 만드는 데 있다.

AI와 오래 일하려면 단순히 명령어를 따라 하는 것만으로는 부족하다. 중요한 것은 AI가 어떤 방식으로 일하는지 이해하고, 내 작업에 필요한 기준을 스스로 꺼내고, 그 기준을 AI가 다시 볼 수 있는 환경으로 남기는 감각이다.

그래서 이 책은 "그냥 결과만 빨리 얻고 싶다"는 사람에게는 맞지 않을 수 있다.

반대로 내가 비개발자이고 아직 초보라 해도, AI와 함께 일하는 방식을 제대로 바꾸고 싶다면 이 책은 큰 도움이 될 것이다. 매번 다시 설명하고, 매번 검수하고, 매번 처음부터 시작하는 방식에서 벗어나고 싶다면 이 책은 그 전환점을 만들어 줄 수 있다.

이 책에 나오는 일곱 개의 버튼은 단순한 기능 목록이 아니다. AI와 일할 때 반복해서 부딪히는 문제를 이해하고, 그 문제를 어떤 환경으로 해결할지 판단하는 기준이다.

구조, 맥락, 작업, 계획, 검증, 보호, 누적.

이 흐름을 이해하면 앞으로 새로운 AI 도구나 기능이 나와도 휘둘리지 않는다. "이건 내 작업 환경에서 어떤 버튼에 해당하는가?", "지금 나에게 필요한 것은 기능이 아니라 기준인가?", "이 문제는 프롬프트로 해결할 일인가, 프로젝트 안에 남겨야 할 일인가?"를 스스로 판단할 수 있게 된다.

기술은 계속 바뀐다. 도구도 계속 바뀐다. 하지만 AI와 일하는 기본 원리를 이해한 사람은 바뀌는 도구 위에서도 자신의 방식을 잃지 않는다.

이 책의 내용을 버튼이라는 하나의 흐름으로 이해하고, 다른 사람에게도 설명할 수 있다면 당신은 이미 AI를 단순히 사용하는 단계를 넘어선 것이다.

그때부터 AI는 신기한 도구가 아니라, 당신의 잠재력을 확장하는 작업 환경이 된다.

준비됐는가

이 책을 읽기 전에 한 가지만 묻고 싶다.

당신은 정말 바꿀 준비가 됐는가?

기존처럼 AI를 쓰는 방식은 편하다. 그냥 다시 설명하면 된다. 그러면 AI는 금방 결과물을 내놓는다. 당장은 그쪽이 빠르다. 실제로도 매번 새로 설명하는 편이 파일을 만드는 것보다 빠를 때가 많다.

그런데 당신은 이 방식의 끝을 이미 봤다.

일이 반복될수록 다시 설명하는 횟수가 늘고, 검수가 쌓이고, 새 세션마다 처음으로 돌아간다. AI는 빨라지는데 당신은 계속 더 바빠진다.

그 끝에서 벗어나고 싶다면 한 번은 불편을 거쳐야 한다.

머릿속에 있는 기준을 꺼내 프로젝트로 옮기는 일이다. 처음 옮긴 기준은 어설플 수 있다. 들인 시간이 아깝게 느껴질 수도 있다. "이게 맞나?" 싶은 순간도 올 것이다.

그래도 당장의 빠른 길을 한 번은 내려놓아야 한다.

그래야 다음부터 AI가 당신이 설계한 환경 위에서 움직인다. 그래야 당신도 그 결과를 믿고 다음 일로 넘어갈 수 있다.

그 불편함을 감수할 준비가 됐는가?

준비됐다면, 다음 장으로 넘어가자.

당신은 더 이상 AI 사용자가 아니다.

이제 AI 네이티브로 넘어갈 시간이다.