AI가 코드를 생성하는 원리를 알고 나면 자연스럽게 드는 질문이 있어요. “그럼 AI가 못하는 건 뭐지?” LLM은 다음에 올 토큰을 예측하는 방식으로 작동합니다. 이 원리를 이해하면 AI의 강점과 한계가 어디서 나오는지 꽤 분명하게 보여요.
AI가 잘하는 것
반복적인 코드 패턴 작성
AI 코딩 도구가 가장 빛나는 영역은 반복 작업이에요. 비슷한 구조가 수없이 등장하는 코드 — CRUD 함수, API 연동, 폼 유효성 검사 같은 것들이요. GitHub의 공식 연구에 따르면, Copilot을 사용한 개발자는 같은 작업을 55% 더 빠르게 완료했습니다. 평균 1시간 11분 vs 2시간 41분이에요. 통계적으로 유의미한 차이(P=.0017)고요.
에러 해석과 디버깅 보조
에러 메시지를 그대로 붙여넣으면 AI가 원인을 짚어주는 것도 잘해요. Stack Overflow 2024 개발자 설문에서 AI 도구를 디버깅에 쓴다는 응답이 57%였어요. 에러 메시지가 수십억 개의 사례 패턴과 맞닿아 있으니, AI 입장에서는 잘 아는 영역인 거죠.
코드 설명과 리뷰
내가 이해 못하는 코드를 붙여넣고 “이게 뭐 하는 건지 설명해줘”라고 하면 꽤 정확하게 풀어줘요. 레거시 코드를 파악하거나, 팀원이 짠 코드를 이해할 때도 유용합니다.
테스트 코드 작성
테스트 코드는 개발자들이 지루하게 여기는 작업 중 하나인데, AI가 이걸 꽤 잘해요. “이 함수에 대한 단위 테스트 작성해줘”라고 하면 다양한 케이스를 커버하는 테스트 코드를 만들어줍니다. 실수로 빠뜨리기 쉬운 엣지 케이스도 AI가 먼저 짚어주는 경우가 많아요.
문서와 주석 자동 생성
함수나 API 명세서를 문서로 정리하는 일도 AI가 빠르게 처리해줍니다. 완성된 코드를 붙여넣고 “이 코드에 JSDoc 주석 추가해줘” 또는 “README 초안 작성해줘”라고 하면 바로 결과물이 나와요. 협업할 때 문서 정리에 드는 시간을 크게 줄일 수 있는 부분입니다.
AI가 못하는 것
복잡한 비즈니스 로직
AI는 패턴을 예측하는 도구예요. 패턴이 없거나 도메인 특화 규칙이 복잡한 경우엔 한계가 드러납니다. “이 쿠폰은 첫 구매 고객 중 VIP 등급인 경우에만 적용되고, 배송비 면제 조건과는 중복 적용이 안 돼” 같은 로직이요. Stack Overflow 설문에서 45%의 전문 개발자가 AI 도구를 복잡한 문제 해결에 미흡하다고 평가했어요.
신뢰성과 할루시네이션
AI가 자신 있게 틀린 답을 내놓는 걸 할루시네이션이라고 해요. AI 정확도에 자신 있다는 응답이 43%에 그쳤고, 반대로 66%가 신뢰성 부족을 AI 사용의 가장 큰 장애물로 꼽았어요. 특히 존재하지 않는 라이브러리 함수를 실제로 있는 것처럼 코드에 넣거나, 오래된 API 문법을 최신인 것처럼 쓰는 경우가 있어요. AI가 생성한 코드는 그냥 실행하기보다 결과를 직접 확인하는 습관이 필요합니다.
보안 취약점
AI가 생성한 코드는 기능적으로 동작해도 보안 구멍이 생길 수 있어요. SQL 인젝션, XSS(크로스 사이트 스크립팅), 인증 토큰 노출 같은 취약점은 코드가 잘 돌아가는 것처럼 보여도 실제 서비스에서 큰 문제가 됩니다. 특히 사용자 입력을 다루거나 결제·인증 로직을 다루는 코드는 AI 결과물을 그대로 쓰지 말고 보안 관점에서 검토하는 과정이 필요해요.
긴 맥락 유지와 일관성
대화가 길어질수록 AI는 초반 설정을 잊기 시작합니다. 프로젝트가 커지고 파일이 많아질수록, 전체 구조를 이해한 채로 일관된 코드를 만들어주기 어려워요. 큰 코드베이스를 다룰 때 바이브코딩이 어려워지는 이유 중 하나입니다. 파일 수십 개가 연결된 구조에서 “전체를 고려해서 이 기능 추가해줘”라는 요청은 AI에게 아직 버거운 작업이에요.
이 차이를 알면 바이브코딩이 달라진다
AI가 잘하는 것에 집중하고, 못하는 것은 내가 직접 챙기면 됩니다. 반복적인 코드 작성, 에러 수정, 테스트 코드, 문서화는 AI에 맡기고 — 핵심 비즈니스 로직이나 보안이 중요한 부분은 내가 검토하는 역할 분담이에요.
실제로 Copilot 연구에서 사용자의 73%가 AI 덕분에 몰입 상태를 더 잘 유지했다고 답했어요. AI가 단순 반복을 처리해주니, 사람은 더 중요한 판단에 집중할 수 있다는 뜻입니다. 이 역할 분담이 바이브코딩을 단순한 자동화가 아니라, 더 나은 결과물을 만드는 협업 방식으로 만들어줘요.
이 글은 GitHub Research, Stack Overflow Developer Survey 2024 등 공개 자료를 바탕으로 작성되었습니다.
댓글 0