바이브 코딩이 등장하면서 신규 채용 감소와 취업난에 대한 우려가 나오고 있다. /챗GPT 생성 이미지?
인공지능(AI) 발전과 함께 컴퓨터 언어를 배우지 않아도 개발이 가능한 '바이브 코딩(vibe coding)'이 등장하면서 개발 방식이 근본적으로 변화하고 있다. 생산량과 효율성은 크게 높아졌지만 컴퓨터 프로그래머의 역할이 축소되면서 신규 채용 감소와 취업난에 대한 우려도 커지는 흐름이다.
30일 IT매체 나인투파이브맥은 최근 바이브코딩이 확산하면서 애플 앱스토어의 심사가 심각한 병목 수준에 걸렸다고 보도했다. AI가 앱 개발
릴게임몰메가 속도를 빠르게 끌어올리며 제출 물량이 증가했고 그 여파로 기존 개발사들의 업데이트 심사까지 지연되는 사례가 잇따르고 있다는 설명이다.?
개발 방식 바꾼 '바이브 코딩' 확산
핵심 변화는 앱 개발 속도의 급격한 상승이다. 이미 여러 매체는 지난해 말부터 바이브 코딩이 본격 확산된 것으로 분석했다. 특히 클로드 오푸스 4.
황금성게임랜드 5 등 고도화된 모델 등장으로 AI에 자연어로 요청하면 '거의 완성도 있는 결과물'을 생성할 수 있게 됐고 이에 따라 누구나 앱을 개발해 앱스토어에 등록하는 흐름이 형성된 것이다.?
바이브 코딩은 사람이 직접 코드를 작성하는 대신 AI에게 자연어로 기능을 설명하고 결과를 생성하는 방식이다. 기존에는 문법과 구조를 이해하는 것이 핵심이었다면
릴게임신천지 이제는 문제를 정의하고 요구사항을 명확히 전달하는 능력이 중요해지는 방향으로 바뀌고 있다.?
채용 시장 충격···신입부터 줄어든다
메타 로고 /로이터=연합뉴스
황금성슬롯 문제는 이 같은 변화가 노동시장 구조에도 직접적인 영향을 미치고 있다는 점이다. 앤트로픽은 AI 노출도가 가장 높은 직업 1위로 컴퓨터 프로그래머(74.5%)를 꼽았다. 뒤이어 고객 서비스 직군은 70.1%, 데이터 입력 직군은 67.1%로 나타났다. 소프트웨어 엔지니어링 분석 기업 젤리피쉬(Jellyfish)의 보고서는 현재 기업의 약 64%는 코드
오리지널골드몽 의 대부분을 AI 지원을 통해 생성하고 있다고 분석했다.?
기업들의 채용 기준도 달라지고 있다. 단순 구현 중심 인력보다 AI를 활용해 구조를 설계할 수 있는 '바이브 코더'를 선호하는 흐름이 뚜렷해지고 있다. 대표적으로 메타는 직원의 역할을 기존 개발자에서 'AI 빌더(AI builder)'로 재정의하고 채용 과정에서도 AI 활용 역량을 주요 평가 기준으로 반영하고 있다.
신규 채용 시장에서도 변화가 감지되고 있다. 보고서에 따르면 지난 2024년부터 22~25세 청년층의 개발자 직군 진입률은 약 14% 감소한 것으로 나타났다. 이는 AI의 영향이 기존 인력의 실업 증가보다 신입 채용 축소 형태로 먼저 나타나고 있음을 보여주는 대목으로 노동시장 구조 변화의 초기 신호로 해석된다.
"100대 1 경쟁"···취준생이 체감한 개발자 '채용 한파'
익명을 요구한 개발자 취업 준비생 A씨는 본지에 "AI 코딩 도구 확산 이후 신입 채용 감소가 체감된다"며 "소규모 기업도 경쟁률이 100대 1 수준에 달하고 요구 역량도 크게 높아졌다"고 말했다. 이어 "Claude, Cursor 등 AI 코딩 도구는 사실상 필수처럼 사용되고 있으며 인턴 경험 당시에도 바이브 코딩을 통해 AI에게 명령을 내려 기능을 구현한 사례가 있었다"고 설명했다.
취업 준비 방식도 변화하고 있다. 그는 "알고리즘 중심 코딩 테스트 비중은 일부 줄어드는 반면 과제형 테스트와 실무형 평가가 늘어나는 추세"라며 "포트폴리오 역시 단순 프로젝트 나열보다는 문제 해결 과정과 기술 선택 이유, 실제 개선 결과를 설명할 수 있는지가 더 중요해졌다"고 말했다.?
업계는 향후 AI가 코딩을 넘어 연구 영역까지 확장될 것으로 보고 있다. 이에 따라 인간의 역할 역시 변화가 불가피하다는 분석이다. 단순 구현은 AI가 담당하고 인간은 문제 정의와 질문 설계, 비판적 판단, 창의성 등 상위 영역에 집중하는 구조로 재편될 것이라는 전망이다.
생존법은 'AI+설계 역량'
개발자 취업 준비생이 꼽은 AI 시대 핵심 역량. /제미나이 생성 이미지
A씨는 개발자 취업 준비생이 앞으로 갖춰야 할 역량으로 △코드를 이해하고 설계하는 능력 △코드의 의도와 구조를 명확히 전달하는 역량 △AI에 정확한 요구사항을 전달하고 이를 문서화하는 능력을 핵심으로 꼽았다. 이는 AI가 코드를 생성하는 시대에도 결과물을 검증하고 수정·확장하기 위해서는 설계와 구조에 대한 이해가 필수적이며 동시에 AI와의 협업을 통해 개발을 주도하는 역량이 중요해지고 있기 때문이다.
그는 "이러한 역량들은 원래 실무에서 키워야 할 영역임에도 불구하고 최근에는 신입에게도 요구되는 경우가 많아지며 취업 난이도가 상당히 높아졌다"라며 "결국 AI를 활용하면서 설계까지 할 수 있는 개발자와 그렇지 않은 개발자 간 격차가 더욱 벌어질 것"이라고 말했다.?
☞ LLM 구조 분석 = 대형언어모델을 단순히 "문장을 잘 만드는 AI"로 보지 않고 입력이 어떻게 토큰으로 분해되고, 각 토큰이 임베딩을 거쳐 트랜스포머 블록 안에서 어떤 관계 계산을 수행하며, 그 결과가 어떻게 다음 출력을 생성하는지까지 연산 흐름 단위로 해부하는 작업이다.?
구체적으로는 내부 비용과 병목이 어디서 발생하는지를 읽는 방법론이다. 이 과정에는 토큰화(tokenization), 임베딩(embedding), 셀프 어텐션(self-attention), 피드포워드 네트워크(FFN), 위치 인코딩(positional encoding), KV 캐시(Key-Value cache), 디코딩(decoding), 컨텍스트 윈도(context window) 같은 요소가 모두 포함된다.
기술적으로 이 분석이 중요한 이유는 AI 성능이 모델 크기 자체보다 연산 구조와 데이터 흐름에 있기 때문이다. 예컨대 트랜스포머의 어텐션은 모든 토큰 간 관계를 계산하므로 입력 길이가 늘어날수록 계산량이 급증하고 이때 KV 캐시는 단순 저장이 아니라 이전 상태를 재사용하기 위한 활성 연산 상태 유지 장치로 작동한다. 따라서 LLM 구조를 분석한다는 것은 곧 어떤 부분이 메모리 바운드인지, 어떤 부분이 연산 바운드인지, 병목이 대역폭인지 지연인지, 재계산을 줄일 여지가 있는지까지 파악하는 일이다.
여성경제신문 김성하 기자lysf@seoulmedia.co.kr
*여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
조회 : 0
