AI 코딩의 역설: ‘바이브 슬롭’이 묻는 우리의 책임
기술이 주는 달콤한 유혹은 늘 강력하다. 특히 인공지능이 코드를 뚝딱 만들어내는 모습을 볼 때면, 우리는 곧 모든 개발 프로세스가 마법처럼 효율화될 것이라 믿기 쉽다. 그러나 현장에서 잔뼈 굵은 동료들은 안다. 혁신 뒤에는 언제나 그림자가 따르는 법이다.
최근 거물 개발자 마리오 제크너와 아르민 로나허의 경고는 그 그림자를 선명하게 보여준다. AI 코딩 도구의 무분별한 도입이 ‘바이브 슬롭(vibe slop)’이라는 위기를 부르고 있다 한다. ‘바이브 코딩’으로 만들어진 ‘AI 슬롭’, 즉 대충 생성된 저품질 코드가 소프트웨어 생태계를 오염시킨다는 이야기다.
‘바이브 슬롭’, 대충 만든 코드의 역습
오픈소스 게임 프레임워크 libGDX의 제작자 마리오 제크너와 파이썬 웹 프레임워크 Flask의 개발자 아르민 로나허는 월스트리트저널(WSJ) 인터뷰에서 경종을 울렸다. 개발자들이 시스템 설계나 테스트 같은 핵심 엔지니어링 과정을 건너뛰고, AI에게 “대충 만들어 달라” 지시하면서 소프트웨어 품질이 급락하고 있다는 주장이다. 이들은 현재 인프라가 무너지고 있고, 소프트웨어가 예전보다 훨씬 더 버그가 많아졌다고 단언한다. 당장은 버티더라도 결국 대가를 치른다.
이는 교육 현장에서도 마찬가지다. 새로운 에듀테크 도구를 ‘효율’이라는 이름 아래 검증 없이 도입하는 순간, 우리는 교육의 본질적 가치를 훼손하는 ‘교육 슬롭’을 만든다. 즉각적 결과에 현혹되면, 학습 설계의 깊이와 학생의 발달 단계에 대한 섬세한 고려는 사라진다.
‘망가진 도구’ 클로드 코드의 민낯
이들의 비판은 앤트로픽의 클로드 코드를 향한다. 제크너는 클로드 코드를 “내 인생에서 써본 가장 망가진 소프트웨어 중 하나”라고 혹평했다. 화면 깜빡임, 과도한 기능 추가(feature creep), 지나친 메모리 사용량 같은 문제점들이 폭발적으로 발생했다는 설명이다. 클로드 코드의 제작자가 스스로 ‘바이브 코딩’으로 만들었다고 인정한 사실은 이 문제를 더욱 심각하게 만든다.
앤트로픽 측은 “빠른 기능 출시 과정에서 발생한 부작용”이라고 해명했지만, 이는 속도와 편의성에만 집중했을 때 발생하는 필연적 결과다. 본질적으로 보면, AI가 제공하는 즉각적인 결과에만 의존하는 개발 문화는 시스템의 안정성과 유지보수성을 처음부터 고려하지 않는다. 교육용 AI 도구 역시 피상적인 흥미나 기능성에만 집중하면, 학습자의 심층 학습을 방해하고 교사의 통제력을 약화하는 ‘망가진 도구’가 될 수 있다.
AI 도구, 효율 뒤에 숨은 함정
이들은 AI 자체를 부정하지는 않는다. 실제로 수백만 명이 사용하는 AI 코딩 에이전트 파이(Pi)를 개발하기도 했다. AI는 반복적인 작업이나 프로토타입 제작에 매우 유용하다는 사실은 명백하다. 구글 순다르 피차이 CEO는 “구글 신규 코드의 75%가 AI에 의해 생성된다”고 밝혔고, 메타 마크 저커버그 CEO는 “2026년 이전에 메타 내부 AI 개발팀 코드 대부분이 AI에 의해 작성·검토될 것”이라 전망한다. 거대 기술 기업들이 AI 코딩을 핵심 전략으로 삼는 상황이다.
그러나 제크너와 로나허는 바로 이 지점을 문제 삼는다. 기업들이 AI를 지나치게 신뢰해 숙련된 엔지니어링 과정을 생략하고, 특히 “AI가 시니어 개발자 생산성을 극대화하니 주니어 개발자를 줄여도 된다”는 접근이 장기적으로 인재 고갈과 기술 부채를 초래한다고 경고한다. AI는 새로운 코드 생성에는 뛰어나지만, 기존 대규모 레거시 시스템을 분석하고 유지보수하는 능력에는 한계가 크다. 스타트업이 AI 에이전트로 빠르게 서비스를 개발해도, 시스템 규모가 커지면 결국 기존 대기업과 같은 유지보수 문제에 직면한다는 이야기다.
이건 과장이 섞여 있다, 고 생각할 수도 있다. 하지만 주니어 인력에게 주어지는 학습 기회가 줄어들면, 다음 세대 시니어 개발자는 어디서 나올까? AI가 당장 편리해도, 숙련된 인간의 판단과 경험은 결코 대체되지 않는다. 교육 현장에서도 교사의 전문성을 단순히 ‘AI 활용 능력’으로만 치환하려 한다면, 교육 본연의 깊이와 통찰은 사라지고 교육 부채만 쌓이게 된다.
오염되는 공동 자산, 오픈소스
AI가 생성한 저품질 코드가 급증하면서 오픈소스 생태계 자체가 오염되는 문제도 심각하다. 깃허브는 이미 AI 생성 저품질 코드와 스팸성 기여를 줄이기 위한 정책과 기능을 추가했다. 제크너는 자신의 깃허브 저장소에서 AI 에이전트가 허위 버그 리포트를 반복적으로 제출한 개발자를 차단하기도 했다.
구조적으로 보면, 이런 현상은 ‘가비지 인, 가비지 아웃(Garbage In, Garbage Out)’ 원칙을 데이터 생태계 전체로 확장시킨다. AI가 생성한 저품질 콘텐츠가 학습 데이터로 재유입되고, 이것이 다시 저품질 콘텐츠를 양산하는 악순환에 빠진다. 교육용 AI 모델 역시 특정 편향이나 오류를 학습하면, 그 오류는 기하급수적으로 증폭되어 학습자에게 전달된다. 지식의 샘이 오염되면, 그 샘에서 길어 올린 모든 것이 오염되는 이치와 같다.
탁월함을 위한 비판적 협력
AI 코딩의 ‘바이브 슬롭’ 위기는 기술 발전의 양면성을 극명하게 보여준다. 우리는 새로운 기술을 환영하되, 그 이면의 부작용과 윤리적 문제를 날카롭게 짚고 넘어가야 한다. 중요한 것은 도구의 유무가 아니라, 그 도구를 어떻게(How) 활용할 것인지에 대한 우리의 전략적 판단이다.
그렇다면 우리 교육 현장은 이 복잡한 현실 속에서 어떻게 길을 찾아야 할까?
- AI 도구의 비판적 평가와 학습: AI 에듀테크를 도입하기 전, 그 도구가 제시하는 ‘효율성’ 이면에 숨겨진 학습 효과의 함정, 데이터의 편향성, 장기적인 기술 부채 가능성을 면밀히 검토해야 한다. 일시적인 편리함이 교육적 본질을 해치지 않는지 질문하는 것이 우선이다.
- 교사 전문성의 재정의: AI는 교사를 대체하지 않는다. 오히려 AI가 할 수 없는 인간적 통찰, 공감 능력, 비판적 사고, 그리고 복합적인 문제 해결 능력이 더욱 중요해진다. 교사는 AI를 보조 도구로 삼아 단순 반복 업무에서 벗어나, 학생과의 깊이 있는 상호작용과 고차원적 학습 설계에 역량을 집중해야 한다.
- 전문적 학습 공동체(PLC)를 통한 성찰 문화: 개별 교사의 고립된 AI 활용은 ‘바이브 슬롭’처럼 저품질 교육 콘텐츠를 양산할 위험이 있다. 교사들이 함께 AI 도구를 실험하고, 성공 사례와 실패 경험을 공유하며, 교육적 효과를 심층적으로 성찰하는 문화가 반드시 필요하다. 동료들과의 꾸준한 토론과 피드백만이 AI를 통한 교육 혁신이 탁월함으로 연결되는 유일한 길이다. 이 변화가 정착되려면 교사들이 함께 실험하고 성찰하는 구조가 먼저다.
AI는 강력한 도구다. 그러나 도구에 대한 맹신은 위험을 자초한다. 우리는 AI의 잠재력을 최대한 활용하되, 그 한계와 부작용을 명확히 인지하고 인간의 지혜와 비판적 사고를 최전선에 두어야 한다.