바이브 코딩을 해보니, 끝까지 남은 건 도메인 지식이었다

표지: AI로 제작한 설명용 이미지입니다.

바이브 코딩에서 도메인 지식이란, “코드를 어떻게 짜느냐”가 아니라 “무엇을, 왜, 어떤 맥락에서 만들어야 하는가”를 정확히 아는 지식입니다.

고객이 겪는 문제, 사람들이 시간과 돈을 쓰는 이유, 실제 업무의 순서와 예외, 지켜야 할 규칙과 현장의 관행이 여기에 포함됩니다. 어떤 결과가 그 일에 맞는지 판단하는 실무 지식입니다.

ChatGPT Work든 다른 LLM 도구든, 우리는 지식을 불러와 마치 내 것처럼 활용할 수 있습니다. 하지만 그 내용이 맞는지, 지금 제 일에 필요한지는 따로 판단해야 합니다.

저는 PeterOS를 만들고 쓰면서 이 차이를 느꼈습니다. AI에게 맡길 수 있는 일이 늘어나도, 결과를 검증할 제 생각과 경험은 계속 필요했습니다.

AI가 코드를 만들어주는데 왜 도메인 지식이 필요할까요

안드레이 카르파티는 2025년 회고에서 자연어로 프로그램을 만드는 흐름을 설명하며, 자신이 붙인 ‘바이브 코딩’이라는 이름을 돌아봤습니다.

안드레이 카르파티. 사진: Gladwin Analytics / Wikimedia Commons, CC BY 3.0. 원본 변경 없음.

저 역시 구현에 필요한 지식과 코드를 AI의 도움으로 얻으며 원하는 기능을 직접 만들어볼 수 있었습니다.

그렇다고 제가 만들려는 일의 맥락까지 자동으로 전달되는 것은 아닙니다. AI는 일반적인 설명과 익숙한 구현 방식을 제안할 수 있습니다. 하지만 제가 전달하지 않은 구체적인 업무 사정까지 정확하게 안다고 볼 수는 없습니다.

누가 이 기능을 쓰는지, 어떤 문제를 해결하려는지, 무엇이 잘못되면 안 되는지. 이런 내용을 정하고 결과를 판단하는 데 도메인 지식이 필요했습니다.

PeterOS에서 실제로 글을 발행해보니

PeterOS에서 제가 구현하려던 것은 글이 실제로 발행되는 흐름이었습니다.

생각보다 과정은 매끄럽지 않았습니다. 로그인 오류가 자꾸 났고, 발행 과정에서도 오류가 생겼습니다. 원하는 것을 설명했다고 해서 바로 안정적으로 작동하는 것은 아니었습니다.

2026년 9월 22일 저장한 발행 화면입니다. 본문과 이미지 검토 등 발행 전에 확인할 항목이 보입니다.

이런 오류는 기술적으로 해결하고 검증해야 할 문제였습니다. 그런데 글이 실제로 올라가는 단계까지 가도, 제가 판단해야 할 일은 남아 있었습니다.

공개된 결과가 제가 생각한 기준과 표현을 온전히 담고 있지는 않았기 때문입니다.

발행된 글이 왜 제 의도와 달랐을까요

2026년 9월 30일 공개된 사용기 화면입니다. PeterOS와 연결해 실제 글의 발행을 준비했던 사례입니다.

저는 News에서는 확인한 소식을 정확하게 전달하고 싶습니다. AI·Marketing의 경험 글에서는 제가 실제로 해본 일을 바탕으로 이야기하고 싶습니다.

AI가 자연스럽게 문장을 만들어도, 발표 자료를 읽은 내용이 제 사용 경험처럼 쓰이면 제 의도와 달라집니다. 어떤 근거가 있는지, 어디까지 말해도 되는지, 독자가 오해할 표현은 없는지 살펴야 합니다.

이 판단에는 제가 아는 일과 직접 해본 경험이 필요했습니다. 문장이 매끄럽다는 이유만으로 내용까지 맞다고 받아들일 수는 없었습니다.

2026년 9월 20일 저장한 공개 본문입니다. 이미지·설명·출처의 배치와 문장이 독자에게 어떻게 보이는지 확인할 수 있습니다.

표현도 마찬가지였습니다. 어떤 내용을 먼저 보여줄지, 이미지가 무엇을 설명할지, 글이 쉽게 읽히는지까지 실제 결과를 봐야 했습니다.

제 머릿속 기준이 결과물에 그대로 담기지는 않았습니다. 그 차이를 알아보고 다시 설명하는 것도 제 몫이었습니다.

자동화에는 어떤 도메인 지식이 필요할까요

자동화를 만들 때는 제가 하던 판단을 구체적인 조건으로 옮겨야 했습니다.

무엇을 자동으로 처리할지, 어떤 자료를 확인한 뒤 다음 단계로 넘어갈지, 어느 경우에는 멈추고 사람이 볼지 정해야 합니다.

예를 들어 경험 글에서는 실제 사용 경험이 있는지 확인해야 합니다. 출처를 쓰는 글에서는 그 자료가 본문의 주장을 뒷받침하는지 살펴야 합니다. 이런 기준이 빠진 채 글만 만들어 발행하면 제가 원하는 자동화가 되기 어렵습니다.

2026년 9월 22일 저장한 Media 화면입니다. 이미지의 목적과 위치, 공개 가능 여부를 확인 항목으로 적어둔 모습입니다.

이미지 하나에도 판단이 들어갑니다. 파일을 넣는 기능뿐 아니라, 왜 필요한 이미지인지와 어디에 들어가야 하는지도 정해야 합니다.

결국 제가 아는 일을 AI가 따라갈 수 있는 조건으로 설명하고, 나온 결과가 그 기준에 맞는지 다시 확인해야 했습니다. 도메인 지식은 자동화를 설계할 때도, 결과를 검증할 때도 필요했습니다.

지식은 빌려 쓸 수 있어도 판단은 남았습니다

로그인과 발행 오류를 고치는 기술적 검증은 계속 필요합니다. 코드 품질과 보안을 확인하는 일도 빠뜨릴 수 없습니다.

그 위에서 제가 붙잡아야 했던 것은 제 일에 대한 이해였습니다. LLM이 준 지식을 그대로 받아들여도 되는지, 지금 이 업무에 맞는지, 결과가 제가 원한 방향인지 판단해야 했습니다.

AI를 통해 지식을 내 것처럼 활용할 수는 있습니다. 하지만 그 내용을 검증하는 제 생각과 경험까지 대신 생기지는 않았습니다.

PeterOS를 만들고 쓰면서 제가 내린 결론은 이것입니다. AI에게 맡길 수 있는 일이 늘어날수록, 저는 제 일을 더 잘 알아야 했습니다. 끝까지 남은 것은 결국 도메인 지식이었습니다.

함께 읽고 볼 자료

카르파티의 MenuGen 제작기에서는 빠르게 만든 초기 화면을 실제 서비스로 연결하면서 겪은 인증·배포·결제 문제를 살펴볼 수 있습니다. AI가 제안한 결제 처리 방식의 문제를 본인이 발견한 대목도 이 글의 주제와 연결됩니다.

Y Combinator 공식 영상: Software Is Changing (Again)은 카르파티가 자연어로 소프트웨어를 만드는 변화를 설명하는 강연입니다. 약 40분 분량으로, 바이브 코딩을 더 넓은 소프트웨어 변화 속에서 이해하고 싶은 분께 권합니다.