[안광섭의 AI 진테제] 어지러운 바이브 마케팅...바이브는 '척'에 불과

요즘 한국에서 가장 자주 듣는 접두어 중 하나는 '바이브(vibe)'다. 바이브 코딩, 바이브 페이퍼, 바이브 마케팅. 접두어 하나만 붙이면 기존의 모든 행위가 갑자기 AI 시대를 앞서가는 것처럼 포장된다. 얼마 전 한 언론과의 대담에서 "바이브의 정체가 도대체 무엇이냐"는 질문을 받았다. 필자의 대답은 간단했다. 바이브의 한국어 번역은 "척"이다. 가볍게 던진 농담이 아니다.

이 말에는 세 가지 관점이 겹쳐 있다. 첫째, 기술의 본질에 관한 것이다. 둘째, AI가 어떤 해자(moat·경쟁우위의 기반)를 무너뜨리고 있는지에 관한 것이다. 셋째, 그 공백을 누가 무엇으로 메우려 하는지에 관한 것이다. 하나하나 살펴보자.

안드레이 카파시가 만든 말 바이브 코딩, 정작 본인은 "에이전틱 엔지니어링이 더 적절"하다며 안써

'바이브 코딩'이라는 말을 만든 사람은 오픈AI 공동창업자이자 전 테슬라 AI 디렉터였던 안드레이 카파시(Andrej Karpathy)다. 그는 2025년 2월 자신의 X(옛 트위터)에 "바이브에 완전히 몸을 맡기고, 지수 함수를 받아들이고, 코드가 존재한다는 사실조차 잊는 새로운 종류의 코딩을 바이브 코딩이라 부른다"는 글을 올렸다. 450만 회 이상 노출되며 하나의 문화 현상이 됐다.

흥미로운 점은 1년 뒤 카파시 본인이 이 용어와 거리를 두기 시작했다는 것이다. 그는 2026년 2월 올린 회고 글에서, 바이브 코딩이 원래 "재미로 만드는 일회용 프로젝트나 데모에 주로 쓰이는 표현이었다"고 밝혔다. 그러면서 전문적으로 다루는 코드에는 '에이전틱 엔지니어링(agentic engineering)'이라는 명칭이 더 적절하다고 제안했다. 용어를 만든 사람은 한발 물러섰는데, 정작 시장은 바이브 코딩을 마케팅 용어로 소비하며 범주를 확장하고 있는 셈이다.

그사이 비슷한 양상은 학계에도 번졌다. 2026년 3월, 세계적 머신러닝 학회인 ICML은 리뷰 과정에서 LLM을 무단 사용한 리뷰어들의 논문 497편을 심사도 없이 탈락(데스크 리젝)시켰다고 공식 발표했다. 전체 투고의 약 2%에 해당하는 규모다.

ICML은 리뷰어에게 'AI 사용 금지(Policy A)'와 '제한적 허용(Policy B)' 중 하나를 선택하게 한 뒤, 논문 PDF에 사람 눈에 보이지 않는 프롬프트 인젝션(prompt injection) 워터마크를 심어 AI 사용 여부를 적발했다. 학계 일각에서는 이 사건을 두고 '바이브 페이퍼'라는 말까지 나왔다. 논문조차 '쓴 척'으로 대체되고 있다는 것이다.

소비자 시장에서는 이 추상화가 더 노골적이다. AX(AI Transformation)라는 표현이 대표적이다. 따져보면 AX는 자기가 원래 하던 일을 AI와 접목하겠다는 뜻 이상이 아니다. 그런데 왜 새 이름표가 필요한가. 과거에도 똑같은 일이 있었다. 전산화가 디지털화가 되고, 디지털화가 유비쿼터스가 됐다가, 어느새 DX가 됐다. 그리고 이제 AX다. 본질은 바뀐 게 없는데 이름만 갈아 끼우는 중이다. 이름을 갈면 다시 팔 수 있기 때문이다.

기술의 본질: 해자를 없애는 일, 그리고 AI가 허문 마지막 해자

여기서 한 층 내려가 볼 필요가 있다. 애초에 기술이란 무엇인가. 필자가 오랜 시간 기술을 다루면서 내린 결론은 단순하다. 모든 기술의 역할은 해자를 없애는 것이다.자동차는 이동의 해자를, 엘리베이터는 수직 이동의 해자를, 스마트폰 카메라는 촬영의 해자를 각각 낮춰왔다. 기술의 역사는 곧 해자가 무너지는 역사다.

그렇다면 AI는 어떤 해자를 없애고 있는가. 필자의 대답은 '지식'이다. 코드를 짤 줄 아는 능력, 영상 편집을 할 줄 아는 능력, 카피를 쓸 줄 아는 능력, 발표 자료를 구조화할 줄 아는 능력. 지난 30년간 개인과 조직의 경쟁우위를 지탱해온 이 지식과 숙련의 장벽이 지금 빠르게 허물어지고 있다.

그래서 과거에는 지식과 노하우로 보호받던 영역이 이제 '바이브'라는 이름으로 전복되는 것이다. 회사를 다녀본 적 없는 사람이 기업 컨설팅을 하고, 한 줄도 직접 짜본 적 없는 사람이 바이브 코딩으로 스스로를 개발자로 포지셔닝한다. 이것은 당사자들의 문제라기보다 구조의 문제다. 해자가 무너진 자리에는 두 가지가 들어선다. 하나는 이 도구를 제대로 활용해 실제 산출물을 내는 사람이고, 다른 하나는 이 도구를 쓴다는 사실 자체를 상품화하는 사람이다. 바이브는 두 번째 쪽에서 만들어진 단어다.

여기서 혼동해서는 안 되는 지점이 있다. AI를 활용해 실제 업무 생산성을 끌어올린 사례는 분명히 존재한다. 고객사 커뮤니케이션 자동화, 사내 문서 검색 개선, 반복 리포트 작성 시간 단축 같은 일은 이미 현장에서 측정 가능한 수치로 확인된다. 이런 일을 카파시의 용어로 다시 부르면 '에이전틱 엔지니어링'에 가깝다. 이것은 바이브가 아니다. 도구를 잘 쓰는 것이다. 노션의 에이전트 기능을 써서 업무 프로세스를 자동화했다면, 그 사람이 한 일은 "노션 에이전트를 잘 활용한 것"이지 "바이브 코딩을 한 것"이 아니다.

그런데도 왜 사람들은 굳이 바이브 코딩이라는 이름으로 말하려고 할까. 이유는 두 가지 중 하나다. 그 모호함에서 나오는 이득을 취하고 싶거나, 스스로도 그 행위를 명확하게 정의할 수 없거나. 어느 쪽이든, 정확한 이름 대신 추상적 수식어가 선택되는 순간 판매의 문이 열린다.

'취향'이라는 두 번째 포장: 테이스트 워싱(Taste-washing)

바이브 코딩 다음으로 실리콘밸리가 꺼내 든 단어는 '취향(taste)'이다. Y컴비네이터 공동창업자 폴 그레이엄(Paul Graham)은 2026년 2월 자신의 X에 "AI 시대에는 취향이 더욱 중요해질 것이다. 누구나 무엇이든 만들 수 있게 되면, 결국 차이는 무엇을 만들 것인가에서 갈린다"고 적었다. 오픈AI 공동창업자 그렉 브록만(Greg Brockman) 등 업계 유력 인사들도 비슷한 취지의 발언을 이어갔다.

이에 대해 뉴요커의 IT 칼럼니스트 카일 차이카(Kyle Chayka)는 2026년 3월 "왜 테크 업계는 '취향'에 집착하는가(Why Tech Bros Are Now Obsessed with Taste)"라는 칼럼에서 강한 반론을 제기했다. 그가 제시한 개념은 '테이스트 워싱(Taste-washing)'이다. 차이카는 이를 두고 "반인간주의적 기술에 자유주의적 휴머니즘의 외피를 입히는 행위"라고 정의했다. 기계가 모든 것을 만드는 시대에 인간의 감식안을 강조함으로써, 자동화의 불편한 속성을 미학의 언어로 포장한다는 비판이다.

논쟁의 배경을 이해하려면 그레이엄이 원래 '취향'이라는 단어로 무엇을 말했는지 되짚어볼 필요가 있다. 그가 2002년에 쓴 에세이 '메이커를 위한 취향(Taste for Makers)'은 좋은 디자인의 속성을 논한 글이다. 단순함·무시간성·제약을 뚫는 해결·자연을 닮은 구조 같은 것이다. 그는 글의 말미에 "위대한 작업의 비결은 매우 까다로운 취향, 그리고 그것을 만족시킬 수 있는 능력"이라고 썼다. 핵심은 '까다로움'과 '실행 능력'의 결합이었다.

문제는 지금 업계가 이 문장을 절반만 떼어 쓰고 있다는 점이다. '까다로운 취향'은 남고, '그것을 만족시킬 수 있는 능력'은 사라진다. 그 자리에 대체물로 들어선 것이 AI다. 그러면 취향은 결국 '무엇을 만들지 고르는 안목'으로 축소되고, 이는 다시 '무엇이 돈이 될지 고르는 투자 감각'으로 번역된다. 차이카가 지적한 '테이스트 워싱'의 실체는 이것이다. 철학자 피에르 부르디외가 말한 계급 구별의 도구로서의 취향, 혹은 볼테르가 말한 미적 판단으로서의 취향은 원형 그대로 유통되지 않는다. 벤처 자본의 논리 안에서 재정의된 '취향'이 실리콘밸리의 새 상품이 되고 있는 셈이다.

한 가지만 짚으면, 뉴욕타임스가 2025년 진행한 AI-사람 글 블라인드 테스트에서 AI 쪽이 54%로 이겼다는 결과가 자주 인용된다. 그러나 이 숫자는 '선호(preference)'이지 '가치(value)'가 아니다. 감자칩이 감자 요리보다 많이 팔린다고 해서 감자 유통망이 불필요해지지 않는다. '취향'이라는 단어는 선호와 가치를 뭉뚱그려 통과시키고, 그 모호함이 다시 판매의 문을 연다.

AI는 아첨에 최적화된 도구

더 근본적인 질문이 하나 남는다. 지금의 생성형 AI가 만들어내는 결과물을 진짜로 '취향'이라고 부를 수 있는가. 앤스로픽(Anthropic)이 2023년 발표하고 ICLR 2024에서 발표된 논문 '언어모델의 아첨(sycophancy) 현상에 대한 이해'는 이 지점에 중요한 단서를 제공한다.

연구진은 당시의 최신 AI 어시스턴트 5종이 네 가지 서로 다른 생성 과제에서 일관되게 아첨 행동을 보인다는 점을 확인했다. 핵심 원인은 훈련 방식에 있다. 인간 피드백 기반 강화학습(RLHF)은 사람들이 '더 선호한' 답변을 모델에 학습시키는데, 인간은 자신의 기존 견해와 일치하는 답변을 진실한 답변보다 더 자주 선호했다. 결과적으로 모델은 정답 대신 '듣기 좋은 말'을 강화하게 된다는 것이다.

이 문제는 여전히 해소되지 않았다. 앤스로픽은 2025년 후속 연구와 2026년 모델 출시 과정에서도 아첨 성향을 별도의 안전성 항목으로 측정하고 있다. 오픈AI 역시 2025년 초 챗GPT가 지나치게 아첨한다는 사용자 불만이 빗발치자 해당 업데이트를 롤백한 적이 있다. 업계 전반에서 아첨은 이제 '해결된 문제'가 아니라 '계속 관리해야 하는 결함'으로 다루어진다.

필자의 관점은 여기서 나온다. 아첨에 최적화된 도구가 만든 결과물을, 우리는 과연 취향이라고 부를 수 있는가. AI가 생성한 텍스트가 좋아 보이는 이유는 그 글이 읽는 사람의 기존 선호에 부합하도록 최적화되어 있기 때문이다. 챗GPT의 초기 UX를 설계한 인력들이 공개 인터뷰에서 밝혔듯, 사용자가 한 문장을 입력하면 열 문장으로 돌려주는 구조 자체가 "대단한 일을 하고 있다는 착각"을 유도하도록 설계됐다. 질문과 무관하게 답변이 길면 만족도가 올라갔다는 내부 실험 결과도 잘 알려져 있다. 우리가 느끼는 '취향'의 상당 부분은, 사실 도구가 우리에게 맞춰 준 효용감의 투영일 가능성이 높다.

수렴의 함정: AI는 다른 답을 내놓지 못해

아첨 최적화에는 필연적인 부산물이 따라온다. 바로 결과물의 동질화(homogenization)다. 2025년 8월 공개된 "대형 언어모델이 인간 표현과 사고에 미치는 동질화 효과" 논문은 LLM이 훈련 데이터의 지배적 패턴을 반복해 재생산함으로써, 사용자들이 점점 비슷한 언어·비슷한 논리·비슷한 결론으로 수렴하는 경향을 실증 데이터로 보여준다. 같은 해 10월 발표된 "인공 하이브마인드(Artificial Hivemind)" 연구는 한 걸음 더 나아간다. 2만6000개의 개방형 질문으로 최신 LLM들을 시험한 결과, 동일 모델 안에서도, 서로 다른 모델 사이에서도 답변이 놀라울 만큼 한곳으로 수렴한다는 사실이 확인됐다. 연구진은 이를 "무한히 많은 답이 가능한 질문에조차 모델들이 좁은 응답 공간으로 몰려가는 현상"이라고 기술했다.

왜 이런 일이 벌어지는가. 기술적 이유는 분명하다. 대부분의 최신 모델이 유사한 코퍼스로 훈련되고, 유사한 정렬(alignment) 방식을 거치며, 인간 선호 데이터 역시 특정 문체·특정 논리 구조에 편향되어 있기 때문이다. 결과는 이렇게 요약된다. 수억 명이 서로 다른 질문을 던져도, 돌아오는 답의 분포는 점점 좁아진다.

이 지점이 중요한 이유는 바이브 코딩, 바이브 페이퍼, 바이브 마케팅이라는 포장이 가리고 있는 진짜 현실을 드러내기 때문이다. 도구의 해자가 낮아진 자리에서 만들어진 결과물들은 겉보기에는 각자의 '취향'으로 치장되어 있지만, 실제로는 같은 확률 분포의 정점을 향해 수렴하고 있다. 1만 명이 AI로 쓴 창업 피치덱은 1만 개의 개성이 아니라, 1개의 중앙값과 그 주변의 변주에 가깝다. 1만 개의 쇼핑몰 상세 페이지도, 1만 편의 에세이도 마찬가지다. 필자가 자주 쓰는 표현을 빌리면, "모두가 AI로 같은 답에 도달하고 있는 세계에서, 차별화의 원천은 도구 안쪽이 아니라 도구 바깥쪽에 있다.“

여기에서 앞서의 논의가 한 지점으로 모인다. AI가 없앤 해자는 지식이고, 그 공백을 바이브가 포장했다. 그 포장의 실체는 아첨 최적화이고, 아첨 최적화의 부산물은 수렴과 동질화다. 그렇다면 지금 시장에서 진짜 희소한 것은 AI로 무엇을 더 만들어낼지에 대한 기술적 감각이 아니라, 수렴의 중력에 저항할 수 있는 자기만의 기준이다.

결국 남는 건 '신념(Conviction)'...

비판만으로는 앞으로 나아갈 수 없다. 그러면 바이브의 시대에 남는 키워드는 무엇인가. 필자의 대답은 신념(Conviction)이다. 차이카를 비롯한 비평가들이 꺼내 든 단어는 '용기(bravery)'였다. 세계 광고제 칸 라이온즈(Cannes Lions) 2025년 B2B 그랑프리 심사평에도 "용기(bravery), 자신감 있는 실행, 진정성 있는 B2B 크리에이티비티"라는 표현이 등장했다. 누구나 딸깍 한 번으로 AI 광고 영상을 몇백 개씩 만들어낼 수 있는 시대에, 그럼에도 자신이 지켜야 할 방향을 밀어붙이는 사람을 업계가 다시 주목하기 시작했다는 뜻이다.

필자가 '용기' 대신 '신념'이라는 단어를 택하는 이유는, 용기가 순간의 결단을 가리키는 데 비해 신념은 그 결단을 지속적으로 밀어붙일 수 있는 내적 기준을 함께 포함하기 때문이다. 아첨에 최적화된 도구가 만들어내는 수렴의 중력 앞에서 필요한 것은 한 번의 배짱이 아니라, 매 순간 자기 기준을 재확인할 수 있는 축이다.

필자는 이 흐름을 단순한 수사(修辭)의 교체로 보지 않는다. 만드는 비용이 0에 수렴하는 시대에는, 질문 자체가 바뀐다. 과거의 질문은 "어떻게 만들 것인가"였다. 지금의 질문은 "무엇을 만들 것인가, 그리고 그것을 왜 만드는가"다. 이 두 질문에 대답하려면 아첨에 최적화된 도구 바깥에 자기 기준을 가지고 있어야 한다. 업계의 언어로 그것은 '뚝심'이다. 그리고 이것이 '바이브'라는 단어의 반대편에 있다. 무언가를 결정하고 그것을 밀어붙일 용기, 그 용기를 지탱하는 신념-이것이 바이브의 시대가 우리에게 돌려주는 가장 값비싼 자산이다.

여기까지 오면, 바이브 코딩이나 바이브 페이퍼를 둘러싼 논쟁의 진짜 쟁점이 드러난다. 쟁점은 AI를 쓰느냐 마느냐가 아니다. AI는 언젠가 모두가 쓴다. 키보드와 엑셀을 쓰느냐 마느냐를 우리가 지금 토론하지 않는 것과 같다. 진짜 쟁점은 AI가 우리에게 돌려준 시간과 자원을 가지고 무엇을 할 것인가다.

여기서 한 가지 실천 기준을 제안하고 싶다. 조직이 AI 도입을 평가할 때, '무엇을 만들었는가'보다 '아껴진 시간의 재투자 포트폴리오'를 먼저 들여다봐야 한다.구성원 1인당 월 20~30시간을 아꼈다면, 그 시간이 어디로 갔는가. 더 높은 난도의 문제 정의에 쓰였는가, 고객과의 대면 시간에 쓰였는가, 데이터 기반 의사결정의 근거 강화에 쓰였는가. 아니면 동료에게 보낼 AI가 생성한 더 긴 이메일을 검토하는 데 다시 쓰였는가. 후자라면 그 도입은 효용감의 순환일 뿐, 생산성 개선이 아니다.

개인 차원에서도 같은 질문이 유효하다. 월 20~30달러를 내고 구독하는 AI 서비스가 어도비 크리에이티브 클라우드보다 비싸다는 사실을 인식하고 있는 사용자는 많지 않다. 그 비용이 아깝지 않을 만큼의 결과물을 실제로 만들어내고 있는지, 혹은 샤넬 가방처럼 '가지고 있다는 감각' 자체를 소비하고 있는지 한 번쯤 점검해볼 필요가 있다.

한 가지 덧붙이면, 앤스로픽·오픈AI·구글은 자사 모델을 제대로 활용하는 방법을 공식 아카데미에서 무료로 공개하고 있다. 한국어 자료도 포함되어 있다. 이들이 공개하는 자료는 연봉 수억 원대의 실무자들이 직접 설계한다. 기본기를 쌓는 데 유료 강의가 꼭 필요하지는 않다는 뜻이다. 정보가 부족한 것이 아니라, 공짜로 주어진 것을 굳이 찾아 쓰는 습관이 부족한 것일 수 있다.