업무 자동화 기초 3부 - 바이브코딩
업무를 자동화할 아이디어는 있지만 코딩을 몰라서 시작하지 못한 사람이 많습니다. 이제는 Python이나 JavaScript 문법부터 배우지 않아도 AI와 대화하며 간단한 프로그램을 만들어볼 수 있습니다. 원하는 결과를 말로 설명하고, 실행 결과를 확인한 뒤, 부족한 부분을 다시 요청하는 방식입니다. 이를 흔히 ‘바이브코딩’이라고 부릅니다.
바이브코딩이란?
바이브코딩은 원하는 기능을 자연어로 설명하면 AI가 코드를 작성하고, 사람이 실행 결과를 확인하며 프로그램을 완성해 가는 방식입니다.
예를 들어 매주 여러 부서에서 받은 Excel 파일을 하나로 합쳐야 한다고 해보겠습니다. AI에게 다음과 같이 요청할 수 있습니다.
특정 폴더에 있는 Excel 파일을 모두 읽어서 하나의 파일로 합치는 프로그램을 만들어줘.
AI가 만든 코드를 실행했는데 어느 행이 어떤 파일에서 왔는지 구분하기 어렵다면 조건을 덧붙입니다.
합쳐진 데이터의 첫 번째 열에 원본 파일명도 추가해줘.
AI는 앞서 만든 코드를 고칩니다. 이처럼 요청하고, 실행하고, 결과를 확인한 뒤 다시 요청하는 과정을 반복합니다.
처음부터 완벽한 명령을 작성할 필요는 없습니다. 동료에게 업무를 설명하듯 목적과 조건을 하나씩 알려주면 됩니다.
기존 코딩과 무엇이 다를까?
기존 코딩에서는 사람이 프로그램의 구조를 설계하고 코드를 직접 작성했습니다.
기존 코딩
요구사항 → 프로그램 설계 → 코드 작성 → 실행 → 오류 수정 → 완성
바이브코딩에서는 코드 작성과 수정의 상당 부분을 AI가 돕습니다.
바이브코딩
요구사항 → AI에게 설명 → AI가 코드 생성 → 실행 → 결과 확인 → 수정 요청 → 완성
사람의 역할이 사라지는 것은 아닙니다. 역할의 중심이 달라집니다. 코드를 한 줄씩 입력하는 일보다 다음 두 가지가 중요해집니다.
- 어떤 문제를 해결할지 구체적으로 정하기
- AI가 만든 결과가 실제 업무에 맞는지 판단하기
가령 매출 파일을 합치는 프로그램이 정상적으로 실행됐더라도 금액 합계가 맞는지, 빠진 파일은 없는지, 날짜 형식이 깨지지 않았는지는 업무 담당자가 확인해야 합니다. AI는 코드를 만들 수 있지만 업무의 정답까지 저절로 아는 것은 아닙니다.
대화형 AI와 코딩 에이전트의 차이
가장 간단한 방법은 ChatGPT와 같은 대화형 AI에게 코드를 요청하는 것입니다. AI가 코드를 보여주면 사용자가 복사해 파일로 저장하고 직접 실행합니다. 오류가 나면 오류 내용을 다시 복사해 질문합니다.
대화형 AI를 이용하는 흐름
코드 요청 → 코드 복사 → 파일 저장 → 실행 → 오류 전달 → 수정 코드 받기
간단한 자동화는 이 방식으로도 만들 수 있습니다. 다만 파일이 많아지고 수정이 반복되면 복사와 실행을 계속 직접 해야 합니다.
코딩 에이전트(Coding Agent)는 한 걸음 더 나아갑니다. 프로젝트의 파일을 확인하고, 필요한 파일을 만들거나 기존 코드를 수정하며 개발 작업을 진행할 수 있습니다.
코딩 에이전트를 이용하는 흐름
업무 설명 → 프로젝트 확인 → 파일 생성·수정 → 실행 결과 확인 → 코드 수정
즉, 대화형 AI가 코드를 알려주는 조언자에 가깝다면 코딩 에이전트는 작업 공간에서 함께 프로그램을 만드는 동료에 가깝습니다. 다만 파일 수정이나 명령 실행을 맡길 때는 대상과 범위를 확인해야 합니다. 중요한 업무 파일은 복사본으로 시험하는 편이 안전합니다.
업무 자동화와 잘 맞는 이유
업무 담당자는 자신의 반복 업무를 가장 잘 압니다. 어떤 Excel 파일을 취합하는지, 고객 문의를 어떤 기준으로 나누는지, 결과를 누구에게 전달해야 하는지 알고 있습니다. 문제는 그 절차를 프로그램으로 옮기는 방법이었습니다.
바이브코딩에서는 업무 지식을 AI가 이해할 수 있도록 구체적으로 설명하면서 자동화를 만들어볼 수 있습니다.
예를 들면 다음과 같습니다.
- 매일 특정 사이트에서 제품 가격을 확인해 Excel에 기록하기
- 여러 지점의 실적 파일을 하나로 합치기
- 고객 문의 이메일을 영업 문의와 기술 문의로 분류하기
- 처리 결과를 담당자에게 알리기
이때 단순히 “자동화해 줘”라고 말하면 원하는 결과를 얻기 어렵습니다. 업무 흐름을 **입력(Input), 처리(Process), 판단(Decision), 결과(Output)**로 나누면 설명이 훨씬 선명해집니다.
제품 가격 확인 업무라면 입력은 확인할 상품 목록, 처리는 사이트 조회, 판단은 가격 변경 여부, 결과는 Excel 기록과 담당자 알림입니다. 이렇게 정리하면 AI가 어떤 프로그램을 만들어야 하는지 이해하기 쉬워집니다.
좋은 요청은 업무 설명서처럼 구체적입니다
바이브코딩의 출발점은 기술 용어가 아니라 정확한 업무 설명입니다. 다음 항목을 포함하면 AI와의 대화가 수월해집니다.
- 목적: 무엇을 줄이거나 해결하려는가
- 입력: 어떤 파일이나 데이터를 사용하는가
- 처리: 데이터를 어떤 순서로 다루는가
- 판단 기준: 예외나 분류 조건은 무엇인가
- 결과: 어디에 어떤 형태로 저장하는가
- 확인 방법: 성공 여부를 어떻게 판단하는가
예를 들어 “Excel 취합 프로그램을 만들어줘”보다 다음 요청이 구체적입니다.
매주 받은 Excel 파일을 하나로 합치고 싶어. 모든 파일의 열 순서는 같아. 첫 번째 열에는 원본 파일명을 넣고, 결과는
통합결과.xlsx로 저장해줘. 파일 형식이 다른 경우에는 건너뛰지 말고 어떤 파일에서 문제가 났는지 알려줘.
목적과 예외 상황까지 알려주면 AI가 업무에 가까운 결과를 만들 가능성이 높아집니다. 첫 요청에서 빠진 조건은 실행 결과를 보며 보완하면 됩니다.
코딩을 전혀 몰라도 될까?
바이브코딩은 코드를 직접 작성하는 부담을 줄여줍니다. 그렇다고 기술 지식이 전혀 필요하지 않은 것은 아닙니다.
자동화를 만들다 보면 Python, 라이브러리, API, JSON, 데이터베이스, 스케줄러 같은 말을 자주 접하게 됩니다. 모든 내용을 개발자 수준으로 공부할 필요는 없습니다. 다만 AI가 무엇을 설치하고, 어떤 데이터를 가져오며, 어디에 저장하고, 언제 실행하는지는 이해할 수 있어야 합니다.
예를 들어 AI가 “매일 오전 9시에 실행되도록 스케줄러를 설정하겠습니다”라고 했다면 컴퓨터가 꺼져 있어도 실행되는지, 회사 보안 정책에 맞는지, 실패했을 때 누가 확인할지를 물어봐야 합니다. 고객 정보나 사내 자료를 다룬다면 외부 서비스로 데이터가 전달되는지도 먼저 확인해야 합니다.
핵심은 코드를 외우는 것이 아닙니다. AI에게 무엇을 요청할 수 있는지 이해하고, AI가 만든 결과를 업무 기준으로 검토하는 힘을 갖추는 것입니다.
다음 글에서는 업무 자동화에서 자주 만나는 Python, 라이브러리, API, JSON, 데이터베이스, 스케줄러의 뜻과 역할을 하나씩 살펴보겠습니다.