안드레이 카파시 그는 누구인가?

"바이브코딩(vibe coding)"이라는 단어를 만든 사람이 있습니다. 테슬라 전 AI 디렉터이자 OpenAI 창립 멤버였던 안드레이 카파시(Andrej Karpathy)입니다. 그가 2025년 2월에 던진 이 단어는 이제 "자연어로 뭘 만들고 싶은지 설명하고, AI가 코드를 생성하고, 거기서 반복하면서 만들어가는 방식"을 뜻하는 보통명사가 되었습니다.

카파시는 단어를 만들고 끝난 게 아닙니다. 그는 2026년 5월 Anthropic의 사전훈련(pre-training) 팀에 합류했으며, 그전인 2024년 7월에는 "AI 네이티브 학교"를 표방한 교육 스타트업 Eureka Labs를 설립했습니다. 개발자·창업자·교육자라는 세 가지 정체성을 오가며 AI가 어떻게 일하는 방식을 바꿀지 가장 먼저 언어화하는 사람이라 할 수 있습니다.

카파시 그는 누구인가

2024년에 카파시는 Time지가 선정한 AI 분야에서 가장 영향력 있는 100인에 이름을 올렸습니다.
그가 이처럼 막대한 영향력을 가지게 된 데에는 다음 세 가지 배경이 있습니다."

첫째, 교육입니다. 카파시는 "Zero to Hero" 시리즈를 통해 LLM 기초를 가르쳐왔습니다. Stanford에서 CS231n(Convolutional Neural Networks for Visual Recognition) 강의를 개설하기도 했습니다. 이 강의는 컴퓨터 비전과 딥러닝을 배우려는 전 세계 수많은 사람들의 교과서가 되었습니다.

둘째, 개념화입니다. Software 2.0·바이브코딩·LLM OS 같은 개념은 단순히 유행어가 아니라, 사람들이 "지금 뭐가 바뀌고 있는 거야?"를 이해할 수 있게 해주는 언어입니다.

셋째, 실무 경험입니다. 테슬라에서 AI 디렉터와 Autopilot Vision을 맡았고, OpenAI 창립 멤버로 딥러닝과 컴퓨터 비전을 전문으로 했습니다. 이론만 말하는 게 아니라 실제 제품에 AI를 넣어본 사람이라는 뜻이죠.

그리고 카파시는 2026년 5월에 Anthropic에 합류하면서 "앞으로 몇 년이 LLM의 최전선에서 특히 중요한 시기가 될 것 같아요. 여기 팀에 합류해서 R&D로 돌아가게 돼서 매우 기대돼요"라고 밝히기로 했습니다.

카파시의 YouTube 강의 "Neural Networks: Zero to Hero"

카파시는 "Neural Networks: Zero to Hero"라는 YouTube 시리즈를 통해 LLM 기초를 가르쳐왔고, 이 시리즈는 기술 커뮤니티에서 인기를 끌었습니다. 이 시리즈의 특징은 "처음부터 끝까지"라는 점입니다. 복잡한 수학이나 라이브러리에 의존하지 않고, 신경망이 실제로 어떻게 작동하는지 밑바닥부터 직접 만들면서 배우는 방식입니다.

예를 들어 언어 모델을 만드는 과정을 Python 코드로 한 줄 한 줄 짜면서 설명합니다. "이 부분에서 왜 이렇게 해야 하는지", "이 숫자가 왜 이렇게 나오는지"를 직접 보여주죠.

처음 바이브코딩하는 사람에게 이 강의가 중요한 이유는 무엇일까요? Cursor나 Replit Agent를 쓰면서 "AI가 뭘 하고 있는 건지 감이 안 와"라고 느낄 때, 이 시리즈를 한두 개만 봐도 "아, AI는 이렇게 작동하는구나"라는 감이 잡힙니다. 전문가가 될 필요는 없지만, AI에게 뭘 시킬 때 "이건 잘할 것 같고 이건 못할 것 같다"는 직감이 생기죠.

이제 채팅으로 입력하지 않고 목표만 주면 AI가 알아서 진행하는 시대예요에서 다뤘던 것처럼, 목표 기반 AI 워크플로우를 제대로 활용하려면 AI가 어떻게 작동하는지 최소한의 이해가 있어야 합니다. 카파시의 강의는 그 최소선을 효율적으로 채워줍니다.

카파시의 Software 1.0·2.0·3.0 개념

카파시는 2017년에 신경망(neural networks)을 "단순히 또 하나의 분류기"로 보는 게 아니라 "소프트웨어 개발 방식의 근본적인 변화의 시작"이라고 정의하면서 Software 2.0이라는 개념을 처음 제시했습니다.

Software 1.0은 우리가 익숙한 "전통적인 스택"입니다. Python이나 C++ 같은 언어로 명시적인 명령을 작성하죠. 코드 한 줄 한 줄을 프로그래머가 직접 써서 컴퓨터에게 정확히 무엇을 할지 알려주는 방식입니다.

Software 2.0은 신경망의 가중치(weights)처럼 훨씬 더 추상적이고 사람이 읽기 힘든 언어로 쓰입니다. 사람이 직접 이 코드를 작성하지 않죠. 전형적인 신경망에는 수백만 개의 가중치가 있으니까요. 소스 코드는 (1) 원하는 행동을 정의하는 데이터셋과 (2) 코드의 대략적인 뼈대를 제공하는 신경망 아키텍처로 이루어지고, 학습 과정이 데이터셋을 최종 신경망이라는 바이너리로 컴파일합니다.

Software 3.0에서는 사람이 프롬프트를 쓰고, LLM이 인터프리터 역할을 하며, 맥락 창(context window)이 프로그램의 레버가 됩니다. LLM이 인터프리터 역할을 하며, 맥락 창이 곧 프로그램처럼 기능하고, 프롬프팅이 새로운 코드가 되는 방식입니다.

이 구분이 왜 중요할까요? 지금 Cursor나 Replit Agent를 쓰면서 "내가 무슨 일을 하고 있는 거지?"라고 막연하게 느낄 때, 이 지도를 떠올리면 명확해집니다. 당신이 하고 있는 일은 Software 1.0처럼 코드를 한 줄씩 짜는 게 아니라, Software 3.0 방식으로 AI에게 "이런 걸 만들고 싶어"라고 설명하고 AI가 생성한 결과물을 반복하면서 다듬는 과정입니다.

카파시가 말하는 "LLM OS"개념

LLM OS는 카파시가 X(구 트위터) 게시물에서 제안한 개념으로, 전통적인 운영체제와 달리 결정론적이지 않고 대형 언어 모델(LLM)에 의존해서 명령을 처리하는 컴퓨팅 아키텍처입니다.

아키텍처의 핵심에는 LLM 추론 엔진(컴퓨터의 CPU에 해당)이 있고, 이게 다른 LLM들, 주변 장치(비디오·오디오 등), 인터넷, "도구"(계산기·코드 인터프리터 등), 파일 시스템(벡터 임베딩이 있는 데이터베이스)에 연결됩니다.

카파시는 채팅 인터페이스를 잊고 LLM을 커널(CPU)로 보라고 조언합니다. 맥락 창이 시스템 RAM이고, 외부 도구와 웹이 주변장치인 식이죠.

카파시 본인이 만든 "MenuGen"이라는 앱이 좋은 예시입니다. 레스토랑 메뉴를 사진 찍으면 음식 이미지를 생성해서 메뉴에 렌더링해주는 앱이었는데, Gemini가 사진을 받아서 Nanobanana를 사용해 이미지를 메뉴에 직접 오버레이할 수 있게 되면서 완전히 쓸모없어졌다고 합니다. 그는 "이런 코드는 존재할 필요가 없어요. 신경망이 대부분의 일을 하니까요"라고 말했습니다.

LLM OS 개념이 1인 빌더에게 중요한 이유는, "앱을 만들어야 하나? 아니면 AI에게 작업을 시키는 게 나을까?"를 판단하는 기준을 주기 때문입니다. 사용자가 원하는 일을 LLM에게 자연어로 설명하면 바로 해결되는 일이라면, 별도 앱을 만들 필요가 없다는 뜻이죠.

바이브코딩, 아직은 사람의 개입이 필수다

카파시는 2025년 2월에 "바이브코딩"이라는 용어를 만들어서 "원하는 걸 평범한 언어로 설명하고, LLM이 코드를 생성하고, 손으로 직접 코드를 작성하기보다는 거기서 반복하면서 만들어가는 소프트웨어 구축 방식"이라고 정의했습니다.

카파시 본인은 휴식 중에 최신 모델들을 테스트하다가 "출력을 수정해야 했던 마지막 순간이 언제였는지 기억이 안 난다"는 걸 깨달았고, 그때부터 AI를 그냥 믿기 시작했다고 합니다. 그때 바이브코딩이 밈에서 실제 워크플로우가 되었다고 해요.

2025년 12월이 전환점이었다고 합니다. 에이전트 코딩 도구가 "도움이 되지만 지저분한" 상태에서 "일관되게 정확한 코드 덩어리를 생성하는" 상태로 확 바뀌었다고 해요. 카파시는 "마지막으로 수정한 게 언제였는지 기억이 안 나요"라고 말할 정도입니다.

하지만 카파시는 바이브코딩이 완벽하다고 말하지 않습니다. 그는 "AI가 생성한 코드는 여전히 지저분하고 사람의 감독이 필요하다"고 했으며, 2026년 4월 Sequoia Capital 인터뷰에서 사람의 개입이 여전히 필수적이라고 강조했습니다. 현재 AI가 생성한 코드는 경험 없는 인턴의 작업물과 비슷하다고 비유하며, "에이전트는 인턴 같은 존재들이에요"라고 말했습니다. 미학·판단·취향·전체적인 감독에는 여전히 사람이 필요하다는 뜻이죠.

바이브코딩은 "코드를 전혀 안 봐도 된다"는 뜻이 아닙니다. AI가 생성한 결과물을 믿되, 그 결과물이 내가 원한 것과 맞는지는 사람이 확인해야 한다는 뜻입니다.

바이브 코딩과 "Software 2.0"의 연관성

방금 살펴본 거대한 패러다임(Software 2.0·3.0)이 실제 빌더들의 모니터 화면에 구현된 결과물이 바로 '바이브코딩'입니다.

원리는 간단합니다. 우리가 쓰는 바이브코딩 도구 뒤에는 방대한 데이터로 학습된 LLM이 자리 잡고 있습니다. 이 LLM 자체가 바로 'Software 2.0'의 핵심 산물이죠. 즉, 우리는 최첨단 Software 2.0 시스템(LLM)에 자연어로 지시를 내려, 전통적인 Software 1.0 코드(Python, JavaScript 등)를 자동으로 뽑아내고 있는 셈입니다.

과거에는 1.0 프로그래머들이 직접 코드를 유지보수하는 것이 전부였지만, 이제는 모델을 학습시키는 2.0 패러다임을 거쳐 AI가 직접 코드를 짜주는 시대로 넘어왔습니다.

1인 빌더에게 이 개념이 중요한 이유는 명확합니다. 지금 우리가 "코드를 한 줄도 못 짜도 프로덕트를 만들 수 있는 것"은 결코 우연이나 단순한 요행이 아닙니다. 소프트웨어가 만들어지는 근본적인 생태계와 공식 자체가 완전히 진화했기 때문이라는 강력한 확신을 얻을 수 있습니다.

바이브코딩과 "에이전트 엔지니어링"은 다른 영역

카파시는 AI를 활용한 개발 방식을 크게 두 가지 모드로 명확히 나눕니다. 바로 '바이브코딩'과 '에이전트 엔지니어링(Agentic Engineering)'입니다.

• 바이브코딩 (바닥 끌어올리기): 코딩을 모르는 사람도 누구나 "이게 진짜 작동할까?"를 실험하며 빠르게 프로토타입을 만들어낼 수 있습니다. 비엔지니어가 무언가를 만들어 출시할 수 있는 최저 기준(바닥)을 극적으로 높여주는, 탐색적이고 관대한 단계입니다.

• 에이전트 엔지니어링 (천장 유지하기): 속도도 중요하지만, 전문가 수준의 품질과 보안(천장)을 유지하며 실제 서비스에 내보낼 준비를 하는 과정입니다. AI 에이전트들이 짜놓은 코드를 무작정 믿는 것이 아니라, 숨은 보안 취약점은 없는지, 데이터가 조용히 망가지고 있지는 않은지 사람이 직접 조율하고 책임지는 규율 있는 단계입니다.

1인 빌더에게 이 두 가지의 구분은 매우 중요합니다.

아이디어를 검증하고 "일단 만들어보자"는 초기 단계에서는 바이브코딩만으로도 충분합니다. 하지만 실제 사용자가 유입되고 결제가 붙기 시작하는 순간부터는 에이전트 엔지니어링의 관점이 반드시 필요합니다. AI가 생성한 코드를 그대로 방치하지 않고 보안, 데이터 정합성, 에러 처리를 깐깐하게 확인하는 '사람의 책임감'이 더해져야 비로소 진짜 비즈니스가 되기 때문입니다.

가장 뜨거운 새 프로그래밍 언어는

카파시는 일찍이 2023년에 "가장 뜨거운 새 프로그래밍 언어는 영어"라는 유명한 말을 남겼습니다. 개발자들이 더 이상 복잡한 컴퓨터 언어가 아니라, 우리가 일상적으로 쓰는 '자연어'로 컴퓨터에 지시를 내리게 될 것이라는 예언이었죠.

하지만 영어가 프로그래밍 언어가 된다고 해서 사람의 역할이 사라지는 것은 아닙니다. 카파시는 최근 한 트윗의 문구를 인용하며 깊이 공감했습니다.

"생각(Thought)은 아웃소싱할 수 있지만, 이해(Understanding)는 아웃소싱할 수 없다."

무슨 뜻일까요? AI 에이전트가 아무리 똑똑해져도, 결국 어떤 프로덕트를 만들지 결정하고, 취향을 반영하고, 업무를 지시하는 최종 병목(Bottleneck)은 여전히 '사람'이라는 뜻입니다.

이제 우리가 쓰는 기획서와 상세한 사양서(Spec)가 곧 새로운 '코드'가 됩니다. 특정 API를 쓸 때 괄호를 어디에 쳐야 하는지, 명령어 이름이 keep_dims인지 keepdim인지 같은 자잘한 문법 디테일은 똑똑한 AI '인턴'에게 외주를 주면 됩니다. 하지만 이 코드가 '왜' 필요한지 이해하는 일은 오직 빌더 본인만이 할 수 있습니다.

그렇다면 카파시의 예언대로 영어가 진짜 프로그래밍 언어가 된 세상, 즉 AI가 코드의 대부분을 짜는 세상의 풍경은 구체적으로 어떤 모습일까요?

95%는 중요한 수치

실제로 2025년 초 Y Combinator 보고에 따르면, 겨울 배치 스타트업의 25%가 코드베이스의 무려 95%를 AI로 생성했다고 합니다. 이 수치가 중요한 이유는 명확합니다. AI 코딩이 더 이상 "신기해서 한 번 써보는" 실험 단계를 넘어, 실제 스타트업을 빌딩하는 주류 개발 방식이 되었다는 뜻이기 때문입니다.

하지만 카파시는 이 트렌드를 무조건 긍정적으로만 보지 않습니다. 그는 현시대의 인프라가 여전히 '사람이 직접 조작하는 방식'에 머물러 있는 것을 답답해합니다. "원하는 걸 설명하면 설정, DNS, 서비스 구성 같은 번거로운 과정 없이 알아서 배포까지 끝나는 '완전한 에이전트 네이티브 인프라'가 필요하다"는 게 그의 비전이죠.

"95% AI 생성"이라는 숫자는 우리에게 엄청난 기회입니다. 이제 혼자서도 기술 부채 걱정 없이, 아주 빠르게 MVP(최소 기능 제품)를 만들 수 있다는 뜻이니까요.
하지만 진짜 중요한 건 남은 '5%'에 있습니다. AI에게 절대 맡기면 안 되는 영역, 즉 '사용자 경험 판단', '비즈니스 로직 검증', '최종 보안 체크'가 바로 그 5%를 차지합니다.

카파시에 핵심 한 줄

카파시가 던지는 메시지를 딱 한 줄로 요약하면 이렇습니다.

"코드를 못 짜도 제품을 만들 수 있는 시대지만, 무엇을 어떻게 만들지는 결국 사람이 정해야 한다."

사실 카파시의 행보를 보면 흥미로운 모순(이중성)이 보입니다. 한편으로는 스탠퍼드 강의나 "Zero to Hero" 유튜브 시리즈를 통해 AI의 원리를 밑바닥부터 꼼꼼하게 이해해야 한다고 열렬히 외칩니다. 하지만 다른 한편으로는 사람이 코드를 안 짜도 되는 최첨단 AI 도구와 개념을 가장 앞장서서 개발하고 있죠.

이것이 모순일까요? 아닙니다. AI 도구가 강력해질수록 사람과 기술이 상호작용하는 본질이 바뀌고 있음을 온몸으로 보여주는 것입니다.

비개발자가 Cursor 같은 도구를 쥐고 실제 작동하는 프로그램을 만들 수 있는 시대입니다. 역설적이게도 도구가 완벽해질수록 빌더에게 요구되는 역량은 코딩 기술이 아닙니다. "내가 무엇을 만들고 싶은지", "왜 이렇게 작동해야 하는지", "사용자에게 어떤 경험을 줄 것인지"를 명확하게 정의하고 설명하는 능력입니다.

Software 3.0 시대의 1인 빌더는 코드를 한 줄씩 타이핑할 줄 몰라도 됩니다. 대신 AI라는 최고의 인턴에게 명확한 방향을 제시하고, 그 결과물이 내 의도와 비즈니스 목적에 맞는지 정확하게 판단하는 '기획자이자 감독관'의 능력이 핵심 경쟁력이 될 것입니다.