6장: AI 기반 프로토타입 제작

AI를 활용한 신속한 프로토타이핑

프로토타이핑은 바이브 코딩이 가장 빛을 발하는 영역이다. 아이디어의 실현 가능성을 빠르게 검증하고, 이해관계자에게 시각적인 결과물을 보여주는 것이 목적이므로, 코드 품질보다 속도가 중요하다.

AI를 활용하면 프로토타입 제작 시간이 극적으로 단축된다. 자연어로 원하는 기능을 설명하면 기본 골격이 만들어지고, 반복적인 프롬프트로 세부사항을 조정해 나갈 수 있다. UI 컴포넌트, API 라우트, 데이터 모델 등을 빠르게 생성하여 동작하는 결과물을 만들어 낸다.

프로토타입에서 프로덕션으로

문제는 프로토타입이 그대로 프로덕션 코드가 되는 경우다. 3장에서 언급한 "모래성 코드"가 바로 이 전환 과정에서 발생한다. 프로토타입은 빠르게 만들기 위해 많은 것을 생략하기 때문이다.

프로토타입과 프로덕션 코드의 차이는 다음과 같다.

이 간극을 인식하지 못하고 프로토타입을 프로덕션에 배포하면, 기술 부채가 프로젝트 초기부터 쌓이기 시작한다.

함정과 대응법

저자는 AI 프로토타이핑에서 흔히 빠지는 세 가지 함정을 지적한다.

첫째, 프로토타입의 영구화다. "나중에 고치겠다"고 생각한 임시 코드가 그대로 프로덕션에 남는 현상이다. 프로토타입과 프로덕션 코드를 명확히 분리하고, 전환 시 반드시 재작성하는 원칙이 필요하다.

둘째, 과도한 낙관주의다. AI가 프로토타입을 빠르게 만들어 준 경험이 전체 프로젝트 일정에 대한 비현실적 기대로 이어진다. 프로토타입 단계의 생산성이 프로덕션 단계까지 유지되지 않는다는 것을 팀과 이해관계자에게 공유해야 한다.

셋째, 기술 선택의 고착화다. AI가 프로토타입에서 선택한 기술 스택이나 아키텍처가 프로덕션에서도 그대로 유지되는 경우다. 프로토타입의 기술 선택은 빠른 구현을 위한 것이므로, 프로덕션 전환 시 기술 스택을 다시 평가해야 한다.

정리

AI 프로토타이핑은 아이디어 검증을 위한 강력한 도구다. 하지만 프로토타입은 어디까지나 프로토타입이다. 프로덕션으로 전환할 때는 에러 처리, 보안, 성능, 테스트, 접근성 등 생략했던 모든 것을 다시 채워 넣어야 한다. 이 과정을 건너뛰면 모래성 위에 건물을 올리는 셈이 된다.