새롭게 부상하는 AI 기반 패러다임인 바이브 코딩(vibe coding)에서는 대규모 언어 모델(LLM)이 자연어 프롬프트로부터 전체 프로그램을 생성합니다. 하지만 전통적인 소프트웨어 공학이 코드에 정교하게 구축해 온 변동성(variability)은 어떻게 되는 것일까요? 이 질문에 답하기 위해 우리는 10개의 바이브 코딩된 C/C++ 프로젝트를 대상으로 탐색적 분석을 수행했으며, 그 결과 아티팩트(artifact) 내의 변동성, 즉 컴파일 및 런타임(runtime) 시점의 변동성이 거의 제로(zero)에 가깝다는 것을 확인했습니다. 모든 변동성 결정은 LLLM이 소스 코드를 생성하는 순간인 새로운 단일 바인딩 시점(binding time), 즉 생성 시점(generation time)에 해결됩니다. 우리는 이를 수정해야 할 결함으로 취급하는 대신, 재생에 의한 변동성(Variability by Regeneration, VbR)을 제안합니다. 이는 우리가 아는 한, LLM이 유도 엔진(derivation engine) 역할을 수행하여 선언적 명세(declarative specification)로부터 각 변체(variant)에 대해 데드 코드(dead code)가 없는 맞춤형 바이너리를 생성하고, 변체 디스패처(variant dispatcher)가 사용자 요청을 일치하는 바이너리로 투명하게 라우팅하는 최초의 제품 라인(product-line) 접근 방식입니다. 우리는 VbR을 공식화하고, 이를 고전적인 소프트웨어 제품 라인(SPL) 유도와 대조하며, wc 제품군을 통해 전체 파이프라인을 입증합니다. SPL 공학 측면에서 볼 때, AI 생성 소프트웨어의 변동성은 코드가 아닌 명세(specification)에 포함되어야 합니다.