Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
바이브 코딩(Vibe Coding) 관행이 사용자 경험 수준에 따라 어떻게 달라지는지 분석한 연구입니다. 비개발자, 초보자, 전문가 그룹을 대상으로 조사한 결과, 코드 위험성에 대한 인식은 유사하나 품질 검증 및 상호작용 방식에서 뚜렷한 차이가 나타났습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기AI 코드 생성 도구는 소프트웨어 제작의 범위를 전문 개발자 너머로 확장하며, 사용자가 자연어 프롬프트 (Natural-language prompts)를 통해 소프트웨어를 생성하고 주로 실행을 통해 결과물을 평가하는 관행인 바이브 코딩 (Vibe coding)의 등장을 이끌었습니다. 기존 연구들은 AI 코드 생성 도구가 특정 사용자 그룹, 주로 전문 개발자 내에서 프로그래밍 작업을 어떻게 지원하는지 조사해 왔으나, 경험 수준에 따라 바이브 코딩 관행이 어떻게 달라지는지에 대한 의문은 남아 있습니다. 본 연구에서는 비개발자 (Non-coders), 초보자 (Novices), 전문 개발자 (Professional developers)의 세 가지 사용자 경험 그룹에 속하는 162명의 바이브 코더를 조사하여 이 간극을 다룹니다. 연구 결과, 경험은 바이브 코딩을 선택적으로 형성하는 것으로 나타났습니다. 보고된 경험과 코드 품질에 대한 인식은 그룹 간에 대체로 유사했으며, 세 그룹 모두 바이브 코딩의 장점과 한계를 모두 인지하고 있었습니다. 반면, 동기, 상호작용 스타일, 품질 보증 (Quality assurance) 관행은 경험에 따라 갈라졌습니다. 비개발자는 접근성 (Accessibility)에 가장 큰 동기를 느끼고, 초보자는 학습과 실험을 강조하며, 전문가는 업무 관련 맥락에서 바이브 코딩을 더 빈번하게 사용합니다. 우리는 이러한 발견을 인식-행동 간극 (Perception–action gap)으로 합성합니다. 즉, AI 생성 코드의 위험성에 대한 일반적인 인식은 폭넓게 퍼져 있지만, 이를 평가, 디버깅 (Debug), 검증 (Verify)하는 능력은 여전히 경험에 의존한다는 것입니다. 우리는 바이브 코딩이 소프트웨어 제작에 대한 접근성을 넓히는 데는 기여하고 있지만, 이를 평가할 전문 지식까지 균등하게 배분하지는 못함으로써 부분적으로 민주화되고 있음을 보여줍니다.