원본 영상: Andrej Karpathy: From Vibe Coding to Agentic Engineering — AI Ascent 2026
2026 AI Ascent. Sequoia의 Stephanie Zhan이 Karpathy에게 인터뷰하는 구도.
“바이브 코딩”이라는 단어를 만든 사람이 있다.
Andrej Karpathy. OpenAI 공동창업자, 테슬라 AI 책임자, Eureka Labs 창업자. 그가 AI Ascent 2026에 올라와서 약 30분 동안 이야기했다.
“나는 지금 프로그래머로서 그 어느 때보다 뒤처진 느낌이다.”
이 말을 꺼낸 사람이 카파시라는 게 포인트다. 본인이 만든 개념인 바이브 코딩에서 한 발 더 나아가, 지금은 뭔가 더 진지한 것이 필요하다고 말하고 있다.
그게 “에이전틱 엔지니어링”이다.
1. 전환점은 2025년 12월이었다
카파시는 이렇게 말했다.
“12월이 명확한 전환점이었어요. 방학 기간이라 시간이 좀 있었는데, 최신 모델들에게 코드 청크를 요청했더니 그냥 바로 맞게 나왔어요. 더 달라고 했더니 또 잘 나왔어요. 마지막으로 수정했던 게 언제인지 기억이 안 났어요. 그냥 시스템을 더 믿기 시작했고, 그게 바이브 코딩이었습니다.”
이전에는 AI가 코드 청크를 잘못 쓰면 직접 수정해야 했다. 그 루프가 12월을 기점으로 끊겼다는 거다.
카파시는 이걸 단순히 “AI가 더 좋아졌다”라는 말로 설명하지 않는다. 패러다임이 전환됐다고 본다. ChatGPT 식의 도구 경험을 여전히 하고 있는 사람들은 이 변화를 아직 못 봤을 가능성이 높다고 했다.
2. 소프트웨어 1.0 → 2.0 → 3.0
카파시가 자주 쓰는 프레임이다.
- 소프트웨어 1.0: 코드를 직접 쓴다. 명시적 규칙.
- 소프트웨어 2.0: 데이터셋을 만들고 신경망을 훈련시킨다. 학습된 가중치.
- 소프트웨어 3.0: 프롬프트가 프로그래밍이 된다. LLM이 인터프리터.
소프트웨어 3.0에서는 컨텍스트 창 안에 무엇을 넣느냐가 코드를 어떻게 쓰느냐보다 중요해진다.
그가 든 예시가 인상적이다. 예전에 소프트웨어를 설치하려면 쉘 스크립트를 실행했다. 그런데 여러 플랫폼을 지원하다 보면 그 스크립트가 엄청나게 복잡해진다. 근본적으로 소프트웨어 1.0 방식으로 문제를 푸는 거다.
이제 다른 방식이 있다. 에이전트에게 텍스트를 넘기면 에이전트가 환경을 파악하고, 알아서 설치하고, 오류가 생기면 루프 안에서 디버깅한다.
“지금 프로그래밍 패러다임은 이거예요: 에이전트에게 무슨 텍스트를 복붙할 것인가?“
3. MenuGen이 쓸모없어진 이유
카파시가 직접 바이브 코딩으로 만든 앱이 있다. MenuGen. 식당 메뉴 사진을 찍으면 각 음식 이미지를 생성해서 보여주는 앱.
OCR로 메뉴 텍스트를 뽑고, 이미지 생성기를 붙이고, Vercel에 배포하고, 전체 UI를 구성하는 앱이다.
그런데 소프트웨어 3.0 버전을 보고 충격을 받았다고 한다.
“그냥 사진을 Gemini에게 넘기고, Nana Banana를 써서 메뉴에 오버레이 해달라고 했더니, 내가 찍은 메뉴 사진 그대로에 각 음식 이미지가 픽셀 단위로 렌더링되어 나왔어요. 내가 만든 앱 전체가 불필요해진 거예요.”
앱이 존재할 이유가 없어졌다. 신경망이 직접 모든 걸 처리하고, 프롬프트와 아웃풋만 있으면 된다. 중간에 앱이라는 레이어 자체가 필요 없다.
이게 카파시가 말하는 소프트웨어 3.0의 핵심이다. 기존 것이 더 빨라지는 게 아니라, 기존 패러다임이 아예 불필요해진다.
4. 검증 가능성 — AI가 빠르게 자동화하는 영역의 패턴
왜 AI는 코딩이나 수학은 잘 하면서 “세차장이 50미터인데 걸어가야 하나요?”를 틀리는가.
카파시는 이걸 **검증 가능성(verifiability)**으로 설명한다.
프론티어 랩들이 LLM을 훈련시킬 때, 강화학습 환경에서 검증 가능한 보상을 사용한다. 수학 문제의 정답은 검증이 쉽다. 코드 실행 결과도 검증이 쉽다. 그래서 이 영역에서 모델이 폭발적으로 성장한다.
반면 “이 상황에서 차를 몰아야 하나 걸어야 하나”는 강화학습 환경에 넣기 어렵다. 누가 보상 신호를 만들 것인가.
“현재 최고 모델이 100,000줄 코드베이스를 리팩토링하거나 제로데이 취약점을 찾아낼 수 있으면서도 세차장에 걸어가라고 말해요. 이게 말이 안 됩니다.”
이게 “재기 형태의 지능(jagged intelligence)“이다. 어떤 영역은 인간을 압도하고, 어떤 영역은 상식 수준에서 실패한다. 그 패턴은 검증 가능성 + 랩의 관심이라는 두 가지로 설명된다.
5. 바이브 코딩 vs 에이전틱 엔지니어링
이게 이 강연의 핵심 구분이다.
바이브 코딩: 소프트웨어를 다룰 수 있는 사람의 하한선을 높인다. 비개발자도 뭔가를 만들 수 있게 된다. 굉장한 일이다.
에이전틱 엔지니어링: 이미 전문적인 소프트웨어를 만들던 사람들이 그 품질 기준을 유지하면서 더 빠르게 가는 것. 바이브 코딩으로 보안 취약점을 도입해도 된다는 게 아니다. 여전히 책임은 있다. 다만 더 빠르게 가는 방법론.
“에이전틱 엔지니어링을 그렇게 부르는 건, 진짜 엔지니어링 규율이기 때문이에요. 이 에이전트들은 약간 불안정하고 확률적이지만 매우 강력합니다. 품질 기준을 희생하지 않으면서 이들을 조율해서 더 빠르게 가는 것이 에이전틱 엔지니어링의 영역입니다.”
그리고 덧붙인다: “10배 엔지니어라는 말이 있었는데, 에이전틱 엔지니어링을 잘 하면 그 속도 향상이 10배보다 훨씬 크다.”
6. 유령을 소환하는 것 — 동물이 아니다
카파시는 LLM을 이해하기 위한 프레임을 찾고 있었다.
AI를 동물처럼 생각하면 직관적으로 틀린 판단을 하게 된다. 동물은 혼내면 더 잘 하거나 못 하지만, LLM은 그렇지 않다. 동물은 진화로 만들어진 내재적 동기가 있지만, LLM은 없다.
LLM은 사전학습의 통계와 그 위에 강화학습으로 강화된 구조다. **유령(ghost)**이라는 단어가 더 맞다고 카파시는 말한다. 인터넷의 방대한 인간 글쓰기에서 소환된, 데이터와 보상 함수로 형태가 만들어진 실체.
이 프레임이 중요한 이유는 실용적이다. 이 존재들이 무엇인지를 정확하게 이해하고 있어야 더 잘 쓸 수 있다. 화를 내도 소용 없고, 특정 서킷이 강화학습에 포함되어 있으면 잘 날고, 포함되지 않은 서킷이면 힘겹게 끌어당기는 느낌이 든다.
“애플리케이션에서 어떤 서킷 위에 있는지 파악해야 해요. 강화학습 루프 안에 있으면 날아다니고, 분포 밖에 있으면 고생하게 됩니다.”
7. 생각은 아웃소싱해도 이해는 아웃소싱할 수 없다
강연의 마지막 질문은 교육이었다. “지능이 싸질수록 여전히 깊이 배울 가치가 있는 것은 무엇인가?”
카파시는 최근에 봤던 트윗을 인용했다.
“생각은 아웃소싱할 수 있어도 이해는 아웃소싱할 수 없다.”
그가 계속 LLM 지식 베이스 프로젝트에 관심을 갖는 이유도 이거다. 에이전트를 제대로 방향 지시하려면 자기가 이해하고 있어야 한다. 에이전트가 이해를 잘하지는 못한다. 에이전트를 좋은 방향으로 이끌 수 있는 건 여전히 인간의 이해에서 나온다.
아이러니하게도, 모든 걸 대신 해주는 도구들이 많아질수록, 진짜 이해의 가치는 더 올라간다.
정리
카파시가 이 강연에서 한 말들을 한 줄로 정리하면:
- 소프트웨어 3.0에서 프로그래밍은 “에이전트에게 무슨 텍스트를 넘길 것인가”다
- 기존 앱이 존재할 필요가 없어지는 방식으로 패러다임이 바뀌고 있다
- AI가 빠르게 성장하는 영역은 검증 가능하고 랩이 관심을 가진 곳이다
- 바이브 코딩은 하한선을 높이고, 에이전틱 엔지니어링은 품질을 유지하며 속도를 올린다
- LLM은 동물이 아니라 유령이다 — 소환된 것이고, 그에 맞게 다뤄야 한다
- 생각은 아웃소싱할 수 있어도 이해는 아웃소싱할 수 없다
30분 영상이지만 밀도가 높다. 영어가 된다면 원본을 직접 보는 걸 추천한다.