코드팩토리x바이브코딩 · 2026-08-19

오늘의 대화

수만 장의 스캔 이미지에서 정보를 뽑는 OCR 프로젝트를 중심으로 Gemini·Codex·Claude의 역할과 사람 검수까지 포함한 파이프라인이 논의됐다. 하루 종일 모델별 성능·한도·구독 체감이 이어졌고, 여러 모델을 토론시키면 설계가 좋아지는지에 대해서는 최종 취합 모델의 편향과 토큰 비용이 문제로 지적됐다. 고등학생의 컴퓨터공학 진학 고민은 AI 시대에도 기초와 적성이 어떤 의미를 갖는지에 대한 긴 대화로 이어졌다. 밤에는 AI로 일이 빨라진 만큼 경계가 무너지고 프로젝트 맥락과 보안 관리가 더 어려워졌다는 경험, 비개발자가 만든 커머스 서비스의 성장 사례가 공유됐다.

이야기 나온 주제

대규모 OCR 파이프라인과 사람 검수

한 참여자는 수만 장의 스캔 이미지에서 1만 줄이 넘는 텍스트를 추출하는 작업에서 Gemini가 Codex·Claude보다 빠르고 정확하게 느껴졌다고 했다. 40GB 규모 자료를 한 번에 읽히는 것이 아니라, 인덱스를 만들고 필요한 범위를 단계별로 찾아가도록 구조를 설계했다고 설명했다.

제안된 흐름은 1차 인식, 텍스트 변환, 2차 인식·검수, 사람 판정, 반복 오류 수집과 후속 학습이었다. API 대신 오픈소스 엔진을 직접 연결하거나 패키지로 설치하는 방법도 언급됐다. 모델별 성능 평가는 특정 데이터와 구현에 기반한 개인 경험이다.

• 원본 시각: 10:29–12:13

모델·구독 선택과 사용량 체감

Codex가 장시간 추론 뒤 주간 한도를 예상보다 빠르게 소진했다는 사례, Claude 플랜 업그레이드가 즉시 반영되지 않아 별도 크레딧까지 결제했다는 환불 문의가 나왔다. 참여자들은 Claude가 큰 프로젝트를 끌고 가는 데 여전히 유용하고 Codex·Grok은 구현이나 보조 역할에서 장점이 있다며 하나만 고르기 어렵다고 했다. 요금제·프로모션과 리셋 시점에 따라 가성비가 달라진다는 점도 강조됐다.

오후에는 Claude의 한글 표현이 번역투·축약·이상한 문자로 흐트러진다는 체감과 GPT 계열 사용량이 갑자기 빨리 줄었다는 경험이 공유됐다. 문체 금지 목록을 프로젝트 지침에 넣거나 문서 작성은 다른 모델에 맡기는 대응이 제안됐지만, 장애나 모델 변경 여부는 확인되지 않았다.

• 원본 시각: 10:22–12:47, 14:49–19:31, 21:11–23:10

다중 모델 토론·검수 구조의 한계

여러 LLM이 같은 목표를 놓고 토론해 기획과 설계를 다듬는 도구를 찾는 질문에, CLI나 IDE에서 다른 모델을 호출하도록 직접 구성할 수 있다는 답이 나왔다. 다만 여러 결과를 합치는 마지막 모델이 자기 관점으로 내용을 재해석할 수 있고, 원탁회의형 스킬은 토큰 사용량에 비해 품질이 낮았다는 경험도 있었다. 초기에 모든 가능성을 확장하기보다 적당한 설계로 완성한 뒤 다른 모델의 의견을 받아 다듬는 편이 실용적이라는 제안이 나왔다.

• 원본 시각: 13:55–14:08

컴퓨터공학 진학과 AI 시대의 진로

컴퓨터공학을 희망하는 고등학생은 바이브 코딩이 보편화돼도 기초를 모르면 오류를 고치기 어렵다며 진학을 고민했다. 답변자들은 미래 직업을 단정할 수 없으므로 적성과 흥미를 우선하고, 컴퓨터과학은 단순 코딩 외에도 수학·모델 개발·문제 해결의 틀을 제공한다고 설명했다. 다른 분야를 주전공으로 두고 컴퓨팅을 결합하거나 자율전공으로 탐색하는 대안, PM과 실무를 함께 하는 역할 변화도 언급됐다.

• 원본 시각: 17:48–18:38

AI 생산성과 프로젝트 지식·보안 관리

AI 도구로 이전에는 엄두를 못 냈던 시스템을 빠르게 만들 수 있게 됐지만, 일이 세 배로 늘거나 퇴근 후에도 원격으로 계속 작업해 삶과 일의 경계가 무너졌다는 경험이 나왔다. 무엇을 수정했는지 잊기 쉬워지자 프로젝트의 문제 해결, 개발 방식, 데이터 출처, 대화 기록, 코드와 배포 서비스를 Obsidian의 Markdown 문서와 마인드맵으로 연결해 둔 사례가 공유됐다.

사내 서비스에서는 개인정보 마스킹, 다운로드 파일 암호화와 비밀번호 같은 보안 요구가 쌓이면서 사용 편의성과 균형을 잡기 어렵다는 토로도 있었다. 비개발자가 직접 만들어 보며 기존 개발 업무가 오래 걸리는 이유를 이해하게 됐다는 반응이 뒤따랐다.

• 원본 시각: 20:34–21:08

바이브 코딩 서비스의 성장과 분석

비개발자가 AI와 씨름해 만든 핫딜 비교 서비스가 한 달여 만에 성장하기 시작했다는 사례가 공유됐다. Google Analytics로 방문자를 확인하고 Telegram 채널과 소셜 계정으로 제작 과정을 알리는 모습에 축하와 조언이 이어졌다. 사용자 행동 데이터를 바탕으로 개인화된 노출이나 스폰서 콘텐츠를 붙이는 수익화 아이디어가 제시됐지만, 실제 적용과 성과는 앞으로 확인할 단계였다.

• 원본 시각: 23:59–다음 날 00:37

연결

• 코드팩토리x바이브코딩 전체 보기
• 전날의 Codex 한도·컨텍스트 인계와 바이브 코딩 한계
• 같은 날의 모델 역할 분담과 비개발자 ERP 구축 조언
• 이후의 모델·구독·초기화권과 프로젝트 인수인계