우리는 안전합니다 - 구글은 다른 사명을 가지고 있습니다

하이라이트

• Gemini 3는 개발자 대체용이 아닌 Google 검색의 생성형 UI를 위해 최적화된 모델임

• 바이브 코딩은 복잡한 웹사이트가 아닌 인터랙티브 시각화와 3D 모델 생성에 특화되어 있음

• 실제 테스트 결과 Gemini 3는 복잡한 지시 따르기와 코드 품질에서 한계를 보임

• Google은 검색 결과에 텍스트뿐 아니라 즉석 생성된 UI와 시각화를 제공하려는 비전을 가지고 있음

• AI가 개발자 일자리를 직접 빼앗지는 않지만, 경영진의 인식 변화로 인한 간접적 영향은 우려됨

• Gemini 3는 특정 작업(검색용 생성형 UI)에 특화되어 있으며 범용 코딩 어시스턴트로는 제한적임

타임라인

1. 00:00 - 01:02

   Gemini 3 바이브 코딩의 실망스러운 현실

   Gemini 3 출시 후 프론트엔드 개발자들 사이에 '끝장'이라는 분위기가 퍼졌지만, 실제 테스트 결과는 실망스러웠습니다. X(트위터)에는 놀라운 바이브 코딩 결과물들이 공유되고 있지만, 직접 시도한 랜딩 페이지는 형편없는 수준이었습니다. Google은 Gemini 3를 바이브 코딩 모델로 강력하게 포지셔닝하고 있으며, 공식 발표에서도 이를 세 번째 핵심 기능으로 강조했습니다. 이는 코딩 지식이 전혀 없어도 사용할 수 있다는 암시를 주지만, 실제로는 그렇지 않을 수 있다는 의문이 제기됩니다.

2. 01:02 - 02:09

   Google의 진짜 목표: 검색의 미래

   Google 공식 블로그 포스트는 바이브 코딩을 두 번째 섹션에서 다시 강조하며 이에 대한 집착을 보여줍니다. 핵심 질문은 왜 Google이 개발자 어시스턴트가 아닌 바이브 코딩 모델로 Gemini 3를 포지셔닝하는가입니다. Google에는 이미 다양한 AI 도구들과 anti-gravity라는 AI 우선 에디터가 있음에도 불구하고 바이브 코딩을 전면에 내세우는 이유가 궁금합니다. 이는 단순히 개발자 도구를 넘어선 더 큰 전략적 목표가 있음을 시사합니다.

3. 02:09 - 03:39

   생성형 UI: 검색 광고 모델의 진화

   Google의 수익 모델은 검색과 YouTube의 광고에 기반하고 있으며, 검색은 점점 AI 대화 방식으로 진화하고 있습니다. Gemini 3는 검색에 최적화된 첫 모델로, 미국에서는 첫날부터 검색에 통합되었습니다. 핵심 기능은 '생성형 UI'로, 단순 텍스트 답변이 아닌 사용자 인터페이스, 시각화, 인터랙티브 3D 모델 등을 즉석에서 생성합니다. Google은 검색 경험을 더욱 풍부하게 만들기 위해 특정 쿼리에 맞는 인터랙티브 시각화를 실시간으로 생성할 수 있는 AI 모델이 필요했던 것입니다.

4. 03:39 - 04:28

   바이브 코딩의 실제 목적과 한계

   바이브 코딩의 본질은 보기 좋고 잘 작동하는 결과물을 빠르게 만드는 것이지, 복잡한 웹사이트 개발이 아닙니다. 틈새 케이스, 보안, 성능 등은 고려 대상이 아니며, 인터랙티브 3D 모델 같은 단일 목표에 집중합니다. 중요한 점은 이것이 프론트엔드 개발자를 대체하는 것이 아니라, 이전에는 불가능했던 것을 가능하게 한다는 것입니다. 특정 검색 쿼리에 대해 즉석에서 생성되는 인터랙티브 시각화는 새로운 영역이며, 이것이 Google이 그리는 검색의 미래이자 AI 모델의 단기 비전입니다.

5. 04:28 - 05:08

   일반 코딩에서의 엇갈린 평가

   Gemini 3는 최첨단 모델로서 일반 코딩에도 능숙해야 하지만, X에서는 엇갈린 반응이 나타나고 있습니다. Google은 바이브 코딩 성공 사례를 홍보하지만, 동시에 코드 품질이 낮다거나 복잡한 지시를 잘 따르지 못한다는 비판도 존재합니다. 많은 사용자들이 빠르고 효율적이며 바이브 코딩에는 좋지만, 더 복잡한 상호작용이나 작업에는 적합하지 않다고 평가합니다. 이는 모델이 특정 작업에 특화되어 있어 범용성에서는 한계가 있음을 보여줍니다.

6. 05:08 - 06:08

   실제 사용 경험: 좌절의 연속

   발표자는 Gemini 3에 확신이 서지 않는다는 경험을 공유했습니다. 원하는 작업을 따르게 하는 데 심각한 문제가 있었으며, 불필요하게 복잡한 단계를 밟거나 명백히 작동하지 않는 코드를 고집했습니다. 구체적 예로 Tanstack Start 앱에서 서버 함수 입력 검증 시 올바른 메서드는 'input'인데 계속 'validator'를 사용했습니다. 이는 타입 체크를 실행해도 잡을 수 있는 실제 에러를 발생시키는 문제였으며, 수동으로 고쳐도 계속 같은 실수를 반복했습니다. 이러한 경험은 모델의 학습과 적응 능력에 한계가 있음을 보여줍니다.

7. 06:08 - 07:30

   바이브 코딩 테스트의 실패

   발표자는 바이브 코딩으로도 성공하지 못했습니다. '전문 청소 서비스를 위한 랜딩 페이지를 만들되, 아쿠아 터콰이즈 색상을 사용하고 높은 전문성을 강조하며 의미 있는 더미 데이터를 포함하라'는 비교적 간단한 프롬프트를 사용했습니다. 바이브 코딩의 핵심은 '흐름대로 가고 알아서 하게' 하는 것인데도 결과물은 형편없었습니다. 물론 더 정확한 프롬프트를 주거나, 프로젝트를 먼저 설정하고 AI를 사용할 수도 있었지만, 그것은 바이브 코딩의 원래 아이디어와 다릅니다. 전체 과정에 시간이 오래 걸렸고 코드 수정 없이 진행했지만 만족스러운 결과를 얻지 못했습니다.

8. 07:30 - 08:20

   운의 문제인가, 특화의 결과인가

   발표자의 경험이 단순히 운이 나빴을 수도 있지만, Gemini 3가 특히 인터랙티브 3D 모델과 시각화 생성에 특화되어 있을 가능성이 높습니다. 이것이 모델의 명확한 초점이기 때문입니다. 결론적으로 Gemini 3는 다른 AI 모델들과 마찬가지로 개발자에게 좋은 어시스턴트가 될 수 있습니다. 발표자도 사용 중이며 Claude Sonnet으로 바꿀지 고민하고 있지만, 전반적으로 괜찮다고 평가합니다. 모든 모델이 그렇듯 코드 생성과 작성에 도움을 주지만 문제도 있으며, 지금 당장이나 가까운 미래에 개발자의 일자리를 빼앗으러 온 것은 아닙니다.

9. 08:20 - 09:35

   진짜 위험: 경영진의 인식 문제

   실제 문제는 경영진이나 관리자들이 홍보 자료만 보고 판단할 경우입니다. 바이브 코딩된 시각화, 랜딩 페이지, 3D 모델 등의 화려한 결과물만 보면 새로운 프론트엔드 개발자가 필요 없다고 생각할 수 있습니다. 기존 개발자 한 명이 Gemini 3의 도움으로 세 사람 몫을 할 수 있다고 판단할 수 있으며, 이는 일자리 감소로 이어질 수 있습니다. 발표자는 이것이 중장기적 미래라고 확신하지 않으며, AI는 가속기 역할을 할 수 있지만 기업들이 더 적은 인원으로 같은 일을 하려 한다면 현재의 개발자들에게 도움이 되지 않습니다. 여기에 쉬운 해결책은 없지만, Gemini 3가 개발자 일자리를 직접 빼앗을 것인가에 대한 답은 '아니오'입니다. Gemini 3는 특정 작업(검색용 생성형 UI)을 위해 목적에 맞게 구축되고 미세 조정되었으며, 그 작업은 꽤 잘 해내지만 개발자가 돈을 받고 하는 작업과는 다릅니다.