개발자가 아닌 컨설턴트가 AI에게 말로 설명해 수익성 분석 시스템을 만들었는데, 가장 오래 걸린 일은 코딩이 아니라 업무 기준을 정리하고 기존 숫자와 맞춰 보는 일이었다. 한국 딜로이트 그룹이 2026년 11월 펴낸 보고서 「AI 바이브 코딩, 전사 업무와 시스템 혁신의 새로운 접근」에 실린 사례다. AI 바이브 코딩(Vibe Coding)은 만들고 싶은 기능을 말로 설명하면 AI가 코드를 쓰고, 사람은 결과를 보며 고쳐 나가는 개발 방식이다. 이 시스템은 기존 SI 방식으로 추정한 기간의 절반 이하인 4개월여 만에, 4분의 1 수준의 작업량으로 완성됐다.
AI 바이브 코딩으로 기간 절반 이하, 작업량 4분의 1
딜로이트 보고서의 A사 사례에서 AI 바이브 코딩으로 만든 시스템은 기존 방식으로 추정한 기간의 절반 이하인 4개월여 만에 완성됐다. SI(시스템 통합)는 개발자가 설계서를 바탕으로 시스템을 만드는 기존 구축 방식이다. A사는 고객사의 신제품에 맞춰 부품을 개발해 공급하는 글로벌 B2B 제조기업이다. 인수합병 뒤 경영진은 전 세계 프로젝트의 수익성을 같은 기준으로 관리하라고 요구했다. 하지만 사업장마다 쓰는 ERP가 달랐고, 고객사마다 가격 조건과 견적 방식도 달랐다. ERP는 회계, 구매, 생산 같은 회사 업무 데이터를 한곳에서 관리하는 시스템이다.
시중 패키지 소프트웨어로는 이런 조건을 함께 담기 어려웠고, SI 방식으로는 많은 기간과 인력이 필요했다. 그래서 원가와 수익성 분석 업무를 잘 아는 컨설턴트가 AI 코딩 도구로 시스템을 만들었다. 설계서를 먼저 쓰지 않고, 기존 엑셀과 보고서의 계산 과정을 거꾸로 따라가며 업무 기준과 예외부터 정리했다. 대표 프로젝트로 먼저 계산해 기존 수작업 결과와 맞춰 본 뒤 전체에 적용했다. 그 결과 사업장별 실적을 같은 기준으로 비교하고, 프로젝트별 예상 수익성과 실제 수익성을 화면에서 바로 확인할 수 있게 됐다.
승인된 AI 쓰는 직원 약 60%, 매출 늘었다는 조직 20%
보고서가 인용한 딜로이트 조사에서 회사가 승인한 AI 도구를 쓸 수 있는 직원 비율은 1년 사이 40% 미만에서 약 60%로 늘었다. 이 조사는 24개국 비즈니스, IT 리더 3,235명을 대상으로 했다. 그러나 AI가 회사를 크게 바꾸고 있다고 답한 리더는 25%였다. 같은 조사에서 AI 시범 과제(PoC)의 40% 이상을 실제 업무에 적용한 조직도 25%에 그쳤다. PoC(개념검증)는 새 아이디어나 기술이 실제 업무에서 효과가 있는지 작은 범위에서 먼저 확인하는 과제다.
AI로 매출을 늘리길 기대하는 조직은 74%였지만, 실제로 매출이 늘고 있다는 조직은 20%였다. 고위 경영진 1,854명을 대상으로 한 다른 딜로이트 조사에서는 응답 기업의 85%가 최근 1년간 AI 투자를 늘렸다. 대부분은 투자 회수에 2~4년이 걸린다고 답했는데, 일반 기술 투자의 회수 기간은 7~12개월이다.
이익이 늘었는데 감소 원인을 설명한 AI와 검증 5단계
딜로이트는 AI로 만든 시스템을 경영에 쓰려면 검증 규칙을 개인에게 맡기지 말고 시스템 안에 넣어야 한다고 밝혔다. 딜로이트는 국내 한 대형 상장사의 최근 분기 실적으로 실험도 했다. 이 회사의 영업이익은 실제로 크게 늘었다. 그런데 생성형 AI에 “영업이익이 감소한 원인을 숫자로 설명해 달라”고 요청하자, AI는 정말 줄었는지 확인하지 않고 감소 원인을 수치와 함께 설명했다. 다른 AI에게 검토를 맡겨도 오류가 모두 잡히지는 않았고, 같은 질문도 서비스와 모델, 묻는 시점에 따라 답이 달랐다.
이처럼 AI가 사실이 아닌 내용을 그럴듯하게 지어내는 현상을 환각(Hallucination)이라고 한다. 보고서는 이를 막는 원칙을 다섯 단계로 정리했다. 공시, IR, ERP 같은 공식 자료에서 시작해 수치마다 출처를 적는다. 질문에 담긴 전제를 그대로 믿지 않고 실제로 늘었는지 줄었는지부터 확인한다. 원인은 회사가 공식적으로 밝힌 내용만 쓰고, 사실과 해석을 나눠 분석한 뒤, 근거가 부족하면 ‘판단 불가’로 표시한다.
이 원칙을 시스템에 넣는 방법도 제시했다. 숫자는 미리 정해 둔 계산식으로만 계산하고, AI는 그 숫자를 설명하는 일만 맡는다. 화면의 모든 숫자에는 출처를 함께 표시한다. 보고서는 바이브 코딩으로 시스템을 만들 때도 화면보다 이 검증 규칙을 먼저 정하라고 권했다.
PoC를 운영 시스템으로 전환하는 심사 항목 6가지
보고서는 현업이 만든 프로그램이 회사 운영 시스템이 되려면 여섯 가지 심사 항목을 모두 통과해야 한다고 제시했다. PoC는 성공했는데 운영 시스템으로 전환하지 못하는 경우가 많아서다. 딜로이트 조사에 따르면 3~4개월로 계획한 AI 과제가 18개월 이상으로 늘어나는 일이 흔하다. 가트너(Gartner)는 생성형 AI 과제의 30% 이상이 PoC 이후 중단될 것으로 내다봤다.
보고서는 PoC가 운영 단계에서 부딪히는 문제로 기준정보, 보안, 비용을 꼽았다. 기준정보는 제품, 고객, 거래처 코드처럼 여러 시스템이 함께 쓰는 기본 정보다. 같은 제품이 한 시스템에는 TV, 다른 시스템에는 텔레비전으로 등록돼 있으면 사람은 알아보지만 AI는 처리하지 못한다. AI 에이전트는 사용량에 따라 비용이 늘어, 몇 명이 쓰던 PoC에서 보이지 않던 비용이 전사 운영 때 크게 드러나기도 한다.
여섯 가지 심사 항목은 기준정보 일치, 접근 권한, 유지보수 책임, 계산 검증, 변경 관리, 비용 대비 효과다. 통과하지 못한 프로그램은 팀 도구로 계속 쓰거나, 다시 설계하거나, 사용을 중단한다. 한 국내 기업은 직원별 AI 사용량 한도 안에서는 누구나 PoC를 해 보게 했다. 팀 단위로 쓸 정식 AI 에이전트로 만들겠다는 신청이 들어오면 조직 목표에 도움이 되는지, 예상 사용 비용에 비해 절감 효과가 충분한지를 심사했다.
AI 에이전트 활용 23%, 관리 체계 갖춘 곳 21%
딜로이트 조사에서 AI 에이전트를 어느 정도 이상 활용하는 기업은 23%였지만, 이를 관리할 체계를 제대로 갖춘 기업은 21%에 그쳤다. AI 에이전트(AI Agent)는 상황을 파악하고 분석해 할 일을 제안하고, 허용된 범위 안에서 직접 실행하는 AI다. 같은 조사에서 활용 기업은 2년 안에 74%로 늘어날 것으로 예상됐는데, 앞서 본 매출 기대 74%와는 다른 문항이다.
보고서는 월 결산 업무를 예로 들었다. 결산이 끝나면 에이전트가 사업장별 매출과 영업이익을 확인하고, 영업이익률이 기준 아래인 사업장의 원인을 나눠 정리한다. 이어 경영진 보고서와 확인 요청 메일 초안을 만든다. 담당자가 이를 검토해 보낼지 결정하고, 에이전트는 승인된 범위 안에서만 메일을 보내고 기록한다. 휴먼 인 더 루프(Human in the Loop)는 이처럼 AI가 일하는 과정 안에 사람이 확인하고 승인하는 단계를 반드시 두는 구조다.
그림1. AI 에이전트의 업무 단계와 사람의 승인 지점 (자료: 딜로이트 보고서 그림 5 재구성)
국내 한 기업의 AI 조직은 AI 에이전트 과제에 현업 담당자가 참여해야 하는 시간이 기존 AI 과제보다 두 배 이상 많다는 것을 확인했다. 사람이 어느 단계에서 확인할지를 현업과 함께 정해야 했기 때문이다. 보고서는 처음에는 조회와 초안 작성만 맡기고, 실행 권한은 성과를 보며 단계적으로 넓히라고 권했다. 외부로 메일이나 문서를 보내는 일, 금액이 큰 거래, 규정 해석이 필요한 판단은 반드시 사람의 승인을 받게 하라고 했다.
보고서가 밝힌 전제와 한계
이 보고서의 기업 사례는 모두 이름을 밝히지 않았고, A사의 기간 단축은 실제 비교가 아닌 추정 기간과 견준 결과다. 보고서는 바이브 코딩이 모든 시스템에 맞지는 않는다고 밝혔다. ERP 핵심 기능, 결제와 인증, 규제 대응 시스템처럼 작은 오류도 허용되지 않는 영역은 기존 개발 체계를 유지해야 한다고 했다.
보고서는 바이브 코딩의 품질이 업무를 아는 사람이 얼마나 직접 참여하느냐에 달려 있다고 덧붙였다. 영업이익 실험은 한 상장사의 한 분기 실적으로 진행했고, 실험에 쓴 AI 서비스 이름은 공개하지 않았다. 가트너 전망은 2024년 7월에 나온 것으로, 2025년 말까지를 기준으로 했다.
FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)
Q1. 바이브 코딩을 쓰면 개발자가 필요 없다는 뜻인가요?
아닙니다. 보고서는 ERP 핵심 기능, 결제와 인증, 규제 대응 시스템은 기존 개발 방식을 유지해야 한다고 밝혔습니다. 데이터 분석 시스템은 숙련된 개발자가 검증하고, IT 조직은 표준 개발 환경과 보안, 운영 전환 심사를 맡습니다.
Q2. 4개월여 만에 완성했다는 것은 실제로 두 방식을 비교한 결과인가요?
아닙니다. 기존 SI 방식으로 만들었다면 걸렸을 것으로 추정한 기간과 비교한 결과입니다. 실제 기간은 이 추정 기간의 절반 이하였고, 작업량은 4분의 1 수준이었습니다.
Q3. 다른 AI에게 검토를 맡기면 오류를 잡을 수 있나요?
모두 잡히지는 않습니다. 보고서 실험에서 다른 AI에게 답변을 검토하게 해도 오류가 남았습니다. 그래서 보고서는 계산은 정해진 계산식으로 하고, 출처 표시와 ‘판단 불가’ 표시를 시스템에 넣으라고 권합니다.
기사에 인용된 리포트 원문은 딜로이트 인사이트에서 확인할 수 있다.
리포트명: AI 바이브 코딩, 전사 업무와 시스템 혁신의 새로운 접근
이미지 출처: AI 생성 콘텐츠
해당 기사는 클로드를 활용해 작성되었습니다.
AI Matters 뉴스레터 구독하기




에
쌀