Forbes: 모두가 ‘바이브 코딩’을 이야기하지만, 이제는 ‘바이브 플래닝’의 시대이다

포브스에 실린 오나인솔루션즈 사장 겸 COO, Igor Rikalo의 기고를 소개합니다.

‘바이브 코딩(Vibe Coding)’은 올해 들어 급격히 확산되었습니다.

컴퓨터 과학자 Andrej Karpathy는 이 개념을 간결하게 설명합니다: 원하는 바를 일상적인 언어로 설명하면 AI가 대부분의 코드를 생성하고 이후 대화를 통해 반복 개선해 나가는 방식입니다. 이 개념은 스타트업에만 국한되지 않고, 대기업들 사이에서도 빠르게 확산되고 있습니다. 여러 기업의 리더들은 엔지니어링 조직 전반에서 AI가 생성한 코드의 비중이 급격히 증가하고 있다고 보고하며 어느새 “프롬프트에서 제품으로(prompt-to-product)” 이어지는 방식이 빠르게 일상화되고 있음을 보여줍니다.

아직 기업 경영이 완전히 “바이브”로 운영되는 단계는 아니지만, 에이전틱 AI를 활용하는 데에는 점점 더 많은 기업이 개방적인 태도를 보이고 있습니다. 2025년 5월 PwC 설문조사에 따르면, 고위 경영진의 79%가 이미 자사 비즈니스에 에이전틱 AI를 비즈니스에 도입해 활용하고 있다고 응답했습니다.

에이전틱 AI를 적용하기에 적합한 영역 중 하나는 매출, 서비스 수준, 운전자금, 지속가능성, 브랜드 등 다양한 기능을 아우르는 통합 비즈니스 계획 (IBP: Integrated Business Planning)영역입니다. 이는 계획 수립 부서가 실시간 데이터와 AI가 자동화한 IBP 실행 루프를 활용해 시장의 흐름과 신호를 직관적으로 감지하고, 명확한 거버넌스 하에서 데이터 기반 의사결정을 수행하는, 일종의 “바이브 플래닝 (Vibe Planning)”으로 볼 수 있습니다.

바이브 플래닝은 세 가지 핵심 요소의 결합입니다.

1. 미세한 시장 신호 감지 (Sensing the Vibes: Weak Signals): 소셜 미디어상의 소비자 반응, 초기 수요 변화 징후, 매장 단위 POS 데이터 등의 미세한 시장 신호들을 포함합니다.

2. 구조화된 계획 (Structured Planning): 수요, 공급, 재무, 구매 등 모든 부서가 단일 기준 수치(one set of numbers)를 기준으로 계획을 수립하고 의사결정을 내립니다.

3. 통제 기준을 갖춘 에이전틱 실행 (Agentic Execution with Guardrails): AI가 다양한 시나리오를 제안하고, 사전에 정의된 정책과 규칙이 실행 범위를 제한하며, 사람은 명확한 판단하에  서비스 수준 (Service Level Agreement)에 최종 결정을 내립니다.

바이브 플래닝 루프의 5단계

1. 감지 (Sensing)
   AI 기반 계획 플랫폼이 POS, 주문 정보, 마케팅 캘린더, 소셜 데이터, 날씨 등 단기, 중기, 장기 관점의 다양한 신호(multi-horizon signals)를 수집하여, 제품·지역·고객·공급업체 간의 관계를 구조화한 지식 그래프로 통합합니다. 이 단계에서 AI 에이전트는 예를 들어 “휴스턴에서 12팩 제품의 판매 급증”이나 “아세안 지역의 포장 자재 리드타임 리스크”와 같은 이상 징후를 지속적으로 감지하고 경고합니다.
   
2. 가설 수립 (Hypothesizing)
   AI 에이전트는 수요 변화에 대한 가설(예: 바닐라 쿠키 수요의 10%가 한정판 SKU로 이동), 이에 대응하기 위한 잠재적인 공급 대응안 (예:대체 생산라인 가동 및 주말 초과근무 투입), 그리고 이에 따른 재무적 영향(매출총이익)을 함께 제시합니다. 각 가설에는 근거 데이터와 예상 주요 성과 지표(KPI) 개선 효과 또는 리스크가 함께 제시됩니다.
   
3. 시뮬레이션 (Simulation)
   AI 에이전트는 제약이 있는 공급 대비 제약이 없는 공급 시나리오, 프로모션 적용 대비 정상 수요 시나리오, 탄소 배출을 고려한 운송경로 대비 최단 리드타임 운송 시나리오 등과 같은 다양한 잠재 대안을 비교 분석합니다. 또한 이러한 시나리오별로 서비스 수준·재고·영업이익(EBIT)에 미치는 민감도까지 반영하여 종합적인 영향을 평가 제시합니다.
   
4. 의사결정 (Deciding)
   계획 담당자와 주요 이해관계자는 가정 조건, 신뢰도, 트레이드오프(trade-off), KPI 변화폭, 정책 검증(CAPA 제약, 최소 안전재고, 지속가능성 기준 등)을 정리한 의사결정 근거 자료를 검토합니다. 이 문서는 승인 주체와 의사결정 기한을 명확히 하여, 시장이 변화하는 상황에서도 결정이 지연되지 않도록 합니다.
   
5. 실행과 학습 (Acting and Learning)
   승인된 시나리오는 공급, 공급 할당, 가격, 배치 전방에 걸쳐 실행할 수 있는 계획으로 전환됩니다. AI 에이전트는 실제 결과를 사전 기대치와 비교하고, 기존 가정을 업데이트하며, 감사와 사후 성과 분석(Post-Game Learning) 학습을 위해 의사결정 로그에 기록합니다.

이러한 구조에서 계획 담당자가 주도하는 IBP는 여전히 핵심 기능으로 유지되며, AI 에이전트는 시나리오 생성 속도를 획기적으로 높이는 방식으로 프로세스를 보완합니다. 그 결과, 계획 부서는 IBP의 규율을 유지하면서도 창의적 속도를 올릴 수 있습니다.

바이브 플래닝은 기존 IBP와 무엇이 다른가

바이브 플래닝과 전통적인 IBP 방식에는 몇 가지 중요한 차별점이 있습니다. 바이브 플래닝은 재무, Commercial, 공급망, 지속가능성 부서가 의사결정을 내리기 전에 동일한 영향 관계(예: 서비스 수준 vs. 재고 vs. 배출량 vs 마진)을 함께 확인할 수 있도록 함으로써, 기능별 사일로로 인해 발생하는 엇갈린 의사결정을 최소화합니다. 

또한 바이브 플래닝은 조정(reconciliation) 단계를 월 단위 주기에서 실시간 루프로 전환합니다. IBP는 여전히 부서 간 협업을 위한 일관된 데이터 기준(Single Source of Truth)로 유지되지만, 시장 신호가 변할 때마다 시나리오가 지속적으로 업데이트되면서 조정 과정은 멈추지 않고 상시로 수행됩니다.

바이브 플래닝은 개인별 엑셀 스프레드시트에 의존하던 수작업 계획 방식을 제거하고, 단순한 숫자가 아닌 근거를 설명할 수 있는 AI 에이전트로 이를 대체합니다. 이 에이전트들은 근거를 인용한 시나리오 스토리와 해석을 함께 제공합니다. 따라서 모든 의사결정 제안에 대해 “왜 지금, 이 결정인가(Why this, why now?)”라는 맥락이 포함되며, 계획 담당자는 더 빠르게 더 나은 결정을 내릴 수 있습니다. 급변하는 비즈니스 환경에 대응하기 위해, 기업은 이러한 접근법을 기존 계획 프로세스에 점진적으로 도입하는 것을 고려해 볼 필요가 있습니다.

IBP 프로세스에 바이브 플래닝을 적용하기 위한 핵심 실천 과제

계획 프로세스에 AI 에이전트를 본격적으로 도입할 준비가 된 조직이라면, 다음과 같은 실천 사항을 고려할 필요가 있습니다:

• 바이브 신호 라이브러리를 정의하십시오. POS 데이터, 반품 정보, 프로모션 캘린더, 기상 경보, 공급업체 납기 예정일(ETA,) 경쟁사 가격 모니터링 등 6~10개의 비즈니스에 영향을 미치는 중요한 신호들이 포함될 수 있습니다.
  
• 정책을 우선 명문화하십시오. AI 에이전트를 계획 프로세스에 본격적으로 적용하기 전에 의사결정의 기준과 한계를 정의하는 명확한 규칙을 먼저 정리할 필요가 있습니다. 여기에는 생산/물류 CAPA 제약, 최소 주문 수량(MOQ)·최소 주문 금액(MOV), 서비스 등급별 우선순위, 탄소 배출 한도, 현금 제약 조건 등이 포함될 수 있습니다.
  
• 의사결정 유형을 정의하고 SLA를 설정하십시오. 대표적으로 고려해야 할 SLA에는 판촉 효과 변화에 따른 재계획 (Promo Uplift Re-plan), 재고 부족 시 공급 할당 전환 (Allocation Flip during Stock outs), 포장 자재 리드타임 급변 이슈 (Packaging Lead-time Shock), 지역·기상 이슈로 인한 운영 차질 (Region-Weather Disruption) 등이 있습니다. 각 의사결정 유형별로 승인 주체, 의사결정 시한, 이의 제기 방식을 명확히 정의해야 합니다.
  
• 정책과 승인 절차 없이 AI 에이전트가 운영 중인 (Live) 계획을 직접 변경하도록 해서는 안 됩니다. 소프트웨어 업계가 겪었던 시행착오를 계획 영역에서 반복해서는 안됩니다.
  
• 설명 가능성은 타협의 대상이 되어서는 안 됩니다. 모든 AI 에이전트의 의사결정 제안에는 반드시 근거, 제약 조건, 신뢰도가 제시되어야 합니다.
  
• 의사결정 로그를 핵심 자산으로 활용하십시오. 모든 주요 결정에는 해당 결정의 배경과 맥락, 주요 가정, 시나리오별 영향 변화, 승인 내역, 실제 실행 결과가 기록되어야 합니다. 이는 기업의 의사결정 자산 (Institutional Memory)이자 감사 추적 기록으로 축적됩니다.
  
• 작게 시작하고, 빠르게 확장하십시오. 먼저 하나의 카테고리, 채널 또는 시장에서 파일럿 형태로 적용해 보십시오. 그 과정에서 의사결정 리드타임 단축 효과와 KPI 개선 성과를 입증한 후, 추가적인 카테고리, 채널 및 시장 등으로 수평 확산하는 것이 바람직합니다.
  
• 계획 역량에 대한 체계적인 인력 육성이 필수적입니다. AI 기반 코딩이 결국 코드를 이해하는 엔지니어를 요구하듯 AI 플래닝 역시 수요·공급·재무 구조를 이해하는 인재를 필요로 합니다. 이 작업은 절대 단순하지 않으며, 높은 인지적 노력을 요구합니다. 따라서 직원들에게 그에 상응하는 전문 역량과 실무 능력을 갖출 수 있게 적극적으로 지원해야 합니다.

에이전틱 AI 기반의 바이브 플래닝은 비즈니스 전반에 걸쳐 정량적인 성과를 가져올 수 있습니다. AI 에이전트는 미세한 시장 신호를 감지하고 이를 의사결정으로 연결하며, 다양한 트레이드오프를 시뮬레이션하고, 변동성이 큰 환경에서도 승인 프로세스의 속도가 뒤쳐지지 않도록 의사결정 SLA를 체계적으로 관리합니다. 이를 통해 기업은 에이전트 시대의 창의성과 추진력을 유지하면서도, 일관된 기준, 정책, 그리고 책임 체계를 기반으로 엔터프라이즈 수준의 통제와 안정성을 동시에 확보할 수 있습니다.

계획은 타이트하게 관리하되, 바이브는 자유롭게 흘러가게 하십시오. 이것이 오늘날 선도 기업들이 경쟁에서 앞서가는 방식입니다.

Future-proof business solutions with GenAI

Supercharge planning and decisions with GenAI’s intelligent insights. See how it transforms your business.

Request a demo