xBubble SOP 해석: 비기술 사용자에게 Vibe Coding을 포장하기

핵심 관점

2026-05-21 11:57:25

수집

DAPPOS가 저비용 AI 애플리케이션 xBubble을 출시했습니다. SOP 시스템을 통해 복잡한 대형 모델 워크플로우를 자동으로 패키징하여 기술적 배경이 없는 사용자도 한 문장으로 전문 수준의 AI 작업을 완료할 수 있게 합니다.

AI 기술의 발전에 따라 Codex, Claude Code와 같은 AI 도구를 사용하는 사람들은 생산성이 10배, 심지어 100배 향상되었습니다. 기술 사용자는 프롬프트를 작성하고, 디버깅하고, 반복하고, 스킬을 개발할 수 있다면 AI는 확실히 높은 레버리지의 생산 도구가 될 수 있습니다.

하지만 기술 배경이 없는 OPC, 중소기업 또는 비즈니스 운영에 있어 현재 AI 사용은 실제로 여전히 불편합니다:

직접 사용하려면 상당한 학습과 디버깅에 시간이 필요합니다. 서로 다른 모델의 능력 경계가 다르고, 프롬프트 작성법도 다르며, 실패한 결과는 스스로 점검해야 합니다. 유용한 스킬을 개발하는 것 자체가 낮지 않은 진입 장벽을 가지고 있습니다. 동시에 Vibe Coding의 모범 사례는 많은 사용자의 사용 습관과 충돌합니다. 많은 사람들은 모든 요구 사항을 한 번에 작성하여 AI가 만족스러운 결과를 직접 제공하기를 원하지만, 이는 보통 원하는 대로 이루어지지 않습니다. 대부분의 경우, 실제로 효과적인 AI 워크플로우는 여러 차례의 대화, 지속적인 프롬프트, 테스트, 수정이 필요하며, 마지막에야 원하는 결과에 가까워질 수 있습니다.
사람을 고용하여 사용하려고 하면, 보통 적합한 인력을 찾기 어렵고, 안정적인 작업량이 없으며, 추가적인 인건비가 발생합니다. 주도적으로 AI를 잘 사용할 수 있는 직원을 찾는 것은 실제로 쉽지 않으며, 대부분의 직원은 수동적으로 일을 하며 급여를 받는 태도를 가지고 있어, 심지어 AI를 직접 사용하는 것보다 소통이 더 어려울 수 있습니다. 결과적으로 AI에 돈을 투자했지만 실제로 비용을 절감하지 못하거나 오히려 고용하지 않는 것이 나을 수 있습니다.

이런 딜레마는 AI 기본 대모델의 능력 발전에 따라 사라질까요? 현재로서는 매우 어려워 보입니다.

스킬의 존재 자체가 대모델의 직접 출력이 많은 경우 구체적인 요구를 충족하지 못하며, 사전 설정된 스킬을 통해 효과를 개선해야 함을 증명합니다. 심지어 미래에 AI와 사람이 완전히 똑같이 똑똑해지더라도 이 문제는 여전히 존재할 것입니다. 왜냐하면 실제 생활에서는 일정 수준의 표준화가 이루어지지 않는 한, 다른 사람에게 요구 사항을 명확히 전달하고 한 번에 원하는 결과를 얻는 것이 본질적으로 어려운 일이기 때문입니다.

따라서 AI를 잘 사용하지 못하는 사람과 전문적으로 AI를 잘 사용하는 사람 간의 생산성 격차는 AI가 빠르게 발전하는 시대에 점점 더 커질 것이며, 이는 많은 사람들이 "AI 불안"을 느끼는 실제 배경이기도 합니다. 우리는 AI를 잘 사용하는 방법을 배우고 있지만, 새로운 것이 너무 많고 너무 빨리 등장하여 끝없이 배워야 할 것 같은 느낌이 듭니다.

DAPPOS가 출시한 xBubble은 바로 이 부분을 겨냥하고 있습니다. 이 아이디어는 모든 사용자가 AI 전문가가 되어 Vibe Coding을 배우도록 요구하는 것이 아니라, SOP 시스템을 통해 일부 문제에서 Vibe Coder의 패키징을 구현하여 기술 배경이 없는 중소기업이나 개인이 AI를 사용할 수 있도록 돕는 것입니다. 사용자가 스스로 학습하고 디버깅하는 데 시간을 들일 필요가 없으며, 추가로 사람을 고용할 필요도 없습니다.

xBubble의 아키텍처

SOP는 xBubble이 AI를 사용하여 특정 문제를 해결하기 위한 솔루션입니다. 이는 단독 스킬이 아니며, 더 긴 프롬프트도 아니고, 스킬, 실행 환경, 모델 선택, MCP 및 제3자 API를 함께 패키징하여 특정 분야 문제에 대해 상대적으로 안정적인 성능을 구현합니다.

SOP를 중심으로 xBubble의 제품 아키텍처는 두 개의 시스템으로 나눌 수 있습니다: Bubble Engine과 Bubble Pilot.

Bubble Engine은 솔루션 생성 레이어입니다. 이는 SOP를 생성하고 훈련하며, AI 코딩 에이전트를 통해 특정 작업에 대한 솔루션을 구축하고, 테스트, 평가 및 반복을 통해 지속적으로 결과를 요구에 더 부합하도록 조정합니다.

Bubble Pilot은 실행 시 배포 레이어입니다. 이는 사용자 요청을 읽고, 작업 유형을 식별한 다음, SOP 라이브러리에서 가장 적합한 솔루션을 찾아 실행합니다. 적합한 전용 SOP가 없으면 더 일반적인 솔루션으로 돌아갈 수 있습니다. 예를 들어 Computer SOP와 같은 것입니다.

SOP는 두 시스템 사이에 위치합니다. Engine은 SOP를 생성하고, Pilot은 SOP를 배포합니다.

이렇게 되면 사용자가 마주하는 것은 복잡한 AI 도구 체인이 아니라 "작업을 말하고 결과를 얻는" 더 가까운 진입점이 됩니다. 모델 선택, 실행 환경, 스킬 호출, API 구성 및 반복 논리는 최대한 시스템 측으로 옮겨집니다.

SOP란 무엇인가

xBubble에서:

SOP = Skills + runtime + APIs + MCPs + Model Selection

하나의 스킬 자체로는 결과의 안정성을 보장할 수 없습니다. 실제 출력은 어떤 모델을 사용하고, 어떤 환경에서 실행하며, 필요한 API를 연결했는지, 적절한 MCP가 있는지, 실행 과정에서 예외와 반복을 어떻게 처리하는지에 따라 달라집니다.

이 모든 것을 사용자가 직접 구성하게 되면 여전히 높은 진입 장벽이 존재합니다. xBubble의 접근 방식은 이러한 변수를 SOP에 함께 패키징하는 것입니다. 사용자는 모델을 별도로 선택할 필요가 없고, API를 스스로 구성할 필요도 없으며, 여러 유사한 스킬 간에 반복적으로 테스트할 필요 없이, 작업 설명에 따라 해당 솔루션 경로를 직접 트리거할 수 있습니다.

일반 스킬 시장과 비교할 때, xBubble의 SOP 시스템은 주로 세 가지 측면에서 장점을 가지고 있습니다:

1. 성능 안정성

SOP는 스킬 외에도 실행 환경, 모델 선택, MCP 및 제3자 API를 포함하고 있어 실행 과정에서 많은 불확실성을 효과적으로 배제하고, 더 안정적으로 결과를 생성합니다. 또한 SOP는 검증된 범위 내의 문제를 해결하는 데만 사용되며, 이 범위 내에서 테스트를 거칩니다. 따라서 작업이 SOP 설명 범위에 부합할 때 효과는 보통 안정적입니다.

이는 오픈 소스 스킬의 논리와는 다릅니다. 오픈 소스 스킬은 더 많은 스타를 추구하기 위해 보통 더 일반적으로 만들어집니다. 일반적이라는 것은 장점이 있지만, 그 대가로 많은 스킬이 예시 외에는 충분한 테스트를 거치지 않았고, 유사한 기능을 가진 스킬이 많이 존재합니다. 결과적으로 사용자는 여전히 시간을 들여 테스트하고 비교하고 검증하여 특정 스킬이 자신의 요구를 충족할 수 있는지를 판단해야 합니다. 그리고 이 일 자체가 사실 Vibe Coder의 작업입니다.

xBubble의 SOP는 검증된 적합 범위를 더 강조합니다. 하나의 SOP가 모든 것을 할 수 있다는 것이 아니라, 정의되고 테스트된 범위 내에서 가능한 한 결과를 안정적으로 만드는 것입니다.

2. 간단하고 사용하기 쉬움

SOP는 사용자의 작업 설명을 주요 입력으로 사용합니다. 사용자는 모델을 선택할 필요가 없고, 제3자 API를 스스로 구성하거나 비용을 지불할 필요도 없으며, 어떤 스킬이 호출되었는지 이해할 필요도 없습니다.

Bubble Pilot은 사용자의 요구에 따라 작업 유형을 판단하고, 더 전용의 SOP를 우선 추천합니다. SOP는 일정 범위 내에서 테스트 및 검증을 거쳤기 때문에 사용자는 여러 SOP 간에 반복적으로 비교할 필요가 없습니다. 이미 전용 SOP가 작업을 커버할 수 있다면 전용 SOP를 우선 사용합니다. 효과가 여전히 만족스럽지 않다면 Bubble Engine의 서비스를 통해(“Bubble Up” 제출) 자동으로 반복 최적화를 진행할 수 있습니다.

다시 말해, xBubble이 해결하고자 하는 것은 "AI가 할 수 있는가"가 아니라 "일반 사용자가 저비용으로 안정적으로 AI를 활용할 수 있는가"입니다. 원래 사용자가 스스로 부담해야 했던 프롬프트 디버깅, 모델 선택, API 구성 및 결과 반복이 최대한 시스템 측으로 이전되었습니다.

3. 자가 생성 가능

유용한 스킬을 개발하는 것은 일정한 진입 장벽이 있으며, 조정 및 최적화에 시간이 필요합니다. 기술 배경이 없는 사용자에게는 본질적으로 불친절합니다. 오픈 소스 스킬은 일반적으로 더 일반적이어서 기업 내부 형식, 개인 습관, 산업 템플릿과 같은 더 맞춤화된 요구를 충족하기 어렵습니다.

xBubble의 목표는 Vibe Coder의 패키징입니다. 대다수의 요구에 대해 사용자가 스스로 스킬을 개발하고 디버깅하도록 하는 것이 아니라, 사용자가 이 부분의 복잡성을 패키징하여 Bubble Engine을 통해 전용 SOP를 자가 생성할 수 있도록 돕는 것입니다.

동시에 SOP의 적합 범위는 넓거나 좁을 수 있습니다. 예를 들어 Work 모드에서 특정 작업을 처리할 전용 SOP가 없으면 시스템은 일반 문제를 처리하기 위해 Bubble Computer SOP를 사용합니다. 그러나 사용자가 매우 특별한 요구가 있는 경우, 예를 들어 자신의 회사 템플릿 규격에 따라 PPT를 만들거나, 고정 형식으로 문서를 생성하거나, 특정 내부 스타일로 콘텐츠를 제작하는 경우, 특정 사용자나 특정 기업에만 적용되는 SOP를 생성할 수 있습니다.

이것이 SOP 시스템과 일반 스킬 시장의 차이점 중 하나입니다. 이는 사용자가 스스로 선택할 수 있는 일반 구성 요소를 제공하는 것이 아니라, 사용자가 자신의 작업 경계에 맞춰 더 전용의 솔루션을 생성할 수 있도록 허용합니다.

SOP는 어떻게 훈련되는가

xBubble에서는 Bubble Engine을 사용하여 SOP를 훈련시키며, 목표는 Vibe Coder를 대체하고 사용자 요구를 충족하는 SOP를 직접 생성하는 것입니다. 메커니즘적으로 SOP는 특정 프롬프트를 결과에 매핑하는 함수로 볼 수 있습니다. 따라서 성능 조정이 해결해야 할 문제는 간단히 설명할 수 있습니다:

Max Rank(SOP(prompt))

즉, 동일한 사용자 요구가 SOP 처리 후 평가 시스템에서 가능한 한 높은 순위를 생성하고, 사용자가 실제로 원하는 출력을 더 가깝게 만드는 것입니다.

훈련 사례

SOP의 훈련은 사례를 중심으로 진행됩니다.

사용자는 자신이 요구 사항에 부합한다고 생각하는 사례를 직접 보낼 수 있습니다. 예를 들어 특정 기업의 비디오 광고를 참조하라는 프롬프트를 보내거나, 이전에 수작업으로 완료한 결과를 보낼 수 있습니다. 이 사례는 문서, PPT, 광고 비디오, 웹 스타일일 수 있으며, 시스템이 모방하기를 원하는 출력 스타일일 수도 있습니다.

훈련 작업에 관련 사례가 없으면 Bubble Engine은 자동으로 인터넷에서 참조 자료를 검색하거나 다른 AI 제품에서 생성된 결과를 훈련 사례로 사용할 수 있습니다.

사례를 확인한 후, 시스템은 원래 문제와 사용자 입력의 복잡도에 따라 프롬프트를 역으로 도출하여 (프롬프트, 결과) 조합을 구성합니다. 이러한 조합은 이후 SOP 생성 및 평가의 기초가 됩니다.

훈련의 핵심은 단순히 사례를 복사하는 것이 아니라, 프롬프트에 따라 사례 결과와 유사한 성과를 생성하는 적절한 방법을 찾는 것입니다. 개발 과정에서 결과 정보를 혼합하지 않아야 합니다. 그렇지 않으면 시스템은 훈련 사례에서만 좋은 성과를 보이고, 유사한 작업으로 바꾸면 실패할 수 있습니다.

반복 주기

그 다음, Bubble Engine은 코딩 에이전트를 통해 일부 기준 SOP를 기반으로 새로운 전용 SOP를 개발합니다.

과적합을 피하기 위해, 개발 과정에서도 결과의 구체적인 정보를 SOP에 직접 혼합하지 않도록 합니다. 그렇지 않으면 훈련 결과가 좋아 보이지만 실제 사용 시 일반화 능력이 매우 떨어질 수 있습니다.

개발이 완료되면 시스템은 새로운 SOP를 사용하여 테스트 결과를 생성하고 평가하며, 존재하는 문제를 요약합니다.

평가는 주로 두 가지 측면으로 나뉩니다:

AI를 통해 결과가 사용자 훈련 작업에서 제시한 요구를 충족하는지 판단합니다. 예를 들어 형식이 올바른지, 내용이 완전한지, 사용자가 명확히 작성한 제한 조건을 충족하는지 확인합니다.
결과가 사례와 충분히 유사한지 판단합니다. 예를 들어 스타일, 구조, 내용 조직 방식, 출력 형식이 사용자가 제공한 참조 결과와 얼마나 가까운지 확인합니다.

평가 결과에 따라 코딩 에이전트는 SOP를 계속 수정하고, 다시 생성하고, 다시 평가하고, 다시 수정합니다. 이 과정은 결과가 더 이상 명확하게 개선되지 않을 때까지 지속됩니다.

이 프로세스는 본질적으로 원래 Vibe Coder가 수동으로 수행하던 작업을 자동화하는 것입니다: 사례를 보고, 계획을 작성하고, 결과를 실행하고, 문제를 찾고, 계획을 수정한 후 반복적으로 진행합니다.

범위 정의

성능 조정이 완료된 SOP는 시스템에 접속하기 전에 적합 범위를 정의해야 합니다.

이 단계는 매우 중요합니다. 왜냐하면 전용 SOP가 많다고 해서 좋은 것이 아니며, 언제나 우선 추천되어야 하는 것도 아니기 때문입니다. 하나의 SOP가 특정 좁은 작업에서만 유효하다면, 더 넓은 문제를 처리하는 데 사용되면 오히려 일반 SOP보다 못할 수 있습니다.

Bubble Engine은 다양한 사례를 테스트하고 SOP 내의 스킬 내용을 분석하는 방법을 통해 이 SOP가 어떤 작업을 처리하는 데 적합한지, 어떤 작업을 처리하는 데 적합하지 않은지를 판단합니다.

이 단계의 목표는 Bubble Pilot이 전용 SOP의 효과가 일반 SOP보다 좋을 때만 전용 SOP를 추천하도록 하는 것입니다. 그렇지 않으면 시스템은 더 일반적인 솔루션으로 돌아갑니다.

전문 솔루션

특별히 복잡한 SOP 생성, 예를 들어 제3자 유료 API를 사용해야 하거나 현재 대모델 성능이 완전히 자동으로 작업을 수행하기에 부족한 경우, xBubble은 기업 사용자의 맞춤 요구를 충족하기 위해 인공지능 지원의 전문 솔루션을 제공합니다.

이러한 인공지능 지원은 현재 모델 능력과 기업 요구 사이의 과도기적 층과 유사합니다. 기본 AI 모델이 계속 발전함에 따라 인공지능 지원이 필요한 사례는 빠르게 줄어들 것입니다.

해석 요약

제품 논리에서 xBubble SOP 시스템은 일반 스킬 시장을 만드는 것이 아니라, 단순히 몇 가지 AI 도구를 연결하는 것이 아니라, Vibe Coding이라는 작업 자체를 제품화하는 것입니다.

스킬 시장은 "어떤 스킬을 선택할 수 있는가"라는 문제를 해결하지만, 비기술 사용자에게는 더 어려운 것은 종종 후반부입니다: 어떤 스킬이 내 상황에 적합한가, 어떤 모델을 구성해야 하는가, 어떻게 실행해야 하는가, 효과가 불안정할 경우 어떻게 해야 하는가, 오픈 소스 스킬이 작동하지 않으면 어떻게 유용한 스킬을 만들어야 하는가.

SOP는 바로 이 부분의 문제를 해결하고자 합니다. 이는 선택, 구성, 테스트, 개발, 범위 정의 및 반복과 같은 원래 Vibe Coder의 작업을 최대한 시스템 측으로 옮깁니다. 사용자 측에서는 작업을 설명하기만 하면 됩니다.

물론 이 시스템이 최종적으로 얼마나 멀리 갈 수 있을지는 여전히 두 가지 변수에 달려 있습니다: 하나는 Bubble Engine이 생성하는 SOP의 품질이 충분히 안정적인지, 다른 하나는 SOP의 커버 속도가 사용자 요구와 일반 에이전트 능력의 변화에 따라 따라갈 수 있는지입니다.

하지만 현재 단계에서 기술 배경이 없는 개인 사용자와 중소기업에게 xBubble은 다른 경로를 제공합니다: 완전한 AI 도구 체인을 먼저 배우고 AI를 사용해 보려는 것이 아니라, 직접 작업 수준의 SOP를 통해 최첨단 AI 생산성을 재사용 가능한 워크플로로 패키징합니다.

사용자가 목표를 명확히 하면, xBubble이 그 뒤의 AI 작업을 처리합니다.

DAPPOS에 대하여

DAPPOS는 낮은 진입 장벽의 AI 제품에 집중하는 인공지능 회사로, 일반 사용자와 전문 사용자에게 더 쉽게 사용할 수 있는 AI 워크플로를 구축하고 있습니다. DAPPOS는 2000만 달러 이상의 자금을 조달했으며, 투자자는 Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures 등입니다.