챗GPT 클로드로 사이트 클론했다가 코드가 산으로 가는 이유, 디토(Ditto)가 다르게 접근한 지점

요즘 스타트업 하는 분들 만나면 한 번씩 나오는 얘기가 있어요.

"그냥 AI한테 사이트 하나 클론해달라고 하면 되지 않나요?"

챗GPT, 클로드, v0, Bolt 같은 AI 코딩 도구에게 링크 하나 던지고 "이거랑 똑같이 만들어줘" 하는 게 이제 일상이 됐죠.

문제는 그 다음이에요.

처음 한 번은 그럴듯하게 나와요. 그런데 버튼 하나 추가하거나 색을 바꾸려고 다시 요청하면, 코드 구조가 완전히 달라지거나 멀쩡하던 부분이 깨지는 경우가 정말 많습니다.

저도 처음엔 이게 제가 프롬프트를 잘못 쓴 줄 알았어요.

AI 코딩 도구는 다 똑같다는 착각

여기서 많은 분들이 오해하는 게 하나 있어요.

"AI 기반 코드 생성 도구는 원리가 다 비슷하다"는 생각인데요, 실제로는 크게 두 갈래로 나뉩니다.

첫째는 LLM이 웹페이지를 보고 "이런 느낌이겠구나" 하고 코드를 새로 써 내려가는 방식이에요.

이 방식은 창의적인 결과물을 낼 때는 강력한데, 원본을 그대로 재현해야 하는 작업에는 약점이 있어요. LLM은 매번 확률적으로 다음 코드를 예측하기 때문에, 같은 입력을 줘도 결과가 조금씩 달라질 수 있거든요.

둘째는 결정론적(deterministic) 파이프라인이에요.

원본 페이지의 구조, 스타일, 폰트, 상호작용 요소를 규칙 기반으로 정확히 뽑아내는 방식이라, 몇 번을 다시 돌려도 결과가 흔들리지 않아요.

한 줄로 정리하면, AI 도구는 "확률적으로 그럴듯하게 만드는 방식"과 "규칙대로 정확히 뽑아내는 방식"으로 나뉘고, 이 둘은 목적이 완전히 다르다는 거예요.

디토(Ditto)가 선택한 방식

이번에 살펴본 디토(Ditto)라는 서비스가 바로 이 두 번째, 결정론적 방식을 정면으로 내세운 오픈소스 웹사이트 클로너예요.

핵심 메시지는 명확해요. "우리는 LLM을 웹사이트에 갖다 대고 운에 맡기지 않는다."

공개된 URL 하나를 넣으면, 디자인 시스템, 색상 토큰, 폰트, 인터랙션, 반응형 브레이크포인트까지 추출해서 Next.js 또는 Vite 기반의 깔끔한 코드로 재구성해줍니다.

파일 하나에 몰아넣지 않고, 반복되는 요소는 컴포넌트로 나누고, 콘텐츠는 편집 가능한 형태로 분리해요.

사람이 유지보수하기 편한 구조로 코드를 짜준다는 뜻이죠.

레이아웃, 페이지, 섹션별 컴포넌트, 콘텐츠 파일이 역할별로 나뉘어 있어서, 받은 사람이 바로 이어서 개발할 수 있게 되어 있어요.

디토는 "AI가 알아서 그린 그림"이 아니라 "원본을 그대로 스캔해서 정돈된 코드로 옮긴 결과물"을 지향합니다.

사용은 느는데 신뢰는 떨어지는 이상한 현상

이 흐름은 최근 수치를 보면 더 잘 이해돼요.

개발자의 84%가 이미 AI 코딩 도구를 쓰고 있거나 도입을 검토 중이고, 51%는 매일 사용한다는 조사 결과가 있어요. 전체 코드 중 AI가 작성한 비중도 46%에 이릅니다.

얼핏 보면 AI 코딩이 완전히 자리잡은 것 같죠.

그런데 같은 조사에서 흥미로운 반전이 나와요. "AI 도구를 신뢰한다"는 답변은 29%로, 전년보다 11%포인트나 떨어졌어요.

사용은 늘어나는데 신뢰는 떨어지는, 이상한 시대를 우리는 지나고 있는 셈이에요.

실제로 AI가 짠 코드는 데이터베이스 조회 구간에서 N+1 문제(게시글 1,000개 가져오려는데 조회가 1,001번 일어나는 비효율)를 자주 일으키고, API 토큰 같은 민감 정보를 코드에 그대로 하드코딩해버리는 경우도 있습니다.

2026년 들어 화제가 된 METR 연구도 비슷한 얘기를 해요. 숙련된 개발자가 AI 코딩 툴을 썼을 때 오히려 생산성이 19% 떨어진 사례가 있었고, AI 코드 수락률이 44%를 밑돌았다는 결과였습니다. 결과를 검토하고 다시 고치는 시간이 더 길어졌다는 거예요.

사람이 짠 코드는 실수 패턴이 일정해서 리뷰어가 어디를 봐야 할지 감이라도 잡히는데, AI의 실수는 한 파일 안에서도 들쭉날쭉하다는 지적이 나오는 이유입니다.

노코드·AI 빌더 시장 자체는 계속 커지고 있어요. 글로벌 노코드 시장 규모는 2026년 기준 약 450억 달러 수준으로 분석되고, 신규 비즈니스 애플리케이션의 70%가 노코드·로코드 기술을 쓴다는 전망도 있습니다.

"빠르게 만드는 것"의 수요는 확실한데, 그 결과물을 "믿고 이어서 개발할 수 있는가"라는 질문이 다음 경쟁 포인트로 넘어가고 있는 거예요.

세 가지 진입점, 어떻게 쓰는지

디토는 사용 방식을 세 갈래로 열어두었어요.

첫째, 오픈소스 방식입니다. MIT 라이선스로 공개되어 있어서, 저장소를 그대로 내려받아 자체 서버에서 돌릴 수 있어요.

둘째, 호스팅된 REST API예요. 인프라를 직접 구축할 필요 없이, URL 하나와 API 키만 있으면 클론 작업을 요청하고 진행 상황을 실시간으로 확인하면서 완성된 프로젝트를 받을 수 있습니다.

셋째, MCP 서버예요. 클로드나 커서 같은 AI 에이전트에 디토를 도구로 연결해두면, 에이전트가 필요할 때 알아서 클로닝 기능을 호출해서 쓸 수 있어요.

셀프호스팅, API 호출, AI 에이전트 연동 중에서 팀 상황에 맞는 진입점을 고르면 됩니다.

앞으로 어떻게 바뀔까

이런 결정론적 클로닝 도구가 자리를 잡으면, AI 앱 빌더의 첫 화면이 달라질 가능성이 커요.

지금까지는 새 프로젝트를 시작할 때 "빈 캔버스"에서 AI에게 이것저것 프롬프트를 던져가며 만들어야 했다면, 앞으로는 "믿을 수 있는 실제 코드 시작점"을 받아서 거기서부터 다듬어나가는 흐름이 될 수 있습니다.

특히 보험 GA나 헬스케어처럼 규제와 신뢰가 중요한 업종에서 SaaS 플랫폼을 운영하는 입장이라면, 참고 사이트 하나를 빠르게 코드 기반으로 옮겨서 내부 검토용 프로토타입을 만드는 데 활용할 여지가 있어요.

다만 저작권과 상표, 디자인 자산 사용 권한 문제는 별개로 반드시 확인해야 할 부분입니다. 결정론적으로 정확히 뽑아낸다는 게, 뽑아낸 결과를 마음대로 써도 된다는 뜻은 아니니까요.

"AI가 다 만든다"에서 "AI가 믿을 수 있는 시작점을 만들어주고, 사람이 이어서 완성한다"는 방향으로 무게중심이 옮겨가고 있습니다.

마무리

AI 코딩 도구는 이미 개발자 대부분이 쓰는 도구가 됐지만, 정작 신뢰도는 떨어지고 있다는 역설이 지금 업계의 진짜 화두예요.

디토는 이 문제를 "더 똑똑한 AI"가 아니라 "결과가 흔들리지 않는 결정론적 구조"로 풀려는 시도라는 점에서 눈여겨볼 만합니다.

새 프로젝트를 빠르게 시작하고 싶다면, AI에게 무작정 클론을 맡기기 전에 이런 대안이 있다는 것부터 확인해보시길 권합니다. 다음에 사이트 클론이 필요할 때, 확률에 맡길지 규칙에 맡길지 한 번쯤 따져보세요.