본문으로 건너뛰기
피드

코딩 에이전트 시대의 병목은 코드가 아니라 로드맵이라는 주장

ai-ml 약 8분
vote
0
댓글
북마크

이 글은 코딩 에이전트가 개인의 구현 속도를 크게 올리더라도, 소프트웨어 산업 전체가 같은 비율로 빨라지지는 않는다고 말해. 진짜 병목은 코드 작성이 아니라 무엇을 만들지 합의하고, 그 합의를 에이전트가 실행할 수 있을 만큼 명확한 맥락으로 만드는 일이라는 주장이다.

  • 1

    코딩 에이전트는 구현 비용을 낮추지만 협업 비용을 없애지는 못함

  • 2

    팀의 병목은 코드 작성자에서 명세와 우선순위를 정하는 사람으로 이동함

  • 3

    코드가 싸지면 기능과 프로토타입이 늘어나 선택과 집중이 더 어려워짐

  • 4

    에이전트는 조직의 암묵지를 자연스럽게 흡수하지 못하므로 명시적 맥락이 중요함

  • 5

    새로운 해자는 모델 성능이 아니라 조직의 정렬과 문서화 능력일 수 있음

개인 생산성보다 협업이 더 큰 단위임

  • 글쓴이는 Codex에게 미뤄두던 실험 방법을 30분 정도 설명했고, 몇 시간 뒤 동작하는 첫 버전을 얻었다고 함

    • 실험 주제는 구조화 생성 알고리즘을 더 현실적인 방식으로 평가하는 것
    • 단순히 “이 문자열을 받아들이나?”가 아니라 “올바른 토큰 분포를 생성하나?”에 가까운 문제였음
  • 그런데 글쓴이는 여기서 바로 ‘산업 전체가 엄청 빨라질 것’이라는 결론으로 가지 않음

    • 코딩 에이전트가 개인의 코드 작성 방식을 바꾸는 건 이미 일어난 일에 가깝다고 봄
    • 하지만 영향력 있는 소프트웨어는 보통 여러 사람이 협업해서 만들고, 협업의 병목은 코드 타이핑이 아니라고 봄
  • 프레드 브룩스의 『맨먼스 미신』과 제럴드 와인버그의 고전까지 끌고 와서 말하는 핵심은 이거임

    • 소프트웨어는 사람들이 “이 시스템이 뭘 해야 하는지” 협상하고 난 뒤 남는 결과물임
    • 코드는 중요하지만, 더 어려운 일의 부산물에 가깝다는 시각

로드맵이 새로운 병목이 됨

  • 에이전트가 구현을 맡는 팀에서 느려지는 지점은 명세 생산임

    • 로드맵, 인수 조건, 테스트, 티켓, 설계 문서처럼 “우리가 진짜 원하는 것”을 정확히 써야 함
    • 에이전트가 집어 들고 달릴 수 있을 만큼 정밀해야 하니, 대충 말하고 대충 맞추던 방식이 잘 안 통함
  • 병목은 코드를 쓰는 사람에서 어떤 코드가 존재해야 하는지 결정하는 사람으로 옮겨감

    • 글쓴이는 이걸 사실상 매니지먼트 병목이라고 봄
    • 기능 구현은 빠른데 다음에 할 잘 정리된 스펙을 기다리는 상황이 생김

중요

> 코드 작성 비용이 내려가면 팀이 자동으로 빨라지는 게 아님. 무엇을 만들지 명확히 정하고, 그걸 실행 가능한 명세로 바꾸는 능력이 더 비싼 자원이 됨.

코드가 싸지면 기능은 더 늘어남

  • 글쓴이는 Jevons Paradox를 코드에 적용함

    • 어떤 것이 싸지면 덜 쓰는 게 아니라 더 많이 쓰게 된다는 얘기
    • 코드 작성이 10배 싸졌다고 같은 결과를 10분의 1 노력으로 끝내는 게 아니라, 예전엔 만들 가치가 없던 것까지 만들게 됨
  • 그래서 프로토타입과 내부 도구가 폭증할 수 있음

    • 석 달 전엔 “시간 아까움”이었을 아이디어가 오후 하나에 만들어짐
    • 딱히 큰 문제를 해결하지 않는 내부 도구도 생기고, 잊힘
    • “12개 기능이 있는 바이브 코딩 제품은 훌륭해지려면 11개 기능을 덜어내야 한다”는 문장이 꽤 찌름
  • 기능을 많이 내는 것과 사용자가 흡수하는 것은 별개임

    • 팀이 10개를 ship하든 50개를 ship하든, 사람이 기능을 이해하고 받아들이는 속도는 크게 변하지 않음
    • 스티브 잡스가 1997년에 애플 제품군 약 70%를 정리한 사례를 들며, 집중은 결국 거절하는 능력이라고 말함

에이전트에게 컨텍스트는 공짜가 아님

  • 조직은 공유 맥락으로 굴러감

    • 왜 만들고 있는지, 전에 뭘 시도했는지, 누가 어떤 결정을 했는지, 어디가 건드리면 안 되는 부분인지 같은 것들
    • 시니어가 PR에서 “이거 마이그레이션 깨짐”이라고 말할 때, 그 배경은 문서에 없는 경우가 많음
  • 사람은 방에 같이 있고, 슬랙을 보고, 새벽 장애를 같이 겪으며 맥락을 흡수함

    • 에이전트는 그런 삼투압식 학습을 못 함
    • 프롬프트, 파일 트리, 도구, 명시적 지시 안에 넣지 않은 맥락은 안정적으로 갖고 있지 않음
    • 그 결과 살짝 틀린 질문에 대해 꽤 그럴듯한 답을 만들어낼 수 있음

문서화 싫어하는 인간을 에이전트가 도울 수도 있음

  • 흥미로운 반전은 에이전트가 읽는 데는 비정상적으로 강하다는 점임

    • PR 댓글, 닫힌 이슈, 커밋 메시지, 오래된 설계 문서, 슬랙 아카이브를 전부 읽고 패턴을 뽑을 수 있음
    • 사람이 아무도 안 읽을 거라서 정리하지 않았던 암묵지를 에이전트가 끌어낼 가능성이 있음
  • 글쓴이의 팀은 실제로 이런 루프를 만들기 시작했다고 함

    • 코드베이스, 이슈, PR, 스레드를 크롤링해서 지식 베이스를 만듦
    • 단순히 “이 모듈이 있다”가 아니라 “이 모듈이 이상한 이유는 예전 마이그레이션에서 기존 동작을 보존해야 했기 때문” 같은 맥락을 기록함
    • 다른 에이전트가 코드베이스에서 작업할 때 이 지식 베이스를 다시 사용함
  • 다만 완전한 복구는 아니라고 선을 그음

    • 마이클 폴라니의 “우리는 말할 수 있는 것보다 더 많이 안다”는 말을 인용함
    • 글로 남지 않은 맥락 중 일부는 애초에 말로 바꾸기 어렵고, 쓰는 순간 성격이 바뀔 수도 있음
    • 그래도 유용한 출발점이 될지는 실험해볼 가치가 있다고 봄

새 해자는 모델이 아니라 조직 정렬일 수 있음

  • 앞으로 이기는 회사가 꼭 가장 좋은 모델이나 에이전트 인프라를 가진 회사는 아닐 수 있음

    • 50명, 200명, 2000명이 되어도 적은 수의 중요한 결정에 정렬된 채 더 많은 산출을 낼 수 있는 회사가 유리하다는 주장
    • 결국 문화와 매니지먼트 문제임
  • 도구는 조직의 일관성을 대체하지 않고 증폭함

    • IDE, 버전 관리, CI, 마이크로서비스, 데브옵스도 협업 문제를 해결해준다고 했지만 실제로는 기존 조직 역량의 증폭기였음
    • 작은 팀은 기본 정렬이 좋아서 에이전트 효과가 크게 좋게 보일 수 있음
    • 큰 조직에서는 정렬이 좋으면 더 좋아지고, 나쁘면 더 빠르게 망가질 수 있음

기술 맥락

  • 이 글의 기술적 선택은 에이전트를 단순 구현 도구로만 볼지, 조직의 맥락을 읽고 생산하는 시스템으로 볼지예요. 이유는 에이전트가 코드는 빠르게 만들 수 있지만, 무엇을 만들어야 하는지는 조직의 명시적 지식에 의존하기 때문이에요.

  • 그래서 로드맵, 인수 조건, 설계 결정 기록이 중요해져요. 예전에는 사람이 회의와 코드 리뷰를 거치며 암묵적으로 맞췄던 부분을, 이제는 에이전트가 읽을 수 있는 형태로 남겨야 하거든요.

  • 글쓴이가 말한 지식 베이스 루프는 단순 문서 자동 생성이 아니에요. PR 댓글, 이슈, 커밋 메시지에서 “왜 이 구조가 됐는지”를 뽑아 다음 에이전트 작업의 입력으로 쓰는 구조라서, 에이전트가 반복적으로 같은 맥락 실수를 줄일 수 있어요.

  • 다만 이건 문서화 문화를 대체하는 마법은 아니에요. 조직이 무엇을 중요하게 여기는지, 어떤 결정은 바꿔도 되고 어떤 결정은 건드리면 안 되는지 같은 기준을 계속 관리해야 해요. 에이전트는 그 기준을 증폭할 뿐이에요.

이 글은 코딩 에이전트 논의를 ‘개발자 한 명이 얼마나 빨라졌나’에서 ‘조직이 얼마나 명확하게 생각을 글로 만들 수 있나’로 옮겨놓음. 한국 개발팀에서도 에이전트 도입의 승패는 프롬프트 스킬보다 로드맵, 이슈, 설계 결정 기록의 품질에서 갈릴 가능성이 큼.

댓글

댓글

댓글을 불러오는 중...

ai-ml

서울 AI 허브, 커서 해커톤으로 공공데이터 기반 도시문제 해결 실험

서울 AI 허브가 Cursor 국내 공식 빌더 커뮤니티 Team Human과 함께 6월 27일 ‘Cursor Hackathon Seoul vol.3’를 연다. 참가자들은 생성형 AI와 서울시 공공데이터를 활용해 교통, 환경, 복지, 안전 같은 도시문제를 해결하는 서비스를 약 8시간 안에 구현하게 된다.

ai-ml

소버린 AI, 이제 ‘국산’보다 ‘통제권’ 기준을 따질 때

한국의 독자 AI 파운데이션 모델 프로젝트를 둘러싼 논쟁이 ‘외산 기술을 썼느냐’에 갇히면서 정작 중요한 기준 논의가 밀렸다는 지적이 나왔다. 전문가들은 소버린 AI의 핵심을 원산지 증명이 아니라 모델 가중치, 학습 과정, 데이터, 라이선스, 배포·운영 통제권을 국내 주체가 실제로 갖고 있는지로 봐야 한다고 말한다.

ai-ml

중국, AI를 가정과 상점에 밀어 넣는 ‘AI 플러스 소비’ 프로젝트 가동

중국 정부가 내수 침체를 돌파하기 위해 ‘AI 플러스 소비’ 활성화 계획을 내놨다. 휴머노이드, 실버 케어 로봇, 드론 배송, 스마트 홈, AI 체험 센터, 이자 보조금까지 묶어 AI 제품을 일상 소비재로 밀어붙이겠다는 전략이다.

ai-ml

AI 데이터센터 짓느라 빚내는 빅테크, 이제 금리도 신경 써야 함

아마존, 알파벳, 마이크로소프트, 메타 같은 하이퍼스케일러들이 AI 인프라에 올해 약 7천500억 달러를 쏟아부을 전망이다. 투자 규모가 너무 커지면서 잉여현금흐름만으로는 부족해졌고, 빅테크도 채권 발행과 금리 변화에 민감한 기업이 되고 있다.

ai-ml

알파폴드 노벨상 주역 존 점퍼, 구글 딥마인드 떠나 앤트로픽 합류

알파폴드 개발로 2024년 노벨 화학상을 받은 존 점퍼 구글 딥마인드 부사장이 앤트로픽으로 이직한다. 제미나이 공동 개발자 노엄 샤지어의 오픈AI 이직에 이어 구글 핵심 AI 인재 유출이 이어지는 모양새다.