본문으로 건너뛰기
피드

AI 코딩 에이전트에 ‘느린 모드’가 필요한 이유

ai-ml 약 7분
vote
0
댓글
북마크

Val Town의 글은 AI 코딩 에이전트가 무조건 빠르게 코드를 쏟아내는 방향만이 정답은 아니라고 주장한다. 사람을 계속 의사결정에 참여시키고, 학습과 이해를 우선하는 ‘Slow Mode’가 장기적으로 더 나은 유지보수성과 자립성을 만든다는 얘기다.

  • 1

    Slow Mode는 생산성보다 학습과 이해를 우선하는 AI 코딩 방식

  • 2

    Claude Code와 Val Town MCP로 실험한 뒤 Val Town 내부에서 Slow Townie를 비공개 테스트 중

  • 3

    YOLO Mode처럼 에이전트가 계속 루프를 도는 방식과 정반대 철학

  • 4

    AI 코딩에는 단기 생산성과 장기 이해·유지보수 사이의 트레이드오프가 있음

  • Val Town이 제안하는 건 ‘더 빠른 AI 코딩’이 아니라 ‘일부러 느린 AI 코딩’임

    • 이름은 Slow Mode
    • 에이전트가 혼자 루프를 돌며 코드를 쏟아내는 대신, 사람을 계속 끌어들여서 이해하고 결정하게 만드는 방식임
    • 글쓴이는 바이브 코더(vibe coder)도 최소한 자기 앱이 어떤 데이터를 저장하고, 그 데이터가 어디로 이동하는지는 배워야 한다고 봄
  • Slow Mode 1.0은 Claude Code와 Val Town MCP 서버를 붙인 CLAUDE.md 지침으로 시작됨

    • “생산성보다 학습과 의사결정이 우선”이라는 규칙을 에이전트에 넣음
    • 에이전트가 자동으로 반복 작업을 돌지 않게 하고, 매 단계마다 사람에게 확인하게 함
    • 코드부터 만들지 않고 계획을 먼저 세우며, 코드를 만들 때도 사람이 하듯 한 단계씩 만들고 테스트하게 함
    • 함수 이름, 파일 위치, 폴더 구조 같은 결정도 사람에게 묻게 함

중요

> 이 글의 핵심은 AI 코딩 도구가 사람을 “코드의 소유자”로 남겨둘 수 있느냐임. 결과물이 빨리 나와도, 사람이 이해하지 못하면 유지보수는 결국 빚으로 돌아옴.

  • 글쓴이는 LLM의 “생각”도 결국 텍스트 생성이라는 점을 오히려 장점으로 본다

    • 사람의 생각은 말이 안 나올 때 침묵할 수도 있지만, LLM은 토큰을 계속 생성하면서만 “생각”할 수 있음
    • Slow Mode에서는 이 선형적인 토큰 생성이 러버덕 디버깅처럼 작동할 수 있다고 봄
    • 사람도 옆에서 말로 생각을 정리하고, 질문하고, 다음 결정을 입력하면서 같이 굴러가는 구조임
  • 중요한 건 에이전트가 사람을 계속 코드 안쪽에 묶어둔다는 점임

    • helper 함수를 직접 뽑아보거나, 변수명을 바꾸거나, 코드를 실행하고 DB를 들여다보는 식임
    • 글쓴이는 이렇게 해야 프로그램 전체를 머릿속에 유지할 수 있다고 말함
    • 에이전트가 10분씩 혼자 도는 것보다, 집중해서 같이 움직이는 쪽이 더 편하다고도 함
  • Slow Mode 2.0은 Val Town 안에서 Slow Townie라는 형태로 비공개 테스트 중임

    • 현재 지침은 CLAUDE.md에 넣었던 Slow Mode 규칙과 거의 비슷함
    • 이상적인 버전은 사용자의 지식 수준과 선호를 기억하고, 그 사람에게 맞춰 질문과 설명 수준을 조절하는 쪽임
    • 요즘 에이전트들이 쓰는 메모리 기능이 개인화된 학습 보조로 이어질 수 있다는 기대가 깔려 있음
  • 반대편에는 YOLO Mode가 있음. 말 그대로 에이전트가 허락 없이 계속 달리는 모드임

    • Townie에는 YOLO Mode, 즉 “Allow all”도 있음
    • 글쓴이도 낮은 위험도와 짧은 시간 안에 뭔가 해야 할 때는 YOLO를 쓰기도 한다고 인정함
    • 다만 더 자주 필요한 건 사람이 쉬면 에이전트도 쉬는 모델이라고 봄
  • 이 글이 재밌는 지점은 생산성과 학습의 트레이드오프를 정면으로 다룬다는 거임

    • AI를 쓰면 당장 배송 속도는 빨라질 수 있음
    • 하지만 구현을 제대로 이해하지 못하면 장기 유지보수에서 손해를 볼 수 있음
    • 글쓴이는 Slow Mode가 단기 속도를 조금 포기하는 대신, 장기적으로 이해도와 유지보수성을 높일 거라고 베팅함
  • Val Town의 큰 목표는 엔드유저 프로그래밍(end-user programming)에 가까움

    • 스프레드시트처럼 초보자는 첫 한 시간 안에 쓸모 있는 걸 만들고, 숙련자는 수백 시간을 들여 복잡한 모델을 만들 수 있는 완만한 경사를 꿈꾼다는 얘기임
    • 이 경사에서 사용자는 만들면서 계속 배워야 함
    • 그래서 “배우는 것”과 “만드는 것”을 분리하지 않고, 만들수록 더 잘 만들게 되는 구조가 중요하다고 봄
  • 글쓴이는 Slow Mode를 게이트키핑이 아니라 권한 부여로 본다

    • 코드를 이해하라고 요구하는 게 초보자를 밀어내는 게 아니라, 오히려 에이전트 없이는 아무것도 못 하는 의존 상태를 막는다는 주장임
    • 비유도 꽤 직관적임. 레시피만 따라 요리하는 것과, 재료·불·맛의 원리를 배워서 자기 요리를 만드는 것의 차이라는 식임
  • 완전히 새로운 아이디어는 아님

    • Claude에는 교육용에 가까운 Learning mode가 있고, ChatGPT에도 study mode가 있음
    • 최근에는 “의도적 기술 개발”을 위한 Claude/Codex Skill도 GitHub에서 관심을 받았다고 언급함
    • 다만 이 글의 포인트는 교육 기능 자체가 아니라, 실제 코딩 에이전트 제품에 ‘느리게 배우는 설계’를 넣자는 쪽에 있음

기술 맥락

  • Slow Mode가 고른 선택은 에이전트의 자동 반복을 줄이고, 사람의 의사결정을 끼워 넣는 거예요. 왜냐하면 코딩 에이전트가 빠르게 수정 루프를 돌수록 결과물은 생기지만, 사용자가 데이터 흐름이나 구조를 이해하지 못한 채 코드만 떠안기 쉬워지거든요.

  • 이 접근은 YOLO Mode와 정반대예요. YOLO Mode는 낮은 위험도의 작업을 빠르게 끝낼 때 유리하지만, 코드가 왜 그렇게 생겼는지 설명할 수 없으면 나중에 버그를 고치거나 기능을 바꿀 때 막히기 쉬워요.

  • Val Town 맥락에서는 이게 더 중요해요. 목표가 전문 개발자만을 위한 자동화가 아니라, 초보자도 자기 소프트웨어를 고쳐가며 배우는 엔드유저 프로그래밍이기 때문이에요.

  • 구현 방식도 거창한 새 모델이 아니라 CLAUDE.md 같은 지침에서 출발해요. 계획 먼저 세우기, 함수 이름을 사용자에게 묻기, 한 단계씩 테스트하기 같은 규칙을 에이전트 행동 제약으로 넣어서 학습 흐름을 만드는 식이에요.

AI 코딩 도구 논의가 ‘얼마나 빨리 만들어주나’에 쏠려 있는데, 이 글은 꽤 중요한 반대편 질문을 던진다. 내가 이해하지 못한 코드를 더 빨리 쌓는 게 진짜 생산성인지, 아니면 미래의 유지보수 부채인지 말이다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.