--- title: "코딩 에이전트 시대, 개발자는 코드를 쓰는 사람에서 실행을 감시하는 사람으로 밀려나는 중" published: 2026-06-06T14:05:03.921Z canonical: https://jeff.news/article/3814 --- # 코딩 에이전트 시대, 개발자는 코드를 쓰는 사람에서 실행을 감시하는 사람으로 밀려나는 중 이 글은 ChatGPT 이후 16개월 만에 코딩 AI가 답변 도구에서 프로젝트를 수행하는 에이전트로 바뀐 흐름을 짚는다. Devin, Cursor, 오픈 가중치 모델, 프롬프트 인젝션, Replit 데이터베이스 삭제 사례를 통해 핵심 질문을 던진다. 이제 문제는 AI가 코드를 쓸 수 있느냐가 아니라, 인간이 AI가 한 일을 읽고 통제할 수 있느냐다. ## ChatGPT에서 Devin까지, 16개월 만에 바뀐 판 - 2024년 3월 Cognition Labs가 Devin 시연 영상을 공개하면서 개발자 커뮤니티가 꽤 세게 흔들림 - 사람이 한 일은 Upwork 구인 글을 처리해달라는 목표를 입력한 것뿐이었음 - Devin은 브라우저, 터미널, 코드 에디터를 열고 라이브러리 검색, 저장소 생성, 코드 작성, 실행, 오류 수정, 결과 제출까지 혼자 이어감 - 당시 개발자 타임라인에서 It's over라는 반응이 크게 퍼진 이유도 여기 있음. 자동완성이 아니라 실행 주체가 등장한 느낌이었거든 - Copilot과 Devin의 차이는 제안과 실행의 차이에 가까움 - Copilot은 개발자가 코드를 쓰는 중간에 다음 줄을 제안하고, 수락 여부는 인간이 결정함 - Devin은 어떤 라이브러리를 쓸지, 어떤 순서로 만들지, 오류를 어떻게 고칠지까지 AI가 결정함 - 인간은 키보드 앞의 작성자라기보다, 목표를 던지고 결과를 지켜보는 관찰자에 가까워짐 - 이 변화가 1년 4개월 만에 벌어졌다는 게 진짜 무서운 포인트임 - 2022년 11월 ChatGPT는 텍스트 답변을 잘하는 대화형 AI였음 - 2023년 3월 GPT-4는 코드 작성, 오류 설명, 리팩토링에서 전문 개발자에 가까운 결과를 보여주기 시작함 - 2023년 플러그인과 도구 사용이 열리면서 AI가 웹 검색, 계산기, 코드 실행기, 외부 API를 호출할 수 있게 됨 - 2024년 3월 Devin은 긴 맥락, 도구 호출, 계획 루프를 묶어 하나의 프로젝트 수행자로 포장해낸 사례였음 > [!IMPORTANT] > 핵심은 AI가 코드를 잘 쓰느냐가 아님. 인간이 중간 결정을 읽고 승인하지 않아도, AI가 개발 환경에서 실제 행동을 시작했다는 점임 ## 도구와 에이전트의 경계 - 도구는 사람이 한 번 쓰고 결과를 받는 물건임 - 계산기, 망치, 자동완성, Copilot의 한 줄 제안은 이쪽에 가까움 - 중간 판단과 책임의 중심은 여전히 인간에게 있음 - 에이전트는 목표를 받고, 여러 단계를 스스로 실행하는 존재임 - 계획을 세우고, 도구를 부르고, 결과를 관찰하고, 다음 행동을 고름 - 인간은 최종 결과를 받거나, 운 좋으면 중간에 끼어들 뿐임 - 이 차이가 큰 이유는 개발자가 읽어야 하는 대상이 바뀌기 때문임 - 예전에는 사람이 코드를 쓰고, 사람이 읽고, 사람이 실행했음 - 에이전트 시대에는 AI가 명령을 실행하고, 인간은 나중에 로그나 diff를 읽는 구조가 됨 - 이해가 실행보다 늦게 도착하면, 리뷰는 설계가 아니라 사후 수습이 됨 ```mermaid sequenceDiagram participant 개발자 participant 에이전트 participant 도구 participant 코드베이스 participant 실행환경 개발자->>에이전트: 목표 전달 에이전트->>코드베이스: 파일과 문맥 읽기 에이전트->>도구: 검색, 셸, 편집 호출 도구->>실행환경: 명령 실행 실행환경-->>에이전트: 로그와 오류 반환 에이전트->>코드베이스: 수정 반영 에이전트-->>개발자: 결과와 diff 제시 ``` ## LLM이 운영체제처럼 보이기 시작한 이유 - 카르파시는 2024년 강연에서 LLM이 운영체제와 닮아간다고 봤음 - 컨텍스트 윈도우는 RAM처럼 현재 작업 정보를 담는 공간임 - 파일 읽기, 웹 검색, 코드 실행, API 호출은 입출력 장치처럼 작동함 - 모델 가중치는 쉽게 바뀌지 않는 핵심 층이고, 그 위에서 에이전트가 프로세스처럼 돌아감 - 이 비유가 찝찝한 이유는 1960년대 메인프레임 시절과 닮았기 때문임 - 가장 강한 모델은 클라우드에 집중되어 있고, 사용자는 API로 접속해 토큰 단위로 지능을 빌려 씀 - 개인용 컴퓨팅이 오기 전 얇은 터미널로 중앙 컴퓨터를 나눠 쓰던 풍경과 비슷함 - 로컬에서 완전히 통제하는 LLM의 퍼스널 컴퓨팅은 아직 대중화됐다고 보기 어려움 - 운영체제가 너무 커지면 아무도 전체를 이해하지 못했던 것처럼, 에이전트도 행동 공간이 커질수록 추적이 어려워짐 - 어떤 파일을 읽었는지, 왜 그 라이브러리를 골랐는지, 어떤 실패를 무시했는지까지 따라가야 진짜 이해임 - 로그가 남는 것과 사람이 그 로그를 읽는 것은 완전히 다른 문제임 ## Cursor는 개발자를 구현자에서 리뷰어로 옮겼음 - Cursor는 완전 자율 에이전트는 아니지만, 단순 도구라고 하기엔 이미 많이 들어와 있음 - Cmd+K는 선택한 코드 구간을 AI가 수정함 - Cmd+L은 코드베이스 맥락을 읽은 AI와 에디터 안에서 대화하게 해줌 - Composer나 Agent 모드는 여러 파일에 걸친 변경을 만들고, 개발자는 diff를 검토함 - 사용자들이 코드를 쓴다기보다 설계한다는 말을 하는 이유가 있음 - 인간은 무엇을 만들지 자연어로 설명함 - AI는 어떻게 구현할지를 코드로 풀어냄 - 개발자는 최종 diff를 읽고 수락하거나 거부함 - 문제는 생각과 코드 사이의 마찰이 사라질 때, 이해의 과정도 같이 얇아질 수 있다는 점임 - 예전에는 구현 과정에서 설계의 빈틈을 직접 마주쳤음 - 이제는 AI가 빈틈을 임의로 메워서 동작하는 코드를 가져올 수 있음 - 그럴듯한 diff를 읽는 능력이, 직접 짜는 능력만큼 중요해지는 흐름임 ## 자율성의 딜레마는 생산성 문제가 아니라 안전 문제임 - 에이전트의 가치는 자율성에서 나오지만, 위험도 정확히 그 자율성에서 나옴 - 사람이 일일이 지시하지 않아도 일이 진행되면 생산성은 올라감 - 사람이 일일이 검토하지 않으면 실수도 실행된 뒤에야 발견됨 - 자율성을 낮추면 안전하지만, 에이전트의 매력은 줄어듦 - 카르파시의 자율성 슬라이더 비유가 여기서 잘 맞음 - 자동완성은 인간이 거의 모든 결정을 함 - 함수 수정, 파일 수정, 저장소 전체 작업으로 갈수록 AI의 결정 비중이 커짐 - 독립 프로젝트 완료 단계에서는 AI가 대부분을 결정하고 인간은 결과만 보는 쪽에 가까움 - 2024년 기준 코딩 에이전트는 아직 읽기에서 많이 무너졌음 - SWE-bench 같은 실제 소프트웨어 엔지니어링 과제에서 당시 최고 모델 해결률은 약 40%대였음 - 실패 상당수는 잘못된 파일 수정, 기존 코드 오해, 문서 제약 무시에서 나왔음 - 코드는 쓸 수 있었지만 요구사항과 맥락을 읽는 능력은 불안정했다는 얘기임 > [!WARNING] > 에이전트가 셸, 배포, 데이터베이스 권한을 갖는 순간 실수는 의견이 아니라 실행이 됨. 리뷰 버튼 하나 놓치는 문제가 아니라 운영 사고로 바로 이어질 수 있음 ## 오픈 가중치의 역설 - 2023년 LLaMA 가중치 유출과 이후 Llama 2 공개는 생성AI 생태계의 변곡점이었음 - 2022년 생성AI 관련 GitHub 프로젝트는 1만 7천 개 수준이었음 - 2023년에는 6만 5천 개로 늘었고, 증가율은 248%였음 - Hugging Face 모델 저장소는 2023년 말 32만 개 이상, 월간 활성 사용자 600만 명을 넘었다고 설명됨 - 오픈소스 코드 공개와 오픈 가중치 공개는 같은 개방처럼 보여도 성격이 다름 - 소스 코드는 사람이 읽고 고칠 수 있는 형태임 - 모델 가중치는 수천억 개 부동소수점 숫자라서 접근은 가능해도 의미를 읽기는 어려움 - 접근권이 생겼다고 이해 능력이 같이 생기는 건 아님 - 그래서 코드는 산출물이 아니라 원재료가 되고 있음 - 모델, 에이전트, 파이프라인의 입력으로 코드가 계속 소비됨 - 개발자는 정확히 어떻게 작동하는지 모르지만 작동한다는 상태를 더 자주 받아들이게 됨 - 이건 생산성의 승리처럼 보이지만, 장기 유지보수 관점에서는 꽤 큰 부채가 될 수 있음 ## 결국 질문은 하나로 모임 - 에이전트 시대의 핵심 질문은 AI가 코드를 쓸 수 있느냐가 아님 - 이미 코드는 꽤 잘 씀 - 문제는 어떤 판단으로 그렇게 썼는지 사람이 추적할 수 있느냐임 - 감사 기록은 기본 요구사항이지만, 로그가 있다고 끝이 아님 - LangChain, LlamaIndex, AutoGen, CrewAI 같은 프레임워크는 대체로 실행 로그를 남김 - 하지만 npm 의존성처럼, 기록은 있어도 실제로 읽히지 않으면 운영상 없는 것과 비슷함 - 권한 제한은 각 팀이 직접 선을 그어야 하는 가치 판단임 - 모든 명령을 승인하게 하면 에이전트의 의미가 줄어듦 - 전부 허용하면 한 번의 실수로 프로덕션 데이터나 고객 환경을 날릴 수 있음 - 결국 팀마다 어떤 작업은 수트처럼 인간을 증폭하고, 어떤 작업은 절대 로봇처럼 혼자 두면 안 되는지 정해야 함 --- ## 기술 맥락 - 이 글에서 가장 중요한 기술적 선택은 에이전트를 어디까지 자율적으로 둘 것인가예요. 자동완성 수준이면 개발자가 모든 결정을 붙잡고 있지만, 저장소 전체 수정이나 배포까지 맡기는 순간 AI가 실행의 주체가 되거든요. - 그래서 권한 모델이 생산성 옵션이 아니라 아키텍처 문제가 돼요. 파일 읽기, 셸 실행, 네트워크 접근, 데이터베이스 변경 같은 권한을 하나로 묶어 허용하면 편하긴 한데, 사고가 났을 때 피해 범위도 같이 커져요. - 감사 로그도 그냥 디버그 출력 정도로 보면 안 돼요. 에이전트가 어떤 파일을 읽고, 어떤 도구를 호출했고, 어떤 오류를 보고도 계속 진행했는지가 남아야 나중에 책임 소재와 재현 가능성을 따질 수 있어요. - Cursor 같은 중간형 도구가 현실적인 이유는 인간이 루프 안에 남아 있기 때문이에요. AI가 코드를 많이 만들더라도 diff를 읽고 수락하는 절차가 있으면, 최소한 이해가 완전히 사라지지는 않거든요. - 오픈 가중치 모델을 쓰는 팀도 같은 질문을 피할 수 없어요. 모델을 내려받아 돌릴 수 있다는 것과 그 모델의 학습 데이터, 편향, 실패 조건을 이해한다는 것은 다르기 때문에 운영 환경에서는 검증 체계를 따로 가져가야 해요. ## 핵심 포인트 - ChatGPT에서 Devin까지 16개월 만에 AI는 답변 생성기에서 작업 수행 에이전트로 이동함 - 도구와 에이전트의 차이는 인간이 중간 결정을 받느냐, AI가 스스로 계획하고 실행하느냐에 있음 - Cursor 같은 도구는 개발자를 구현자에서 설계자와 코드 리뷰어에 가까운 위치로 이동시킴 - 오픈 가중치 모델 확산은 접근성을 키웠지만, 모델 내부를 이해하지 못한 채 쓰는 개발도 폭발적으로 늘림 - 에이전트의 자율성이 커질수록 감사 로그, 권한 제한, 장기 유지보수 문제가 더 중요해짐 ## 인사이트 한국 개발자에게도 바로 닿는 얘기다. 코딩 에이전트 도입은 생산성 도구 구매가 아니라, 리뷰 문화·권한 정책·보안 모델·주니어 성장 경로까지 같이 흔드는 조직 설계 문제에 가깝다.