“코드는 이제 무료입니다.” “에이전트가 알아서 다 짜줍니다.” 요즘 소셜미디어에서 흔히 보이는 말들입니다. 그런데 실제로 현장에서 코딩 에이전트를 쓰는 개발자들은 뭐라고 할까요?
최근 시니어 개발자 Krasimir Tsonev, HashiCorp 공동 창업자 Mitchell Hashimoto, 그리고 데이터 엔지니어이자 블로거인 Drew Breunig이 각자의 시각으로 AI 코딩 도구의 현실을 짚었습니다. 세 사람의 관점은 엇갈리지만, 핵심에서는 하나로 수렴합니다. AI는 마법이 아니라 증폭기라는 것입니다.
출처: The naked truth about AI-assisted coding – krasimirtsonev.com
- Mitchell Hashimoto’s new way of writing code – The Pragmatic Engineer
- Two Beliefs About Coding Agents – dbreunig.com
숙련된 개발자는 자신이 얼마나 유리한지 모른다
Breunig이 꼽은 첫 번째 관찰은 꽤 날카롭습니다. “에이전트가 다 해줬다”고 말하는 개발자 대가들의 프롬프트를 실제로 보면, 일반 사용자와는 차원이 다르다는 겁니다. 정확한 용어, 올바른 아키텍처 힌트, 문제를 구조화하는 방식—이 모든 것이 에이전트에게 전달되는 암묵적인 지식입니다. “검색이 안 돼요, 고쳐주세요”와 “Redis 캐시 레이어에서 TTL 만료 시 race condition이 발생하는 것 같습니다”는 에이전트에게 전혀 다른 질문입니다.
Mitchell Hashimoto도 비슷한 시각에서 자신의 워크플로를 설명합니다. 그는 이제 “내가 코딩하는 동안 에이전트가 계획을 짜고, 에이전트가 코딩하는 동안 내가 리뷰한다”는 원칙으로 일합니다. 집을 나서기 전에 에이전트에게 라이브러리 비교, 엣지케이스 분석, 리서치 태스크를 던져두고 이동하는 동안 작업이 진행됩니다. 에이전트를 잘 쓰는 것 자체가 이미 고도의 기술이라는 뜻입니다.
개인 도구와 제품 사이의 거리
Breunig의 두 번째 관찰은 에이전트 코딩의 성과물에 관한 것입니다. 그는 StreetPass라는 브라우저 익스텐션을 참고해, Mastodon 계정 대신 RSS 피드를 수집하는 자신만의 버전을 Claude Code로 빠르게 만들었습니다. 실제로 매일 쓰고 있지만, 앱스토어 등록도 없고 다른 브라우저 지원도 없고, 자신의 Feedbin 서비스에 완전히 의존합니다.
소셜미디어에서 “에이전트로 만들었다”며 공유되는 대부분의 결과물이 바로 이런 개인 소프트웨어라는 게 그의 요점입니다. 개인 소프트웨어를 상용 제품으로 만드는 과정—테스트, 지원, 엣지케이스, 보안, 마케팅—은 여전히 사람의 몫으로 남아 있습니다. 에이전트가 코드를 쓰는 비용이 0에 가까워졌다고 해서 제품을 만드는 비용까지 0이 된 건 아닙니다.
빠른 코드, 늘어나는 기술 부채
Tsonev는 세 사람 중 가장 비판적인 목소리를 냅니다. 그가 지목하는 핵심 문제는 속도와 품질의 분리입니다. 팀은 코드를 2~3배 빠르게 생성하지만, 코드 리뷰와 시스템 설계 역량은 그 속도를 따라가지 못하고 있습니다. 결과는 기술 부채의 가속화입니다.
특히 주니어 개발자에게는 더 근본적인 문제가 생깁니다. 코딩에서 “막히고 고민하는 과정”이 실력을 만드는데, AI가 그 과정을 건너뛰게 해준다는 겁니다. 이해하지 못한 채로 돌아가는 코드를 프로덕션에 올리고, 장애가 나면 아무도 디버그하지 못하는 상황이 만들어질 수 있습니다.
Mitchell도 오픈소스 생태계에서 유사한 우려를 언급합니다. AI로 그럴듯해 보이지만 품질이 낮은 PR이 오픈소스 프로젝트에 쏟아지면서, 메인테이너들이 검토하고 거절하는 데 무급 노동을 써야 한다는 겁니다. 그는 오픈소스가 “기본 신뢰”에서 “기본 거부”로 전환되어야 한다고 봅니다.
에이전트는 이미 가진 것을 증폭시킨다
세 글이 가리키는 방향은 결국 같습니다. 코딩 에이전트는 실력 있는 개발자를 더 강력하게 만들어 주지만, 기초 없이는 에이전트도 제대로 쓰기 어렵습니다. Mitchell은 AI를 거부하는 개발자들에게 “코드를 안 맡겨도 된다, 리서치만 맡겨봐라”고 권합니다. 에이전트는 코드 생성기이기 이전에 생각의 짝꿍으로 쓸 수 있다는 겁니다.
세 필자가 바라보는 현재의 AI 코딩 도구는 이렇습니다. 보일러플레이트와 반복 작업에선 진짜 생산성 향상이 있고, 시스템 설계와 아키텍처 결정은 여전히 사람이 해야 하며, 그 결과물이 개인 도구인지 상용 제품인지에 따라 완성까지의 거리는 크게 달라집니다.
참고자료: My AI Adoption Journey – Mitchell Hashimoto
답글 남기기