미래를 위한 코딩 패널

패널에 참석한 전문가들이 자신들의 조직에서 AI 코딩 에이전트 개발에 대한 관점을 소개한다. Factory의 Matan은 드로이드라는 엔드-투-엔드 소프트웨어 개발 에이전트를 만들었으며, 이는 단순 코딩을 넘어 문서화, 테스트, 리뷰 같은 전체 개발 생명주기를 다룬다고 설명한다. OpenAI의 대표자는 올해 초 첫 코딩 에이전트를 출시했으며, 코덱스 CLI, 클라우드, 그리고 최근 SDK를 통해 점진적으로 기능을 확장해왔다고 언급한다. 이러한 도구들은 개발자들이 코딩 및 코드 실행 에이전트를 일반적인 목적의 작업에도 활용할 수 있도록 설계되었다.

V0는 미리보기 중심의 에이전트식 프로그래밍을 목표로 하는 도구로 소개된다. 기존에는 웹 앱 개발 시 에이전트, IDE, 코드, 미리보기를 모두 열어놓고 개발 서버를 실행하는 방식이었다면, V0를 사용하면 에이전트를 실행하고 직접 실행 중인 앱에 프롬프트를 입력할 수 있다. 패널 참석자는 이러한 방식이 개발자 경험(DX)의 미래가 될 것이라고 확신하고 있으며, 이는 개발 프로세스의 효율성을 크게 향상시킬 수 있다는 점을 강조한다.

패널 토론에서 로컬과 클라우드 환경의 선택에 대해 깊이 있게 논의한다. Factory의 대표자는 에이전트의 핵심이 인간처럼 도움이 되는 특성에 있으며, 로컬 인간과 원격 인간을 구분하지 않듯이 에이전트도 환경에 따라 다르게 작동해서는 안 된다고 주장한다. 단기적으로는 원격이 안정적으로 위임 가능한 작은 작업에 더 유용하고, 로컬은 에이전트를 더 가깝게 모니터링하면서 큰 또는 복잡한 작업을 수행할 때 적합하다고 설명한다. OpenAI의 대표자는 리소스 위치에 따라 선택이 결정되어야 하며, 궁극적으로 에이전트가 로컬 파일 시스템과 GitHub 모두에서 작동할 수 있어야 한다고 강조한다.

Factory의 대표자는 agents.md라는 커스텀 지침 개발 사례를 소개하면서, 화이트보드 세션에서 아이디어를 떠올린 후 코덱스 CLI를 로컬로 실행하여 근본적인 구조를 빠르게 구축하고 점진적으로 정제하는 과정을 설명한다. 또한 작은 범위의 명확한 산출물을 가진 작업은 '불과 잊어버림' 방식에 적합하지만, GBD5 코덱스 출시 이후로는 더 길게 실행되고 복잡하며 모호한 작업도 수행 가능해졌다고 언급한다. 모델의 능력이 증가함에 따라 더 많은 종류의 사용 사례가 활성화될 것으로 전망하고 있으며, 이는 개발 프로세스의 새로운 패러다임을 제시한다.

패널에서 AI가 저품질 콘텐츠를 생성하는지에 대한 질문이 제기된다. Factory의 대표자는 한 사람의 쓰레기가 다른 사람의 보물일 수 있다고 언급하면서, 문서가 없던 저장소에 대해 에이전트로 자동 생성한 문서가 완벽하지는 않지만 가치를 제공한다고 설명한다. 중요한 것은 이러한 도구를 어디에 활용할지 파악하는 것이며, 제공하는 지침의 정도에 따라 결과의 품질이 크게 달라진다는 점을 강조한다. OpenAI의 대표자는 구체적이고 체계적인 요구사항을 제공하고 테스트를 실행할 수 있는 도구를 제공하면, 에이전트의 결과가 주니어 엔지니어의 중간 정도 성과와 유사할 정도로 구조화될 수 있다고 언급한다.

패널에서 AI 코딩 에이전트의 활용이 개발자의 기술 수준에 따라 어떻게 달라지는지를 분석한다. 기술이 없는 사람도 에이전트를 사용하면 상당히 높은 수준의 결과를 얻을 수 있으며, 이를 '바닥을 올린다'고 표현한다. 반면 시니어, 프린시팔, 뛰어난 엔지니어들은 에이전트를 다르게 활용하여 이미 할 수 있던 것들의 수준을 높이고 있다. 프린시팔 엔지니어가 수동으로 하루 5,000줄의 코드를 작성한다면, 에이전트 사용 시 하루 50,000줄의 코드를 작성할 수 있을 정도로 생산성이 향상되며, 이는 입력된 지침과 지식의 품질에 따라 결정된다고 강조한다.

Factory의 대표자는 엔터프라이즈 환경에서 에이전트 네이티브 개발 채택에 있어 흥미로운 이중 양극화를 언급한다. 초기 경력 개발자들은 에이전트 네이티브 방식으로 만들기를 더 열려 있지만, 위임 경험이 부족하여 제대로 된 작업 위임 방식을 모를 수 있다. 반면 경험 많은 엔지니어들은 위임 경험이 풍부하고 정확한 명세 작성에 능숙하지만, 기존 방식의 변화를 거부하려는 성향이 있다. 실제 기업 환경에서는 시니어 엔지니어가 상세한 티켓을 작성하고, 주니어 엔지니어가 그것을 에이전트에 위임하는 구조로 작동하고 있으며, 이는 역할 분담의 새로운 모델을 제시한다.

패널 참석자들은 오픈소스 모델의 성능과 채택률 변화에 대해 논의한다. OpenAI의 대표자는 코덱스 CLI 출시 시 오픈소스 모델을 테스트할 수 있는 기능을 추가했으며, GLM 같은 오픈소스 모델의 성능이 생각보다 좋다고 놀라워했다고 설명한다. Factory의 대표자는 오픈소스 모델 지원을 출시한 이후 사용률이 극적으로 상승했으며, 이는 비용 절감뿐만 아니라 제어, 보안, 관찰 가능성 측면에서의 이점 때문이라고 분석한다. 일 년 전만 해도 오픈소스 모델 사용률이 약 5%였다면, 현재는 10-20% 범위로 증가했으며, 소형 모델 카테고리에서 오픈소스와 폐쇄형 소형 모델들이 경쟁하고 있는 상황이다.

OpenAI의 대표자는 전체 에이전트 파이프라인에서 폐쇄형과 오픈소스 모델을 모두 활용하는 전략을 설명한다. 최첨단 추론이 필요한 개방형 질문에는 폐쇄형 모델을 사용하고, 명확한 목표 함수를 가진 틈새 작업에는 오픈소스 모델을 미세조정하여 사용한다고 말한다. 추론 능력 측면에서 20% 정도 손실을 감수할 수 있다면 오픈소스 모델을 매우 구체적인 사용 사례에 맞게 조정할 수 있으며, 이를 통해 비용 효율성을 높일 수 있다. 1년 반 전에는 V0 파이프라인에서 오픈소스 모델을 사용하는 것이 불가능했지만, 지금은 Qwen, QEMI-K2 같은 모델로 파이프라인의 대부분을 대체할 수 있을 정도로 발전했다고 강조한다.

패널은 내년에 에이전트가 달성할 수 있을 것으로 예상되는 두 가지 주요 진전을 논의한다. 첫째는 에이전트가 실행할 수 있는 단계 수의 급증으로, 작년 1-3단계에서 올해 5-20단계로 증가했으며, 내년에는 100단계 이상을 안정적으로 수행하면서 여러 시간 동안 실행할 수 있을 것으로 예상한다. 둘째는 리소스 소비 방식의 변화로, 현재는 사용자가 프롬프트에 컨텍스트를 포함시켜야 하지만, 내년에는 에이전트가 필요한 컨텍스트를 자동으로 찾아 수집할 수 있을 것으로 기대한다. 패널의 마지막 논의에서는 에이전트의 신뢰성과 자율성이 사용자의 환경 설정과 에이전트 수준에 맞춘 행동 변화에 달려 있다는 점을 강조하며, 이는 기술과 사용자 적응의 상호작용을 의미한다.