요즘 나는 하루 종일 클로드 코드와 같은 AI 에이전트와 함께 일하고 있다. 예전 같으면 며칠이 걸렸을 코딩 작업을 단 몇 분 만에 끝내는 에이전트의 능력을 보면서 감탄할 때가 많다. 하지만 에이전트가 미친 듯이 일하는 동안 나에게는 묘하게 붕 떠 있는 시간이 생긴다. 프롬프트를 던지고 나서 그 결과를 받기까지 걸리는 시간은 짧게는 2분에서 길게는 10분 정도인데, 이 시간이 참으로 애매하다. 그냥 가만히 앉아 기다리기에는 너무 길고, 그렇다고 새로운 업무를 본격적으로 시작하기에는 너무 짧기 때문이다. 메일함을 열었다가 닫고 메신저 창을 몇 번 넘나들다 보면 결과가 나오는데, 문제는 그 사이의 애매한 시간 동안 머릿속이 엉망이 된다는 점이다.

최근 IT 생태계를 지켜보며 가장 흥미로운 변화 중 하나를 꼽으라면, 단연 인공지능 에이전트들이 다시 '파일 시스템’이라는 고전적인 기술에 주목하기 시작했다는 점이다. 불과 얼마 전까지만 해도 모든 데이터는 벡터 데이터베이스에 들어가야 하고, 모든 지식은 그래프 형태로 구조화되어야 한다는 목소리가 높았다. 하지만 아이러니하게도 가장 진보된 AI 기술을 다루는 사람들이 지금 가장 열광하는 것은 우리가 수십 년 전부터 사용해 온 폴더와 파일의 구조다. 인프라와 데이터베이스의 역사는 돌고 돈다는 말이 있는데, 이번 파일 시스템의 부상은 단순한 회귀가 아니라 AI 시대에 맞는 새로운 정의라고 봐도 무방할 것 같다.

AI가 코드를 작성하기 시작하면서 소프트웨어의 전반적인 품질이 떨어질 것이라는 우려가 여기저기서 들려온다. 의사결정권자들이 AI의 속도에만 매몰되어 나쁜 코드가 양산되는 것을 방관할 것이라는 공포다. 하지만 나는 이런 주장이 본질을 놓치고 있다고 생각한다. AI 때문에 기술 부채가 생긴다는 사람들을 보면 솔직히 이해가 잘 안 간다. 우리는 오히려 AI를 활용해서 그동안 해결하지 못했던 해묵은 기술 부채를 어떻게 청소할지 궁리해야 한다. 우리는 AI를 도구 삼아 이전보다 더 나은 코드를 만들 수 있다.

요즘 SNS를 둘러보면 AI와 에이전트 활용을 주제로 한 강의가 넘쳐나고 있다. 공식 문서가 예전보다 훨씬 친절하게 잘 정리되어 있고, 챗GPT 같은 AI가 사람보다 더 똑똑하게 답을 해주는 시대인데도 불구하고 왜 사람들은 여전히 인간 전문가의 강의를 찾아다니는지 의문이 들 때가 많다. 단순한 지식 전달이라면 AI가 훨씬 빠르고 정확할 텐데 말이다.

기술의 발전 속도는 정말 무섭다. 새로운 프레임워크가 나오고, 기존의 라이브러리가 업데이트될 때마다 그것을 따라가는 것은 언제나 커다란 부담이었다. 예전에는 새로운 기술 스택을 도입하기 전에 그 기술의 학습 곡선이 얼마나 가파른지, 그리고 문제가 생겼을 때 참고할 자료가 충분한지를 먼저 고민하며 망설였던 적이 참 많았다. 하지만 이제는 인공지능 덕분에 이러한 심리적인 장벽이 거의 사라진 것 같다. 내가 직접 모든 문서를 독파하고 각종 오류 사례를 머릿속에 집어넣지 않아도, AI가 실시간으로 그 역할을 대신해 주기 때문이다. 이것은 개발자로서 느낄 수 있는 아주 커다란 해방감이 아닐 수 없다.

컴퓨터 안에 뇌를 그대로 옮겨 심는다는 상상은 오래전부터 공상과학 영화의 단골 소재였다. 하지만 최근 버클리 대학의 연구진이 초파리의 뇌 전체를 노트북에서 시뮬레이션하는 데 성공했다고 한다. 13만 개가 넘는 뉴런과 5천만 개의 연결을 디지털로 구현해낸 이번 성과는 인류가 뇌의 비밀을 푸는 데 있어 거대한 도약이라고 할 수 있다. 단순히 지도를 그리는 것을 넘어 실제로 작동하는 모델을 만들었다는 점이 핵심이다.

최근 개발 환경의 변화를 지켜보면 AI가 코드를 작성하는 속도가 인간의 검토 속도를 아득히 추월하고 있다는 사실을 체감한다. 많은 개발자가 클로드 같은 도구를 활용해 생산성을 비약적으로 높였지만, 아이러니하게도 팀 전체의 속도는 오히려 정체되거나 느려지는 현상이 발생하고 있다. 한 조사에 따르면 AI 도입률이 높은 팀은 PR(Pull Request) 생성량이 98퍼센트나 증가했지만, 정작 리뷰에 소요되는 시간은 91퍼센트나 늘어났다고 한다. 이러한 불균형은 결국 코드 리뷰라는 전통적인 안전망이 AI 시대의 생산성을 감당하지 못한다는 것을 의미한다. 인간의 리뷰가 병목이 되고 있는 이 상황에서 우리는 새로운 해답을 찾아야만 한다.

요즘 오픈소스 생태계를 보고 있으면 기묘한 기분이 든다. 예전에는 코드를 기여한다는 것이 인간과 인간 사이의 존중과 신뢰를 바탕으로 이루어지는 행위였다. 하지만 지금은 그 신뢰의 고리가 삐걱거리는 소리가 들린다. AI가 코드를 생성하기 시작하면서 기여의 질이 아니라 양이 압도적인 비중을 차지하게 되었기 때문이다. 지금 오픈소스는 AI에게 잠식당하고 있는 것이 아니라 오염당하고 있다. 이것은 단순한 단어의 차이가 아니라 생태계 전체의 구조적 붕괴를 의미한다.

요즘 소프트웨어 개발 판도가 정말 빠르게 변하고 있다. 누구나 코딩을 할 수 있고, 인공지능이 코드를 대신 짜주는 시대가 오면서 제품의 기능적인 측면은 이제 더 이상 차별화 요소가 되지 못한다. 예전에는 돌아가기만 하면 다행이었던 시절이 있었지만, 이제는 단순히 돌아가는 것만으로는 부족하다. 사람들의 마음을 사로잡고 ‘사랑받는’ 제품이 되어야만 살아남을 수 있는 시대가 되었다. 단순히 문제를 해결하는 도구를 넘어 사용자가 제품을 사용하며 기쁨을 느끼게 하는 것, 그것이 오늘날 우리가 주목해야 할 지점이다.

최근 인공지능 기술의 발전으로 학습의 패러다임이 급격하게 변화하고 있다. 특히 구글의 NotebookLM 같은 도구는 단순히 정보를 요약하는 수준을 넘어섰다. 어떻게 하면 이 도구를 극한까지 활용하여 짧은 시간 안에 한 분야의 전문가 수준에 도달할 수 있을지 한 대학원생의 사례를 통해 깊이 있게 살펴보았다. 단순히 기술을 아는 것과 그 기술을 다루는 질문의 수준을 높이는 것이 얼마나 큰 차이를 만드는지 깨닫는 계기가 되었다.