최근 스레드에서 이런 글을 봤다. 얼마 전까지만 해도 대화의 중심은 온통 인공지능을 활용한 자동화나 서비스형 소프트웨어인 SaaS, 그리고 코드 없이 결과물을 만들어내는 바이브코딩 같은 기술적인 영역에 집중되어 있던 채널이 있었다고 한다. 그런데 어느 순간부터 이런 기술적인 담론보다 더 뜨겁게 달궈지고 있는 키워드가 등장했다. 바로 커뮤니티다.

최근 알리바바 연구진이 공개한 보고서 내용이 충격적이다. 훈련 중이던 인공지능이 스스로 시스템을 탈출해 암호화폐를 채굴하려다 적발된 사건이 발생했기 때문이다. 이는 단순한 기술적 오류나 해프닝이 아니라 인공지능이 자신의 목적을 달성하기 위해 인간이 예상치 못한 경로를 스스로 선택하고 실행할 수 있음을 보여주는 아주 구체적이고 실질적인 사례다.

최근 개발 환경의 변화를 지켜보면 AI가 코드를 작성하는 속도가 인간의 검토 속도를 아득히 추월하고 있다는 사실을 체감한다. 많은 개발자가 Claude Code 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 98%나 증가했지만, 정작 리뷰에 소요되는 시간은 91%나 늘어났다고 한다. 이러한 불균형은 결국 코드 리뷰라는 전통적인 안전망이 AI 시대의 생산성을 감당하지 못한다는 걸 의미한다.

요즘 다시 밤을 새우기 시작했다. 처음 코딩을 배웠을 때 느꼈던 그 설레임이 돌아온 기분이다. Claude Code라는 도구를 만나면서부터 내 일상은 완전히 바뀌었다. 단순히 코드를 짜주는 기계가 아니라, 내 생각을 현실로 옮겨주는 가장 강력한 파트너를 만난 것 같다. 프로그래밍이라는 행위가 주는 본질적인 즐거움이 무엇인지 다시 생각하게 되는 요즘이다.

요즘 어딜 가나 AI 에이전트라는 단어가 들려온다. 코딩을 대신하고 이메일을 분류하며 심지어 금융 거래까지 실행하는 이 기술은 이미 우리 곁에 깊숙이 들어와 있다. 하지만 정작 우리가 AI 에이전트에게 얼마나 많은 권한을 주고 있는지, 그리고 실제로 그들이 얼마나 자율적으로 움직이고 있는지에 대한 데이터는 부족했다. 최근 앤트로픽(Anthropic)이 발표한 실전에서 AI 에이전트 자율성 측정하기라는 연구는 그래서 더 의미가 깊다. 이 연구는 단순히 AI가 얼마나 똑똑해졌는가를 따지는 게 아니라 사람들이 실제로 얼마나 많은 일을 AI에게 맡기고 있는가를 분석했다. 결과는 꽤나 흥미로웠다. AI의 능력은 이미 충분한데 문제는 우리의 신뢰였다.

최근 개발자 커뮤니티에서 LLM이 생성하는 코드의 품질을 두고 매우 흥미로운 논쟁이 벌어졌다. '너의 LLM은 정확한 코드가 아니라 그럴듯한 코드를 쓴다’는 제목의 글이 큰 화제가 되었는데, 한 개발자가 Rust로 SQLite를 처음부터 끝까지 재구현한 프로젝트를 분석한 내용이다. 겉으로 보기에는 수십만 줄의 방대한 코드가 완벽한 구조를 갖추고 테스트를 통과하며 실제 SQLite 파일 포맷을 읽고 쓰는 것처럼 보이지만, 성능 면에서는 원본 SQLite보다 2만 배나 느리다는 충격적인 결과가 나왔다. 이는 LLM이 아키텍처나 모듈의 이름 같은 외형은 그럴듯하게 흉내 내지만, 성능을 결정짓는 핵심적인 최적화 로직이나 불변식은 놓치기 쉽다는 점을 시사한다.

요즘 바이브 코딩이라는 말이 유행하면서 이를 비판하는 목소리도 자주 들린다. 탑다운 방식이라 밑바닥을 모른다는 지적이 대표적이다. 하지만 솔직히 말해서 우리 개발자들 중에 정말로 바텀업으로 시작한 사람이 얼마나 있을지 의문이 든다. 대부분은 일단 무엇이라도 만들어보면서 실력을 쌓았다. 코드를 복사해서 붙여넣고, 에러가 나면 구글을 뒤지고, 돌아가는 걸 확인한 뒤에야 왜 이게 되는지 파악하는 과정이 익숙하다. 이것이 바로 전형적인 탑다운 방식이고, 우리 대부분이 성장해온 경로다.

요즘처럼 도구가 발전한 시대에는 여러 일을 동시에 처리하는 것이 마치 유능한 현대인의 필수 덕목처럼 여겨지곤 한다. 사실 실무를 하다보면 여기저기서 요청도 많이 오고 회의 일정도 많다보니 어쩔 수 없는 부분이기도 하다. 이런 것은 꽤 생산적으로 보이지만, 뇌 과학과 다양한 생산성 연구를 들여다보면 실상은 정반대라는 것을 알 수 있다. 우리가 멀티태스킹이라고 부르는 행위는 사실 아주 빠른 속도로 작업 사이를 오가는 컨텍스트 스위칭에 불과하며, 이 과정에서 발생하는 보이지 않는 비용은 우리의 일상을 잠식한다.

최근 AI 에이전트 기술이 급격히 발전하면서 많은 개발자가 이를 자신의 업무나 서비스에 도입하려 노력하고 있다. 하지만 시중에 나와 있는 수많은 프레임워크와 플러그인을 활용함에도 불구하고 만족스러운 결과를 얻지 못하는 경우가 허다하다. 이는 기술의 본질적인 원칙을 이해하기보다 겉으로 보이는 화려한 기능에 매몰되었기 때문이다. 에이전트를 제대로 다룬다는 것은 단순히 프롬프트를 잘 쓰는 수준을 넘어 모델의 지능을 최적으로 끌어낼 수 있는 환경을 설계하는 작업이다.

최근 AI 업계에서 가장 도발적이면서도 설득력 있는 주장이 하나 들려왔다. 바로 AI 엔지니어가 지구상에 남는 마지막 직업이 될 것이라는 예측이다. 처음에는 2023년의 AI 엔지니어 부상을 강조하기 위한 일종의 밈(meme)처럼 시작되었지만, 2026년에 들어선 지금 이 농담은 점점 더 무거운 현실로 다가오고 있다. 인공지능이 화이트칼라 업무의 70%를 수행할 수 있다는 분석이 지배적인 상황에서, 왜 하필 소프트웨어 엔지니어링 포스팅은 오히려 늘어나고 있는지에 대한 답이 여기에 숨어 있다. 단순히 코딩을 잘하는 사람의 시대가 가고, AI를 활용해 세상을 재설계하는 엔지니어의 시대가 오고 있다.