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 Steven Wittens라는 개발자가 자신의 블로그에 올린 'The L in LLM Stands for Lying’이라는 글을 읽었다. 그는 LLM이 하는 일이 본질적으로 위조(forgery)에 불과하며, AI를 통해 코드를 작성하는 행위가 소프트웨어 개발의 장인정신을 훼손하고 있다고 강력하게 비판했다. 그는 AI가 만들어내는 결과물을 '슬롭(slop)'이라고 부르며, 이것이 생산성을 높여주는 것이 아니라 오히려 쓰레기 같은 코드를 양산할 뿐이라고 주장한다. 하지만 나는 이 글을 읽으며 그가 소프트웨어 개발의 본질과 현재의 기술적 진보가 가져온 생산성 혁명을 완전히 오해하고 있다는 생각을 지울 수 없었다. 그의 주장은 낭만적인 장인정신에 매몰되어 변화하는 시대의 흐름을 부정하는 시대착오적인 발상에 가깝다.

이전 글에서 AI 에이전트에게 가장 적합한 도구는 CLI라고 강조한 적이 있다. GUI보다는 텍스트 기반의 명령어가 기계와 기계, 혹은 인간과 기계 사이의 소통에서 훨씬 명확하기 때문이다. 하지만 단순히 CLI를 제공하는 것만으로는 부족하다. 최근 AI 에이전트의 특성에 맞춰 CLI를 어떻게 설계해야 하는지에 대해 다룬 훌륭한 글을 발견했다. 이 글을 바탕으로 AI 친화적인 CLI가 갖춰야 할 구체적인 요소들을 정리해 보려 한다.

최근 세쿼이아 캐피털에서 발행한 리포트를 읽으며 앞으로의 소프트웨어 시장이 어떻게 변할지 다시금 생각해보게 되었다. 이제는 사용자가 직접 도구를 조작하는 시대를 지나, AI가 결과물을 직접 만들어 제공하는 서비스의 시대로 진입하고 있다.

우리는 하루에도 수십 번 브라우저를 연다. 하지만 10년이 넘는 시간 동안 브라우저를 쓰는 방식은 크게 변하지 않았다. 검색하고, 클릭하고, 읽고, 북마크에 저장하는 반복이다. 탭은 끝도 없이 늘어나고 검색 결과는 광고로 가득 차지만, 우리는 익숙함 때문에 여전히 Chrome을 쓴다.

최근 Openclaw를 활용한 자동화 사례들을 살펴보면 흥미로운 지점이 발견된다. 많은 사용자가 자동화의 성능을 얼마나 많은 명령을 동시에 내리는지 혹은 얼마나 복잡한 로직을 구현하는지에 집중하지만 실제 결과물의 품질은 전혀 다른 곳에서 결정된다. 바로 자동화된 태스크를 검증하는 단계다.

최근 토스 테크 블로그에서 발행된 'Software 3.0 시대, Harness를 통한 조직 생산성 저점 높이기’라는 글을 읽고 큰 영감을 받았다. 평소 내가 생각하던 '미래 조직의 모습’과 너무나 일치하는 내용이었기 때문이다.

에이전트를 더 잘 활용하기 위해 프레임워크나 플러그인, 복잡한 메모리 시스템을 도입하는 경우가 많다. 하지만 실제 운영에서 가장 중요한 것은 도구의 화려함이 아니라 설계다. 에이전트는 독립적인 사고를 하는 존재라기보다 주어진 컨텍스트 안에서만 유효하게 작동하는 시스템이기 때문이다.

기존의 이슈 등록, 커밋, 푸시, PR, 머지로 이어지는 방식은 90년대식 메커니즘에 가깝다. 사람의 실수를 방지하고 비동기 협업을 위해 설계된 이 과정은 컨텍스트를 완벽히 이해하는 AI 에이전트가 코딩을 주도하는 시대에는 오히려 낭비가 된다. AI 시대에 어울리는 새로운 개발 워크플로우를 제안한다.

AI 도구의 확산으로 코드 작성을 시작하는 문턱이 낮아진 것은 분명한 사실이다. 그러나 코드 작성이 쉬워졌다고 해서 엔지니어링의 본질까지 쉬워진 것은 아니다. 오히려 생산성이 높아질수록 조직의 기대치는 상승하고 엔지니어가 짊어져야 할 업무의 복잡성은 더 커지고 있다.