저번 글에서 '감독자의 시대가 끝나고 운영자의 시대가 열렸다'는 이야기를 했었습니다. 거기서 흐름이 이어지는데요. 엔지니어링이 빨라지고 나면 그 다음엔 뭐가 막히는지에 대한 이야기입니다. 포커스 엔지니어가 풀리면, 다음은 어디가 막힐까요. 진짜 2배가 됐다 Lenny's Newsletter에 실린 Intercom 케이스 스터디가 이번 주 가장 회자된 글 중 하나였습니다. Senior Principal Engineer인 Brian Scanlan의 인터뷰인데, 9개월 만에 R&D 머지 PR이 2배가 됐다는 증언이 나와요. AI 뚝딱 도입하니 마법같이 다 해결되었다는 이야기는 아닙니다. 오히려 지난한 작업의 모음이었어요. 스킬 레포지토리로 팀 표준을 강제하고, 훅으로 엔지니어링 규칙을 자동화하고, Honeycomb 텔레메트리로 사용 패턴을 추적했다는 내용이었습니다. 인상적이었던 건 디자이너와 PM까지 Claude Code로 직접 코드를 시핑한다는 대목이었어요. '감독'도 아니고 '운영'도 아니고, 그냥 자기가 필요한 걸 자기가 만드는 구조였거든요. 한편으론 생산성에 대한 다른 의견도 있어요. Fortune이 낸 'CEO들이 AI가 고용이나 생산성에 영향이 없다고 인정한다'는 기사가 개발자 커뮤니티에서 동시에 주목을 받았거든요. 한쪽에선 2배가 됐다고 하고, 다른 한쪽에선 영향 없다고 합니다. 둘 다 거짓말은 아닐 거예요. 실감하는 소수의 조직과 아직 체감 못 하는 다수의 조직이 같은 시기에 공존하고 있는 셈이죠. 차이는 도구가 아니라 그 도구를 조직에 얼마나 녹여 놓았느냐에서 온다고 봐야 할 것 같기도요. 병목이 PM과 디자이너로 옮겨간다 그럼 Intercom 같은 조직에서는 어느 부분이 지금의 병목이 되었을까요? 전 Meta, Google 프로덕트 임원 Nikhyl Singhal의 인터뷰가 그 답을 줍니다. 제목은 'PM의 절반이 위기에 처한 이유'였고, 핵심 문장이 한 줄에 모여 있었어요. "엔지니어 5명이 이제 2-3배의 성과를 냅니다. PM과 디자이너는 사실상 훨씬 큰 엔지니어 그룹을 관리하게 된 셈이죠." 이 말은 엔지니어링이 빨라지고 나면 그 뒤를 받쳐주던 PM과 디자이너가 병목이 된다는 이야기와 연결됩니다. Singhal는 숫자까지 제시했습니다. 향후 12-24개월 내에 기업들이 3만 명을 내보내고 AI-first 인재 8천 명을 재고용하는 구조 전환이 일어날 거라고요. 현재 PM 채용은 3년 최고치를 찍었는데, 구인 조건은 전부 '빌더' 타입이라는 언급도 같이 있었구요. '정보 전달자 PM'의 시대는 끝났다는 게 결론이었습니다. 남는 건 빌더와 판단력 그렇다면 자연스레 '빌더'란 대체 뭐냐는 의문이 생기겠죠. Google Cloud AI 디렉터 Addy Osmani가 이 주 올린 글이 힌트가 될 수 있을거에요. 시니어 개발자의 역할이 '고도로 보수가 좋은 코드 에디터'로 전락할 수 있다는 경고가 있었는데요. 한편으로는 그게 AI의 이해도 부채를 메워주는 시대가 요구하는 필수불가결한 일이 아닌가 싶기도 해요. AI가 일의 7~80% 에는 다다르게 해주지만 나머지 2~30%를 메우는건 온전히 사람의 힘을 해내야 하고, 이를 가능케 하는건 판단력, 시스템 설계 능력, 그리고 프로젝트를 끝까지 끌고 가는 힘입니다. 이 '끝까지 끌고 간다'는 말을 조금 더 구체적으로 푼 영상이 같은 주에 화제가 됐던 '배럴형 인재' 개념이었습니다. 사람을 아무리 늘려도 혼자 프로젝트를 끝까지 끌고 가는 배럴 타입의 사람이 없으면 협업 세금만 늘어난다는 관찰이었어요. AI가 실행 비용을 낮출수록, 역설적으로 배럴의 가치가 올라간다는 설명이었고요. 실행이 쉬워질수록 판단이 비싸지는 셈이죠. OpenAI가 Codex 슈퍼앱 업데이트로 에이전트가 별도 커서를 써서 백그라운드에서 돌아갈 수 있게 했는데요. 한 사람이 에이전트 다섯 개를 동시에 운용할 수도 있게 되는거죠. 이런 환경이 되면 병목은 더 이상 '도구의 지능'이 아니라 '사람의 검토 속도'로 옮겨갑니다. 종합하면 지난 글에서 '감독자 다음은 운영자'라는 이야기를 했다면, 이번엔 그 다음 계단이 '빌더'로 구체화된 셈입니다. 빌더란 결국, 자기 업무를 스스로 판단하여 설계하고 AI를 통해 끝까지 완결지을 줄 아는 사람이라고 결론을 내렸는데요. 재미있는 건 병목이 이 쪽으로 옮겨가자마자, AI가 새로운 병목도 풀려고 달려든다는 점이에요. Anthropic이 이번 주에 공개한 /ultrareview는 코드 머지 전에 클라우드 에이전트 함대가 병렬로 버그를 ...

이번에 릴리즈된 Opus 4.7에 추가된 기능 하나가 가장 눈에 띄었어요. '비용 관리 도구'. 벤치마크 숫자보다는 이 기능이 중요하다고 생각이 들더군요. 최근 한 달 반복된 토큰 사용량 논란들 때문에 더더욱 그랬습니다. 포커스 감독자의 역할마저 끝나면, 사람은 어떤 역할을 하게 될까요. 하루에 터진 미래 4월 16일은 굵직한 릴리즈가 쏟아진 하루였습니다. Anthropic의 Claude Opus 4.7, OpenAI의 Codex 대규모 업데이트, 그리고 Cloudflare의 AI 플랫폼, Vercel Labs의 오픈소스 에이전트까지. 굵직한 릴리즈가 같은 날 동시에 나왔거든요. Opus 4.7만 놓고 봐도 SWE-bench Verified 87.6%, 코딩 성능은 이전 버전 대비 13% 향상됐다고 합니다. 숫자만 봐도 잘 몰라도 뭔가 훌륭해 졌구나 싶죠. OpenAI는 Codex에 컴퓨터 직접 조작, 이미지 생성, 앱 통합 기능을 한꺼번에 넣으며 '거의 모든 것을 위한 Codex'를 선언했고, Cloudflare는 70여 개 모델과 12개 제공사를 단일 API로 묶는 AI 추론 계층을 공개했습니다. Vercel은 에이전트 레퍼런스 앱을 오픈소스로 풀었고요. 숨은 주인공: '비용 관리 도구' 그런데 Opus 4.7에서 제일 눈길을 끈 건 벤치마크가 아니었습니다. 셀프 검증, 수시간짜리 태스크 자율 실행, 그리고 비용 관리 도구 내장. 이 세 가지가 같이 왔거든요. 커뮤니티에서는 이 릴리즈를 두고 "감독자의 시대가 끝나고 운영자의 시대가 시작됐다"는 표현이 돌았습니다. Opus 4.7이 사람의 지속적인 개입 없이 움직일 수 있는 문턱을 넘었다는 평가였어요. '감독자'는 AI가 한 걸음 뗄 때마다 옆에서 확인하던 사람이었죠. '운영자'는 AI가 혼자 수시간 돌아가도록 환경을 만드는 사람이고요. 문제는 이겁니다. 모델이 자율적으로 수시간을 돌아간다는 건, 그 시간만큼 돈을 쓴다는 뜻이기도 하거든요. Opus 4.7에 비용 관리 도구가 모델 기능으로 들어온 건 그래서 아닐까요. 일종의 타이머 같은 거에요. "이만큼 돈 쓰면 멈춰"라고 말해두고 노트북을 닫을 수 있게 한 거죠. 이런 기능이 옵션이 아니라 기본으로 들어왔다는 점이 앞으로의 미래를 보여주는것 같아요. 토큰이 조용히 타고 있다 사실, 이런 기능은 갑자기 나온 게 아니었습니다. 최근 한 달만 놓고 봐도 토큰과 비용을 둘러싼 잡음이 계속 있었거든요. 4월 초에는 Claude Code 특정 버전 이후 단일 프롬프트 하나가 Max 플랜의 27%를 소진하는 사례가 여럿 보고됐습니다. 20x Max 사용량이 19분 만에 소진됐다는 증언도 같이 올라왔고요. 4월 중순에는 "Claude Code가 사용자 모르게 토큰을 소모하고 있을 수 있다"는 분석이 주목받았습니다. 'invisible tokens' 이슈라고 부르더라구요. 사용자가 감사하거나 추적할 수 없는 곳에서 토큰이 소모되고 있을 수 있다는 주장이었습니다. 그리고  Pragmatic Engineer가 'Tokenmaxxing' 트렌드를 다뤘습니다. Meta, Microsoft, Salesforce 같은 대기업 개발자들이 AI 사용량 지표를 맞추려고 일부러 토큰을 낭비하는 현상이라고 하네요. 자율성이 커지는 쪽으로 가면서, 비용의 가시성은 ...

개인 사정으로 이번에는 텀이 길었네요. "모델보다 구조가 경쟁력"이라는 토픽이 여러 번 보였는데, 제 생각과도 부합하는 점이 있어서 다뤄봤습니다. 피드에서는 Claude Code가 연달아 큰 기능을 내놓은 이야기, 그리고 빠른 도구가 가져온 그늘까지 짧게 정리했습니다. 포커스 모델은 바뀌지만 구조는 쌓인다는 이야기. 모델이 아니라 시스템이 당신을 잘하게 만든다 최근 제 눈에 띈 문장이 있습니다. "프런티어 모델이 당신을 잘하게 만들지 않습니다. 당신의 시스템이 그걸 합니다. 모델은 몇 달마다 교체되지만, 워크플로우와 전술과 방법론은 복리로 쌓입니다." kloss의 말인데요. 당연하게 느껴지는 말이기도 하죠. 도구가 빠르게 좋아지는 시대에, 많은 사람들이 어떤 모델을 쓰느냐에 집중합니다. Claude냐? GPT냐? 그런데 같은 모델을 쓰는 사람들 사이에서도 결과 차이가 납니다. 차이를 만드는 건 모델이 아니라 그 사람이 일하는 방식이라는 거에요. Pragmatic Engineer가 900명 이상의 엔지니어를 대상으로 한 설문 결과도 비슷한 이야기를 하고 있었습니다. 결과에 따르면 AI 도구에 대한 반응은 크게 세 가지로 나뉩니다.  품질을 중시하며 AI를 대규모 리팩토링에 활용하는 빌더. 결과 중심으로 빠르게 출시하는 쉬퍼. AI 덕에 속도는 올라갔지만 기술 부채를 남기는 코스터. 세 그룹의 차이는 어떤 도구를 쓰느냐가 아니라 어떻게 일하느냐에서 갈렸습니다. 같은 Claude Code를 쓰는데, 누구는 50만 줄의 코드를 안정적으로 만들고 누구는 품질 저하에 좌절합니다. 90일 동안 50만 줄 이상을 작성한 사용자가 공유한 원칙은 단순했습니다. (저는 아직 거부감이 있습니다만)모노레포, 모듈화된 구조, 스킬 파일. 다 구조 이야기입니다. 하네스는 얇게, 지능은 스킬에 그렇다면 그 구조를 어떻게 만들어야 할까요. kloss의 게시글을 또 빌려와야겠네요. "하네스는 얇게, 지능은 스킬에. 이걸 이해하면 AI 모델이 좋아질수록 네 스킬도 함께 좋아진다. 이걸 이해 못하면 에이전틱 디버깅 유지보수를 24시간 하게 된다." 이젠 ‘하네스’라는 단어도 너무 자주 들어서 식상하죠. 하지만, 반복해서 이야기할만한 이유는 있다고 생각합니다. 요리사로 비유하자면, 주방 세팅의 중요성은 아무리 강조해도 지나치지 않은것처럼요. 하네스는 레시피 카드나 요리 방법이 아니라, 어디에 어떤 재료가 있고, 어떤 순서로 일이 흐르는지 짜여진 구조를 말하는거니까요. 핵심은 이 구조를 얇게 유지하라는 겁니다. 하네스에 판단까지 집어넣으면 복잡해지고, 복잡해지면 모델이 발전해도 하네스 자체가 병목이 됩니다. 판단은 개별 스킬에 맡기고, 하네스는 그걸 연결하는 얇은 레이어로만 남겨야 한다는 말이죠. Muratcan Koylan도 같은 날 비슷한 이야기를 했는데, 좀 더 구체적이었습니다. 하네스가 두꺼워지면 컨텍스트가 과부하되고, 루프가 커지면 프롬프트와 스킬이 아키텍처를 보상하려 한다고요.  그리고 보정 루프를 완전히 제거해서 레이턴시를 37초에서 7.5초로 줄인 방법을 화이트페이퍼로 정리 중이라고 밝혔습니다. Lenny's Newsletter는 이 흐름을 좀 더 실용적으로 정리했습니다. 에이전트 아키텍처를 세 가지로 분류하는 프레임워크입니다. 규칙 기반으로 정해진 흐름대로만 움직이는 결정론적 자동화. 상황을 판단해서 다음 행동을 정하는 ReAct 에이전트 여러 에이전트가 협력하는 멀티에이전트 네트워크. 이 세 가지가 완전히 다른 구조이고 다른 비용과 시간이 필요한데, 많은 팀이 이를 같은 스프레드시트에 올려놓고 우선순위를 정하다가 혼란에 빠진다는 겁니다. ...

Anthropic에서 나온 두가지 대조적인 소식입니다. 하나는 너무 강력해서 일반 공개를 하지 않기로 한 모델이고요. 다른 하나는 기존 사용자들의 "모델이 열화되고 있다"는 체감에 대한 것입니다. 포커스 AI의 능력이 자원보다 빠르게 성장하면, 무슨 일이 벌어질까요. 공개할 수 없는 모델 Anthropic이 Claude Mythos를 공개했습니다. 정확히는, 공개하지 않기로 했다는 걸 공개한 거죠. Mythos Preview는 OpenBSD, FFmpeg, FreeBSD에서 수십 년간 발견되지 않은 알려지지 않은 제로데이 보안 취약점을 자율적으로 찾아낸다고 합니다. 찾는 것만이 아니라, 그 취약점을 실제로 공격할 수 있는 코드까지 생성하구요. 사이버보안 역량 평가 보고서에 따르면 기존 언어 모델을 모든 보안 지표에서 압도하는 수준입니다. 그래서 일반 공개 대신 'Project Glasswing'이라는 이름으로 Amazon, Apple, Google, Microsoft 등 선별 파트너에게만 제한 배포됐습니다. AI 모델이 "너무 잘해서 공개를 못 한다"는 판단이 내려진 건 이례적이구요. Stratechery의 Ben Thompson은 이렇게 평했습니다. "Anthropic이 옳다면, 그 우려는 우리가 생각하는 것보다 훨씬 심각한 문제를 시사한다." 커뮤니티에서는 발표 타이밍에 대한 의문도 있었습니다. 최근 Claude Code 소스코드 유출 직후에 나온 발표라 PR용 아니냐는 시선도 있었거든요. 토큰 가격은 입력 $25, 출력 $125로 책정됐지만, 일반 사용자가 쓸 수 있을지는 아직 미정입니다. 조용히 줄어든 것들 Mythos가 화제를 모으는 동안, 기존 Claude를 쓰는 사용자들은 다른 종류의 변화를 체감하고 있었습니다. 한 사용자가 system_effort 파라미터가 85에서 25로 내려간 것을 자체 측정으로 발견했습니다. 모델의 추론 깊이, 도구 호출 빈도, 시스템 프롬프트 준수 여부를 결정하는 값인데, 쉽게 말하면 모델이 생각을 덜 하게 된 겁니다. thinking depth(추론 깊이)가 67% 감소했다는 데이터가 공개된 후에야 Anthropic이 이를 인정했구요. Max Plan 사용자가 프롬프트 하나에 한도의 64%를 소진하는 사례도 나왔고, Anthropic 지원 AI가 한도가 5배 줄었음을 확인해준 사례까지 이어졌습니다. 핵심 원인으로 지목된 것은 'Adaptive Thinking'이었습니다. 이 기능이 켜지면 모델의 thinking 시간이 줄어들면서 품질이 함께 떨어지는 구조적 문제가 있었거든요. 환경변수 두 개를 설정하면 이전 수준으로 돌아온다는 커뮤니티 해법이 빠르게 퍼졌습니다. $30B와 3.5GW 왜 이렇게 됐을까요. 구조적인 이유가 있습니다. Stratechery 분석에 따르면 Anthropic은 Google, Broadcom과 2027-2031년까지 3.5기가와트 규모의 차세대 TPU(AI 전용 프로세서) 계약을 체결했습니다. 연간 환산 매출은 $30B에 도달했다는 보고도 나왔구요. 숫자만 보면 승승장구인데, 문제는 새 인프라가 2027년에야 가동된다는 겁니다. 지금은 수요가 공급을 압도적으로 ...