한 개발자가 "내가 AI를 어떻게 쓰는가"라는 기록을 1년 만에 다시 썼다. 결론은 간단하다. 모든 것이 완전히 달라졌다. 지난해 그는 마이크로소프트 윈도우 AI 팀의 엔지니어였고, 지금은 세일즈포스 AI 리서치의 연구 엔지니어로 과학자들을 지원하며 빠른 프로토타입을 만든다. 토큰 비용으로만 매달 약 3,000달러를 쓴다고 한다. 개인적인 소비 규모가 이 정도라는 사실 자체가, AI 도구가 더 이상 가끔 켜보는 보조 수단이 아니라 업무의 기반 인프라로 자리 잡았음을 보여준다.
흥미로운 대목은 그가 올해 '개인 AI 정책'을 초안으로 작성하기 시작했다는 점이다. 거창한 규범이 아니라, 일상에서 이 도구를 어디까지 쓸지 스스로 정해두는 틀이다. 그는 동료가 클로드에게 슬랙 메시지를 대신 쓰게 하고, 조부모 세대가 손주의 기괴한 밈을 생성하며, 연구자가 사고 자체를 기계에 위임하는 장면들을 목격했다고 말한다. 아직 인류에게는 이 도구를 다루는 공통된 관습이 없고, 그래서 다들 실수하고 있다는 것이다. 실무자 입장에서도 생산성 논의에 앞서 '어디까지 맡길 것인가'라는 기준선을 먼저 그어두는 접근은 참고할 만하다.
손으로 코드를 짜던 시대의 종료
가장 극적인 변화는 코딩 방식이다. 지난해 그는 깃허브 코파일럿의 자동완성이 코드 작성법을 바꿔놓았다고 상찬했다. 지금은 코드를 거의 직접 쓰지 않는다고 말한다. 에이전트형 코딩이 자동완성을 구식으로 만들었기 때문이다. 그의 하루는 클로드 코드, 오픈코드, 코덱스 같은 에이전트 대여섯 개를 동시에 관리하는 일이다. 각 에이전트는 코드의 독립된 복사본(깃 워크트리)을 받아 기능을 구현하고, 테스트를 돌리고, PR까지 만들어 검토한다. 새 기능 프로토타입이 약 20분 만에 나오니, 실패도 초고속으로 감당하며 무모한 아이디어를 마음껏 던져볼 수 있게 됐다는 것이다.
다만 그는 "엔지니어링이 해결됐다"고는 결코 말하지 않는다. 방치된 에이전트는 과도하게 설계되고 읽기 어려운, 자화자찬하는 코드 더미를 만든다. 그가 꼽은 올해 최고의 성과는 역설적으로 손으로 직접 작성한 도구였다. 약 4,000줄의 '바이브 코딩' 결과물을 수백 줄로 대체했고, 그 편이 더 유연하고 테스트하기 쉬웠다고 한다. 좋은 결과물에는 여전히 인간의 안목과 경험이 필요하다는 것이 그와 주변 동료들의 공통된 판단이다. 물론 이 인간의 우위가 얼마나 오래갈지는 미지수라고 덧붙인다.
피로, 그리고 리뷰의 뱀 꼬리
빛만 있는 것은 아니다. 서로 다른 로봇 여섯과 여섯 개의 기능을 두고 여섯 개의 대화를 동시에 굴리는 일은 코딩할 때는 없던 종류의 과자극과 탈진을 안긴다. '점심 전에 딱 한 번만 더'라는 유혹이 저녁까지 이어진다는 토로에는, 설계의 희열이라는 장인적 즐거움을 기계에 넘겨준 데 대한 상실감도 겹친다. 코드 리뷰도 달라졌다. 그는 더 이상 한 줄씩 보지 않고 아키텍처와 큰 패턴에 집중하며, 반복되는 문제는 CLAUDE.md 같은 규칙 파일에 적어 에이전트가 스스로 잡게 한다. 반면 남의 클로드가 쓴 코드를 내 클로드가 리뷰하는 '클로드의 우로보로스'도 현실이 됐다. 에이전트는 버그와 스타일은 잘 잡지만 아키텍처 설계에는 형편없어서, 아직 인간 리뷰를 대체하지 못한다.
검색과 리서치 영역에서는 생성형 AI가 기본값이 됐다. 구글 검색 상단의 AI 요약이 대개 쓸 만해서 전통적 검색이 사실상 AI 우선으로 바뀌었다는 것이다. 완벽하지는 않다. NPR의 RSS 주소를 틀리게 알려주기도 했다. 그러나 애매한 제품명이나 용어를 찾는 데는 오히려 더 빨랐다고 평가한다. 제품 추천이나 금융 조언처럼 신뢰가 필요한 영역, 그리고 챗GPT 안에 뜨는 광고에 대해서는 여전히 거리를 둔다.
가장 뛰어난 교사, 그러나 '가르치라'고 말해야 하는
그가 올해 가장 높게 평가한 쓰임새는 교육이다. 그는 LLM을 인류가 만든 가장 위대한 교사라고 부르며, 기계가 보여주는 끝없는 인내심에 질투를 느낀다고 했다. 다만 핵심 우려도 분명하다. 학습에는 느리고 힘든 사고 모드가 필요한데, 챗GPT는 애초에 '대신 해주도록' 미세조정돼 있어 튜터 역할을 자꾸 잊는다는 것이다. 베리타시움의 데릭 뮐러의 말을 빌리면, 세상에는 무거운 물건이 가득하지만 대부분의 사람은 근육질이 아니다. 도구가 곁에 있다고 저절로 배우게 되지는 않는다는 뜻이다.
지난해 그의 가장 큰 걱정이던 정확성 문제는 올해 크게 줄었다. 사용자가 AI의 들쭉날쭉한 한계를 감각적으로 피하게 됐고, 모델 자체도 더 똑똑해진 변곡점을 지났다는 것이다. 문헌 검색조차 이제 그의 첫 선택지가 됐다. 다만 모든 전제를 선의로 뒷받침해줄 수 있는 모델의 기본 편향, 그리고 기업이나 정부가 세계관을 은근히 심을 가능성에 대한 경계는 여전히 유효한 숙제로 남겨뒀다. 1년 사이 도구는 압도적으로 강해졌지만, 무엇을 맡기고 무엇을 지킬지 판단하는 몫은 오히려 더 무거워진 셈이다.