오늘 아침, 데이터 통합 회사 Fivetran의 CEO가 Anthropic에게 대뜸 "Slack을 대체할 새로운 협업 도구를 만들어 달라"고 요청하는 기사를 읽고 웃음이 나왔다. 그는 Fivetran 같은 회사가 Slack을 `가장 중요한 협업 장소이자 모드`로 사용하지만, 이 모든 `축적된 기업의 부족 지식`이 `최악의 데이터 접근 정책`으로 인해 `갇혀 있다`고 지적한다. Claude 같은 AI가 대화에 직접 참여하고 기업 지식을 쉽게 활용할 수 있는 `개방형 협업 플랫폼`이 필요하다는 목소리다. 이는 단순히 새로운 앱을 원하는 것을 넘어, AI 시대에 기업의 집단 지성이 어떻게 활용되어야 하는지에 대한 중요한 질문을 던진다.

기업의 핵심 지식 자산이 기존 협업 도구의 `사일로`에 갇혀 AI와의 효율적인 협업을 가로막는다는 Fivetran CEO의 지적은 뼈아프다. 우리가 매일 주고받는 대화, 결정, 아규먼트들이 AI 에이전트의 귀에는 들리지 않는다면, 그 잠재력은 반감될 수밖에 없다. 그는 `Claude의 빠진 기능은 그룹 대화`라고 일갈한다. 지금은 Slack에서 일어난 일을 Claude에게 전달하기 위해 `복사-붙여넣기`를 해야 하는데, 이는 `나는 서브 에이전트가 아니다`라며 비효율성을 강조한다.

이 지적은 OpenAI 에이전트가 25시간 동안 1,300만 토큰을 사용해 3만 줄의 코드를 생성한 사례와 겹쳐진다. 이정민 님의 분석에 따르면, 에이전트 코딩의 진짜 변화는 모델 자체의 지능보다 `docs/` 폴더 기반의 체계적인 운영 구조에 있었다. `prompt.md`에 목표와 제약사항을 명시하고, `plans.md`에 마일스톤별 `acceptance criteria`와 `validation commands`를 정의하며, `implement.md`로 실행 규칙을 정하고, `documentation.md`로 `shared memory`와 `audit log`를 구축한 것이다. 에이전트는 `Plan → Edit code → Run tools → Observe results → Repair failures → Update docs/status → Repeat` 루프를 반복하며 `검증 가능한 상태로 전진`했다. 즉, 긴 호흡의 AI 에이전트 개발은 뛰어난 프롬프트보다 체계적인 계획-실행-검증-문서화 루프에 달렸다는 이야기다.

Fivetran의 사례와 OpenAI 에이전트의 성공 사례를 종합하면, AI 시대에 기업의 지식 사일로를 해체하고 AI 에이전트와 효과적으로 협업하려면 명확한 `운영 구조`와 `데이터 접근성` 확보가 필수라는 결론에 다다른다. 우리 팀은 지금 당장 핵심 지식 자산이 어떤 협업 도구에 갇혀 있는지 파악하고, AI 에이전트가 해당 지식을 활용할 수 있도록 `데이터 접근성`을 확보할 방안을 모색해야 한다. 더불어 에이전트의 작업 흐름을 `OpenAI 사례`처럼 명확하게 문서화하고 `검증 루프`를 구축하는 작업 시스템을 설계하는 것을 고려해볼 만하다.

한편, 앤트로픽의 최신 보고서는 `컴퓨터 프로그래머(75%)`를 포함한 화이트칼라 직군이 AI에 가장 많이 노출되고 있으며, `청년층 채용 둔화` 등 실제 노동 시장의 변화가 감지된다고 밝혔다. AI가 `완전한 업무 위임`과 같은 자동화 사례에서 77%의 비중을 차지하며 빠르게 자율성을 확장하고 있다는 데이터는 결코 가볍게 볼 수 없다. 이는 AI가 `노동 증강`을 넘어 `대체`의 영역으로 진입하고 있음을 시사한다. 우리 개발자에게 `AI 활용 능력(AI Fluency)`과 `오케스트레이션(Orchestration)` 역량이 더욱 중요해진다는 점을 강조한다.

그렇다면 AI가 만든 코드는 얼마나 신뢰할 수 있을까? LLM이 57만 줄짜리 Rust SQLite 재구현 코드를 생성했는데, 벤치마크 결과 `기본 키 조회 한 번에 SQLite보다 20,171배 느렸다`는 이정민 님의 기사는 충격적이다. 이 코드는 `컴파일`되고 `테스트도 통과`했지만, `쿼리 플래너의 문제`, `안전한 기본값의 복리 효과`, 그리고 `8만 줄로 cron 한 줄짜리 문제를 푸는` 등 `그럴듯한 코드`와 `맞는 코드` 사이의 간극을 여실히 보여주었다. 저자는 `측정 없는 코딩은 토큰 생성일 뿐`이라고 단언한다. AI는 `시킨 것`을 만들지만 `필요한 것`을 만들지는 않는다는 냉철한 현실을 직시해야 한다.

여기서 흥미로운 인사이트를 주는 것이 언어학자 야마다 하루의 `경청의 기술`이다. 그는 `경청`이 단순한 수동적 활동이 아닌 고도의 지능이라고 말한다. 특히 `느린 듣기`를 통해 상대의 말에서 `암묵적인 의미와 의도`를 포착하고, `신뢰성 경청`으로 `거짓말`이나 `프레임`을 간파하는 능력이 중요하다고 말한다. AI가 생성한 코드 역시 `빠른 듣기`로 요점만 파악할 것이 아니라, `느린 듣기`로 그 코드의 `의도, 관계, 맥락` 그리고 숨겨진 `비효율`을 `경청`해야 한다. 겉으로 `그럴듯해 보이는` 코드의 `프레임`에 갇히지 않고, 성능 저하라는 `거짓말`을 간파하는 `비판적 감각`을 키워야 한다.

`60세 개발자`가 `Claude Code`를 통해 프로그래밍에 대한 `식지 않는 열정`을 다시 발견했다는 이야기는 AI 코딩 도구가 숙련된 개발자에게도 `새로운 영감`을 주고 `생산성을 높이는 촉매제`가 될 수 있음을 보여준다. 또한 `Helix`와 같은 Rust 기반의 `Neovim` 대안 에디터의 등장은 `Electron이나 VimScript 없이` `빠르고 효율적인 편집 경험`을 제공하며 개발 환경의 진화를 이끌고 있다. AI는 강력한 도구이지만, 결국 이 도구를 어떻게 활용하고, 그 결과물을 어떻게 `경청`하고 `측정`하며, `오케스트레이션`할지는 인간 개발자의 몫이다.

궁극적으로 AI 시대의 개발자는 AI가 내놓은 결과물을 맹신하지 않고 `측정`하고 `검증`하는 노력을 게을리하지 않아야 한다. `느리게 듣는` 자세로 AI의 결과물을 비판적으로 평가하며, `AI 활용 능력`과 `오케스트레이션` 역량을 핵심 경쟁력으로 삼는 자세가 중요하다. 또한, 효율적인 개발 환경을 위해 `Helix`와 같은 새로운 도구들을 적극적으로 탐색하고 워크플로우를 최적화하는 시도를 멈추지 않는다. a16z 같은 거대 벤처캐피털이 `어젠다 세팅`을 통해 AI 시장의 큰 그림을 주도하는 와중에도, 우리 개발자 각자의 `경청`과 `측정`이라는 미시적 실천은 AI 시대를 지혜롭게 헤쳐나가는 가장 중요한 길이다.

참고

  1. Fivetran, "Anthropic, please make a new Slack", 2026-03-06.
  2. 정구봉, "에이전트 코딩의 진짜 변화는 모델이 더 똑똑해진 게 아닙니다. 시간 지평이 바뀌고 있습니다.", LinkedIn, 2026-03-06.
  3. 박원익, "AI 노출 가장 높은 직군은?… 앤트로픽이 밝혀낸 화이트칼라 위기의 실체", 더밀크, 2026-03-06.
  4. 롱블랙, "경청의 기술 : 말없이 대화를 주도하는 사람들의 비밀", 롱블랙, 2026-03-07.
  5. 이정민, "🧩 LLM 이 쓴 57만 줄은 틀리지 않습니다. 그런데 맞지도 않아요.", LinkedIn, 2026-03-07.
  6. Helix, "Helix: A post-modern text editor", 2026-03-06.
  7. Hacker News, "I'm 60 years old. Claude Code has ignited a passion again", 2026-03-07.