"AI가 '수정했다'고 하는데 에러가 그대로이고, 다시 요청하면 다른 데서 터집니다."

이 한 문장이 오늘 읽은 기사 중 가장 먼저 눈에 들어왔다. AI 코딩을 조금이라도 해본 사람이라면 다들 고개를 끄덕일 내용이다. 우리는 흔히 AI가 코딩을 해주면 모든 게 술술 풀릴 거라 기대한다. 하지만 현실은 생각보다 복잡하다. 이정민님이 공유한 'AI 코딩 둠 루프' 이야기는 AI 사용의 민낯을 제대로 보여준다. AI가 똑똑한 건 맞는데, 그 똑똑함을 내 것으로 만드는 과정에는 꽤 많은 노하우가 필요하다.

AI는 '말 알아듣는 바보', 사용자가 똑똑해야 한다

AI와 함께 코딩할 때 반복적으로 버그에 갇히는 현상을 '둠 루프'라고 부른다. 처음엔 나도 'AI가 아직 멀었네' 하고 생각했다. 그런데 이정민님 말로는 그게 AI 능력의 한계가 아니란다. 접근 순서가 틀린 거다.

예를 들어, AI에게 코드를 수정해달라고 요청하기 전에 Git commit부터 하는 게 좋다. AI가 예상치 못한 방향으로 코드를 바꿔도 이전 상태로 돌아갈 수 있어야 한다. 또, 에러가 터진 다음에 로그를 추가하는 게 아니라, 코드를 짜기 전에 어디서 뭘 로깅할지 먼저 설계하는 게 훨씬 효율적이다. 마치 베테랑 개발자가 미리 중요한 지점에 `console.log`를 박아두는 것과 같다.

AI는 학습 기준일이 있어서 최신 라이브러리 문법을 모를 수도 있다. Tailwind CSS v4나 Next.js 최신 핫픽스를 모르는 경우가 많다. 그래서 "이 라이브러리 어떤 버전 기준으로 알고 있어?"라고 먼저 물어보는 게 시간을 아끼는 길이다. 그리고 문제가 복잡해지면 "계속 패치해줘"가 아니라 "다른 접근 방법 3가지를 알려줘"라고 질문 자체를 바꿔야 한다. 같은 방향으로 2~3번 시도해도 안 풀리면 둠 루프에 진입했다는 신호다.

대화가 길어지면 AI 답변 품질이 떨어지는 'Context rot' 현상도 피할 수 없다. 10턴을 넘어가면 새 대화창을 여는 편이 빠르다. 그냥 새 창을 열면 안 된다. stack 구성, error 메시지, 마지막으로 바꾼 것, 지금 되는 것과 안 되는 것을 한 장으로 정리해서 첫 메시지에 붙여넣는 노하우가 필요하다.

이런 팁들을 보면 AI 코딩은 단순히 코드를 받는 게 아니다. AI의 특성을 이해하고, 전략적으로 대화하며, 능숙하게 디버깅하는 '새로운 기술'이다. AI는 강력한데, 우리가 그걸 제대로 활용할 줄 모르면 결국 삽질만 하게 되는 셈이다. AI 시대의 생산성은 단순히 AI 모델의 성능에만 달려있지 않다. 그걸 얼마나 영리하게 사용하는지에 따라 천지 차이인 거다.

AI는 '강력한 도구', 하지만 결국 '배포'와 '접점' 싸움

이런 '잘 쓰는 법'의 디테일은 비단 코딩 같은 개발 워크플로우에만 해당되지 않는다. 더 큰 영역에서도 마찬가지다.

앤트로픽이 월스트리트에 금융 서비스용 AI 에이전트 10종을 선보인 기사를 봤다. 금융처럼 강력한 보안과 규제 장벽이 있는 곳에 AI가 대규모로 침투하는 건 정말 놀랍다. 피델리티와 칼라일 같은 금융 기업들이 클로드 에이전트를 도입해서 자금세탁방지(AML) 조사를 며칠에서 수 분으로 단축하고, 투자·운용 전반에 클로드를 핵심 AI 스택으로 채택했다고 한다.

이 에이전트들이 뱅크런 사태를 막아준다거나, 시장의 주가를 드라마틱하게 올려줄 거라는 건 아니다. 하지만 팩트셋, S&P 글로벌 같은 금융 데이터 서비스 관련주 주가가 일제히 하락한 것만 봐도 시장의 충격을 알 수 있다. 여기서 중요한 건 AI 모델 자체의 '지능'만으로 이런 변화가 일어나는 게 아니라는 점이다. 엔비디아 젠슨 황 CEO는 에이전트가 토큰 수요를 기하급수적으로 증가시키는 '추론의 변곡점'이 도래했다고 선언했다.

결국 이 에이전트들을 움직일 인프라, 즉 빠른 속도와 저지연성을 요구하는 '추론 연산'이 핵심이다. 그리고 누가 더 많은 사용자와 만나며 토큰을 더 낮은 비용으로, 더 빨리, 더 오래 처리할 수 있느냐가 진짜 승부처라는 말도 덧붙였다. 아무리 똑똑한 AI 모델이 있어도, 이걸 안정적으로 돌릴 인프라와 사용자에게 효율적으로 도달시키는 '접점' 없이는 그 가치가 제한된다는 이야기다.

심지어 간단한 유틸리티 하나를 세상에 내놓는 것도 쉽지 않다. Kronis.dev 블로그를 보니, 개발자가 Go 언어로 만든 맥용 유틸리티를 배포하려다가 스트레스를 엄청 받았다고 한다. 리눅스나 윈도우에서는 `chmod +x`나 `.exe` 파일 하나로 끝나는 일이, 맥에서는 'quarantine' 시스템 때문에 서명되지 않은 앱이 실행되지 않는다. 개발자 프로그램에 가입하려면 연회비 99달러를 내야 하는데, 몇십 명이나 쓸까 말까 한 유틸리티를 배포하려다가는 오히려 돈을 잃게 되는 상황이다. 이 개발자는 "애플은 우리가 그들이 허락해줘서 감사해야 한다고 생각하는 것 같다"며 불만을 토로했다.

AI 시대에 엄청난 아이디어가 샘솟고, 뛰어난 도구들이 만들어져도, 그걸 실제 사용자에게까지 가져다주는 '배포' 과정이 이렇게 복잡하다면? 결국 많은 독립 개발자나 소규모 팀은 좌절하고, 혁신은 특정 플랫폼이나 대기업에 갇힐 수밖에 없다. AI의 발전은 놀랍지만, 그 잠재력을 현실에서 꽃피우려면 모델의 성능뿐 아니라 그걸 제대로 '활용'하고 '내보내는' 모든 과정의 디테일을 봐야 한다.

우리가 지금 당장 AI 모델을 만들거나 혁신적인 에이전트를 개발하지 않더라도, 이 기사들이 던지는 메시지는 분명하다. AI 시대의 핵심은 AI 그 자체가 아니라, AI를 둘러싼 '생태계'와 '활용 방식'에 있다는 점이다. AI 코딩에서 둠 루프에 빠지지 않으려면 우리의 접근 방식을 바꿔야 하고, AI 에이전트가 파괴적인 영향력을 갖기 위해서는 강력한 인프라와 사용자 접점이 필요하다. 그리고 작은 아이디어가 세상에 빛을 보기 위해서는 배포의 문턱이 낮아져야 한다. 이런 현실적인 제약과 노하우를 이해하는 것이 AI 시대를 성공적으로 헤쳐나가는 중요한 기준이 될 거다. 지금 우리가 사용하는 AI 도구들은 얼마나 '둠 루프'에 취약할까? 우리가 만드는 AI 기반의 제품은 얼마나 쉽게 사용자에게 '배포'되고 '접근'될 수 있을까? AI의 지능이 높아지는 만큼, 우리도 더 넓은 관점에서 AI를 봐야 한다.

참고

  • 이정민. (2026-05-09). AI 코딩 둠 루프: 디버깅 늪 탈출 9가지 팁. LinkedIn.

https://www.linkedin.com/feed/update/urn:li:activity:7458999253416202240/

  • 박원익. (2026-05-06). 금융에도 AI 폭탄 떨어졌다… 앤트로픽, 재무·자산운용까지 자동화. 더밀크.

https://themiilk.com/articles/a320a4988

  • Kronis.dev. (2026-05-09). Distributing Mac software is increasing my cortisol levels. Kronis.dev Blog.

https://blog.kronis.dev/blog/apple-is-increasing-my-cortisol-levels