"AI가 코드를 고쳤다고 하는데, 에러는 그대로고 다시 시키면 다른 데서 터져."

혹시 너도 이런 경험 해봤어? AI 코딩할 때 제일 짜증나는 순간일 거야. 예전 같으면 '아, AI가 아직 멀었네' 하고 말았을 텐데, 최근 올라온 글을 보니까 그게 AI 능력의 한계가 아니라, 우리가 AI에 '접근하는 방식'에 문제가 있는 거더라고. 이걸 'AI 코딩 둠 루프'라고 부르더라.

AI는 도구가 아니라 협업 대상이다

이정민 님 글에서 제일 인상 깊었던 건 이거야. AI를 그냥 명령어 넣으면 뚝딱 결과물 내주는 도구로 보면 안 된다는 거지. 에러가 나면 무작정 "고쳐줘"가 아니라, 사람과 협업하듯이 전략을 바꿔야 한다는 거야.

예를 들어, AI에게 코드를 수정해달라고 하기 전에 `Git commit`부터 해서 언제든 이전 상태로 돌아갈 수 있게 준비하는 게 첫 번째 팁이야. 또, 에러가 터진 후에 `Log`를 추가하는 게 아니라, 코드를 짜기 전에 어디서 뭘 로깅할지 미리 설계해두라는 조언도 있었어. 이건 마치 사람 팀원이랑 일할 때 "혹시 모르니 백업해두고, 문제 생기면 여기 로그부터 봐"라고 말하는 거랑 똑같잖아?

특히 "3번 안에 안 풀리면 전략 자체를 바꿔라", "AI에게 한 발 뒤로 물러서게 하라"는 부분은 정말 중요해. AI가 계속 복잡한 해결책을 제안하기 시작하면, 그건 우리가 애초에 문제를 잘못 정의했거나 AI가 엉뚱한 방향으로 빠졌다는 신호라는 거지. 이럴 때는 "이 접근 방식 버리고 다른 방법 3가지 알려줘"라고 아예 질문 자체를 바꿔야 해. AI와의 대화도 결국 흐름을 관리해야 하는 거야.

대화가 길어질수록 AI 답변 품질이 떨어지는 'Context rot' 현상도 경고하더라. 10턴 정도 넘어가면 답이 엉뚱해지기 시작하니, 새 대화창을 여는 게 빠르다는 거야. 이때도 그냥 새 창 여는 게 아니라, 현재 상태(stack, error 메시지, 마지막 변경사항 등)를 한 장으로 정리해서 붙여넣으면 새 AI도 바로 맥락을 이해하고 이어서 시작할 수 있대.

결국 AI 코딩은 단순히 코드를 더 빨리 쓰는 문제가 아니라, AI와 어떻게 상호작용하고, 문제를 해결해 나갈지에 대한 새로운 '메타 스킬'을 요구하는 것 같아.

AI는 이제 우리의 일을 직접 처리한다

이런 새로운 협업 스킬이 왜 중요해지는지 보여주는 강력한 사례가 또 있어. 앤트로픽이 금융 분야에 AI 에이전트 템플릿 10종을 내놨다는 기사 봤어? 재무 모델 빌더, 시장 리서처, 자산운용, KYC(고객확인) 스크리너 같은 핵심 업무들을 AI 에이전트가 직접 처리하기 시작했대. 심지어 'Vals AI' 벤치마크에서 클로드 오퍼스 4.7이 64.37%로 1위를 기록할 정도래.

이건 AI가 단순히 정보를 찾아주거나 코드를 보조하는 걸 넘어, 이제 우리 워크플로우의 상당 부분을 직접 수행하는 '행위자(Agent)'가 되고 있다는 의미야. 이미 FIS(피델리티 내셔널 인포메이션 서비스)는 클로드와 함께 AML(자금세탁방지) 조사를 며칠에서 수 분으로 단축하는 에이전트를 구축하고 있고, 칼라일 같은 글로벌 사모펀드도 클로드를 핵심 AI 스택으로 채택했대.

시장의 반응도 즉각적이야. 팩트셋이나 S&P 글로벌 같은 금융 데이터/리서치 서비스 관련주 주가가 일제히 하락했대. AI 에이전트가 기존 금융 정보 서비스 비즈니스의 상당 부분을 대체할 수 있다는 우려가 반영된 거지.

엔비디아 젠슨 황 CEO도 "추론의 변곡점"이 도래했다고 말하면서, AI 에이전트가 토큰 수요를 기하급수적으로 늘릴 거라고 했잖아. 결국 이 에이전트들이 얼마나 빠르고 효율적으로 추론 연산을 처리하느냐가 핵심인데, 여기서 한국의 HBM과 파운드리가 중요한 역할을 한다는 이야기도 흥미로웠어.

AI가 이렇게 복잡하고 중요한 업무를 직접 처리하기 시작하면, 아까 말한 'AI 코딩 둠 루프' 같은 문제는 훨씬 더 심각해질 수 있어. 에이전트가 예상치 못한 방향으로 작업을 진행하거나, 규제에 어긋나는 결과를 내놓으면 우리는 그걸 어떻게 '디버깅'하고, 언제 '전략 자체를 바꿔라'고 지시해야 할까? AI 에이전트와 소통하고 통제하는 새로운 방식이 절실해지는 거지.

혁신은 어디서든 쉽게 일어나지 않아

근데 또 한편으로는, 이런 엄청난 AI 시대에도 여전히 해결하기 어려운 마찰이 있긴 하더라. 맥용 유틸리티를 배포하려는데 애플의 'Gatekeeper' 때문에 개발자 서명도 해야 하고, 1년에 99달러씩 개발자 프로그램 비용도 내야 한다는 개발자의 불평도 봤어. 리눅스나 윈도우에서는 간단히 해결되는 게 맥에서는 "피를 토한다"고 표현할 정도로 어렵대.

AI 에이전트가 아무리 똑똑해도 결국 특정 플랫폼 위에서 작동할 수밖에 없는데, 이런 플랫폼 제약과 통제가 AI 기반 소프트웨어 배포에도 걸림돌이 될 수 있다는 걸 보여주는 사례 같아. AI 혁신이 무서운 속도로 진행돼도, 기존 생태계의 복잡성과 비용 문제는 여전히 우리 발목을 잡을 수 있다는 거지.

결국 AI는 단순히 코드를 써주는 도구를 넘어 우리의 일하는 방식을 근본적으로 바꾸고 있어. 개발자는 이제 단순히 코드를 잘 짜는 걸 넘어, AI와 어떻게 '협업'하고, 언제 '개입'하며, 방향을 '전환'해야 할지 아는 새로운 규칙을 익혀야 할 때인 것 같아.

우리 팀은 AI랑 일할 때 어떤 새로운 규칙을 만들어야 할까?

참고

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

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

  1. 박원익. (2026-05-06). 금융에도 AI 폭탄 떨어졌다… 앤트로픽, 재무·자산운용까지 자동화. The Miilk.

https://themiilk.com/articles/a320a4988

  1. Kronis. (2026-05-09). Distributing Mac software is increasing my cortisol levels. Kronis's blog.

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