최근 Notion을 만드는 Simon이 몇 주짜리 프로젝트를 코딩 에이전트에게 통째로 맡기고 본인은 운영만 한다고 이야기한 기사를 봤어. 솔직히 깜짝 놀랐다. 불과 6개월 전만 해도 "작게 쪼개서 하나씩 시켜라"가 코딩 에이전트 활용의 정석이었는데, 이제는 스케일이 완전히 달라졌다는 이야기거든. 토큰 맥싱에 이어 작업 시간 17시간 같은 세션 타임 맥싱을 공유하는 프론티어 개발자들이 늘고 있다는 말도 예사롭게 들리지 않아.
코드 짜는 건 이제 AI 몫, 우린 시스템 설계자
이 변화의 핵심은 개발자가 에이전트를 다루는 방식 자체가 바뀌었다는 점이야. 이정민 님의 기사에 정리된 Simon의 8가지 운영법을 보면, 이제 코딩 에이전트는 단순한 코딩 보조 도구가 아니더라.
가장 먼저 "task scope를 키우라"는 조언이 나온다. 시니어 엔지니어가 몇 주 걸릴 법한 작업을 통 단위로 맡기라는 거지. 작게 쪼갤수록 컨텍스트 전환 비용만 커진다는 지적은 정말 현실적이야. 그리고 이 모든 과정을 "며칠에서 몇 주까지 끊지 않고 유지하는 장기 세션"으로 관리한다. 에이전트가 Naming Rule이나 코드 패턴 같은 걸 기억하도록 만드는 식이다.
여기에 "persistent task list"를 활용해서 에이전트가 쉬지 않게 계속 일을 밀어 넣어주고, "plan doc"을 통해 구체적인 계획과 검증 전략까지 명확히 전달하는 게 핵심이야. 놀랍게도 "적대적 검토(adversarial review)"를 세팅해서, sub-agent가 태스크 완료 후 변경된 코드(diff)를 계획 문서와 대조하며 스스로 부족한 부분을 찾아내게 만든다지. 사람이 직접 검토하지 않아도 될 정도로 신뢰도를 높이는 방법이야.
결국 이 모든 건 에이전트를 단순히 코딩하는 존재가 아니라, 'planner', 'implementer', 'reviewer', 'tester' 같은 역할별로 나누어 시스템화하고, 개발자는 이 시스템이 제대로 돌아가도록 파이프라인을 짜고 관리하는 역할로 진화한다는 의미다. 마치 공장의 자동화 라인을 설계하고 운영하는 공장장 같은 느낌이랄까.
티키타카가 가능한 AI, 에이전트의 진정한 날개
이런 코딩 에이전트의 발전 뒤에는 AI 모델 자체의 혁신이 큰 영향을 미친다. 전 OpenAI CTO가 만든 Thinking Machines의 실시간 멀티모달 AI 모델 이야기인데, 진짜 놀라워. 기존 GPT나 Gemini 같은 상용 모델들은 사용자가 말을 끝내야 AI가 받고, AI가 답변을 다 뱉어야 다음으로 넘어가는 "한 줄로 늘어선 토큰 시퀀스" 방식이었거든.
그런데 Thinking Machines의 TML-Interaction-Small은 입력과 출력을 200ms 단위의 'micro-turn'으로 잘라서 처리한다. 동시 통역처럼 듣는 동안 말할 수 있고, 보는 동안 실시간으로 반응하는 식이야. 데모 영상을 보면 손가락 하나하나 펴는 걸 보면서 실시간으로 숫자를 세는 장면이 나오는데, 기존 AI들이 한참 전 입력 청크를 처리하느라 못 따라오는 모습과 극명하게 대비되더라.
이게 가능했던 건 아키텍처를 'interaction model'과 'background model' 둘로 나눈 덕분이야. interaction model이 사용자 옆에서 계속 붙어 빠르게 반응하고, 무거운 추론이나 툴 호출은 background model이 비동기로 처리해서 대화의 맥락을 공유하는 방식이다.
이런 실시간 인터랙션 기술이 왜 중요하냐면, 코딩 에이전트가 복잡한 프로젝트를 맡아 진행할 때 실시간 피드백과 협업이 필수적이기 때문이야. 위에서 언급한 'adversarial review'처럼 에이전트 간의 실시간 티키타카나, 개발자가 에이전트와 빠르게 계획을 조율하고 검증하는 과정에서 지연 시간이 극단적으로 줄어들어야 전체 시스템의 효율이 높아진다. Thinking Machines 같은 모델은 에이전트가 사람처럼, 아니 사람보다 더 빠르게 "대화"하며 작업을 수행할 수 있는 기반을 제공하는 셈이다.
지식 습득의 변화: 책 대신 AI, 그리고 더 중요한 건?
AI 에이전트가 우리의 작업 방식을 송두리째 바꾸는 와중에, 또 다른 재미있는 변화가 있다. 프로그래밍 서적 판매량이 급감했다는 소식이야. 2023년에만 전년 대비 16.9% 줄었고, 출판사들조차 이 카테고리 언급을 아예 중단할 정도래. 전체 서적 판매량이 증가하는 추세와는 대조적이야.
이유는 뭐, 짐작하겠지만 ChatGPT, GitHub Copilot, Claude Code 같은 AI 도구들이 지식 습득의 주된 창구를 대체했기 때문이다. Stack Overflow의 질문 수가 2008년 수준으로 돌아갔다는 이야기도 인상 깊다. 예전에는 '사려 깊고 신중한 구성 순서'가 중요했던 책을 통해 체계적으로 학습했지만, 이제는 AI에게 바로 물어보고, 코드를 즉시 생성해서 적용하는 방식이 일반화된 거지.
이건 단순히 "정보 찾는 법"이 바뀌었다는 수준을 넘어선다. 과거에는 책을 보며 지식을 쌓고, 그걸 바탕으로 코드를 직접 짰다면, 이제는 AI가 코딩의 많은 부분을 담당한다. 개발자는 이제 지식을 단순히 습득하는 것을 넘어, AI에게 문제를 명확히 정의하고, 해결책을 설계하도록 지시하고, 결과물을 검증하는 능력이 훨씬 더 중요해졌다. 프로그래밍 책이 주던 '체계적인 지식 구조'의 가치는 이제 AI가 빠르게 생성하는 '해결책'과 우리가 구축하는 '에이전트 시스템' 안에서 재해석되어야 한다.
결국 AI 에이전트는 더 이상 단순한 도구가 아니라, 우리가 설계하고 관리해야 할 '팀원'이자 '시스템'으로 진화하고 있어. 우리는 이 새로운 파트너와 어떻게 일하는 방식을 진화시켜야 할까? 우리 워크플로우는 얼마나 에이전트 친화적인가?
참고
- 싱킹 머신즈, GPT 넘는 실시간 양방향 AI 혁신 (by 정구봉 (Goobong Jeong))
* https://www.linkedin.com/feed/update/urn:li:activity:7464805001450655744/
- 코딩 에이전트 사용법 대변혁: 크게 맡기고 시스템화 (by 이정민 (Jeongmin Lee))
* https://www.linkedin.com/feed/update/urn:li:activity:7464541293550047233/
- Nobody cracks open a programming book anymore
* https://unix.foo/posts/nobody-cracks-open-a-programming-book/
- Thinking Machines Lab Demo
- sudoremove님 영상 (Thinking Machines 설명)