요즘은 아이디어를 프로토타입 단계까지 옮기는 건 정말 쉬워졌음
하지만 실제 서비스로 내놓으려면 여전히 지루한 소프트웨어 엔지니어링이 필요함
“내가 직접 코드로 사업을 만들어보겠다”는 트렌드를 따라간 사람들을 많이 봤지만, 실제로 런칭까지 간 경우는 없음
결국 마지막 단계가 대부분의 시간과 노력을 잡아먹는 부분임
맞음. 하지만 대부분의 경우 그 정도면 충분함
앱이 꼭 대중에게 공개되어야만 쓸모 있는 건 아님
나나 내 주변, 혹은 팀의 문제를 해결하는 게 목적이라면 그 ‘마지막 단계’는 불필요한 낭비임
시장의 제품은 문제 해결책이 아니라 돈을 버는 도구임
AI는 ‘문제 해결’의 비용을 크게 낮췄지만 ‘제품화’의 비용은 덜 낮췄음
그래서 제품이 부족하다고 해서 문제 해결이 부족하다고 볼 수는 없음
AI 코드로 만든 소프트웨어를 많이 다뤄봤는데, 점점 디버깅 감각이 약해지는 게 느껴짐
이건 위험함. 문제의 근본 원인을 찾는 능력이 퇴화되기 때문임
AI는 처음 80%를 빠르게 만들어주지만, 품질은 의심스러움
결국 시행착오식 개발을 부추기고, 경험 많은 개발자일수록 이런 접근을 싫어함
나도 개인 프로젝트에서 똑같이 느꼈음
Claude에게 기능 설계를 시키면 멋진 스펙이 나오고, 코딩 에이전트가 80%까지는 잘 만듦
하지만 마지막 20%는 훨씬 오래 걸림
그 사이에 새로운 기능 아이디어가 쌓이고, 끝없는 백로그와 불안감이 생김
사실 아무도 나에게 그걸 요구하지 않았는데, 스스로 압박을 만든 셈임
소프트웨어 엔지니어링은 단순한 코딩이 아님
요구사항 수집, 설계, 승인, 인프라 구축, 코드 작성, 테스트, 배포, 모니터링까지 이어지는 긴 과정임
AI는 그중 4~5단계, 즉 인프라와 코드 작성 부분을 빠르게 해줄 수 있음
하지만 나머지는 여전히 사람의 영역임
요즘은 “처음 90%가 90%의 시간, 마지막 10%가 나머지 90,000,000%의 시간”을 차지한다는 농담이 생길 정도임
PyPI 상위 15,000개 패키지로 AI의 영향을 측정하는 건 적절하지 않음
오히려 iOS 앱 신규 등록이 24% 증가했다는 통계가 더 의미 있음 Appfigures Explorer에 따르면 2025년 신규 앱은 55만7천 개로, 2016년 이후 처음으로 큰 폭의 증가를 보였음
AI가 충분히 실용적이 된 시점(2025년 12월, Opus 4.5와 Codex 출시) 이후 개발 생산성이 급상승했음
성숙한 Python 패키지보다 단기성 모바일 앱이 AI의 혜택을 더 받는 건 당연함
지금은 Stack Overflow에 묻던 걸 LLM에게 묻는 시대임
문서 접근이 가능한 LLM은 95%의 질문에 답할 수 있음
Stack Overflow가 이 변화를 버티긴 어려울 듯함
PyPI 패키지는 AI 영향 측정에 부적절함
AI 코딩은 유틸리티를 줄이거나, 패키지로 배포하지 않는 내부 도구 형태로 쓰이는 경우가 많음
앱스토어에 쓸모없는 앱이 늘어난 건 의미 없음
경제 생산성에 기여하는 유용한 앱은 거의 없음
AI는 에너지와 자본을 소모하면서도 실질적 이익은 미미함
경제적 관점에서 보면 AI 붐은 과열된 거품에 가까움
요즘 “YoloSwag” 같은 프로젝트가 넘쳐남
Rust로 만든 PyTorch 1:1 구현이라며 CPU 사용량 80% 절감, 300% 속도 향상 등을 자랑하지만 실제로는 바로 크래시남
테스트는 전부 가짜(mock)로 통과시키고, 코드도 절반은 PyTorch 바인딩, 절반은 엉뚱한 API로 구성된 괴물임
개발자는 “6주 만에 양자컴퓨팅 전문가가 됐다”고 주장하는 크립토 전력자였음
“바로 크래시 나면 그게 진짜 Memory Safe 아니냐”는 농담이 나올 정도임
이런 사람들을 공개적으로 걸러내야 건강한 개발 문화가 생김
AI를 이용해 스스로 배우려는 게 아니라, 단지 자기 과시용으로 쓰는 사람들임
이런 문화가 바뀌지 않으면, 우리는 계속 이런 ‘YoloSwag’식 프로젝트를 보게 될 것임
VSCode를 지우고 나만의 하이퍼 개인용 대시보드를 만들었음
뉴스 피드, 이슈 관리, 마크다운 편집기, 캘린더, AI 버튼 등 모든 걸 한 화면에서 처리함
하지만 너무 개인화되어 있어서 공유할 이유가 없음
기술적인 사람들은 이런 개인 앱을 만들지만, 대중적인 고품질 앱은 여전히 부족함
대부분의 새 서비스가 LLM 래퍼나 AI 도구에 머물러 있음
나도 AI 덕분에 “나만 쓰는 앱”을 쉽게 만들게 됨
예를 들어 내 쇼핑 습관에 맞춘 장보기 앱을 20분 만에 완성했음
이런 초개인화 소프트웨어가 다음 단계임
나도 VSCode + Claude Code를 중심으로 여러 프로젝트를 관리 중인데, 인터페이스가 점점 복잡해짐
네 세팅을 공유하면 많은 빌더들에게 영감이 될 것 같음
워크플로가 달라도 이런 개인화된 세팅은 영감을 주는 사례임
AI로 만든 것들이 공개되지 않는 이유는 단순함
대부분 개인 맞춤형이라 공개할 필요가 없음
게다가 이제는 실행력보다 아이디어 자체가 경쟁력이 됐기 때문에 굳이 공유하지 않음
누구나 비슷한 능력을 갖게 된 시대라, 각자 필요한 걸 빠르고 싸게 만들 수 있음
그래서 AI로 만든 결과물은 많지만, 세상에 공개되는 건 점점 줄어듦
하지만 AI가 소프트웨어 엔지니어링의 본질을 바꿨다는 주장은 여전히 유효함
개인 프로젝트가 아니라, 산업 전반의 변화를 보여주는 증거가 필요함
오픈소스에서는 “AI가 만든 건 전부 쓰레기”라는 이상한 이념적 분위기가 생김
그 때문에 진짜 기여조차 위축되고 있음
물론 저품질 AI 코드가 문제지만, 그걸 이유로 전부 배척하는 건 해결책이 아님
리뷰와 테스트를 제대로 하지 않는 문화가 더 큰 문제임
AI는 앱의 처음 90%를 쉽게 만들어주지만, 마지막 10%는 훨씬 어렵게 만듦
코드베이스는 커졌는데 익숙함이 사라진 상태라 대부분 여기서 포기함
나도 AI로 그린필드 앱을 실험해봤는데, 네 가지 문제가 있었음
너무 빠르게 진행돼서 계획이 무너짐
세부 오류가 많음
런타임 보안 문제와 잘못된 가정이 많음
구조적 실수로 리팩터링이 어려움
결국 AI가 빠르게 만들어도 품질과 보안의 함정이 많음
“처음 90%가 90%의 시간, 마지막 10%가 나머지 90%의 시간”이라는 농담이 여전히 유효함
지금의 AI 붐은 닷컴 버블을 떠올리게 함
2000년대 초처럼 “AI만 쓰면 된다”는 착각 속에 돈을 태우는 회사들이 많음
반면 조용히 AI를 도입해 업무 효율을 높이는 기업도 있음
예전 FrontPage나 DreamWeaver로 웹사이트를 만들던 시절과 비슷함
결국 대부분은 보조 도구로 남고, 완전 자동화된 앱은 소수일 것임
PyPI 패키지 수로 AI의 영향을 측정하는 건 잘못된 접근임
실제 생산성 향상은 비공개 저장소, 내부 도구, 단일 목적 앱에서 일어남
나도 AI로 6주 만에 오프라인 지원, Stripe 결제, SEO 페이지까지 갖춘 웹앱을 만들었음
예전 같으면 6개월은 걸렸을 일임
이런 결과는 데이터셋에 잡히지 않지만, 생산성 향상은 확실함
“이 댓글도 AI가 쓴 거냐, 아니면 너무 많이 써서 말투가 닮은 거냐”는 농담이 나올 정도임
나도 요즘 라이브러리 사용이 줄었음
AI 덕분에 직접 API 호출을 다루는 게 더 간단해졌기 때문임
패키지를 배포하는 건 사실상 오픈소스 프로젝트 운영과 같고, 그건 매우 피로한 일임
유지보수 부담과 보상 불균형 때문에 다들 꺼림
이미 세상엔 충분히 많은 라이브러리가 있고, 진짜 좋은 것들로 통합되는 흐름이 나쁘지 않음
많은 개발자들이 이제 “프로젝트 단위”가 아니라 커밋 단위로 AI를 활용함
PyPI로 AI의 효과를 재는 건 근시안적임
대신 GitHub Octoverse 2025 보고서를 보면
사용자 수와 오픈소스 기여가 명확히 상승 곡선을 그림
2025년 기준, 전체 기여의 81.5%가 비공개 저장소에서 일어났고, 공개 저장소는 63%에 불과함
하지만 “Claude Code는 2025년 5월에 나왔는데 아직 3월이잖아”라는 반론은 기준을 옮기는 행위임
이미 Cursor, Copilot 등 여러 도구가 있었고, 모두 혁신이라 불렸음
만약 AI가 정말 10배 빠르게 코드를 배포하게 한다면, 이미 폭발적인 결과가 보여야 함
Hacker News 의견들
요즘은 아이디어를 프로토타입 단계까지 옮기는 건 정말 쉬워졌음
하지만 실제 서비스로 내놓으려면 여전히 지루한 소프트웨어 엔지니어링이 필요함
“내가 직접 코드로 사업을 만들어보겠다”는 트렌드를 따라간 사람들을 많이 봤지만, 실제로 런칭까지 간 경우는 없음
결국 마지막 단계가 대부분의 시간과 노력을 잡아먹는 부분임
앱이 꼭 대중에게 공개되어야만 쓸모 있는 건 아님
나나 내 주변, 혹은 팀의 문제를 해결하는 게 목적이라면 그 ‘마지막 단계’는 불필요한 낭비임
시장의 제품은 문제 해결책이 아니라 돈을 버는 도구임
AI는 ‘문제 해결’의 비용을 크게 낮췄지만 ‘제품화’의 비용은 덜 낮췄음
그래서 제품이 부족하다고 해서 문제 해결이 부족하다고 볼 수는 없음
이건 위험함. 문제의 근본 원인을 찾는 능력이 퇴화되기 때문임
AI는 처음 80%를 빠르게 만들어주지만, 품질은 의심스러움
결국 시행착오식 개발을 부추기고, 경험 많은 개발자일수록 이런 접근을 싫어함
Claude에게 기능 설계를 시키면 멋진 스펙이 나오고, 코딩 에이전트가 80%까지는 잘 만듦
하지만 마지막 20%는 훨씬 오래 걸림
그 사이에 새로운 기능 아이디어가 쌓이고, 끝없는 백로그와 불안감이 생김
사실 아무도 나에게 그걸 요구하지 않았는데, 스스로 압박을 만든 셈임
요구사항 수집, 설계, 승인, 인프라 구축, 코드 작성, 테스트, 배포, 모니터링까지 이어지는 긴 과정임
AI는 그중 4~5단계, 즉 인프라와 코드 작성 부분을 빠르게 해줄 수 있음
하지만 나머지는 여전히 사람의 영역임
PyPI 상위 15,000개 패키지로 AI의 영향을 측정하는 건 적절하지 않음
오히려 iOS 앱 신규 등록이 24% 증가했다는 통계가 더 의미 있음
Appfigures Explorer에 따르면 2025년 신규 앱은 55만7천 개로, 2016년 이후 처음으로 큰 폭의 증가를 보였음
AI가 충분히 실용적이 된 시점(2025년 12월, Opus 4.5와 Codex 출시) 이후 개발 생산성이 급상승했음
지금은 Stack Overflow에 묻던 걸 LLM에게 묻는 시대임
문서 접근이 가능한 LLM은 95%의 질문에 답할 수 있음
Stack Overflow가 이 변화를 버티긴 어려울 듯함
AI 코딩은 유틸리티를 줄이거나, 패키지로 배포하지 않는 내부 도구 형태로 쓰이는 경우가 많음
경제 생산성에 기여하는 유용한 앱은 거의 없음
AI는 에너지와 자본을 소모하면서도 실질적 이익은 미미함
경제적 관점에서 보면 AI 붐은 과열된 거품에 가까움
요즘 “YoloSwag” 같은 프로젝트가 넘쳐남
Rust로 만든 PyTorch 1:1 구현이라며 CPU 사용량 80% 절감, 300% 속도 향상 등을 자랑하지만 실제로는 바로 크래시남
테스트는 전부 가짜(mock)로 통과시키고, 코드도 절반은 PyTorch 바인딩, 절반은 엉뚱한 API로 구성된 괴물임
개발자는 “6주 만에 양자컴퓨팅 전문가가 됐다”고 주장하는 크립토 전력자였음
AI를 이용해 스스로 배우려는 게 아니라, 단지 자기 과시용으로 쓰는 사람들임
이런 문화가 바뀌지 않으면, 우리는 계속 이런 ‘YoloSwag’식 프로젝트를 보게 될 것임
VSCode를 지우고 나만의 하이퍼 개인용 대시보드를 만들었음
뉴스 피드, 이슈 관리, 마크다운 편집기, 캘린더, AI 버튼 등 모든 걸 한 화면에서 처리함
하지만 너무 개인화되어 있어서 공유할 이유가 없음
대부분의 새 서비스가 LLM 래퍼나 AI 도구에 머물러 있음
예를 들어 내 쇼핑 습관에 맞춘 장보기 앱을 20분 만에 완성했음
이런 초개인화 소프트웨어가 다음 단계임
네 세팅을 공유하면 많은 빌더들에게 영감이 될 것 같음
AI로 만든 것들이 공개되지 않는 이유는 단순함
대부분 개인 맞춤형이라 공개할 필요가 없음
게다가 이제는 실행력보다 아이디어 자체가 경쟁력이 됐기 때문에 굳이 공유하지 않음
누구나 비슷한 능력을 갖게 된 시대라, 각자 필요한 걸 빠르고 싸게 만들 수 있음
그래서 AI로 만든 결과물은 많지만, 세상에 공개되는 건 점점 줄어듦
개인 프로젝트가 아니라, 산업 전반의 변화를 보여주는 증거가 필요함
그 때문에 진짜 기여조차 위축되고 있음
물론 저품질 AI 코드가 문제지만, 그걸 이유로 전부 배척하는 건 해결책이 아님
리뷰와 테스트를 제대로 하지 않는 문화가 더 큰 문제임
AI는 앱의 처음 90%를 쉽게 만들어주지만, 마지막 10%는 훨씬 어렵게 만듦
코드베이스는 커졌는데 익숙함이 사라진 상태라 대부분 여기서 포기함
결국 AI가 빠르게 만들어도 품질과 보안의 함정이 많음
지금의 AI 붐은 닷컴 버블을 떠올리게 함
2000년대 초처럼 “AI만 쓰면 된다”는 착각 속에 돈을 태우는 회사들이 많음
반면 조용히 AI를 도입해 업무 효율을 높이는 기업도 있음
결국 대부분은 보조 도구로 남고, 완전 자동화된 앱은 소수일 것임
PyPI 패키지 수로 AI의 영향을 측정하는 건 잘못된 접근임
실제 생산성 향상은 비공개 저장소, 내부 도구, 단일 목적 앱에서 일어남
나도 AI로 6주 만에 오프라인 지원, Stripe 결제, SEO 페이지까지 갖춘 웹앱을 만들었음
예전 같으면 6개월은 걸렸을 일임
이런 결과는 데이터셋에 잡히지 않지만, 생산성 향상은 확실함
나도 요즘 라이브러리 사용이 줄었음
AI 덕분에 직접 API 호출을 다루는 게 더 간단해졌기 때문임
패키지를 배포하는 건 사실상 오픈소스 프로젝트 운영과 같고, 그건 매우 피로한 일임
유지보수 부담과 보상 불균형 때문에 다들 꺼림
이미 세상엔 충분히 많은 라이브러리가 있고, 진짜 좋은 것들로 통합되는 흐름이 나쁘지 않음
많은 개발자들이 이제 “프로젝트 단위”가 아니라 커밋 단위로 AI를 활용함
PyPI로 AI의 효과를 재는 건 근시안적임
대신 GitHub Octoverse 2025 보고서를 보면
사용자 수와 오픈소스 기여가 명확히 상승 곡선을 그림
2025년 기준, 전체 기여의 81.5%가 비공개 저장소에서 일어났고, 공개 저장소는 63%에 불과함
이미 Cursor, Copilot 등 여러 도구가 있었고, 모두 혁신이라 불렸음
만약 AI가 정말 10배 빠르게 코드를 배포하게 한다면, 이미 폭발적인 결과가 보여야 함