# 소프트웨어 서바이벌 3.0 – 무엇을 만들어야 살아남는가

> Clean Markdown view of GeekNews topic #26413. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=26413](https://news.hada.io/topic?id=26413)
- GeekNews Markdown: [https://news.hada.io/topic/26413.md](https://news.hada.io/topic/26413.md)
- Type: news
- Author: [neo](https://news.hada.io/@neo)
- Published: 2026-02-05T11:31:02+09:00
- Updated: 2026-02-05T11:31:02+09:00
- Original source: [steve-yegge.medium.com](https://steve-yegge.medium.com/software-survival-3-0-97a2a6255f7b)
- Points: 45
- Comments: 0

## Summary

AI가 대부분의 코드를 작성하는 시대에는 **토큰(추론 비용)을 절약하는 소프트웨어**만이 생존합니다.  
생존 비율(Survival Ratio) 공식 : **Survival(T) ∝ (Savings × Usage × H) / (Awareness_cost + Friction_cost)**  
- **Savings**: 도구를 사용함으로써 절약되는 인지 비용, 즉 동일한 기능을 처음부터 합성할 때 대비 절감되는 토큰량  
- **Usage**: 도구가 다양한 상황에서 반복적으로 사용될 수 있는 빈도와 적용 범위  
- **H (Human Coefficient)**: 효율성과 무관하게 **인간이 만든 것에 가치를 두는 수요를 반영**하는 계수  
- **Awareness_cost**: 에이전트가 **해당 도구의 존재를 알고, 기억하고, 적절한 순간에 선택**하는 데 드는 에너지  
- **Friction_cost**: 실제 사용 과정에서 발생하는 **오류, 실패, 재시도, 오해로 인해 소모되는 에너지**  
- 생존을 위한 최소 비율은 1이며, 경쟁이 존재하는 환경에서는 이보다 훨씬 높은 비율 요구

## Topic Body

- AI가 모든 소프트웨어를 작성하는 시대에는 **토큰(추론 비용)을 절약하는 소프트웨어**가 **진화론적 선택 압력**을 통해 살아남게 될 것  
- **생존 비율** 공식을 통해 소프트웨어의 적합도를 측정하며, 인지 절약이 인지 비용을 넘어서는 경우(1을 초과)에만 생존 가능  
- Git, grep 같은 도구는 **통찰 압축**과 **기판 효율성** 덕분에 AI가 다시 만들어 쓰기에는 비용이 터무니없이 큰 사례  
- 에이전트가 도구를 채택하려면 **인지도(Awareness)** 와 **마찰 최소화(Friction)** 가 필수적이며, Desire Paths 설계가 효과적  
- AI 중심의 시대에도 **인간 계수(Human Coefficient)** 가 작동해, **인간의 개입과 선호가 직접적인 가치를 만드는 영역**은 계속 살아남게 될 것  
  
---  
  
### 배경: AI 시대의 소프트웨어 예측  
- 2024년 6월 [Death of the Junior Developer](https://steve-yegge.medium.com/death-of-the-junior-developer), 10개월 전 오케스트레이터 도래 예측, **[Gas Town](https://github.com/steveyegge/gastown)** 프로젝트 등을 통해 AI 발전 곡선을 지속적으로 맞혀옴  
- 2023년 코드 자동 완성 → 2024년 대화형 인터페이스 → 2025년 초 에이전트 → **2026년 초 오케스트레이션**으로 이어지는 흐름을 외삽해 Gas Town 개발  
- 모든 예측의 근거는 **지수적 발전 곡선을 그대로 믿는 태도**에 있음  
- Dario Amodei와 Andrej Karpathy가 소프트웨어의 미래에 대해 말해온 방향을 전적으로 신뢰함  
- Gas Town은 이러한 외삽이 실제로 작동함을 보여준 사례로, 2025년 말 모델과 다수의 임시적 보완을 통해 **간신히 성립하는 형태**를 먼저 확인  
  
### 위협받는 소프트웨어 생태계  
- **SaaS 기업에 대한 압력**이 증가하며, 구매 대비 구축(build)의 비용 구조가 바뀌어 비즈니스 부서가 직접 **[바이브 코딩(vibe coding)](https://www.amazon.com/Vibe-Coding-Building-Production-Grade-Software/dp/1966280025)** 으로 자체 SaaS를 만드는 사례 확산  
- 불과 3년 전 GPT-3.5가 단일 함수 작성도 버거웠던 것과 달리, 현재는 **소규모지만 실질적 가치가 있는 SaaS**를 직접 생성 가능  
- [Stack Overflow](https://stackoverflow.com)와 [Chegg](https://www.chegg.com)가 초기 타격을 받았고, 이후 **Tier-1 고객 지원 소프트웨어**, 로우코드·노코드 시스템, 콘텐츠 생성 도구, 각종 생산성 도구로 압박이 확산  
- IDE 벤더들 역시 **[Claude Code](https://code.claude.com)** 등장 이후 경쟁 압력을 체감하기 시작  
- AI 연구자들의 예측이 **약 40 년간 높은 정확도**를 보여왔다는 점에서, 모든 소프트웨어 영역이 위협받을 가능성을 전제로 대비 필요  
  
### 선택 압력 모델(Selection Argument)  
- 추론에는 토큰이 필요하고, 토큰 소비는 에너지 사용으로 이어지며, 에너지는 곧 비용으로 환산됨  
- {토큰, 에너지, 돈}은 동일한 자원 제약으로 취급 가능하며, 항상 제한된 상태로 존재  
- **인지 비용을 줄이는 소프트웨어가 살아남는다**는 단순한 규칙이 소프트웨어 생태계 전반을 형성  
- 제한된 자원 환경에서 더 효율적으로 자원을 사용하는 개체가 그렇지 못한 개체를 밀어내는 진화론적 선택 압력과 동일한 구조  
  
### 생존 비율(Survival Ratio) 공식  
- **Survival(T) ∝ (Savings × Usage × H) / (Awareness_cost + Friction_cost)**  
- **Savings**: 도구를 사용함으로써 절약되는 인지 비용, 즉 동일한 기능을 처음부터 합성할 때 대비 절감되는 토큰량  
- **Usage**: 도구가 다양한 상황에서 반복적으로 사용될 수 있는 빈도와 적용 범위  
- **H (Human Coefficient)**: 효율성과 무관하게 인간이 만든 것에 가치를 두는 수요를 반영하는 계수  
- **Awareness_cost**: 에이전트가 해당 도구의 존재를 알고, 기억하고, 적절한 순간에 선택하는 데 드는 에너지  
- **Friction_cost**: 실제 사용 과정에서 발생하는 오류, 실패, 재시도, 오해로 인해 소모되는 에너지  
- 생존을 위한 최소 비율은 1이며, 경쟁이 존재하는 환경에서는 이보다 훨씬 높은 비율 요구  
  - 예: 생존 비율이 1.2인 도구는 2.5를 기록하는 경쟁 도구에 의해 밀려날 수 있음  
  
### 레버 1: 통찰 압축(Insight Compression)  
- 소프트웨어 산업이 오랜 시간에 걸쳐 축적해 온 **다시 발견하기에 지나치게 비싼 지식**을 재사용 가능한 형태로 압축  
- **[Git](https://git-scm.com/)** 이 대표 사례로, 커밋 DAG, 포인터로서의 참조(ref), 인덱스, reflog 등은 수십 년간의 시행착오가 응축된 구조  
  - AI가 이를 처음부터 재구현하려면 동일한 지적 역사를 다시 밟아야 하므로 **경제적으로 전혀 합리적이지 않음**  
- 데이터베이스, 컴파일러, 운영체제, 워크플로우 엔진, 모니터링 시스템 전반에 동일한 원리 적용  
- **[Kubernetes](https://kubernetes.io/)** 는 설계가 복잡해서가 아니라, **분산 시스템 자체가 본질적으로 복잡**하기 때문에 복잡함  
- **[Temporal](https://temporal.io/)** 은 멱등성 재시도와 함께 saga 패턴을 직접 구현하는 일이 사실상 연구 프로젝트에 가깝기 때문에, 이를 대신하는 **내구성 실행(durable execution)** 을 제공  
- 강한 소프트웨어의 공통된 특성은 **다시 합성하려는 시도 자체가 터무니없게 느껴질 정도의 통찰 밀도**  
- **Gas Town**에서의 캐릭터 역할 모델이나 `gt sling` 같은 동사 역시, 복잡한 개념을 **짧고 기억하기 쉬운 표현으로 압축**한 사례  
  
### 레버 2: 기판 효율성(Substrate Efficiency)  
- **[grep](https://www.gnu.org/software/grep/)** 은 재발명이 사실상 미친 짓에 가까운 또 하나의 사례  
- Ken Thompson이 오후 한나절에 만들 정도로 단순하지만, **CPU 기반 처리**를 통해 막대한 인지 비용을 절약  
- 텍스트 패턴 매칭에서는 **CPU가 GPU를 여러 자릿수 차이로 압도**  
- LLM의 곱셈 방식은 패턴 매칭을 조합해 “대략 94쯤”을 먼저 추정하고, 이후 기억된 룩업 테이블로 자릿수를 보정하는 형태  
  - 이 계산이 모두 **GPU 추론 단계라는 극도로 비효율적인 기판** 위에서 수행됨  
- 계산기, 파서, **[ImageMagick](https://imagemagick.org/)** 같은 복잡한 변환 도구, 다수의 Unix CLI 유틸리티가 이 레버를 적극 활용  
- 좋은 알고리듬을 적용하거나, 계산을 **CPU·인간 등 더 저렴한 기판으로 이동**시켜 토큰과 에너지 소비를 절약  
  
### 레버 3: 광범위한 유용성(Broad Utility)  
- 생존 비율 모델에서 **Usage** 항목에 해당  
- 사용 범위가 넓을수록 인지도 비용이 분산되고, 개별 사용 시 요구되는 토큰 절약 임계값이 낮아짐  
- 진정으로 범용적인 토큰 절약 도구는 AI가 이론적으로 재구현할 수 있더라도, **이미 어디에나 존재하고 널리 쓰이는 선택지**가 우선됨  
- **[Temporal](https://temporal.io/)** 은 상대적으로 높은 인지도 비용과 마찰 비용에도 불구하고 **[PostgreSQL](https://www.postgresql.org/)** 만큼 범용적인 워크플로우 모델 제공  
  - 공격적인 통찰 압축, 계산 기판의 능숙한 활용, 광범위한 유용성이라는 **세 가지 레버를 모두 보유**  
- **[Dolt](https://www.dolthub.com/)** 는 Git으로 버전 관리되는 데이터베이스로, 8년간 유지되어 온 오픈소스 프로젝트  
  - 에이전트 기반 프로덕션 및 DevOps 워크플로우에서 뒤늦게 **킬러 앱**을 발견  
  - 에이전트가 프로덕션 환경에서 실수하더라도 **Git의 전체 기능을 활용해 롤백·롤포워드 가능**  
- **코드 검색 엔진**은 LLM이 기존 대비 10배에서 100배 더 많은 코드를 생성하면서 중요성이 급격히 상승  
  - grep이 감당할 수 없는 규모의, 이른바 **“너무 커서 grep으로는 안 되는 영역”** 이라는 대규모 범용 틈새 형성  
  - 발견하기 어려운 엣지 케이스가 많은 비자명한 문제를 해결하고, 저렴한 계산 기판을 사용하며, 범용적 적용이 가능한 점에서 **세 가지 레버를 모두 충족**  
  
### 레버 4: 홍보(Publicity)  
- 인지 비용 절약만으로는 충분하지 않으며, **인지도 문제**, 즉 사전 선택 단계에서의 문제 해결 필요  
- **Dolt**는 레버 1~3을 모두 갖췄지만, 초기에는 레버 4가 부족해 널리 사용되지 못한 사례  
- 인지도 비용을 지불하는 방법은 여러 가지 존재  
  - 훌륭한 제품을 만들고 인기를 얻은 뒤, 커뮤니티를 통해 자연스럽게 **훈련 데이터에 포함되기를 기다리는 방식**  
  - 또는 비용을 투입해 **에이전트용 문서화**에 투자하거나 광고 집행  
- 보다 직접적인 방법으로, **[OpenAI](https://openai.com/)**, **[Anthropic](https://www.anthropic.com/)**, **[Google](https://www.google.com/)** 같은 프론티어 랩의 담당자와 협력해 모델 훈련 과정에 도구를 포함  
  - 유료 서비스 형태로, 도구의 올바른 사용과 오용을 모두 보여주는 eval을 제작한 뒤 연구자들이 훈련을 조정  
- **에이전트를 위한 SEO** 개념이 본격적으로 등장 중  
- 대규모 예산을 투입하기 어렵다면, **사후 선택 단계에서의 에너지**, 즉 레버 5에 의존해야 하며, 이를 위해 도구를 최대한 에이전트 친화적으로 설계 필요  
  
### 레버 5: 마찰 최소화(Minimizing Friction)  
- 인지도가 사전 선택 단계의 문제라면, **제품 마찰은 사용 이후 단계의 문제**  
- 에이전트는 항상 시간에 쫓기는 것처럼 행동하며, 무언가 막히면 **즉시 우회 경로를 시도**  
- 마찰이 조금만 있어도 판단이 바뀌어, 더 효율적인 도구 대신 **덜 효율하지만 익숙하고 예측 가능한 방법으로 후퇴**  
- 반대로 취향에 정확히 맞게 설계된 도구는 에이전트가 **집요할 정도로 반복 사용**  
- 문서화 접근법은 훈련 단계가 아닌 **추론 시점까지 인지 비용을 미루는 방식**  
  - 도구가 무엇을 잘하는지, 언제 왜 써야 하는지, 빠른 시작 가이드와 후속 문서 경로를 컨텍스트에 직접 주입  
- 그러나 더 나은 해법은 **에이전트에게 직관적으로 느껴지는 도구 자체를 만드는 것**  
- **Desire Paths 설계** 사례로, **[Beads](https://github.com/steveyegge/beads)** 는 4개월간 100개가 넘는 하위 명령과 다수의 하위-하위 명령, 별칭, 대체 문법을 거치며 CLI가 진화  
  - 이 복잡한 CLI는 인간이 아니라 **에이전트의 사용 패턴**을 위해 설계됨  
  - 에이전트가 시도하는 방식을 관찰해 **환각을 실제 기능으로 구현**, 이제는 거의 모든 추측이 그대로 동작  
- **환각 스쿼팅(Hallucination Squatting)** 은 LLM이 자주 환각하는 도메인 이름을 역으로 추적해 등록하고, 해당 주소에 아티팩트를 올려 실제로 다운로드하게 만드는 기법  
  - 국가 단위의 해커 집단조차 **Agent UX를 이해하고 활용**한다는 점이 드러남  
- **Agent UX는 결정적으로 중요**하지만 아직 대부분의 도구에서 간과되고 있음  
- 이상적인 도구는 에이전트가 이미 익숙한 다른 도구와 닮아 있거나, 문제를 **에이전트가 사고하고 싶어하는 방식 그대로** 풀어주는 구조  
  
### 레버 6: 인간 계수(Human Coefficient)  
- 토큰 효율성과 무관하게, **인간이 개입했다는 사실 자체**로 가치를 얻는 소프트웨어 존재  
- 인간 큐레이션, 사회적 증거, 창의성, 물리적 존재감, 승인 같은 요소에서 가치가 파생  
- **인간이 고른 플레이리스트**는 품질이 동등하고 에너지 효율이 더 높은 AI 생성 플레이리스트를 이길 수 있음  
- 게임 분야에서는 실제 인간이 있는 환경이 대체로 승리하며, **명백히 인간보다 강한 AI와만 플레이하고 싶어하는 경우는 드묾**  
- 에이전트를 배제하는 **소셜 네트워크**가 오히려 매력적으로 인식될 가능성  
- AI가 최고의 교사가 되더라도, 일부 사람들은 **의도적으로 인간 교사를 선택**할 것  
- 높은 Human Coefficient를 가진 영역에서도 경쟁은 치열함  
  - Karpathy가 그리는 세계에서 에이전트는 누구에게나 무엇이든 될 수 있고, 본질적으로 **강한 중독성**을 가짐  
- 결과적으로 **극단적으로 비효율적이지만 H 값이 매우 높은 소프트웨어**가 다수 존재하게 될 가능성  
  
### 희망의 근거  
- 인간과 AI 사이를 중개하거나, AI가 곧 직접 수행할 수 있게 될 **“똑똑한 척하는 역할”** 을 맡은 소프트웨어는 구조적으로 위험  
- 그럼에도 불구하고 **작성되어야 할 소프트웨어의 양은 사실상 무한**  
  - 모든 질병 치료, 모든 단백질의 거동 모델링, 모든 행성 탐사 시나리오가 여전히 대상  
- 인간의 야망은 항상 가용한 인지 능력을 초과하며, 토큰 비용이 하락하더라도 **우리는 곧바로 더 먼 프론티어로 이동**  
- 주의 집중 문제는 인쇄 매체, 인터넷, 소셜 미디어, 실시간 광고, 애그리게이터를 거치며 **이미 여러 차례 해결된 경험** 보유  
- **Desire Paths 설계가 실제로 효과적**이며, OpenAI 같은 곳의 대규모 훈련 예산 없이도 에이전트가 자연스럽게 쓰고 싶어하는 도구를 만들 수 있음  
- **인간 계수는 분명히 존재**하며, 사람들은 이미 에이전트 냄새가 짙은 것에 피로감을 느끼기 시작  
  - 인간 간의 연결과 창의성을 중심에 두고 설계하면, 결국 문제는 다시 **전통적인 마케팅과 브랜딩의 영역**으로 수렴  
- 여섯 가지 레버가 제공하는 **다양한 생존 경로**가 존재  
- 다시 만들려는 시도 자체가 미친 짓처럼 느껴지는 것을 구축하고, **발견하기 쉽고 사용하기 쉽게** 만든다면 충분히 견고한 가능성 확보

## Comments



_No public comments on this page._