Claude Code 창시자, 소프트웨어 엔지니어의 종말을 말하다 [유튜브]

 (youtube.com)
11P by GN⁺ | ★ favorite | 댓글과 토론
  • 에이전트형 코딩 도구 Claude Code는 코드 작성 자체보다, 제품을 만들고 업무 흐름을 재구성하는데 더 큰 변화를 일으킴
  • Microsoft 업무 AI 사용자 조사에서는 빠른 AI 채택 압박, 새 작업물 생성, 더 가치 높은 업무 시간 증가가 함께 나타났지만, AI 실험 보상은 낮은 수준에 머묾
  • 조직이 단순 사용량을 목표로 삼으면 토큰 리더보드와 사용량 부풀리기가 생기며, AI로 가치를 더하는 방식과 연결된 지표가 더 중요함
  • Boris Cherny는 엔지니어 직함이 builder에 가까운 역할로 바뀔 수 있고, 비엔지니어도 코드를 만들며 엔지니어는 직접 타이핑보다 판단·계획·사용자 이해에 더 집중하게 된다고 봄
  • AI 생산성 향상은 노동시간 감소나 일자리 감소로만 이어지지 않으며, 기업은 워크플로를 AI 중심으로 재구성하고 개인은 더 큰 선택지와 레버리지를 갖게 됨

AI 업무 데이터와 조직 지표의 함정

  • Microsoft가 실제 업무에서 AI를 쓰는 사용자 20,000명을 조사했으며, "전환 역설(transformation paradox)"이라 부르는 현상이 나타남
    • 65% 는 AI를 빠르게 채택하지 않으면 뒤처질까 걱정함
    • 58% 는 1년 전이라면 만들 수 없었을 작업물을 AI 덕분에 만들고 있음
    • 66% 는 AI 덕분에 더 가치 높은 업무에 시간을 쓰게 됐다고 응답함
    • 반면 AI 실험에 대해 직장에서 보상받는다는 응답은 13% 에 그쳐, 사용 의지와 조직 사이에 간극이 존재
  • 별도 Microsoft 연구에서는 관리자가 AI 사용을 직접 보여주면 사용이 17% 늘고, 에이전트 신뢰도가 30% 상승
    • "AI가 미래다"라는 식의 구호보다, 관리자가 자신이 실제로 쓰는 구체적 방식을 보여주는 쪽이 결과를 냄
    • 직원이 AI로 높인 생산성의 성과를 함께 나눌 수 있다고 믿으면 사용 동기가 달라질 수 있으나, 그렇게 금전적으로 보상하는 곳은 거의 없음
  • 일부 직장은 토큰 비용을 보조하지만, 그 지원이 늘 좋은 결과로 끝나지는 않음

토큰 맥싱 — 사용량 지표의 부작용

  • 주요 기술 기업에서 토큰 맥싱(token maxing), 즉 사용량을 늘리려 토큰을 과도하게 소모하는 현상이 발생
    • Amazon 직원들이 Financial Times에 전한 바로는, Amazon이 OpenClaw에서 영감을 받은 내부 도구 mesh claw를 도입하고 사용을 장려
    • 팀 내 토큰 사용량 순위표가 있어, 일부 직원은 생산적이지 않은 에이전트를 의미 없이 돌려 사용량을 끌어올림
    • Meta에서는 최대 사용량이 수천억 토큰 규모였고, 수백만 달러 비용에 해당하는 양이 사실상 낭비됨
  • Amazon 공식 입장은 토큰 사용량이 관리자 평가 지표가 아니라는 것이지만, 직원들은 관리자가 본다고 여겨 원시 사용량을 늘림
    • Amazon에는 개발자 80%가 매주 AI를 사용하게 한다는 상부 목표가 존재
    • 구체적 보상이 없으면 "AI를 쓰라"는 문구만 지키고 "업무를 더 잘하라"는 본래 취지를 놓침
    • 개발자에게는 모호한 추적 방식보다, 가치 창출과 연결된 생산적 지표가 명확히 필요

Claude Code의 탄생과 빠른 확산

  • Claude Code는 Anthropic이 전년 5월 출시한 에이전트형 코딩 도구로, 단어를 입력하면 코드를 내놓는 도구
    • 출시 8개월 안에 GitHub에 올라간 전체 코드의 약 4% 를 담당
    • 그해 2월 연간 매출 실행률 25억 달러에 도달, 그 수준에 가장 빠르게 도달한 기업용 제품
    • 창시자 Boris Cherny는 컴퓨터과학 학위 없이 경제학을 전공, 18세에 대학을 중퇴하고 스타트업을 운영했으며 헤지펀드를 거쳐 Meta에서 수석 엔지니어로 5년 근무 후 2024년 말 합류
    • 현재 Cherny는 코드를 직접 한 줄도 쓰지 않으면서, 5개 터미널 탭에서 에이전트 5개를 병렬 실행해 하루 20~30개의 풀 리퀘스트를 처리
  • 코딩 도구를 만들라는 임무가 아니라 API를 익히려다 사이드 프로젝트로 시작
    • 초기에는 Claude를 AppleScript에 연결해 자신이 듣던 음악을 보여주는 단순한 형태
    • 두 달 안에 Claude Code 버전이 나왔고, 첫날 Anthropic 엔지니어링 팀의 20% 가 사용
  • 2024년 9월 합류해 아주 작은 labs 팀에 소속
    • 이 팀이 Claude Code, MCP, skills, 데스크톱 앱을 만들었으며, 성공 여부를 알 수 없는 실험적 아이디어가 많았음
    • Anthropic은 기업용·코딩·안전성에 집중해 왔고, 제품을 만든다면 더 나은 코딩 모델과 안전성 연구에 모두 도움이 되는 코딩 제품이 합리적이라 판단
  • 당시 코딩 제품은 대부분 IDE 확장이었고, Sonnet 3.5 수준에서는 고급 자동완성에 가까웠음
    • 모델은 할 수 있으나 그 능력을 끌어내는 제품이 없는 모델 오버행(model overhang) 을 체감, 이 느낌은 지금도 동일
    • 별도 UI나 앱 없이 터미널에서 돌아가는 가장 저렴한 형태로 며칠 만에 제작
    • 주변부터 사용자가 퍼져 몇 주 만에 사내 다수가 매일 사용, 출시 5일 안에 엔지니어링 팀 절반이 사용
    • 터미널을 꺼리는 엔지니어조차 사용했고, Cherny는 "소프트웨어 엔지니어링이 영원히 바뀌었다"를 분석하기보다 출시에만 집중

엔지니어는 사라지는가 — 역할의 혼합

  • 첫 번째 충격은 Claude가 듣고 있던 음악을 알려준 순간
    • 질문에 Claude가 음악 플레이어를 여는 AppleScript 코드를 작성했고, Cherny는 그 언어를 몰랐으며 그런 식으로 답할 생각도 못 했음
    • 엔지니어가 택하지 않았을 방식으로 문제를 해결
  • 모델이 매우 빠르게 발전해, 모델 위에 제품을 만들 때 매달 재조정이 필요
    • Co-work로 항공편 8개와 호텔 5개를 예약, 유일한 실수는 1박 약 5,000달러짜리 호텔이라 예산 초과 → 해당 건만 재예약
  • 추세는 지수 곡선이라 누구도 정확히 알 수 없으며, 두 가지가 동시에 일어남
    • 엔지니어 생산성이 높아져 같은 일에 더 적은 엔지니어가 필요한 기업
    • 한 명당 생산성이 높아져 더 많은 제품·사업을 벌이며 더 많은 엔지니어가 필요한 기업 (Cherny 팀은 좋은 엔지니어 부족에 계속 막혀 최대한 빠르게 채용 중)
  • 역할이 흥미롭게 섞이는 중
    • 매니저 Fiona는 15년간 코딩하지 않았지만 합류 후 코딩, 프로덕트 매니저 Cat과 디자이너 Megan 등 팀 전원이 코딩
    • 비엔지니어는 코드를 조금 더 쓰고, Cherny 같은 엔지니어는 6개월 넘게 코드를 직접 쓰지 않으면서도 하루 종일 무언가를 만듦
    • 빌더·엔지니어·프로덕트 매니저 중 무엇이라 부를지는 불확실하나 역할 자체는 분명히 변화

트랙터 비유 — 기술 확산의 시간

  • 트랙터는 1890년대 Iowa에서 John Frick이 발명했지만, 미국에서 트랙터가 말보다 많아진 것은 1960년대로 약 70년이 걸림
    • 트랙터는 수확량과 생산성을 크게 높였으나, 사용법을 배우는 훈련이 필요했고 초기엔 비싸 말이 더 쌌음
    • 성능도 부족해 밀에는 써도 옥수수에는 못 쓰는 식이었고, 다양한 작물에 맞추는 데 오랜 시간이 걸림
    • 현재 AI 전환은 같은 문제들이 초고속(speedrun) 으로 일어나는 상황
  • 이는 평범한 기술(AI as normal technology) 관점과 연결 — 매우 유능한 모델이 나와도 사람과 조직의 변화는 느림
    • 다만 Anthropic의 매출 추이를 보면 이번엔 그 속도가 빠르다는 반론도 존재해, 실제 변화 속도를 가늠하는 단계
  • 컴퓨터는 생산성을 높이지만, 그것이 곧 노동시간 감소를 뜻하지는 않음 — 같은 시간에 더 많은 일을 하게 됨

코딩은 "해결"되었는가

  • "coding is solved"는 "내가 하는 종류의 코딩"에 한정된 표현
    • Cherny의 작업물인 cloud CLI, 데스크톱 앱, 모바일 앱은 비교적 새롭고 단순한 코드베이스
    • 반면 NASA 같은 대형 고객의 크고 복잡한 코드베이스에서는 아직 해결되지 않았고, 모델도 완벽하지 않아 실수함
  • 엔지니어의 반론(코딩은 타이핑이 아니라 판단·감각·비판적 사고이며 에이전트가 약함)은 타당
    • Cherny의 예전 하루도 약 50%만 실제 코드 타이핑, 나머지는 사용자 대화·브레인스토밍·디버깅·설계·계획
    • 모델이 코딩을 맡으면 엔지니어는 사용자와 대화하고 다음을 구상하는 더 즐거운 일로 풀려남
  • Claude Code는 6개월 넘게 100% Claude Code로 작성되었고, Co-work 등 다른 제품도 마찬가지
    • 최신 Y Combinator 배치 대담에서 "코드 100%를 Claude Code로 작성"에 수백 명 중 절반이 손을 들었고, "모델로 전혀 작성하지 않는다"에는 단 한 명, 나머지는 50~100% 사이
    • 엔지니어링의 변화는 엔지니어링 밖 모든 분야의 선행 지표라고 봄

  • 역량 위축 우려와 프로그래밍의 변천

    • 직접 코드를 쓰지 않으면 자기 직업에 대한 이해가 퇴화(atrophy) 할 수 있다는 우려가 제기됨
      • 팀의 엔지니어 Lena는 즐거움을 위해 주말마다 손으로 C++을 작성하며, 이런 여지는 늘 존재함
      • Cherny는 이를 위축이 아니라 프로그래밍이 늘 변해 온 흐름으로 봄
        • 소련 시절 천공 카드, 아폴로 프로그램 시기의 종이 위 수작업 계산도 당시엔 "프로그래밍"이었음
        • 이후 기계어 → 어셈블리 → JavaScript·Python으로 바뀌었고, 이제는 에이전트와 대화하는 방식으로, 곧 에이전트가 에이전트에게 말해 코딩하는 방식으로 한 번 더 변화 예상
      • 공학용 계산기로 수학 실력이 일부 퇴화해도 계속 계산기를 쓰는 것과 같으며, 다만 그 도구가 초지능이 되어 은밀히 사용자를 약화시키는 상황은 다른 문제

  • 모델 성능 퇴보 논란

    • 새 모델 출시 후 "성능이 크게 퇴보했다"는 반발이 주기적으로 나타남
      • 실제 버그로 인한 사례가 2건 있었고, Anthropic은 원인과 수정 내용을 블로그에 공개
      • 그 외 대부분은 허니문 기간처럼 모델에 익숙해지며 처음의 경이가 무뎌지는 현상일 가능성
    • 1년 전과 달리 지금은 모델의 코드가 Cherny가 직접 쓸 코드보다 우수
      • 과거엔 한 줄씩 세 번 검토해야 했지만, 지금은 Claude에게 맡기고 결과를 다시 점검·테스트하게 하며 동시에 15개의 Claude를 병렬 실행

생산성 역설과 선택의 확대

  • 생산성이 올라도 노동시간이 줄지 않는 것은 상당 부분 개인의 선택과 기업의 상황에 달려 있음
  • 세탁기 일화로 설명
    • 세탁기 이전에는 한 번 빨래에 5~6시간이 걸리고 약 3,000ft를 걸어야 했으며, 불 피우고 물 끓이고 빨래판에 문지르고 짜는 일을 가족 수만큼 매일 반복
    • 세탁기는 한 번 빨래 시간을 약 3시간 단축
    • 이는 여성의 대규모 노동시장 진입을 가능케 한 요인 중 하나
    • 절약된 시간은 아이와 보내기, 산책, 독서, 친구 만나기, 혹은 공장·사무직 진입 등 개인의 선택지를 만들었으며, AI도 동일하게 선택을 넓힘
  • CS 학위를 막 마친 22세에 대한 조언: 신입 일자리는 여전히 존재하지만, 조금이라도 창업 지향이라면 스타트업 창업을 권함
    • 역사상 창업하기 가장 좋은 황금기이며, "당신과 에이전트들"이 거대한 회사를 만들 수 있음
    • 실제로 1~3인이 10억 달러 규모 회사와 뛰어난 스타트업을 만드는 중이며, 한 사람의 레버리지가 막대
  • 3년 뒤에는 "엔지니어"라 부르지 않을 수 있지만, 코드를 쓰거나 에이전트로 코드를 만드는 사람은 오늘의 100배가 될 것이라는 전망

Claude Co-work — 비엔지니어를 위한 확장

  • Co-work는 사람들이 세금 신고를 하려고 터미널에 Claude Code를 설치하는 등 코딩 아닌 용도로 쓰는 모습을 보고 시작됨
    • 회계·재무·법무는 물론, 항공편 예약, 콘서트 티켓 구매, 워싱턴주 조개잡이 허가 구매까지 다양한 비엔지니어링 업무에 사용
    • 코딩 제품은 엔지니어가 자신을 위해 만든 것이 남에게도 유용했지만, Co-work는 비엔지니어 전반을 위해 만드는 새로운 도전
  • 장시간 실행 능력이 핵심 방향
    • 약 1년 반 전 Claude Code는 모델 한계로 30초만 지나도 경로를 벗어나 개입이 필요했음
    • 지금은 매일 밤 수백~수천 개의 에이전트가 5·10·20시간씩 실행되며, 이것이 현재의 엔지니어링 방식
    • Co-work도 같은 방향으로 가겠지만, 어떤 업무에 그토록 긴 실행이 필요한지는 아직 불명확
  • 메모리와 사용자 이해가 좋아지면 필요를 미리 예측하는 방향으로 발전
    • 예: 남은 팟캐스트 회차와 미섭외 게스트를 파악해 후보를 브레인스토밍하고, 초기 연락 이메일을 임시보관함에 넣어 두는 식
    • 업무 정의는 "디자인 전체" 같은 수평적 방식과, 특정 목표를 끝까지 수행하는 수직적 방식으로 나뉠 수 있음
    • 수직 예시: Claude가 기능을 만들고 테스트·병합·출시까지 진행
  • Opus 4.7부터 Claude가 더 능동적으로 변함
    • 기능 출시 뒤 12시간 후 사용자 피드백을 확인하도록 스스로 알림을 예약하고 버그가 있으면 고치려 함 — 사람이 잊기 쉬운 일을 미리 처리해 만족도가 높았음
  • Claude Mythos는 대부분에게 외부 공개되지 않았고, 공개된 정보는 주로 코딩과 사이버보안 성능 — 평소 도약보다 큰 점프이며 사이버·코딩에 특히 강함

일자리 대체의 책임은 누구에게

  • 이 전환은 좋은 효과와 나쁜 효과가 섞이며, 정확한 시점과 비율은 예측 불가
    • Anthropic은 소프트웨어 엔지니어 등의 실업 원천이 될 수 있는 독특한 위치
    • 엔지니어로서 다가올 변화를 알리고 도구 사용을 교육해 함께 데려가야 한다는 강한 의무감을 팀과 자주 논의
  • 이는 한 회사가 풀 수 있는 문제가 아니며, 한 회사가 푸는 것도 바람직하지 않음 (잘못된 해법이 될 수 있음)
    • 사회 전체가 논의·토론해야 할 문제이며, Anthropic은 경제 보고서와 정책 논의, 관찰한 내용 공개로 기여
  • Anthropic이 안전성 연구소이면서도 제품을 만드는 이유 중 하나는, 사람들이 직접 경험해 이해하고 사회적 대응에 참여하게 하기 위함 — 기술을 잠가 두면 누구도 관점을 형성하기 어려움

파워 유저와 AI 격차

  • 디지털 격차가 AI 격차로 바뀔 우려가 있으며, 지금까지 데이터는 AI를 가장 잘 활용하는 사람이 이미 소득 상위층에 가깝다는 점을 보여줌
    • Anthropic에는 접근성을 넓히는 몇몇 프로그램이 있으나 구체적 이름·방식은 제시되지 않음
  • 가장 큰 가치를 얻는 사용자는 예상과 다른 경우가 많음
    • Opus 4.7 출시 해커톤 우승자는 대체로 전문 엔지니어가 아니라 전기기사·의사·목수가 앱을 만든 사례였고, 직전 4.6 해커톤에서도 동일한 경향
    • 모델이 충분히 정교해져 비전문가도 잘 다루는 단계
  • 대기업 도입의 핵심은 업무 프로세스를 바꿔 Claude를 중심에 두는 것
    • 잘 작동하는 방식 하나는 모두에게 토큰을 주고 안전하게 실험하게 해, 예상치 못한 사람에게서 아이디어가 나오게 하는 것
    • 최고의 아이디어는 선임 엔지니어가 아니라 구석의 회계 담당자나 GTM 담당자가 만든 내부 대시보드에서 나올 수 있음
    • 오늘 도구를 가장 잘 쓰는 사람이 내일도 그렇다는 보장이 없으므로 모두가 도구 사용을 배우는 것이 중요

향후 1년 전망

  • 내년에는 많은 혼란이 있고, 큰 플레이어들이 적응을 시도해 다수가 성공할 것
  • 일부 전통적 비즈니스 해자는 약해지고 일부는 유지됨
    • 네트워크 효과(사용자가 많을수록 가치 상승)는 AI와 무관하게 유지
    • 규모의 경제(한계비용 하락)도 자연적 이점이라 사라지지 않음
    • 반면 전환 비용은 약화 — Claude가 vendor A에서 B로 옮겨 줄 수 있다면 더 이상 큰 해자가 아님
    • 사라지는 해자에 의존한 기업은 어려워지고, 다수는 새 해자를 모색
  • 예상보다 훨씬 큰 혁신이 일어날 것
    • 새로운 아이디어는 대기업이 아니라 1·2·10명 규모의 작은 스타트업에서 쏟아지고, 그 수가 폭발적으로 증가
    • 소재 발견 스타트업 사례: 석기·철기시대를 지나 실리콘 시대에 이르렀다는 서사로, 새 소재를 찾으면 다음 시대로 진입한다고 보고 Claude로 가능한 분자·설계를 탐색
    • 과거엔 자금 마련조차 어려웠던 일을 소수 팀이 20년 전엔 불가능했던 돌파구로 만들 수 있음
    • 도메인을 잘 아는 사람이 "Claude 군대" 를 갖추면 인간 군대를 거느렸을 때보다 훨씬 많은 일을 해냄
  • Cherny는 X와 Threads에서의 사용자 응대를 자동화했지만 직접 하는 것을 선호
    • Claude Code의 루프를 루틴으로 옮겨 30분마다 실행하며 Threads API·X API로 피드백을 수집
    • 사용자와의 직접 상호작용이 가장 좋아하는 일이며, "작동하지 않는다"는 피드백조차 제품 개선의 원천
    • Claude Code는 결함이 많고 이상적 제품과는 거리가 멀지만, 피드백을 듣고 매일 조금씩 개선하는 것이 좋은 제품을 만드는 유일한 방법

함께 보면 좋은 글 β