루프 안의 인간은 지쳤다
요약
AI 코딩의 발전은 개발 과정에서 새로운 형태의 피로와 통제감 상실이라는 과제를 던지고 있습니다. 필자는 LLM을 단순한 코드 생성기로 활용하며, 아키텍처 결정과 핵심 로직에 대한 인간의 개입을 유지하는 것이 중요하다고 강조합니다. 특히 Claude를 이용해 단계별 실행 과정을 직접 검토하고 방향을 수정하는 워크플로우가 효과적입니다.
핵심 포인트
- LLM 사용 시 통제감 유지가 가장 중요한 과제이다.
- AI 코딩은 개발자가 '일 자체'에 대한 회의감을 느끼게 할 수 있다.
- Claude를 활용하여 계획-검토-수정 과정을 단계적으로 진행하는 것이 효과적이다.
- 직접 코딩과 LLM 안내 사이에서 균형을 잡는 것이 중요하다.
수작업 코딩은 어려울수록 문제 해결, 논리 이해, 컴파일 성공, 통제감 같은 작은 보상이 커졌음. 반면 에이전트 코딩은 기능 규모와 무관하게 비슷한 감독을 계속 요구해 처음에는 생산성의 파도를 타는 듯 신나지만, 만족스러운 부분은 줄고 검토의 인지 부하는 커져 금세 지치게 됨
일자리를 잃는 것보다 곧 일 자체를 싫어하게 될까 두려움. LLM에 지시해도 시간이 별로 절약되지 않는 작업은 직접 하고, 출력 구조를 사람이 이해하기 좋게 다시 다듬으며 통제감을 유지하고 있음
내 동력은 코드를 어떻게 만들었느냐보다 만든 제품을 더 많은 사람이 유용하게 쓰느냐에 있음. 사용자를 먼저 생각해 필요하면 지름길을 택해왔고, 유지보수 가능한 코드와 출시 속도의 균형은 LLM을 써도 맞출 수 있음
개발이 지식 기반 직업에서 임금이 낮은 공장 노동처럼 바뀔 수 있음. 직접 작성할 때보다 LLM을 안내할 때 필요한 지식과 경력이 훨씬 적고, LinkedIn에서는 경력이 거의 없거나 주니어 수준인 사람도 AI 엔지니어로 채용되고 있음
AI가 스스로 출력을 시험하는 루프를 만들 때 도파민을 느낌. Codex가 특정 노트북과 Linux 커널에서 최대 절전 모드를 작동시키도록 네트워크-USB-C 키보드 동글, Fingerbot, 웹캠까지 연결해 원격 제어하게 만든 루브 골드버그식 자동화일수록 더 만족스러웠음
개인 프로젝트에서는 기능을 더 쉽게 만들면서도 결과가 정교하고 일관돼 오히려 만족감이 커짐. 한 프로젝트에 한 달간 집중하면 꽤 좋은 결과를 얻고, 재작성과 구조 정리가 저렴해져 설계 공간을 실제로 더 폭넓게 탐색할 수 있음. 다만 답답할 때도 많으며 절반은 내 맥락 제공 문제, 절반은 모델의 본질적 한계임
Claude를 업무와 개인 프로젝트에서 즐겁게 쓰고 있으며, 핵심은 에이전트의 유혹을 피하고 코드 생성기로 다루는 것임. 세션 하나만 열어 계획을 충분히 다듬은 뒤 단계별 실행을 지켜보고, 각 단계가 끝날 때 검토와 방향 수정을 하면 마지막에도 코드 상태를 잘 파악할 수 있음
원샷에 가깝게 쓰려면 계획 단계에서 아키텍처뿐 아니라 주요 결정을 좌우할 실제 코드까지 구체화해야 함. 리팩터링 비용이 어느 때보다 낮으니 이해하기 어려운 부분은 즉시 LLM과 고치되, 한 번에 하나의 LLM이 한 가지 일만 하도록 하고 계속 과정에 참여해야 함
Claude와 몇 달간 작업한 끝에 초반에 세부 사항을 충분히 논의하고 필요하면 골격까지 만든 뒤 실행시키는 흐름을 익혔으며, 이를 https://github.com/ctomkow/claude/blob/main/README.md에 정리했음. 미뤄왔던 레거시 코드를 새 아키텍처로 성공적으로 리팩터링하고 있음
Claude에 전권을 주면 필연적으로 생기는 혼란과 난관이 사람을 소진시킴. 원할 때는 직접 코딩하고 지쳤을 때 Claude에 넘기면 코드베이스 통제감도 유지할 수 있음
편집기와 완전히 분리된 대화에 필요한 코드 조각만 붙여 넣고 제약과 아이디어를 논의한 뒤, 만족스러우면 편집기로 옮겨 이름과 구현을 더 다듬음. 명확하거나 즐거운 작업은 직접 하고 아키텍처 결정에도 관여해야 프로젝트와 연결감을 느끼며 깊이 이해할 수 있음
바이브 코딩은 여러 에이전트 루프를 쓰더라도, 출력을 가까이서 보는 보조 도구 방식보다 소진되기 쉬움
점진적으로 작업해도 다른 사람이 검토할 때는 결과 전체를 처음 보는 눈으로 한꺼번에 살펴야 하므로 검토 부담은 줄지 않음
작업 흐름은 최대 두 개까지 오갈 수 있지만, 그 이상이면 맥락 전환 때문에 머리가 완전히 지침
동료나 부하 직원의 코드를 검토할 때는 피드백의 기술적 타당성뿐 아니라 자존심, 아키텍처 관점 차이, 정중한 어조, 추가 업무량, 팀 역학까지 고려하느라 정신력 대부분을 씀. 반면 LLM은 감정적 영향에 신경 쓸 필요가 없어 검토와 방향 수정이 훨씬 쉬움
동료가 내 피드백을 다시 AI에 넘길 것을 알면 사람보다 AI를 대상으로 작성하게 되고, 훨씬 짧고 직설적으로 수정 목록을 전달하게 됨
기술 리드로서 PR마다 “이 정도면 충분하다”는 반발을 겪어왔는데, LLM에는 반발 없이 올바른 방식으로 다시 하라고 요구할 수 있어 편함
직장에서는 human in the loop 대신 Human on the hook이라 부르기 시작했음. 잘되면 공을 받지 못하지만 잘못되면 책임 당사자가 되는, 즉 문제가 생길 때만 인간이 중요해지는 구조를 더 정확히 표현함
코드를 쓰는 일 자체는 내게 한 번도 어려운 부분이 아니었음. 빠른 타자, Vim 모달 편집, Unix 명령, 스크립트와 단축키, Git, IDE 리팩터링, Java를 익혀 무엇을 만들지 알 때는 생각의 속도로 작업함
멈추는 순간은 타자나 문법 때문이 아니라 코드의 형태와 올바른 변경을 생각할 때이며, 어려워지면 더 나은 추상화나 IDE 도구, sed를 포함한 Unix 파이프라인을 만듦. 그래서 병목은 코드 작성이 아니라 사고와 판단이었음
AI 코딩이 큰 도약처럼 느껴지는 이유는 훌륭한 도구를 접하거나 숙달하지 못한 개발자가 예상보다 많기 때문일 수 있음. 지금 20대였다면 이런 기술을 익히는 데 시간을 덜 썼겠지만, 내게 소프트웨어 공학이 매력적이었던 순간은 그 어떤 것도 마법이 아님을 이해했을 때였음
“AI는 자신이 잘하지 못하는 일을 잘하는 것처럼 보인다”는 표현이 잘 맞음. 프로그래밍에 미숙하면 AI 출력이 빠르고 훌륭해 보이지만, 숙련된 개발자에게는 지시, 대기, 설득, 수정, 리팩터링까지 합치면 직접 하는 것보다 빠르지 않을 수 있음
내가 그림에 서툴러 AI 그림이 대단해 보이는 것처럼, AI 프로그래밍도 같은 원리로 평가될 수 있음
많은 사람이 느끼는 피로는 더 빠른 추진력과 더 큰 혼란이 결합하며 생기는 통제력 상실에서 비롯됨. LLM은 천재와 유아 사이 어딘가에 있어 뒷좌석에서 지켜보는 일이 짜릿하면서도 무서움
한동안 빠르게 달린 뒤에는 걷는 것도 나쁘지 않았고, 오히려 원하는 목적지에 도달할 가능성이 높았음을 깨닫게 될 듯함
LLM 코딩은 슬롯머신 손잡이를 당기듯 의식을 치르고 이번에는 되길 바라며 반복하는 느낌임. 일반 프로그래밍의 오류는 일관된 원인이 있고, 그 원인을 이해해 가능하면 영구히 제거하도록 설계돼 있음. 숙련된 개발자는 무작위로 시도해 성공하면 이유를 알 수 없는 일로 치부하지 않음
시스템이 무엇인지조차 합의하지 못하는 여러 이해관계자를 상대하느라 이미 지쳤다면, 인간의 주의력과 공학적 판단이 원래 병목이었다는 사실을 진작 알고 있었을 수도 있음
코딩을 처음 배워 웹 앱을 만들 때는 “이걸 해보면 되나?”라며 맹목적으로 추측하고 실행하느라 밤늦게까지 컴퓨터에 붙잡혀 있었음. 실력이 늘고 타입 언어, 컴파일러, LSP를 쓰면서 무엇이 작동할지 이해하게 됐고, 중독적인 추측 대신 만족스러운 몰입 상태에 들어갈 수 있었음
Claude 코딩은 그 추측 단계로 돌아가는 느낌이라 원하지 않음. 다만 복잡한 API와 여러 구성요소를 이어 붙이는 DevOps성 작업처럼 원래 맹목적 추측이 많은 영역에서는 LLM 대화가 가장 유용함
이제 이해관계자들은 합의하는 대신 LLM으로 설익은 계획과 분기 목표를 만들고, 설계·스토리·기술 세부사항·구현·코드 검토까지 모두 LLM에 맡김. 전 과정에서 비판적 사고와 검증이 사라지고, 목적도 불분명한 설계 문서와 코드만 쌓여 따라가기조차 어려움
계획은 언제든 변하고 충동적으로 전부 다시 작성될 가능성도 더 커짐
글의 핵심에는 공감하지만 곳곳에 Claude 특유의 문체가 묻어나, 누군가 AI로 작성한 글을 읽는 일은 더 피곤함
AI가 직접 썼다기보다 기업 문체에 맞추는 편집과 검토를 거쳤을 가능성이 큼. LLM 자체도 이런 문체로 학습됐음
대부분 AI가 작성했지만 일반적인 AI 글보다 사람의 개입이 훨씬 많아 평소만큼 거슬리지는 않음
원문 사이트가 IP를 차단하므로 덜 제한적인 미러 https://archive.is/RWxXP에서 볼 수 있음. 자신의 쇠퇴를 느끼는 일은 가장 큰 슬픔일 수 있으며 누구에게나 닥침
몸을 더 아꼈더라도 결국 같은 자리에 도달하면서 소중한 추억은 놓쳤을 수 있음. 몸을 돌보되, 다음 전투에 필요할까 봐 끝까지 쓰지 못하는 게임 속 물약처럼 대하면 안 됨. 우리 몸의 각 부분은 더 큰 목적을 위해 한 번 희생할 수 있거나 전혀 희생하지 않을 수 있을 뿐임
이런 생각만 해도 울 정도로 여전히 감정적 위기 속에 있음
AI 자동 생성 콘텐츠
본 콘텐츠는 GeekNews의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기