$200 vs $9 — 인프라가 모델 선택보다 중요하다는 것을 증명하는 Anthropic의 실험

요약 (TL;DR) — Anthropic은 AI 코딩 결과물을 비교하는 통제된 실험을 진행했습니다:

추가된 $191은 컴파일(compile), 테스트(test), 린트(lint), 타입 체크(type-check), 반복(repeat)과 같은 검증 루프(verification loops)에 사용되었습니다. OpenAI 또한 백만 라인의 코드베이스를 대상으로 동일한 실험을 수행했으며 동일한 결과를 얻었습니다.

5가지 하위 시스템 (The 5 Subsystems)

1. 지침 (Instructions, AGENTS.md) — AI에게 프로젝트 컨벤션(conventions)을 전달
2. 도구 (Tools, settings.json allowlist) — 파일 수정 실수를 방지
3. 환경 (Environment, setup.sh/Dockerfile) — "내 컴퓨터에서는 되는데" 문제 해결
4. 상태 (State, MEMORY.md/PROGRESS.md) — 세션 간 컨텍스트 (cross-session context)
5. 피드백 (Feedback, CI/lint/type-check) — AI의 실수를 조기에 포착

오늘 바로 할 수 있는 3가지

1. AGENTS.md 추가 (30분) — OpenAI는 이 파일 하나만으로도 개선 효과를 확인했습니다.
2. 프리커밋 훅 (Pre-commit hooks, 1시간) — npx tsc --noEmit + npm test
3. MEMORY.md 작성 (20분) — 세션 간 컨텍스트를 추적

결론 (The Bottom Line)

모델은 엔진입니다. 하네스(Harness)는 핸들, 브레이크, 그리고 안전벨트입니다.

이 내용이 유용했나요? 매일 새로운 AI 엔지니어링 발견을 확인하려면 Dev.to에서 저를 팔로우하세요.