우리는 AI 모델보다 더 지쳐야 한다
에이전트 기반 코드 생성에过度 의존하면 작성자의 뇌가 생략되고, 장기적 기술 기반과 문제 해결력이 약화된다. 저자는 이를 방지하기 위해 개발 과정에 의도적인 ‘마찰’을 추가해야 한다고 주장하며, 직접 구현·리뷰·토론 등의 구체적 실천법을 제안한다. 핵심은 단기적 속도 향상을 희생하더라도 모델의 기반 위에 얹는 게 아니라 우리 자신의 기반을 단단히 다지는 것이다.
2026년 5월 28일
요즘 저는 에이전트 기반 코드 생성(Agentic Code Generation)으로 작업할 때 제가 작성하는 코드에 대한 통제력을 잃어가고 있다는 느낌이 듭니다. 에이전트 세션을 마치고 나면 코드를 작성한 듯한 외적 징후는 모두 갖추게 되지만, 직접 코드를 작성할 때 일어나는 내면적 인지 과정은 전혀 경험하지 못합니다.
간단히 말해, 인간의 뇌에는 단기 기억, 작업 기억, 장기 기억 등 여러 유형의 기억이 있습니다. 단기 기억은 정보를 일시적으로 모아 빠르게 처리하며, RAM과 비슷합니다. 장기 기억은 이전에 학습해 저장해둔 것들로, 데이터베이스 저장소에 비유할 수 있습니다. 작업 기억은 단기 기억과 장기 기억의 정보를 결합해 종합·처리하고 해결책을 도출하는 역할을 합니다. 우리가 코드를 다룰 때(이는 대부분 타인의 코드를 읽는 일을 의지합니다) 이 모든 과정이 뇌에서 동시에 일어나 프로그래밍 환경을 이해하려 애씁니다.
이는 놀라운 일이 아닙니다. 기본 모드의 코드 생성은 기술 유지에 역행합니다. 특히 그 사용자 경험(UX)이 슬롯머신을 닮았기 때문입니다. 레버를 당기면 보상(코딩 문제에 대한 해결책)이 나오는 식이죠. 어떤 면에서 우리는 소셜 미디어 피드를 토큰의 스트림으로 교체한 것이며, 저는 10년 뒤 이에 관한 논문들이 나오기를 기대합니다. 단순히 정답을 생성하는 것에서 벗어나 도구를 의도적으로 사용하려면 정말로 각별한 노력이 필요합니다.
제가 X(옛 트위터)에 에이전트 세션을 마치고 뇌 안개(brain fog)가 끼는 것 같다고 글을 올렸을 때, Oz가 제안한 것 중 하나는 코드의 일부를 직접 다시 작성해보라는 것이었습니다. 그 조언과, ‘느리게 하기에 대한 생각’ 논문, ‘AI를 활용해 더 느리게 더 나은 코드 작성하기’ 글, 그리고 Mitchell의 도입 여정에 영감을 받아, 저는 도구를 더 의도적으로 사용하고 개발에 마찰을 되돌려 넣는 방법을 실천하고 있습니다. 지금까지 저에게 효과가 있었던 방법들은 다음과 같습니다:
- 초기 구현은 직접 작성하고 에이전트에게 코드 리뷰를 요청한 뒤, 코멘트별로 검토하며 수동으로 수정하기
- 이해하지 못한 코드 조각에 대해 에이전트에게 계속 질문하고 관련 문서와 PR을 찾아보게 하기
- 에이전트에게 두 가지 구현 방식을 고민해 하나를 선택하게 하고, 나머지 하나를 비판하게 하기
- 에이전트가 제안한 구현 방식을 다른 사람과 논의하기
- 문제에 최소 20분을 직접 고민한 뒤에야 에이전트 사용 시작하기
- 다시 책과 학술 논문 읽기
- 기본적인 자료구조 직접 재구현하기
이 모든 방법은 마찰을 추가함으로써 LLM 생성 코드의 단기적 속도 향상 효과를 상쇄합니다. 하지만 장기적으로는 도구 사용 능력을 더 키워줍니다. 모델의 기반 위에 얹는 게 아니라 저 자신의 기반을 단단히 다지기 때문입니다. 우리는 모델보다 더 지쳐야 합니다. #학습 #LLMs