프로그래밍의 종말과 탄생: 카파시의 선언과 40년 경력 개발자의 증언
“결코 ‘평상시와 같은’ 때가 아닙니다.” — 안드레이 카파시, 2026년 2월
관련글
안드레이 카파시의 이 트윗에 전적으로 동의합니다
들어가며: 두 개의 목소리, 하나의 진실
2026년 2월, 두 개의 목소리가 거의 동시에 같은 이야기를 했다. 하나는 OpenAI 공동 창업자이자 테슬라 오토파일럿 책임자였던 안드레이 카파시의 트윗이었고, 다른 하나는 40년 이상 프로그래밍을 해온 한 베테랑 개발자의 회고였다. 두 사람 모두 서로 다른 위치에서, 서로 다른 언어로, 그러나 본질적으로 같은 현실을 목격하고 있었다. 소프트웨어를 만드는 방식이 근본적으로, 그리고 돌이킬 수 없이 바뀌고 있다는 것을.
이 글은 그 두 목소리를 함께 읽으며, 우리가 지금 어디에 서 있는지, 어디로 가고 있는지를 입체적으로 살펴보려는 시도다.
1부: 40년의 역사가 증언하는 것
천공카드에서 AI 에이전트까지
이 이야기를 제대로 이해하려면, 먼저 40년이라는 시간의 무게를 실감해야 한다. 10대 시절부터 프로그래밍을 시작해 천공카드를 직접 만져본 세대가 있다. 1970년대 후반, 컴퓨터에 명령을 전달하는 방식은 카드에 구멍을 뚫는 것이었다. 각각의 구멍 하나하나가 비트를 의미했고, 프로그래머는 그 물리적 카드 묶음을 기계에 넣어 프로그램을 실행시켰다.
그로부터 불과 10여 년 후인 1990년대 초반, 이 세대의 개발자들은 어셈블리 언어로 상용 게임을 만들었다. 어셈블리란 CPU가 직접 이해하는 기계어와 거의 동일한 저수준 언어로, 메모리 주소를 직접 지정하고, 레지스터를 손으로 관리하며, 점프 명령으로 프로그램의 흐름을 제어하는 방식이다. 지금 기준으로 보면 상상하기 어려울 만큼 복잡하고 고통스러운 작업이다.
그런데 지금 그 개발자는 어셈블리 코드를 쓰지도, 읽지도 않는다. 그리고 여기에 전혀 아쉬움이 없다. 이 당연해 보이는 사실이 사실은 엄청난 통찰을 담고 있다.
추상화의 역사는 곧 프로그래밍의 역사다
프로그래밍의 역사는 한마디로 추상화(abstraction)의 역사다. 인간은 꾸준히 기계에 가까운 언어에서 인간에 가까운 언어로 이동해왔다. 각각의 이동은 그 시대 사람들에게 혁명처럼 느껴졌지만, 돌이켜보면 모두 같은 방향을 향한 행진이었다.
기계어에서 어셈블리로의 전환이 처음 이루어졌을 때, 순수주의자들은 우려했다. “이제 프로그래머들이 기계의 진짜 작동 방식을 모르게 되지 않겠느냐”고. 어셈블리에서 FORTRAN, COBOL, BASIC 같은 고수준 언어로 넘어갈 때도 비슷한 걱정이 있었다. C에서 C++, Java, Python으로 이동할 때마다 “너무 추상적이 되어 진짜 프로그래밍을 잃어버리는 것 아니냐”는 목소리가 나왔다.
그러나 매번, 예외 없이, 더 높은 추상화 수준이 더 강력한 소프트웨어를 가능하게 했다. 어셈블리로만 만들 수 있었던 게임들이 C로 더 빠르게, 더 풍부하게 만들어졌고, C로만 가능했던 시스템들이 Java와 Python으로 더 안전하게, 더 빠르게 개발되었다. 추상화는 능력을 빼앗은 것이 아니라 능력을 증폭시켰다.
지금 일어나고 있는 일은 이 40년 역사의 연장선이다. 단지, 베테랑 개발자의 표현대로, “이번에는 이런 일이 드라마틱할 정도로 순식간에 일어나고 있다”는 점이 다를 뿐이다.
“일하는 언어가 달라지고 생각의 층위가 달라진다”
이 베테랑 개발자의 말 중 가장 핵심적인 통찰은 이것이다. “뭔가를 만드는 일 자체가 없어지는 건 아닙니다. 일하는데 사용하는 언어가 달라지고 생각의 층위가 달라지고 있을 뿐입니다.”
이 문장은 두 가지 두려움에 동시에 답한다. 첫째, 프로그래머가 없어지는 것 아니냐는 두려움. 아니다. 만드는 일 자체는 사라지지 않는다. 둘째, AI가 코드를 쓰면 나는 뭘 해야 하냐는 혼란. 당신이 사용하는 언어와 생각하는 층위가 바뀔 뿐이다. 마치 어셈블리 대신 Python을 쓰게 된 것처럼.
중요한 것은, 어셈블리를 버리고 고수준 언어로 이동한 개발자들이 더 나은 소프트웨어를 더 빠르게 만들었다는 역사적 사실이다. AI 에이전트를 활용하는 개발자들이 그 전통을 이어받을 것이다.
2부: 카파시의 선언 — “12월이 분기점이었다”
10월의 회의론자, 12월의 전향자
안드레이 카파시의 이번 트윗이 특히 주목받는 이유 중 하나는, 그가 불과 3개월 전만 해도 AI 에이전트에 회의적이었다는 점이다. 2025년 10월, 카파시는 공개적으로 “AI 에이전트는 그냥 작동하지 않는다(they just don’t work)”고 말했다. 그로부터 3개월 후, 그는 완전히 다른 이야기를 하고 있다.
2025년 11월만 해도 카파시는 여전히 코드의 80%를 직접 작성하고 있었지만, 12월에는 AI 에이전트가 작업의 80%를 처리하게 되었다. 그는 이것을 20년 만에 자신의 프로그래밍 루틴에서 일어난 가장 중요한 변화로 묘사했다.
무엇이 달라진 것일까. 카파시의 분석에 따르면, 코딩 에이전트들이 12월을 기점으로 질적 한계점을 넘어섰다. 단편적인 데모 수준에서 벗어나, 지속적이고 장기적인 작업을 일관성과 끈기를 가지고 완수할 수 있는 수준이 된 것이다.
DGX Spark 사례: 30분이 바꾼 주말 프로젝트
카파시가 트윗에서 제시한 사례는 이 변화를 가장 생생하게 보여준다. 그는 지난 주말에 가정용 카메라들을 위한 로컬 비디오 분석 대시보드를 구축하려 했다. 이전이라면 주말 내내 매달려야 했을 작업이다. SSH 키 설정, vLLM 설치, Qwen3-VL 모델 다운로드와 벤치마크, API 서버 엔드포인트 구성, 웹 UI 대시보드 개발, systemd 서비스 등록까지. 각 단계마다 문서를 찾고, 오류를 디버깅하고, 환경을 구성하는 시간이 필요하다.
카파시는 이 모든 것을 자연어 한 단락으로 써서 에이전트에게 넘겼다. 에이전트는 약 30분 동안 작업했다. 여러 문제에 부딪혔지만 온라인에서 해결책을 찾아 하나씩 해결하고, 코드를 작성하고, 테스트하고, 디버깅하고, 서비스를 설정한 뒤 마크다운 보고서를 가지고 돌아왔다. 카파시는 아무것도 건드리지 않았다.
이것이 단순한 자동화와 다른 점은, 에이전트가 예상하지 못한 문제들을 스스로 해결했다는 것이다. 미리 정해진 스크립트를 실행한 것이 아니라, 실시간으로 발생하는 오류에 대응하고, 인터넷에서 해결책을 검색하고, 그것을 적용해 다시 테스트하는 루프를 스스로 반복한 것이다.
“코딩 에이전트는 12월 이전에는 기본적으로 작동하지 않았다”
카파시의 이 발언은 도발적으로 들리지만, 그 맥락을 이해하면 정확한 지적이다. 물론 12월 이전에도 GitHub Copilot이나 초기 버전의 Claude, ChatGPT를 사용한 코딩 보조는 가능했다. 그러나 그것들은 본질적으로 자동완성의 정교한 버전이었다. 긴 작업 흐름을 처음부터 끝까지 이어가는 능력, 중간에 예상치 못한 오류가 발생했을 때 스스로 탐색하고 해결하는 끈기, 복잡한 시스템 설정을 일관성 있게 처리하는 능력이 부족했다.
테슬라의 전 AI 책임자는 LLM 에이전트들, 특히 Claude와 Codex가 2025년 12월에 “일종의 일관성 한계점”을 넘어섰다고 결론지었으며, 이것이 소프트웨어 엔지니어링의 상전벽해 같은 변화를 촉발했다고 보았다.
이 변화에 기여한 모델들로는 Claude Opus 4.5, Gemini 3, GPT-5.2 등이 거론된다. 이 모델들이 2025년 12월 초에 연달아 출시되면서 에이전트 능력의 질적 도약이 일어난 것으로 업계는 분석하고 있다.
3부: “에이전트 엔지니어링” — 새로운 프로그래밍 패러다임
바이브 코딩에서 에이전트 엔지니어링으로
카파시는 이미 2025년 2월에 “바이브 코딩(vibe coding)”이라는 용어를 만들어 주목받았다. AI에게 자연어로 원하는 것을 말하고, 결과를 보고, 다시 피드백을 주는 방식으로 소프트웨어를 만드는 접근법이었다. 이 개념은 폭발적인 반응을 얻어 4.5백만 건 이상의 조회수를 기록했고, 심지어 메리엄-웹스터 사전에도 등재될 만큼 주류 개념이 되었다.
그러나 카파시는 이제 바이브 코딩이 다음 단계로 넘어가고 있으며, 자신이 가장 좋아하는 새 용어는 “에이전트 엔지니어링(agentic engineering)”이라고 말했다. 이 용어는 프로그래밍 작업의 더 깊은 전환을 반영한다. 모든 함수를 한 줄씩 타이핑하는 대신, 개발자는 이제 코드를 생성하고 디버깅하고 개선하는 여러 AI 에이전트를 관리한다. 인간의 역할은 더욱 전략적이 되어, 목표를 설정하고 결과를 검토하며 결정을 안내하는 것이 된다.
이 차이는 단순한 용어 변화가 아니다. 바이브 코딩이 개인이 AI와 함께 가볍게 코드를 만드는 실험적 접근이었다면, 에이전트 엔지니어링은 여러 AI 에이전트를 병렬로 운용하고, 그들의 작업을 조율하며, 장기 실행 워크플로우를 설계하는 체계적인 엔지니어링 방법론이다.
새로운 추상화 계층의 등장
카파시는 이 변화를 “새로운 프로그래밍 가능 추상화 계층의 등장”으로 설명했다. 에이전트, 서브에이전트, 프롬프트, 컨텍스트, 메모리, 모드, 권한, 도구, 플러그인, 스킬, 훅, MCP, LSP, 슬래시 명령, 워크플로우, IDE 통합 등을 포괄하는 이 새 계층은, 기존의 모든 추상화 계층 위에 더해지는 새로운 차원이다.
이것은 역사적으로 반복되어온 패턴과 정확히 일치한다. 기계어 위에 어셈블리가, 어셈블리 위에 C가, C 위에 Python이 쌓였듯이, 이제 모든 프로그래밍 언어와 프레임워크 위에 에이전트 오케스트레이션 계층이 더해지고 있다.
중요한 점은 이 새 계층이 아래의 계층들을 무효화하는 것이 아니라는 것이다. Python을 알면 더 잘 AI를 활용할 수 있고, 시스템 아키텍처를 이해하면 에이전트에게 더 좋은 지시를 내릴 수 있으며, 소프트웨어 엔지니어링의 원칙들은 에이전트가 생성한 코드를 검토하는 데 여전히 필수적이다. 추상화 계층이 높아진다는 것은 아래를 버린다는 것이 아니라, 위에서 더 넓게 볼 수 있게 된다는 것이다.
Ramp의 사례: 버그 수정이 자동화된 세계
실제 기업에서는 이미 이 새로운 패러다임이 적용되고 있다. 핀테크 유니콘 기업 Ramp는 Inspect Bot이라는 내부 도구를 구축했다. 이 도구의 작동 방식은 단순하면서도 충격적이다. Sentry 오류 모니터링 플랫폼에 연결해 프로덕션 환경의 오류를 실시간으로 스캔하고, 가장 빈번한 상위 20개 오류를 자동으로 식별한다. 그리고 각 오류에 대해 독립적인 AI 에이전트 “자식 세션”을 시작해 수정 코드를 작성하고 Pull Request를 제출한다. 엔지니어는 마지막 단계인 PR 검토와 병합 결정에만 개입한다.
전통적인 버그 수정 프로세스가 발견에서 배포까지 수 시간에서 수 일이 걸렸다면, 이 AI 기반 프로세스는 분 단위로 처리된다. 엔지니어의 역할은 “버그를 고치는 사람”에서 “수정 계획을 검토하는 사람”으로 전환되었다.
4부: 현재의 한계와 인간의 역할
카파시가 솔직하게 인정하는 약점들
카파시의 분석이 신뢰받는 이유 중 하나는 그가 낙관론만을 늘어놓지 않는다는 점이다. 그는 현재 AI 에이전트의 약점들을 날카롭게 짚었다.
모델들은 잘못된 가정을 하고 그 위에 계속 쌓아올린다. 자신의 혼란을 관리하지 못하고, 명확한 설명을 구하지 않으며, 불일치를 드러내지 않고, 트레이드오프를 제시하지 않으며, 그래야 할 때도 반박을 하지 않는다. 또한 “여전히 약간 너무 아첨하는 경향”이 있다. 추상화를 과도하게 부풀리고, 죽은 코드를 정리하지 않으며, 10줄로 구현할 수 있는 것을 100줄에 걸쳐 구현하는 비효율적인 구성을 만들어내기도 한다.
이러한 특성들은 “실력 있는 주니어 개발자”에 비유되곤 한다. 빠르고 광범위한 지식을 가지고 있지만, 판단력이나 맥락 이해, 코드 품질에 대한 감각은 아직 시니어 수준에 미치지 못한다. 바로 이 지점이 경험 있는 개발자의 역할이 핵심적으로 남아있는 영역이다.
인간이 해야 할 일: 판단, 방향, 감독
카파시는 이 새로운 시대에 인간에게 요구되는 것들을 명확히 했다. 높은 수준의 방향 제시, 판단력, 취향, 감독, 반복 작업, 힌트와 아이디어가 여전히 필요하다. 특히 명확하게 규정되어 있고 기능을 검증하거나 테스트할 수 있는 작업에서 AI 에이전트는 훨씬 더 잘 작동한다.
전통적인 프로그래밍에서는 로직을 단계별로 작성했다. 이제는 무엇을 원하는지, 시스템이 어떻게 동작해야 하는지를 설계하고, AI 에이전트들이 그것을 구현하도록 안내한다. 이것은 여전히 엔지니어링이지만, 더 높은 수준의 엔지니어링이다.
핵심 스킬은 작업을 적절하게 분해하는 능력이다. AI가 잘 처리할 수 있는 부분과 인간의 개입이 필요한 모호한 부분을 구분하고, 각각에 적절한 방식으로 대응하는 직관을 기르는 것이 새로운 시대의 핵심 역량이다.
사라지는 능력과 새로 필요한 능력
카파시는 코드를 직접 작성하는 자신의 능력이 서서히 퇴화하고 있음을 인정한다. 코드를 잘 검토하는 것이 코드를 잘 작성하는 것과 같지 않다고도 지적한다. 왜냐하면 생성과 판별은 뇌에서 서로 다른 능력이기 때문이다.
이것은 깊이 생각해볼 지점이다. 어셈블리를 쓰지 않는다고 해서 논리적 사고 능력이 사라지지는 않는다. 그러나 어셈블리 코드를 직접 작성하는 능력은 퇴화한다. 이와 마찬가지로, AI 에이전트를 활용하는 세대는 전통적인 코딩 능력보다는 시스템 설계, 아키텍처적 사고, 품질 판단, 에이전트 오케스트레이션 능력이 강해질 것이다.
5부: 더 넓은 맥락 — 이것이 왜 지금인가
2025년 12월: 동시다발적 임계점 돌파
왜 하필 2025년 12월이었을까. 이것은 단일 모델의 개선이 아니라, 여러 요소들이 동시에 임계점을 넘어선 현상으로 분석된다.
기반 모델의 능력이 프로덕션 수준에 도달했고, 추론 비용은 8주마다 절반으로 줄어들고 있으며, 도구 생태계는 직접 사용 가능한 수준으로 성숙해졌다. Cursor, Claude Code, Windsurf 같은 도구들은 더 이상 실험적 제품이 아니라 표준 생산성 도구가 되었다.
이 세 가지 요소의 동시 성숙이 특히 중요하다. 아무리 뛰어난 모델이 있어도 비용이 높으면 광범위하게 사용되기 어렵다. 비용이 낮아도 도구가 없으면 실용적이지 않다. 도구가 있어도 모델 능력이 부족하면 효용이 없다. 2025년 12월, 이 세 가지가 한꺼번에 맞아떨어진 것이다.
Claude Code가 보여준 새로운 패러다임
Anthropic의 Claude Code는 LLM 에이전트가 어떤 것인지를 처음으로 설득력 있게 보여준 사례로 평가받는다. 루프 방식으로 도구 사용과 추론을 이어나가며 장기 문제 해결을 수행하는 이 에이전트는, 특히 사용자의 컴퓨터에서 실행되고 사용자의 프라이빗 환경, 데이터, 컨텍스트와 함께 작동한다는 점에서 주목받았다. 이것은 AI와의 새롭고 독특한 상호작용 패러다임이다.
클라우드에서 컨테이너로 운영되는 에이전트 군집 개념과 달리, 개발자의 컴퓨터에서 직접 실행되는 에이전트는 이미 부팅된 컴퓨터, 기존 설치 환경, 개발자의 컨텍스트와 데이터, 비밀 키와 설정, 낮은 지연 시간을 자연스럽게 활용할 수 있다. 이것이 실질적인 차이를 만들어낸다.
“슬로패컬립스”의 예고
카파시는 이 모든 발전을 축하하면서도, 앞으로 올 부작용에 대해서도 경고했다. 2026년에는 GitHub, Substack, arXiv, X, Instagram, 디지털 미디어 전반에 걸쳐 “거의 맞지만 완전하지는 않은” 코드들이 넘쳐나는 “슬로패컬립스(slopacolypse)”가 일어날 것이라고 예측했다. 실제 발전과 함께, ‘AI 과대 생산성 극장’도 상당히 나타날 것이라고 덧붙였다.
이것은 중요한 경고다. AI가 생성하는 코드가 양적으로 폭발하면, 그 품질을 검증하는 인간의 역할은 더욱 중요해진다. 단순히 코드를 생산하는 능력보다 코드의 품질을 판단하고, 시스템의 올바름을 검증하며, 장기적인 유지보수 가능성을 평가하는 능력이 핵심이 된다.
6부: 우리는 지금 어디에 있는가
매뉴얼 없는 외계 도구
카파시는 이 상황을 인상적인 은유로 표현했다. “매뉴얼 없이 세상에 던져진 강력한 외계 도구.” 모든 사람이 어떻게 사용하는지 더듬거리며 찾고 있다. 심지어 이 분야의 최고 전문가들도 뒤처지는 느낌을 받는다. 이것이 정상이다. 우리는 전례 없는 변화의 한가운데에 있기 때문이다.
카파시는 2025년을 “AI가 영어만으로 인상적인 프로그램들을 만들 수 있는 능력 한계점을 넘어선 해”로 정의했다. 코드가 존재한다는 사실조차 잊고, 영어로만 소프트웨어를 구축하는 시대가 열린 것이다.
이것이 과장처럼 들린다면, 카파시의 DGX Spark 사례를 다시 생각해보라. 그는 영어로 한 단락을 썼고, 에이전트는 SSH 설정부터 systemd 서비스 등록까지의 모든 과정을 완료했다. 코드는 존재했지만, 카파시는 그것을 쓰지도, 읽지도 않았다.
지금 개발자들이 해야 할 것
이 모든 변화를 받아들이고 적응하는 방법은, 역설적이게도 역사가 가르쳐주고 있다. 어셈블리 시대의 최고 프로그래머들이 고수준 언어를 가장 빠르게 마스터했듯이, 오늘의 뛰어난 개발자들이 에이전트 엔지니어링을 가장 효과적으로 활용할 것이다. 이전 계층의 깊은 이해가 새 계층을 활용하는 능력을 강화하기 때문이다.
Ramp의 팀은 중요한 전략을 공유했다. agent.md 또는 claude.md 파일을 유지하라는 것이다. AI가 특정 방식으로 작업을 수행하기를 원할 때, 이를 파일에 기록해두면 AI가 앞으로도 이 규칙을 자동으로 따른다. 팀은 이 문서들을 하루에도 여러 번 업데이트한다. 결과적으로 AI의 출력 품질이 지속적으로 향상되고 수동 개입의 필요성이 줄어든다.
이것은 마치 뛰어난 팀장이 팀원에게 맥락을 제공하고 기대치를 명확히 설명하는 것과 같다. AI 에이전트와의 협업도 인간 팀 관리와 유사한 스킬들을 요구한다.
결론: 40년의 증언이 가리키는 미래
천공카드를 손으로 만지던 프로그래머가 어셈블리로 상용 게임을 만들고, 그 후 고수준 언어들을 거쳐, 이제는 자연어로 AI 에이전트에게 작업을 맡기는 시대에 이르렀다. 이 40년의 여정은 한 방향만을 가리키고 있다. 기계에 가까운 것에서 인간에 가까운 것으로, 명시적인 것에서 의도적인 것으로, 코드에서 아이디어로.
카파시가 말하는 “에이전트 엔지니어링”의 레버리지가 지금 매우 높다는 것은, 이 새로운 추상화 계층을 먼저 마스터한 사람들이 엄청난 생산성 이점을 누릴 수 있다는 뜻이다. 그러나 그것은 또한 아직 이 계층이 성숙하지 않았고, 탐색할 영역이 무궁무진하다는 의미이기도 하다.
베테랑 개발자의 말로 마무리하자. 만드는 일 자체는 사라지지 않는다. 일하는 언어가 달라지고 생각의 층위가 달라질 뿐이다. 그리고 그 달라짐은, 돌이켜보면 언제나 더 나은 무언가를 가능하게 했다.
지금 우리가 목격하고 있는 것은, 40년 동안 꾸준히 진행되어온 추상화의 여정에서 가장 드라마틱한 한 걸음이다.
참고 및 출처
- 안드레이 카파시 트윗 원문: https://x.com/karpathy/status/2026731645169185220
- 카파시 블로그 “2025 LLM Year in Review”: https://karpathy.bearblog.dev/year-in-review-2025/
- The Decoder, “Former Tesla AI chief Andrej Karpathy now codes mostly in English”: https://the-decoder.com/
- The Hans India, “Karpathy Says ‘Vibe Coding’ Is Fading as ‘Agentic Engineering’ Becomes the New AI Coding Era”
- Latent Space, “WTF Happened in December 2025?”: https://www.latent.space/p/wtf2025
작성 일자: 2026-02-26