AI 코딩 단상을 읽고 느낀 것

단상

gpt-5.3-codex-spark xhigh가 나오면서, “AI 코딩”이라는 말이 갑자기 현실이 됐다는 느낌을 받았다.

물론 opus-4.6도 정말 좋다.
이건 누가 더 낫냐는 이분법으로 정리할 일이 아니다.
다만 gpt-5.3-codex-spark xhigh는 결이 조금 다르다.
같이 코딩한다는 느낌이 강하다.

내가 생각해서 밀어붙이는 속도가 아니라,
AI가 먼저 제안하는 생각의 속도에 내가 따라가는 경험에 가깝다.
게다가 그 제안이 신선하다.
내가 익숙하게 접근하던 길이 아니라,
내가 아예 들어가 보지 못했던 영역에서 대안을 가져온다.
“이렇게도 되는구나”라는 감탄이 자주 나온다.

속도는 더 말할 것도 없다.
이미 인간의 코딩 속도를 넘어선 건 오래됐다고 생각했는데,
이번에는 체감이 달랐다.
단순히 빠른 정도가 아니라,
내가 써본 모든 AI 도구의 속도마저 넘어선 듯한 느낌이 있었다.

하지만 이럴수록, 원칙이 더 중요해진다.
AI가 빠르게 길을 열어줄수록, 내가 지켜야 할 선이 흐려지기 쉽다.
그래서 나는 다시 기본으로 돌아가게 된다.

SRP. 책임은 하나로.
SSOT. 진실은 한 곳에서.
추상화. 숨기기 위해서가 아니라 안전한 교체를 위해서.
계약테스트. 말이 아니라 테스트로 약속을 고정하기.

그리고 AI 협업을 하면서 자주 놓치기 쉬운 것들도 함께 붙잡는다.
같은 커밋은 언제 어디서나 같은 결과가 나와야 한다는 재현성,
변경은 작게 하고 되돌림은 쉽게 만드는 원칙,
관측 가능성은 옵션이 아니라 기능이라는 태도,
호환성은 기본값이 뒤로 깨지지 않게 유지하는 습관,
데이터를 코드처럼 다루고 마이그레이션을 리허설하는 규율,
실패를 설계하고 보안을 기본값으로 안전하게 두는 자세,
그리고 “왜 이렇게 했는지”를 남기는 ADR 같은 기록.

결국 요즘 내가 하는 일은, 코드를 ‘작성’하는 것보다
AI가 열어주는 가능성의 공간을 ‘탐색’하는 쪽에 가깝다.
다만 그 탐색이 시스템이 되려면,
빠른 손보다 단단한 원칙이 먼저여야 한다.

AI 코딩이란, 인간이 정한 길을 더 빨리 걷는 게 아니라
인간이 아직 그려보지 못한 지도를 함께 펼쳐보는 일이다.
그리고 그 지도가 현실이 되려면,
원칙이 경계가 되어줘야 한다.

#AI개발도구는이미인간을능가했다

https://www.facebook.com/share/p/1McwychszH/

속도가 아니라 결이 달라졌다는 감각에 대하여

이 글에서 가장 인상 깊었던 부분은 GPT-5.3-Codex-Spark xhigh를 두고 “같이 코딩한다는 느낌이 강하다”고 표현한 대목이다. 실제로 2026년 2월 12일에 공개된 이 모델은 Cerebras의 웨이퍼 스케일 엔진 위에서 초당 1,000토큰 이상을 생성하며, 기존 AI 코딩 도구들이 가지고 있던 “요청하고 기다리는” 비동기적 리듬을 근본적으로 바꿔버렸다. 글쓴이가 “내가 생각해서 밀어붙이는 속도가 아니라, AI가 먼저 제안하는 생각의 속도에 내가 따라가는 경험”이라고 묘사한 것은, 단순히 토큰 생성 속도의 향상이 아니라 인간과 AI 사이의 인터랙션 패턴 자체가 뒤집혔다는 뜻으로 읽힌다.

이 지점이 중요한 이유가 있다. 지금까지 AI 코딩 도구의 진화는 대체로 “더 똑똑하게, 더 정확하게”라는 축을 따라왔다. SWE-bench 점수가 올라가고, 한 번에 처리할 수 있는 컨텍스트가 넓어지고, 멀티스텝 추론이 가능해지는 방향이었다. 그런데 Codex-Spark는 오히려 그 반대편을 건드렸다. 정확도에서는 풀 모델 대비 SWE-Bench Pro 기준 약 16포인트가량 떨어지지만, 속도가 15배 빨라지면서 생기는 체감의 변화가 단순한 편의성 개선이 아니라 협업 방식 자체의 전환으로 이어진 것이다. Zvi Mowshowitz 같은 분석가도 이 모델을 두고 “배치 도구에서 실시간 협업자로 넘어가는 문턱을 넘었다”고 평가했는데, 글쓴이의 체감과 정확히 일치한다.

“이렇게도 되는구나”라는 감탄의 정체

글쓴이가 “내가 익숙하게 접근하던 길이 아니라, 아예 들어가 보지 못했던 영역에서 대안을 가져온다”고 쓴 부분은, 현재 프론티어 AI 모델들이 보여주는 가장 흥미로운 특성 중 하나를 정확히 짚고 있다. 이것은 단순한 자동완성이나 코드 생성의 차원이 아니다. AI가 인간 개발자의 경험적 편향 바깥에 있는 해법을 제시할 수 있다는 것, 그리고 그 제시가 충분히 실용적이라는 것이다.

이 현상의 배경에는 GPT-5.3-Codex가 자기 자신의 학습과 배포, 테스트 진단에 직접 관여한 최초의 모델이라는 사실이 있다. OpenAI는 이 모델이 스스로의 개발을 가속한 것을 자랑스럽게 발표했지만, Anthropic 측에서도 Opus 4.6를 활용해 자사 평가 인프라를 디버깅한 사례를 공개하면서 “정렬되지 않은 모델이 자신의 능력을 측정하는 인프라에 영향을 줄 수 있는 잠재적 위험”을 인정한 바 있다. 글쓴이가 느낀 “신선한 제안”의 이면에는, 인간의 코드 패턴을 단순히 재조합하는 수준을 넘어선 모델 역량의 도약이 자리하고 있다.

원칙으로 돌아간다는 선택의 무게

이 글의 진짜 핵심은 사실 속도나 모델 성능에 대한 감탄이 아니다. 글의 무게중심은 후반부, 즉 “이럴수록 원칙이 더 중요해진다”는 선언 쪽에 놓여 있다. SRP, SSOT, 추상화, 계약 테스트 같은 소프트웨어 공학의 기본 원칙들을 다시 호명하고, 거기에 재현성, 관측 가능성, 하위 호환성, ADR 같은 운영 원칙까지 덧붙이는 구성은, AI 시대의 개발자가 무엇을 지켜야 하는지에 대한 매우 실질적인 선언이다.

이 지점에서 공감이 깊었던 이유는, 현재 AI 코딩 도구 생태계에서 가장 과소평가되고 있는 위험이 바로 “빠르고 그럴듯한 코드가 만들어내는 기술 부채”이기 때문이다. Codex-Spark에 대한 한 분석에서 “속도 없는 지능은 느린 실패에 불과하지만, 지능 없는 속도는 빠른 실패”라는 표현이 나왔는데, 이것은 글쓴이가 원칙을 강조하는 맥락과 정확히 맞닿아 있다. AI가 초당 1,000토큰으로 코드를 쏟아낼 수 있다는 것은, 원칙 없이 작업할 경우 기술 부채도 초당 1,000토큰의 속도로 쌓인다는 뜻이기도 하다.

특히 “같은 커밋은 언제 어디서나 같은 결과가 나와야 한다는 재현성”과 “변경은 작게 하고 되돌림은 쉽게 만드는 원칙”은 AI 에이전트가 자율적으로 코드를 생성하는 환경에서 더욱 절실해진다. Cursor의 연구팀이 수천 개의 GPT-5.x 에이전트로 Rust 웹 브라우저를 개발하면서 시간당 약 1,000건의 커밋을 생성한 실험 사례를 보면, 인간의 리뷰 없이 쏟아지는 코드의 양 앞에서 원칙이 유일한 방파제가 된다는 사실이 더 선명해진다.

“탐색”이라는 메타포의 적확함

글쓴이는 자신이 하는 일을 “코드를 작성하는 것이 아니라, AI가 열어주는 가능성의 공간을 탐색하는 것”이라고 정의했다. 이 메타포는 현재 AI 코딩 도구의 발전 방향과 놀라울 정도로 정합적이다. OpenAI가 Codex의 미래를 설명하면서 제시한 비전, 즉 “실시간 상호작용 모드와 장기 추론·실행 모드가 결합되어, 사용자가 긴밀한 인터랙티브 루프에 있으면서 동시에 백그라운드에서 서브에이전트에게 장기 작업을 위임하거나 병렬로 다수의 모델에 작업을 분산할 수 있는 구조”는, 개발자의 역할이 코드 작성자에서 가능성 공간의 탐색자이자 의사결정자로 이동하고 있음을 보여준다.

다만 글쓴이가 “그 탐색이 시스템이 되려면, 빠른 손보다 단단한 원칙이 먼저”라고 못 박은 것은, 단순한 당위론이 아니라 실전에서 나온 통찰로 읽힌다. AI가 열어주는 가능성의 공간은 넓지만, 그 공간 안에서 실제로 프로덕션에 올릴 수 있는 영역은 원칙이 허용하는 만큼만이다. 지도를 함께 펼치되, 경계는 인간이 긋는다는 결론은 AI 코딩 시대의 개발자 역할에 대한 가장 균형 잡힌 정의 중 하나라고 생각한다.

이 글이 남기는 질문

한 가지 더 생각하게 되는 것은, 이 원칙들을 지킬 수 있는 개발자와 그렇지 못한 개발자 사이의 격차가 AI 도구의 발전과 함께 오히려 벌어질 수 있다는 점이다. AI가 코드를 작성하는 속도가 빨라질수록, 그 코드의 품질을 판단하고 아키텍처적 결정을 내릴 수 있는 시니어 개발자의 역할은 더 중요해진다. 반면 AI가 생성한 코드를 무비판적으로 수용하는 접근은, 속도는 빠르되 방향을 잃은 탐색이 될 위험이 있다. 글쓴이가 나열한 원칙들, SRP부터 ADR까지의 목록은, 결국 “AI 시대에도 변하지 않는 것”에 대한 리스트이자 동시에 “AI 시대이기 때문에 더 중요해진 것”에 대한 리스트이기도 하다.

---

작성일: 2026-02-18