AI 최신 thread news 23
1. AI 코딩 · Agent Engineering
1. 앤드류 응: 에이전틱 코딩 시대에도 개발 기본기가 중요하다
AI가 코드를 작성해도 개발자의 역할이 사라지는 것이 아니라 방향 설정·설계·검증 능력이 더 중요해진다는 내용.
기본기가 없으면 AI가 만든 기술 부채를 판단하기 어려움.
앞으로 개발자는 코드 작성자보다 AI 결과를 통제하는 엔지니어에 가까워짐.
2. Vercel의 AI Agent용 design.md
AI가 UI를 만들 때 글꼴·여백·색상·레이아웃 등의 규칙을 일관되게 따르게 하는 방법.
디자인 시스템도 Agent Context로 관리.
design.md 적용 후 디자인 오류가 크게 감소했다는 사례.
3. AGENTS.md에 Agent의 실패 경험을 누적한다
Agent가 실패한 원인을 규칙으로 남겨 다음 작업에서 같은 실수를 반복하지 않게 하는 방식.
실패 → 원인 분석 → AGENTS.md 규칙 추가 → 재실행 → 검증
프로젝트를 진행할수록 Agent가 해당 프로젝트에 점점 최적화되는 구조다.
4. Claude Code Harness 가이드 oh-my-fable
Agent에게 자유롭게 코딩시키기보다 명확한 작업 규칙을 주는 방식.
핵심 원칙: 질문에는 필요한 답만 / 임의 수정 금지 / 작업 전 계획 / 필요한 범위만 수정 / 검증 후 완료 / 불필요한 토큰 소비 최소화
5. 실전 Agent Skill 5종
Agent 하나에게 모든 일을 맡기는 것이 아니라 전문화된 Skill을 조합하는 방식.
find-skills: 필요한 Skill 검색 /grill-me: 요구사항 허점 검토 /diagnosing-bugs: 버그 원인 추적 /tdd: 테스트 주도 개발 /frontend-design: UI 품질 개선
6. 기획 → 디자인 → 개발을 하루 만에 연결하는 AI 파이프라인
실제 Product 개발 전체 과정에 AI를 투입하는 사례.
ChatGPT → Stitch → Figma → Design QA → Codex → 개발 → 배포
AI 활용이 단순 코딩 보조에서 Product Engineering 전체 자동화로 확대되고 있음을 보여준다.
7. 바이브코딩에서 코드가 꼬이는 진짜 이유는 Context
AI가 한 부분을 고친 뒤 다른 부분을 깨뜨리는 문제는 모델 성능보다 맥락 관리 실패에서 발생하는 경우가 많다.
Agent에게 최소한 다음을 명확하게 전달해야 한다: 요구사항, 현재 구조, 변경 범위, 영향 범위, 금지 사항, 완료 조건, 검증 기준.
8. 바이브코딩도 에디터를 켜기 전에 설계부터
AI에게 바로 코딩을 시키기보다 사전 정의가 먼저라는 내용.
문제 정의 → 요구사항 → 도메인/화면 → 데이터 → API → 구현 순서 → 검증 방법
Agent 활용에서도 결국 Planning 능력이 생산성을 결정한다.
2. AI 개발 도구 · 인프라 변화
9. Archify — 시스템 구조를 인터랙티브 지도로 변환
코드와 설명을 분석해서 시스템 구조를 시각적인 문서로 만드는 오픈소스.
Architecture, Data Flow, Sequence, Lifecycle, Flowchart
AI가 만든 복잡한 시스템을 사람이 이해하고 검증하는 도구라는 점에서 의미가 있다.
10. Perplexity Lily — Apple Silicon 로컬 추론
Apple Silicon에 최적화된 로컬 AI 추론 엔진.
Rust + Metal 기반, 로컬 LLM 성능 최적화.
민감 데이터는 Local, 고성능 작업은 Cloud로 분리하는 Local + Cloud Hybrid AI 가능성을 보여줌.
11. Cursor Cloud Agent — 사내 인프라에서 Agent 실행
AI Agent의 실제 실행 환경을 회사가 관리하는 서버나 장비로 연결하는 방향.
Cursor Agent ↓ (사내 서버 / 사내 GPU / Local Mac / Lambda)
보안이 중요한 기업에서도 Agent Coding을 도입하기 위한 중요한 흐름.
12. OpenAI와 차세대 모델 경쟁
OpenAI를 포함한 주요 AI 기업의 경쟁이 단순 모델 성능에서 벗어나고 있다는 내용.
경쟁 영역: Coding, Agent, Enterprise, Infrastructure, Product UX, Developer Ecosystem
AI 모델보다 전체 Agent 생태계 경쟁이 중요해지고 있다.
3. AI 시대 개발자 · 커리어 변화
13. Agent와 협업하는 사람과 그렇지 않은 사람의 생산성 격차
앞으로 개인이 여러 AI Agent를 작은 팀처럼 운영하는 능력이 중요해질 수 있다는 관점.
Research / Design / Coding / Test / Data Agent를 직접 지휘하는 역량이 경쟁력이 됨.
14. AI 시대 인재에게 요구되는 능력 변화
AI가 조사·분석·문서 작성 등을 빠르게 자동화하면서 인간에게 요구되는 능력도 달라지고 있음.
중요성이 높아지는 역량: 판단력, 설득력, 팀워크, 실행력, 책임감.
정답을 만드는 능력보다 상황을 판단하는 능력의 가치가 커짐.
15. 대체하기 어려운 인재가 되는 6가지 방법
남들이 피하는 문제를 맡는다 / 둘 이상의 전문성을 결합한다 / 문제 해결사로 포지셔닝한다 / 성과를 숫자로 보여준다 / 학습 속도를 높인다 / 지식을 글로 기록한다.
AI 시대에도 결국 문제를 해결하고 결과를 만드는 사람의 가치는 높다는 내용.
16. 코드가 싸질수록 판단 비용이 비싸진다
AI 때문에 코드 생성 비용 자체는 급격히 낮아지고 있음.
소프트웨어는 '빠르게 만들고 버리는 코드' vs '오랫동안 유지해야 하는 핵심 시스템'으로 양극화.
개발자의 핵심 역량은 무엇을 만들고, 유지하고, 버릴지를 결정하는 판단력으로 이동.
17. AI 시대의 10x·100x 개발자는 누구인가
예전 고성과 개발자가 코드를 빠르게 작성하는 사람이었다면 앞으로는 기준이 달라짐.
문제 정의 + 업무 분해 + Agent 활용 + 아키텍처 + 검증 + Product 완성을 종합적으로 잘하는 개발자가 높은 생산성을 만듦.
4. Product · 비즈니스 · 마인드셋
18. 바이브코딩 시대의 진짜 병목은 마케팅과 사람
AI 덕분에 MVP를 만드는 것은 쉬워지고 있으나, '만들 수 있다 ≠ 사용자가 쓴다'.
제품 성공의 병목은 사용자 문제 발견, UX, 마케팅, 유통, 고객 확보, 지속적인 개선으로 이동.
19. 허준이 교수 — 목표보다 과정에 몰입하는 방법
목표를 너무 강하게 고정하면 예상하지 못한 가능성을 탐색하지 못할 수 있다는 관점.
빠르게 변하는 AI 시대에는 '목표 → 실험 → 피드백 → 학습 → 방향 수정'이라는 반복 과정 자체가 중요.
20. 이미 변한 환경과 싸우기보다 적응한다
기술·시장·업무 방식이 바뀌었다면 이전 상태로 되돌리려 하기보다 새로운 환경에 맞는 전략을 만드는 것이 효율적.
'AI를 쓸 것인가?'보다 'AI가 기본이 된 환경에서 나는 어떻게 더 잘 일할 것인가?'가 핵심 질문.
21. 최고난도 저수준 어셈블리 커널까지 AI가 최적화하는 시대
OpenAI의 저수준 Gluon(DeepSeek MLA) 커널이 3만 줄에 달하는 AI 자동 생성 코드로 구현되어 압도적 성능과 정확성을 확보.
인간 엔지니어가 줄 단위로 동작을 다 이해하지 못해도 AI가 스스로 테스트하고 최적화함.
커널 최적화/하드웨어 제어 등 최고난도 영역까지 AI가 인간을 넘어서기 시작하며 개발 패러다임의 거대한 특이점이 다가옴.
22. 현대차 정의선 회장이 직접 실습한 바이브 코딩과 AX 리더십
비개발자용 도구로 치부되던 바이브 코딩 교육을 정의선 회장이 경영진에게 먼저 제안하고 직접 이수.
리더가 AI의 가능성과 한계(환각, 비용 등)를 직접 체감해야 올바른 기술 투자와 경영 판단을 내릴 수 있다는 취지.
탑다운 실습을 발판으로 전사적 'AX 챔피언' 육성과 실무 AI 내재화로 확장.
23. AI는 덧셈이 아니라 곱셈이다
AI는 단순히 능력을 보태주는 '덧셈(+)'이 아니라 기존 조직의 역량과 방향성에 곱해지는 '곱셈(×)'.
잘 굴러가는 팀에 AI를 붙이면 생산성이 몇 배로 폭발하지만, 소통이 안 되고 잘못된 방향으로 가던 조직에 붙이면 잘못된 길로 가는 속도만 몇 배로 빨라짐.
AI 도입 전 조직의 프로세스와 올바른 방향성 정립이 필수적임을 환기.
💡 23개 자료를 관통하는 하나의 흐름
AI가 코드 생성 비용을 낮춘다 ↓
단순 코딩의 가치가 상대적으로 낮아지고, 최고난도 커널 최적화까지 AI가 직접 수행한다 ↓
설계·판단·검증의 중요성이 올라간다 ↓
Context를 체계적으로 관리해야 한다 ↓
Agent Harness와 Skill을 구축한다 ↓
여러 Agent에게 전문 역할을 분배하고, 리더십부터 AI를 직접 이해·체감한다 ↓
AI는 조직의 역량에 '곱셈'으로 작용하므로 기본 프로세스와 소통을 먼저 바로잡는다 ↓
개발자는 Agent를 지휘하는 Product Engineer가 된다 ↓
최종 경쟁력은 무엇을 만들고 어떤 방향으로 갈 것인가를 판단하는 능력이 된다
그외
넥슨 코테 폐지 및 oop 활용 능력 검증 논란
https://okky.kr/articles/1563362
