바이브 코딩과 생산성

댄 루는 코딩 에이전트의 발전으로 소프트웨어 제작 단가가 급감했는데도 개발자들이 과거의 비용 감각을 유지하고 있다고 진단한다. 기존 데이터베이스를 재작성하는 프로젝트부터 몇 시간 만에 완성하는 개인용 개발 도구와 게임까지, 자체 검증 체계를 갖추면 과거에는 엄두를 내기 어려웠던 소프트웨어를 실제로 쓸 만한 품질로 구축할 수 있다.

ETH 취리히 연구진이 대학생 100명에게 코드를 감춘 채 자연어로만 앱을 만들게 했다. 컴퓨터과학 성취도와 작문 능력이 모두 성과를 예측했지만, 일반 인지 능력을 통제하자 컴퓨터과학 쪽만 살아남았다.

우버가 사내 AI 코딩 사용량을 7배로 키우면서 요청 1,000건당 비용을 34% 낮춘 기록. 지출을 여섯 항의 곱으로 분해하고, 사람이 요청한 일이 아니라 에이전트가 자기 편의로 쓰는 토큰만 골라 깎았다.

HumanLayer 창업자 Dex Horthy의 에세이. 사람이 코드를 아예 읽지 않는 ‘불 끄고 돌아가는 소프트웨어 공장’은 작동하지 않는다. 하네스를 아무리 쌓아도 소용없는 이유는, 코딩 모델을 훈련시키는 검증기에 나쁜 설계를 벌하는 항목이 없기 때문이다.

LLM으로 코드를 짜는 일은 생산성을 끌어올리는 동시에 개발자를 소진시킨다. Pydantic의 Laura Summers가 ‘감독의 피로’와 ‘인간 보상 함수 문제’를 이름 붙이고, 병목은 처음부터 코드가 아니라 인간의 주의력이었다고 진단한다.

AI로 무엇이든 쉽게 추가할 수 있는 시대에, 무엇을 만들지 않을지 아는 판단력이 가장 중요한 기술이 된다는 Jakub Krehel의 에세이.

Demirer, Musolff, Yang(NBER WP 35275)은 GitHub 개발자 10만 명 이상의 활동 데이터로 자동완성, 동기식 에이전트, 비동기식 에이전트 세 세대의 AI 코딩 도구를 측정한다. 코드 작성 단계에서는 누적 +180%의 작업 단위 효과가 나오지만, 같은 도구가 릴리스 단계로 가면 +20%까지 압축된다. 약한 연결 가설을 단일 생산 공정의 수직 계층에 적용한 첫 실증이다.

Anthropic이 약 40만 건의 Claude Code 세션을 분석해, 에이전틱 코딩의 성공을 가르는 것은 코딩 훈련 여부가 아니라 해당 작업 도메인의 전문성임을 보였다.

코드 생성이 범용재가 된 시대에 엔지니어의 가치를 가르는 것은 ‘테이스트’라는 모호한 단어를 세 가지 형태로 분해하고, 90일 훈련 계획과 다섯 가지 프로젝트로 구체화한 글.

John Burn-Murdoch가 FT에서 ‘productivity funnel’이라는 프레임으로 정리한 AI 생산성의 깔때기 효과를, 그 칼럼이 인용한 NBER WP 35275(Demirer et al. 2026)와 함께 정리한다. 코드 줄 수는 17.3배 늘었지만 실제 릴리스는 +30%로 줄어드는 감쇠 패턴이 핵심이다.