개발자 99% 커뮤니티에서 수다 떨어요!
[뉴스레터 #342] AI로 코드 짠다면 이 3가지를 점검해보세요 🚨 Warp 터미널이 오픈소스로 공개되다
🗞 뉴스레터 #342 (2026.05.01)
#따끈따끈한_개발_NEWS📢
📲 MCP Apps 마스터클래스 수강생이라면 좋아할 만한 소식! MCP Apps가 표준이 된 이후로, Claude가 본격적으로 다양한 앱과의 연동을 공개하기 시작했다. 이 발표가 얼마 지나지 않아 Adobe, Blender를 Claude에 연동하는 커넥터를 공개했고, Supabase는 ChatGPT Apps를 출시했음. AI 생태계가 거대한 OS로 발전해나가는 모습을 지켜보는 기분이다. 강의 구매하신 분들은 얼른 완강하고 앱 출시하세요..!! (링크)
🙏 JSX의 후계자가 등장했다는 소식. React와 Svelte 코어 팀, 그리고 Inferno, Ripple 프로젝트에 참여했던 Dominic Gannaway가 TSRX(TypeScript Render Extensions)를 발표했다. 사람뿐 아니라 AI가 코드를 읽고 다루기에도 더 좋은 구조를 지향한다고 한다. (링크)
⚡ Warp 터미널이 오픈소스로 공개되었음! 내장 코딩 에이전트를 쓰거나, Claude Code, Codex, Gemini CLI 등의 CLI 에이전트를 가져와서 붙일 수도 있다고 한다. (링크)
🖥️ 90년대 텍스트 기반 UI 프레임워크 Turbo Vision을 현대 환경에서도 쓸 수 있도록 만든 프로젝트. 옛 DOS 시절의 감성을 좋아하거나 터미널 애플리케이션을 만들어 보고 싶은 개발자라면 한 번쯤 살펴봐도 좋을 듯! 주말은 이걸로 놀아봐야지 ㅎㅎ (링크)
👻 Mitchell Hashimoto가 자신의 프로젝트 Ghostty를 GitHub에서 다른 곳으로 옮기겠다고 발표했다. 18년간 GitHub을 사용해 왔지만, 잦은 장애 때문에 더 이상 진지한 업무용 협업 플랫폼으로 적합하지 않다는 것이 그 이유라고. 힘을 내 깃헙...! (링크)
#AI 시대의 진짜 병목은?
곳곳에서 "인간이 병목이다"라는 말이 들려요. AI가 빠르게 좋아지고 있는데, 정작 일의 효율은 그만큼 나아지지 않았다는 거죠. 기업은 앞다퉈 AX(AI Transformation)를 외치지만, 실제로는 혼란과 복잡함만 늘어나고 있어요. 왜일까요? 책 『리팩터링』의 저자이자, 소프트웨어의 거장 마틴 파울러가 최근 여러 전문가들의 주장을 정리한 글이 흥미로워 여러분께 소개합니다.
🙈 AI 시대의 세 가지 부채
빅토리아 대학의 컴퓨터과학 교수 Margaret-Anne Storey는 AI 시대의 개발자가 가질 수 있는 부채(빚)를 3가지로 정의해요.
기술 부채: AI 시대 이전부터 있었던, 코드에 쌓이는 빚이에요. 일단 빨리 돌아가게 만든 코드가 누적되면 나중에 시스템을 바꾸기가 어려워지는 걸 뜻해요.
인지 부채: AI가 코드를 작성함에 따라, 시스템이 어떻게 돌아가고 있는지 제대로 설명할 수 있는 사람이 사라지는 상태를 뜻해요.
의도 부채: 왜 이렇게 생겼는지 아무도 모르는 코드 더미가 되어 사람도 AI도 컨텍스트를 기억하지 못하고, 다음 결정을 내릴 방향성과 기준을 상실한 상태를 뜻해요.
이처럼 LLM이 코드를 쏟아낼수록 시스템이 어떻게 돌아가는지(인지 부채), 또 왜 이렇게 만들어졌는지(의도 부채) 점점 더 파악하기가 어려워지고 있어요.
👻 판단을 위임하면 벌어지는 일
노벨 경제학상 수상자 대니얼 카너먼은 인간에게 두 가지 인지 시스템이 있다고 말해요.
빠르고 자동적으로 작동하는 직관
느리고 의식적으로 작동하는 숙고
우리 뇌는 에너지를 아끼기 위해 기본적으로 직관을 사용하는데, "숙고했더라면 알아챘을 것들을 놓치는 바람에" 시간을 낭비하거나, 곤란한 상황에 처한다고 해요.
미국 와튼 스쿨의 연구자 Steven Shaw와 Gideon Nave는 한 걸음 더 나아가, 이제는 사람들이 "AI가 내린 결론에 대해 숙고는 커녕 직관마저 건너뛰어버린다"고 주장해요. 그리고 이러한 행동을 '인지적 항복(Cognitive Surrender)' 이라고 부르며 비판합니다.
🫠 AI의 답변을 그대로 믿는 사람들
그들은 실험에서 한 그룹은 혼자, 다른 그룹은 AI 챗봇의 도움을 받아 추론 문제를 풀게 했어요. 단, AI는 일부 문제에 일부러 틀린 답을 주도록 설정되어 있었죠. 혼자 푼 사람의 정확도는 약 50% 수준이었는데, AI가 정답을 줬을 때는 75%까지 올라간 반면, AI가 틀린 답을 줬을 때는 35%로 떨어졌다고 해요. AI의 답을 그대로 믿다 보니, AI 없이 푼 사람보다도 낮은 정확도를 기록한 거죠.
AI 에이전트가 코딩을 빠르게 해낸다면, 우리가 할 일은 무엇일까요? 엔지니어 Ajey Gore는 "맞는지 틀린지 판단하는 일"이라고 대답해요. 앞으로 더더욱 사람의 일은 검증 시스템을 설계하고, 품질을 정의하고, 에이전트가 풀지 못하는 모호한 케이스를 다루는 것이 될 거예요. 그는 이제 "코드 작성이 아니라 검증을 위주로 팀을 개편해야 한다"고 주장합니다.
🧑💻 개발자의 본질은 달라지지 않았다
달리기를 좋아하는 저는 브랜드의 마케팅에 홀려 선수들이 신는 최고급 러닝화를 산 적이 있어요. "에너지 리턴과 추진력을 높여주는 설계", "인간의 한계에 도전한 신발" 같은 카피에 혹했죠. 하지만 세계적인 선수가 신는 신발을 신는 것만으로 제가 그 기록에 다가갈 일은 당연히 없어요. 에어 조던을 신는다고 조던처럼 멋진 덩크를 꽂아 넣을 수 없듯이요.
결국 AI도 마찬가지 아닐까요? 복잡한 시스템을 설계하고, 방향성을 세우고, 결과를 판단할 줄 아는 힘은 그 어느 때보다 중요해지고 있어요. 이것들은 단순히 AI를 많이 쓴다고 해서 길러지는 힘이 절대 아닐 거예요. 마틴 파울러가 같은 글에서 인용한 한 문장으로 오늘의 아티클을 마무리합니다.
"프로그래밍은 컴퓨터가 알아듣는 문법을 타이핑하는 일이 아니다. 해결책을 만들어가는 일이다. 우리가 풀려는 문제에 꼭 맞는 구조를 찾고, 그 구조를 드러내는 이름을 끊임없이 엮어내는 일이다."
👉 오늘 아티클에 대한 여러분의 생각을 댓글로 들려주세요! (클릭)
👉 마틴 파울러의 원문은 이곳에서 읽을 수 있어요. (클릭)