앤트로픽은 에이전트 팀이 리눅스 커널을 컴파일할 수 있는 러스트 컴파일러를 개발하도록 지시하는 데 2만 달러(클로드 오푸스 4.6)를 투자했습니다. 이는 AI 프로그래밍이 보조 도구의 영역을 넘어 숙련된 팀을 대체하여 매우 저렴한 비용으로 복잡한 시스템을 구축할 수 있는 능력을 갖추게 되었음을 의미합니다. 인간 팀이 이러한 엔지니어링 프로젝트를 처음부터 구현한다면 일반적으로 수년이 걸릴 것입니다. 이 실험은 고도로 복잡하고 긴밀하게 연결된 작업을 처리하는 코딩 에이전트의 능력에 대한 새로운 기준을 직접적으로 확립했습니다. 하지만 이러한 공학적 경이로움은 모델 자체의 프로그래밍 기능에만 의존하는 것이 아닙니다. 그 핵심은 "코드 작성" 행위를 엄격한 자동화 테스트 및 CI/CD 시스템으로 감싸는 데 있습니다. 시스템이 효과적으로 작동하는지 확인하기 위해, 본 실험에서는 GCC를 "오라클"로 도입하여 표준 출력과 비교함으로써 오류를 찾아내고, 개방형 창의적 과제를 폐쇄형 검증 과제로 전환했습니다. 이러한 외부 검증과 더불어, Rust를 선택한 것은 내부적인 제약 조건으로 작용하며, Rust의 엄격한 타입 시스템을 사용하여 컴파일 단계에서 오류를 차단하고 모델에서 생성된 코드의 불안정성을 보완합니다. LLM이 "외부 비교 + 내부 제약"이라는 이중 보장을 기반으로, 사전 학습 단계에서 축적한 방대한 컴파일러 지식을 총동원하여 인류 전체의 지혜를 바탕으로 재구성을 완료할 수 있는 것입니다. 이는 단순히 역량을 입증하는 것뿐만 아니라 소프트웨어 엔지니어링의 비용 구조가 돌이킬 수 없는 변화를 겪고 있음을 보여줍니다. 즉, 세부 사항을 구현하는 데 드는 한계 비용이 0에 가까워지고 있다는 것입니다. 코드 생성이 매우 저렴하고 대량으로 이루어지게 되면, 우리의 초점은 "논리적 우아함"에서 "검증의 완전성"으로 옮겨갈 수밖에 없을 것입니다. 미래의 소프트웨어 산출물은 더 이상 사람이 유지 관리하기 어려운 코드 줄이 아니라, 모든 것을 구동하는 신속한 전략과 경계를 정의하는 테스트 세트가 될 수도 있습니다. 어쩌면 언젠가 소프트웨어 개발 작업량을 측정하는 단위가 전통적인 "인월(man-months)"이 아니라 "토큰 소비량"과 "프롬프트 복잡성"이 될지도 모릅니다. 더 많은 관점 아래를 참조하세요.

이 글을 읽고 난 후의 생각: 외부 링크로 리디렉션되는 경험이 이제 훨씬 좋아졌네요! 😂