Google: AI 모델에 대한 집착을 멈춰라

Google의 최근 50페이지짜리 AI 코딩 MasterClass는 소프트웨어 개발의 중요한 변화를 조명합니다. AI 모델 자체는 결과의 약 10%만을 차지하며, 나머지 90%는 그 주변에 구축된 '하네스'—컨텍스트, 도구, 그리고 검증—에 달려있다고 주장합니다. 이러한 통찰은 AI 코딩이 이진 스위치가 아닌 스펙트럼임을 강조합니다.

한쪽 끝에는 Vibe Coding이 있습니다: 최소한의 계획으로 빠르고 적은 노력으로 프롬프트를 작성하고, "작동하는 것 같아?"라는 빠른 확인으로 검증합니다. 이 접근 방식은 개념 증명이나 초기 탐색에 탁월하며, 빠른 반복을 가능하게 합니다. 그러나 본질적인 신뢰성 부족과 검증 부재로 인해 상당한 위험 때문에 확장 가능하고 프로덕션 수준의 소프트웨어에는 적합하지 않습니다.

스펙트럼을 따라가면, Structured AI-Assisted 코딩은 더 상세한 프롬프트와 부분 검사를 포함합니다. 정점은 Agentic Engineering으로, 자원, 워크플로우, 사양, 자동화된 평가 및 CI(Continuous Integration) 게이트로 구성된 엔지니어링 시스템을 사용합니다. 이 방법론은 반복성과 신뢰성을 우선시하여 복잡한 시스템을 위한 견고하고 검증 가능한 결과물을 보장합니다.

구현 속도의 가속화—수 주에서 단 몇 분 또는 몇 시간으로—는 AI 기반 SDLC(Software Development Life Cycle)를 재편합니다. 이제 주요 병목 현상은 양쪽 끝, 즉 초기 요구사항 수집과 최종 검증에 있습니다. AI가 코드 생성을 극적으로 가속화하는 반면, 인간 주도의 사양 품질과 엄격한 검증이 비즈니스 결과물에 대한 새로운 핵심 제약이 됩니다.

LLM(Large Language Model) 자체에만 집중하는 것은 더 큰 그림을 놓치는 것입니다. Cole Medin의 MasterClass에서 강조된 Google의 최근 50페이지짜리 플레이북은 신뢰할 수 있는 AI 에이전트를 구축하기 위한 중요한 공식을 공개합니다: 에이전트 = 모델 + 하네스. 선택된 LLM은 에이전트 성능의 약 10%를 차지합니다.

에이전트 효과의 90%는 하네스에서 비롯됩니다. 이것은 추상적인 것이 아닙니다; 모델 주변에 구축하는 정교하게 설계된 계층입니다. 이는 다음을 정의합니다: - 컨텍스트: 관련 정보 및 제약 조건. - 도구: 에이전트가 호출할 수 있는 외부 기능. - 가드레일: 안전 메커니즘 및 행동 경계. - 검증 워크플로우: 자체 수정을 가능하게 하는 자동화된 테스트 및 평가.

이 개념은 Agentic Engineering 모범 사례의 산업 전반적인 수렴을 나타냅니다. Anthropic과 같은 회사들은 유사한 아키텍처를 명확히 설명하며, 기반 모델보다 주변 시스템을 강조합니다. 하네스는 조직이 진정으로 제어하고 반복적으로 개선하는 계층입니다.

에이전트 성능은 근본적으로 하네스에 의존합니다. 견고한 컨텍스트 엔지니어링, 도구 통합 및 엄격한 검증을 소홀히 하면서 미미한 LLM 개선에 집착하는 것은 잘못된 방향입니다. 하네스는 진정한 신뢰성과 반복 가능한 결과가 만들어지는 곳입니다.

개발자의 역할은 근본적으로 변화하고 있으며, 코드의 수동적인 지휘자에서 지능적이고 자율적인 시스템의 오케스트레이터로 이동하고 있습니다. 이것은 애플리케이션 로직의 모든 줄을 작성하는 것이 아니라, 코드를 독립적으로 생성, 테스트 및 개선하는 전체 AI 기반 "팩토리"를 설계하는 것입니다. 당신은 더 이상 단순히 코딩하는 것이 아니라, AI 에이전트를 위한 환경과 운영 로직을 구축하는 것입니다.

오케스트레이터의 주요 임무는 에이전트 성능의 90%를 차지하는 LLM 주변에 강력한 스캐폴딩을 만드는 하네스 자체를 엔지니어링하는 것입니다. 여기에는 공식 사양을 세심하게 정의하고, 포괄적인 자동화 테스트를 구현하며, 엄격한 CI(Continuous Integration) 게이트를 설정하는 것이 포함됩니다. 이러한 프로그래밍적 가드레일은 에이전트가 지속적인 사람의 개입 없이 스스로 엄격하게 수정하고, 자체 출력을 검증하며, 실수로부터 학습할 수 있도록 지원합니다.

이러한 심오한 변화는 SDLC(Software Development Life Cycle)에 지대한 영향을 미칩니다. 잘 조율된 시스템은 AI 에이전트가 독립적으로 반복 작업을 수행하여 코드 생성 및 개선 시간을 몇 주에서 단 몇 분 또는 몇 시간으로 단축시킵니다. 이러한 사전 예방적 접근 방식은 기존의 인간 검증 병목 현상을 크게 완화하여 엔지니어가 수동 디버깅 대신 더 높은 수준의 문제 정의 및 시스템 아키텍처에 집중할 수 있도록 합니다. 더 자세한 내용은 Google의 기초 백서, The New SDLC With Vibe Coding - Kaggle를 참조하십시오.

효과적인 AI 시스템을 구축하려면 근본적인 경제적 재구성이 필요합니다. 견고한 하네스에 대한 초기 투자를 자본 지출(CapEx)로 간주하십시오. 여기에는 포괄적인 컨텍스트를 설계하고, 전문 도구를 통합하며, 가드레일을 정의하고, 엄격한 자동화된 검증을 구현하는 데 필요한 엔지니어링 시간이 포함됩니다. 이를 원시 토큰 소비, 지속적인 수동 디버깅 및 반복적인 재작업에 드는 지속적이고 가변적인 비용과 대조해 보십시오. 이 모든 것은 운영 지출(OpEx)에 해당합니다.

하네스에 대한 더 높은 CapEx는 장기적인 OpEx를 크게 줄입니다. 신뢰할 수 있고 반복 가능한 에이전트 시스템을 설계함으로써 조직은 에이전트가 자체적으로 반복 작업을 수행함에 따라 미래 토큰 지출을 상당한 폭으로 절감합니다. 더 중요한 것은 지속적인 사람의 개입, 임시 프롬프트 문제 해결, 신뢰할 수 없는 출력 검증과 관련된 상당한 인건비를 최소화한다는 것입니다. 포괄적인 하네스에 대한 이러한 전략적 투자는 확장성이 떨어지고 엔지니어링 리소스를 소모하는 "vibe coding"의 끝없는 순환을 선점합니다.

모든 진지한 소프트웨어 프로젝트에서 경제적 논리는 부인할 수 없습니다. Google의 통찰력은 수동 프롬프트에 의존하는 것보다 체계적인 에이전트 엔지니어링 프로세스를 구축하는 것이 우수한 비용 효율성과 확장성을 제공한다는 점을 강조합니다. 이것은 단순한 기술적 선호가 아니라 지속 가능하고 고품질의 AI 기반 개발을 위한 전략적 필수 요소이며, 초기 투자가 시스템 수명 주기 동안 복리 수익을 창출하도록 보장합니다.

vibe coding과 agentic engineering의 차이점은 무엇입니까?

Vibe coding은 최소한의 계획으로 캐주얼한 프롬프트를 사용하는 것으로, 일회성 코드 또는 MVP에 적합합니다. Agentic engineering은 엔지니어링된 사양, 도구 및 자동화된 검증을 사용하여 신뢰할 수 있는 프로덕션 준비 코드를 생성하는 체계적인 접근 방식입니다.

AI '하네스'란 무엇입니까?

하네스는 AI 모델을 중심으로 구축하는 전체 시스템입니다. 여기에는 모델이 원하는 결과를 생성하도록 안내하는 특정 컨텍스트, 도구, 가드레일, 검증 워크플로 및 오케스트레이션이 포함됩니다.

Google은 왜 AI 모델이 시스템의 10%에 불과하다고 말합니까?

모델이 핵심 추론을 제공하지만, 그 성능은 '하네스'(나머지 90%)의 품질에 의해 압도적으로 결정됩니다. 잘 설계된 하네스는 좋은 모델도 탁월하게 작동하게 할 수 있지만, 부실한 하네스는 최고의 모델조차도 제한할 것입니다.

agentic engineering은 소프트웨어 개발자의 역할을 어떻게 변화시킵니까?

개발자의 역할을 모든 코드 라인을 작성하는 '지휘자'에서 AI 에이전트가 코드를 작성할 수 있도록 지원하는 자동화된 시스템(하네스)을 설계하고, 구축하며, 유지보수하는 '오케스트레이터'로 전환합니다.