EP 70. 100x 엔지니어의 Claude Code 활용법

토큰 사용량 글로벌 1위 엔지니어의 등장

사이오닉 AI의 박진영 엔지니어는 2025년 8월 한 달간 약 5억 원 상당의 토큰을 사용하여 Claude Code 글로벌 사용량 1위를 기록했다. 실제 지출액은 약 80만 원(200달러 계정 3개)이었으며, CC Usage라는 도구를 통해 토큰 사용량을 환산한 결과였다. 이 기록은 레딧에서 화제가 되었고, 많은 기업들이 Claude Code 도입을 설득하는 근거로 활용되었다.

사이오닉 리서치팀에서는 하루 토큰 사용량이 500달러 미만이면 “오늘 일을 안 하셨네요”라는 농담이 오갈 정도로 AI 도구를 집중적으로 활용하고 있다. 이는 단순한 과시가 아니라, AI의 지능적 잠재력을 최단 시간에 끌어내기 위한 체계적인 접근의 결과였다.

AI 시대 개발 매니페스토

박진영은 2025년 5월경 Claude Code 사용 경험을 바탕으로 새로운 개발 매니페스토를 작성했다. 당시 월 5천만 원 상당의 토큰을 사용하며 얻은 통찰을 담았으나, 해커뉴스와 레딧에 올렸을 때 “울트라 탱크(Ultra Tank)“라는 악플과 함께 비판을 받았다. 그러나 리서치팀은 “한두 달 뒤면 사람들이 이 가치를 알 것”이라고 예측했고, 실제로 1.5개월 후 Claude Code가 급격히 유명해지면서 그 가치가 입증되었다.

매니페스토 핵심 원칙

1. AI에게 불가능은 없다 AI가 못할 것이라는 선입견을 버려야 한다. 불가능해 보이는 작업도 적절한 접근과 충분한 반복을 통해 실현 가능하다.

2. 최선의 모델을 앙상블로 활용하라 단일 모델에 의존하지 않고 각 모델의 강점을 활용한다. Python 코드 컨벤션은 Claude가 우수하고, 고차원적 사고(Critical Thinking)는 GPT-o1이 강하며, 문서 작성은 Gemini가 탁월하다. 주력 모델을 선택하되, 중요한 지점에서는 다른 모델을 호출하여 상호 검증(Debate)시킨다. A 모델이 작성한 코드를 B 모델이 리뷰하고, 두 모델이 만족할 때까지 반복한다.

3. 컨텍스트보다 명시적 문서화 단순히 컨텍스트에 의존하기보다는 작업 내용을 마크다운 파일로 지속적으로 문서화하여 회람시킨다. 이는 비결정적인 AI 시스템에 구조를 부여하고, 작업의 투명성과 재현성을 보장한다.

4. 비싼 모델을 아낌없이 사용하라 저렴한 모델 대신 고성능 모델을 양적으로 활용한다. 토큰 비용 대비 얻는 성과가 압도적으로 크기 때문이다.

무페라(MuPeRA) 프로젝트: 사우나에서 4시간 만에 구현

박진영이 구현한 대표적 프로젝트 중 하나는 구글 딥마인드의 무페라(MuPeRA) 논문 구현이다. 이는 멀티 벡터 임베딩(Multi-Vector Embedding)을 효율적으로 활용하는 차세대 검색 기술로, 기존 벡터 데이터베이스 패러다임을 완전히 바꿀 잠재력을 가진다.

놀라운 점은 이 구현이 설악산 사우나에서 새벽 1시에 시작되어 4시간 만에 완성되었다는 것이다. Gemini 2.1 Pro와 논문을 리뷰하고 기술적 구현 스펙을 마크다운으로 작성한 후, Claude Opus 4.1을 통해 실제 코드를 구현했다. 이 프로젝트는 GitHub에 공개되었고, 진하(Jina AI)에서 팝플레시티(Perplexity)로 이직한 왕보(Wang Bo)와 XAI 연구진 등 해외 전문가들의 주목을 받았다.

고석현 대표의 평가에 따르면, 무페라는 향후 3~5년 내에 거의 모든 검색 방식을 대체할 수 있는 압도적인 기술이다. 이런 혁신적인 작업이 “사우나에서 잠이 안 와서” 시작되었다는 점은 AI 시대 개발의 새로운 가능성을 보여준다.

코딩 전 설계: 테크 스펙 중심 워크플로우

박진영의 작업 방식에서 가장 중요한 원칙은 **“코드 작성 전에 충분한 설계”**다. 전통적인 애자일 매니페스토는 “문서보다 동작하는 코드”를 강조했지만, AI 시대에는 역설적으로 문서의 중요성이 더 커졌다. 코드 작성은 너무 쉬워진 반면, 무엇을 만들 것인지 명확히 정의하는 것이 가장 어렵고 중요한 작업이 되었기 때문이다.

테크 스펙 작성 프로세스

1. 요구사항 분석: GPT-o1 Pro, Gemini Deep Think 등 고차원 사고에 강한 모델과 함께 스펙을 논의한다.

2. 문서화: 배경(Background), 목표(Goal), 비목표(Non-Goal), 제안된 변경사항(Proposed Changes) 등을 마크다운으로 상세히 작성한다.

3. 다중 모델 회람: 작성된 스펙을 여러 AI 모델에게 회람시켜 OK 사인을 받는다. 모든 모델이 동의할 때까지 스펙을 수정한다.

4. 투두 리스트 생성: 코딩 CLI 도구(Claude Code 등)에게 테크 스펙을 제공하고, 스스로 todo.md를 작성하게 한다.

5. 계획 검증: 생성된 투두 리스트를 다시 Gemini, GPT Pro 등에게 회람시켜 승인을 받는다.

6. 단계별 실행: 투두 리스트의 각 항목을 하나씩 순차적으로 처리한다. 각 서브 태스크는 하나의 컨버세이션 턴에서 완료, 테스트, 브리핑까지 마친다.

이 접근법은 AI가 혼란에 빠지는 상황을 사전에 방지한다. 구체적인 요구사항 없이 “해줘”라고 하면 AI도 중간 과정을 생략하고 불완전한 결과물을 내놓게 된다. 명확한 스펙과 단계별 계획은 AI의 비결정적 특성을 제어하는 핵심 메커니즘이다.

결정론적 품질 보장: 훅(Hook)과 타입 체커

AI는 본질적으로 비결정적(Non-Deterministic) 시스템이다. 같은 입력에도 다른 출력을 낼 수 있고, 때로는 실수를 한다. 박진영은 이를 “머리가 좋은데 일을 안 하고 빈틈거리는 친구”로 비유한다. “You’re absolutely right”라고 말하면서 실제로는 잘못된 코드를 작성할 수 있다.

훅(Hook) 시스템

Claude Code의 훅 기능을 활용하여 특정 이벤트 발생 시 자동으로 검증 스크립트를 실행한다:

• Post Tool Use Hook: write, edit, multi_edit 등 파일 수정 작업 후 자동 실행

  • 포맷터(Formatter) 실행
  • 린터(Linter) 실행
  • 타입 체커 실행

• Pre Tool Use Hook: AI가 작업 계획을 세울 때 실행하여 사전 검증

Python처럼 동적 타입 언어의 경우, 여러 타입 체커(Mypy, Pyright, Pyre 등)를 앙상블로 사용하여 컴파일 언어처럼 엄격한 검증을 수행한다. 모든 타입 체커가 에러 없음을 보고해야만 해당 태스크가 완료된 것으로 간주한다.

이 방식은 Go나 Rust처럼 컴파일러가 친절한 오류 메시지를 제공하는 언어가 AI 시대에 유리한 이유와 같은 맥락이다. 컴파일러(또는 타입 체커)가 명확한 피드백을 빠르게 제공하면, AI가 실수를 조기에 발견하고 수정할 수 있다.

워크플로우 강제

시스템 프롬프트(Agent.md)와 훅을 조합하여 AI의 행동을 강제한다:

1. 파일 수정 후 반드시 테스트 실행
2. 테스트 통과 확인
3. todo.md의 체크박스 체크
4. 다음 태스크로 이동

이는 단순히 “해주세요”라고 요청하는 것이 아니라, 규정을 통해 무조건 수행하도록 만드는 것이다. 물론 너무 많은 규칙은 오히려 AI의 작업을 방해할 수 있으므로, 적절한 균형이 필요하다.

언어별 Agent.md 관리

박진영은 프로그래밍 언어와 프레임워크별로 커스터마이징된 Agent.md(시스템 프롬프트)를 관리한다. 사이오닉 내부에서 Kotlin, Rust, Go 등 다양한 언어를 사용하는 시니어 엔지니어들의 코드, 슬랙 스레드, 코드 리뷰 등을 AI에게 학습시켜 레슨(Lessons)을 추출한다.

예를 들어:

• kotlin.md: Kotlin 베스트 프랙티스와 코드 스타일
• go.md: Go 언어 특화 패턴과 방어 로직
• python.md: Python 컨벤션과 타입 힌팅 전략

이렇게 추출한 휴리스틱을 언어별 Agent.md에 담아, AI가 해당 언어 전문가의 스타일을 모방하도록 만든다. 이는 조직 내 지식의 디스틸레이션(Distillation)이며, 개인의 암묵지를 명시적 지식으로 전환하는 과정이다.

다중 모델 합평회: 한류시에이션 제거

단일 모델을 계속 사용하면 자기 확증 편향(Confirmation Bias)에 빠질 위험이 있다. 박진영은 이를 방지하기 위해 여러 모델을 활용한 “합평회” 시스템을 운영한다.

MCP(Model Context Protocol)를 통한 에이전트 연동

젠MCP(Genm MCP), 세렌딘MCP 등 오픈소스 도구를 활용하거나 직접 에이전트를 구축하여, 특정 상황에서 다른 모델을 호출한다. 예를 들어:

• 코드 리뷰 에이전트: 비판적 스탠스로 끝까지 의심하고 문제점을 찾아내도록 설정
• 번역 검증 에이전트: 1차 번역 결과를 받아 “현지인처럼 자연스럽지 않다”고 억지로 비판하게 하여, AI가 스스로 자기비판하고 개선하도록 유도

실제 사례로, 일본 고객사와의 커뮤니케이션에서 이 방법을 활용해 일본어 전공자보다 더 자연스러운 현지화 결과물을 만들어냈다.

앙상블 전략

• 서브 태스크 하나가 끝날 때마다 다른 모델에게 리뷰 요청
• 전체 PR(Pull Request) 완료 시 종합 리뷰
• 코드 변경량(diff size)이 100줄 이상이면 자동으로 심층 리뷰 트리거

각 모델의 특유한 성질을 활용한다. Claude, Gemini, GPT-o1은 각기 다른 강점과 약점을 가지므로, 동일 모델 내 다른 생성보다 이종 모델 간 검증이 더 효과적이다.

IMO 문제 해결: 연구 페이퍼 재현

구글 딥마인드가 발표한 국제수학올림피아드(IMO) 문제 해결 페이퍼를 Claude Code 서브 에이전트 시스템으로 재현한 사례도 있다. 흥미롭게도 이 작업은 웹 디자이너가 수행했다.

재현 프로세스

1. Solution Generation: 초기 솔루션 생성
2. Self-Improvement: 다른 모델이 피드백을 주고, 원 모델이 스스로 개선
3. Verification: 테스트 코드를 통한 결정론적 검증
4. Correction Loop: 버그 발견 시 외부 감사(다른 모델)가 개입하여 수정

이 프레임워크는 박진영의 기본 철학과 일치한다. 테크 스펙 회람 → 투두 생성 → 단계별 실행 → 다중 모델 검증의 구조가 그대로 적용된다.

특정 Threshold를 넘거나 정해진 반복 횟수에 도달하면 종료하도록 설정할 수 있으며, 토큰 제한이 있다면 Step 1~3의 반복 횟수를 조정할 수 있다.

다중 CLI 도구 활용과 모델 라우팅

최근 Claude Code의 성능 저하를 느낀 사용자들이 많다. 박진영은 이에 대응하여 여러 코딩 CLI 에이전트를 동시에 활용하는 전략을 채택했다: Claude Code, Cursor CLI, Gemini IT CLI를 한 화면에 띄워놓고 역할을 분담시킨다.

역할 분담 전략

• Claude Code: 파일 편집 전용. 현재 시점에서 가장 강력한 결정론적 룰 시스템을 가지고 있으므로, 단순 파일 수정 작업에 집중시킨다.
• Cursor / Gemini IT: 디스커션과 계획 수립. 테크 스펙 작성, 투두 생성, 코드 리뷰 등 고차원 사고가 필요한 작업을 담당한다.

비용 최적화와 모델 라우팅

토큰 비용은 지속적으로 상승하고 있다. 이에 대응하여:

• 중국의 고성능 저비용 모델을 파일 편집 작업에 활용
• 시니어 모델(GPT-o1, Gemini Deep Think 등)이 디스커션한 결과를 주니어 모델에게 전달
• 주니어 모델이 작성한 코드를 다시 시니어 모델에게 전달하여 검증

이런 라우팅 전략을 통해 5억 원 상당의 성과를 500만 원으로 달성할 수 있다. 다만 토큰 사용량 자체는 여전히 높게 유지된다. 핵심은 비용 대비 성과를 극대화하는 것이다.

조직 구조와 소프트웨어 아키텍처: 콘웨이의 법칙 역전

고석현 대표는 콘웨이의 법칙(Conway’s Law)에 주목한다. “소프트웨어 구조는 그것을 만드는 조직 구조를 닮아간다”는 이 법칙은 40~50년 전부터 알려져 있었다. 3개의 팀이 있으면 3개의 모듈이 생기고, 4개의 팀이 있으면 4개의 라이브러리가 생긴다.

버스 팩터(Bus Factor)의 재정의

전통적으로 “버스 팩터”는 팀원 중 누군가가 사고를 당했을 때 프로젝트가 얼마나 지속 가능한지를 나타낸다. Claude Code와 AI 에이전트 시대에는 일부에서 조롱하듯 말한다: “너의 코드는 버스 팩터가 0이야. 그 누구도 알 수 없는 코드야.”

그러나 고석현 대표는 정반대로 주장한다: “Claude Code가 가능하다는 것은 버스 팩터가 무한대다.” 이유는:

1. 컨텍스트의 공개성: 최대한 많은 문맥을 AI에 제공해야 하므로, 모든 문맥이 원형대로 보존된다.
2. 재현 가능성: 테크 스펙과 작업 기록이 남아있으면 누구라도 Claude Code로 재현할 수 있다.
3. 사일로 해체: 개인의 암묵지와 히스토리가 사일로로 남지 않고 공유 지식이 된다.

무한 에이전트 조직 구조

대기업에서는 개발자 수와 코드 리포지터리 수가 비슷한 경향이 있다. 2,000명의 개발자가 있으면 약 2,000개의 리포지터리가 있다. 반면 사이오닉은 개발자가 10여 명이지만 리포지터리는 300~400개다. 이미 조직 구조가 직원의 10배, 30배 규모로 투영되어 있다.

AI로 제품을 만든다는 전제 자체가:

• 모든 것이 공개되고
• 모든 문맥이 남으며
• 무한의 버스 팩터를 가지는

구조를 필연적으로 만든다. 이는 회사 간 격차를 극대화한다. 이를 수용한 회사와 그렇지 못한 회사 사이에 압도적인 차이가 발생한다.

마이크로서비스와 천 명 규모 엔지니어링

고석현 대표는 회사를 만들 때부터 “천 명의 엔지니어가 협업할 수 있는 구조”를 목표로 설계했다. 두세 명의 스타트업이지만, 마이크로서비스 아키텍처, 문서화, 도구 사용, 배포 자동화 등 모든 측면에서 대규모 조직을 상정했다. 이것이 현재 사이오닉의 밑바탕이자 자산이 되었다.

워터폴의 부활

과거 강규영과의 대화에서 나온 통찰: **“이제는 워터폴이 가능해진 시점”**이다. 워터폴이 실패했던 이유는 구현(Implementation)에 걸리는 시간이 너무 길어서 그 사이 세상이 변했기 때문이다. 계획은 변화에 취약했고, 애자일이 대안으로 부상했다.

그러나 AI 시대에는 구현 시간이 거의 0에 수렴한다. 사우나에서 4시간 만에 무페라를 구현하는 세상이다. 구현 속도가 압도적으로 빨라지면서, 오히려 앞단의 계획과 설계가 다시 중요해졌다. 복잡한 문서를 체계적으로 만들고 추적하는 일이 쉬워졌기 때문에, 워터폴 방식이 실제로 작동할 수 있게 되었다.

개인과 조직의 생존 전략

조직 차원: 디지털 전환이 선행 조건

고석현 대표가 강조하는 준비 사항:

1. 완전한 디지털화: 모든 회의, 모든 논의가 문서와 디지털 형태로 남아야 한다. AI를 넣기만 하면 성과가 나오는 시스템을 먼저 구축해야 한다.

2. 커뮤니케이션 비용 최소화: 1명일 때나 1,000명일 때나 손실(Loss) 없이 스케일업할 수 있는 구조.

3. DX(Developer Experience) 선진화: 문서화, 도구 사용, 조직 구조, 배포 자동화, 마이크로서비스 등 모든 측면의 선진화.

개인 차원: 심리적 장벽 제거

박진영이 강조하는 마인드셋:

1. 직군의 제한을 없애라: 나는 A 직군이니까 B 일은 못한다는 생각을 버려야 한다. 현재 시점에서 가장 의미 있는 일이라면, AI와 함께 바로 시도해볼 수 있다.

2. 처음이지만 해본다: 프론트엔드 개발자가 아니어도 버그를 발견하면 직접 PR을 올린다. 티켓을 만들어 누군가를 기다리는 대신, 개념 검증(PoC)까지 직접 수행한다.

3. 비개발자도 개발한다: CPO(Chief Product Officer)에게 Claude Code를 가르쳐주었고, 서버 개발자가 휴가일 때 직접 작업해서 배포하기도 한다. 물론 프로덕션까지 가는 것은 신중해야 하지만, 최소한 개념 검증은 누구나 할 수 있다.

언러닝(Unlearning)의 필요성

고석현 대표의 경고: “여태까지 배운 것을 모두 내려놓고 새로 배워야 한다.”

역사상 큰 물결이 있을 때 기존 조직 전체가 적응한 경우는 단 한 번도 없었다. 항상 5~10%만 수혜를 받고 적응했으며, 90~95%는 선택압으로 도태되고 멸종했다. AI 시대도 예외가 아니다.

열심히 준비한 일부만 살아남고, 나머지는 이전 세대에 남을 것이다. 내려놓고, 시인하고, 새로운 것을 받아들이는 것 외에는 방법이 없다. 물살을 따라가지 못하는 회사는 사라질 것이다.

미래가 먼저 온 회사

사이오닉은 AI 시대의 실험장이다. 근무 형태, 근무 시간, 장소 모두 상방이 열려있다. 박진영은 어디서 일하는지, 언제 일하는지, 심지어 다른 법인을 운영하는지조차 고석현 대표가 모를 정도로 자율성을 보장받는다. 중요한 것은 성과다.

전통 회사의 관점에서는 용납할 수 없는 근무 형태지만, 압도적인 성과가 이를 정당화한다. 고석현 대표는 AI를 활용하는 능력을 성과 공식으로 정의했다:

성과 = (AI × 능력) + 태도

예전에는 “태도”가 곱셈 요소였지만, 지금은 덧셈 요소다. AI 활용 능력이 곱셈 요소가 되었다. 이는 단순한 슬로건이 아니라, 박진영과 같은 인재가 실제로 증명하고 있는 공식이다.

사이오닉의 주요 제품인 스톰(Storm)은 기업의 AX(Agent Experience)를 지원하는 솔루션이다. 예전에는 DX/AX의 가치를 “경영진의 투명한 가시성”과 “구성원 커뮤니케이션 비용 최적화”로 설득했지만, 이제는 다르다: “DX/AX가 준비된 팀은 10배, 100배의 성과를 낼 수 있다.”

레거시 기업은 이것이 불가능하다. 사이오닉은 AI로 100배 성과를 내는 회사를 먼저 만들고, 그 구조를 전파하는 것을 목표로 한다. 회사 자체가 AI 시대 조직 운영의 프로토타입인 셈이다.

YC의 2025년 콜포 스타트업

최근 Y Combinator가 발표한 “Request for Startups” 0번 항목은 사이오닉의 비전과 정확히 일치한다: “기존 회사가 변화하는 것이 아니라, 새로운 조직이 나와서 AI로 기존 산업을 부수는 소수의 회사를 지원하겠다.”

기존 기업의 트랜스폼보다는, 한 명 한 명의 개인이 회사가 되고 새로운 경제 주체가 되는 미래의 확률이 훨씬 높다. 그리고 그 미래는 사이오닉과 박진영 같은 사례에서 이미 시작되었다.

마무리: 해야 한다, 안 하면 큰일 난다

이 대화는 기술적 디테일로 가득하지만, 핵심 메시지는 단순하다: 이것을 해야 한다. 안 하면 큰일 난다.

토큰을 많이 쓰는 것이 중요한 게 아니다. 토큰을 “유의미하게” 많이 쓰는 것이 중요하다. 그 유의미함은:

• 코드 작성 전 철저한 테크 스펙 작성
• 다중 모델 앙상블과 합평회
• 결정론적 검증 시스템(훅, 타입 체커, 테스트)
• 언어별/프레임워크별 지식 디스틸레이션
• 개인의 심리적 장벽 제거
• 조직의 완전한 디지털화

로부터 나온다.

월 5억 원 상당의 토큰은 과시가 아니라, AI의 잠재력을 극한까지 끌어내려는 체계적 실험의 결과였다. 그리고 그 실험은 성공했다. 한 사람이 10명, 100명의 일을 하는 세상이 현실이 되었다.

폭풍의 전조가 아니라, 폭풍은 이미 시작되었다.

Related Reports

• Let’s Talk About FOMAT - Fear of Missing Agent Time — Michael Richman, Cmd+Ctrl