EP 87. ‘딸깍’의 시대, 슬픔과 기쁨 사이
📺 원본 영상: EP 87. ‘딸깍’의 시대, 슬픔과 기쁨 사이 🎙️ 채널: 노정석 📅 정리 일자: 2026-02-25 ⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료(차트, 코드, 슬라이드 등)는 포함되지 않을 수 있습니다.
개요
2026년 2월 21일 토요일 아침, 채널 노정석의 두 진행자는 AI가 가져온 ‘딸깍’의 시대를 화두로 대담을 시작한다. 하루 만에, 일주일 만에 만들어지는 양질의 소프트웨어들이 사방에서 쏟아지는 이 시대는 분명 흥미롭고 가능성으로 가득하지만, 동시에 짜증스럽고 불안하며, 내가 따라가지 못한다는 감각을 유발하기도 한다. 이 에피소드는 그 복잡한 감정의 결을 솔직하게 들여다보면서, METR 벤치마크의 포화 선언, Chris Lattner의 Claude C Compiler 분석, AI와 물리학 최전선의 만남, 하네스 엔지니어링의 부상, Andrej Karpathy의 micrograd 탐색, 그리고 이 모든 것의 끝에 인간에게 남은 것이 무엇인지를 탐구한다.
METR 벤치마크 포화 선언 — 14시간의 충격
에피소드 녹화 당일 새벽, 주목할 만한 뉴스가 하나 터졌다. AI 평가 연구 기관 METR(Model Evaluation & Threat Research)이 Claude Opus 4.6의 자율 작업 지속 시간을 측정한 결과를 발표했는데, 그 수치가 무려 14시간에 달했다는 것이다. 이 수치가 왜 충격적이냐면, 진행자들이 채널에서 줄곧 “2025년 5월이나 7월 즈음이면 인간의 풀 데이 작업 시간인 8시간에 도달하지 않겠냐”고 예측해왔기 때문이다. 그 예측이 보기 좋게 빗나갔다. Claude 5.2가 약 5시간 수준에서 끊기더니, 4.6이 단번에 14시간을 기록해버렸다.
METR의 그래프가 로그 스케일로 표현되어 있어 언뜻 큰 차이처럼 보이지 않지만, 선형 스케일로 보면 이전 수치와는 엄청난 도약이다. 이 수치가 갖는 진정한 의미는 단순히 ‘오래 일하는 AI’가 아니다. 기존 벤치마크가 측정하고자 했던 것은 “AI가 인간의 개입 없이 얼마나 오랫동안 자율적으로 작업할 수 있는가”였는데, 사람이 집중해서 실질적으로 일하는 시간을 하루 3~4시간으로 보면 AI는 이미 50% 성공률로 인간의 하루치 업무를 수행할 수 있는 수준에 도달했다고 해석할 수 있다.
이에 METR 측은 “현재 우리 태스크(Current Task)가 포화(Saturated)된 것 같다”고 선언하면서, 새로운 평가 기준을 준비 중이라고 밝혔다. 진행자의 표현을 빌리면, “이 그래프가 의미를 상실하는 순간”에 도달한 것이다. 한 세대의 벤치마크가 막을 내리고, AI의 자율 작업 능력은 이제 다른 척도로 측정해야 할 시점이 되었다는 신호다.
모델의 끝없는 진화 — Gemini 3.1 Pro와 소수점 트렌드
METR 뉴스와 함께, 최근 모델 출시 동향도 짚고 넘어갔다. Gemini 3.1 Pro가 발표되었고, Jeff Dean이 직접 관련 내용을 공유할 정도로 의미 있는 릴리즈였다. 벤치마크 성능도 상당히 높은 수준을 보여주고 있으며, 진행자는 “천장이 꽤 높은 것 같다”고 평했다. 다만 진행자가 전날 밤 10시간 동안 실행을 돌려봤지만 오류가 나면서 정상적인 성능 테스트는 아직 하지 못했다고 솔직히 털어놓았다.
흥미로운 것은 최근의 모델 명명 트렌드다. 예고되었던 Claude Sonnet 5 대신 4.6이 출시된 것처럼, 0.1씩 조금씩 버전을 올리는 방식이 업계의 흐름이 되어가고 있다. 진행자는 이런 상황에 약간 무덤덤해진 것 같다고 표현하면서도, 범용적으로 가장 강력한 모델이 도메인 하나씩을 끝장내고 있는 현실을 직시한다. Claude Code를 만든 Boris Cherny가 Y Combinator YouTube에 출연해 “가장 제너럴한 지능이 가장 스페시픽한 영역까지 정복한다”고 말했듯이, 그 흐름은 이미 과학의 최전선까지 뻗어 있다.
Chris Lattner의 CCC 분석 — 교과서와 혁신의 경계
2월 18일, LLVM과 Swift를 만들고 현재는 Mojo 언어를 개발 중인 Chris Lattner가 Claude C Compiler(CCC)에 대한 심층 분석 블로그를 게재했다. Claude Code의 C 컴파일러가 처음 공개됐을 때 Lattner는 “내가 여태까지 봤던 컴파일러 관련 문서화 중 최고 수준”이라는 인상평을 남기고 더 들여다보겠다고 밝혔는데, 그 분석 결과를 진행자가 번역하며 꼼꼼히 살핀 내용을 이 에피소드에서 공유했다.
Lattner의 평가는 이중적이다. 먼저 칭찬하는 부분에서, 그는 CCC 구현이 “교과서적 가치가 있을 정도”라고 표현했다. 올바른 방향성을 가지고 있고, 단순한 장난감이 아니라 살펴볼 만한 가치가 있는 구현체이며, 커밋 히스토리를 통해 의미 있는 관찰이 가능하다는 것이다.
그러나 가장 드러나는 문제점도 명확히 짚었다. CCC에서 발견된 가장 큰 실수는 마지막 테스트에 필요한 값들이 하드코딩되어 있었다는 점이다. 이는 테스트 스위트를 넘어 일반화하기 어렵다는 신호이며, Lattner는 이를 “놀랍다기보다는 유익한 정보”라고 표현했다. 현재 AI 시스템은 이미 알려진 기법을 조합하고 측정 가능한 성공 기준에 맞춰 최적화하는 데는 탁월하지만, 프로덕션 수준의 시스템에 필요한 열린 형태의 일반화에는 어려움을 겪는다는 점을 보여준다는 것이다.
진행자가 이 분석에서 가장 중요하게 본 부분은 바로 이것이다. 알려진 추상화를 구현하는 것과 새로운 추상화를 발명하는 것은 근본적으로 다르다. AI는 반복적인 허드렛일을 제거하고 최신 모범 사례에서 더 가까운 출발점을 제공하는 이정표 역할을 훌륭히 수행하지만, 이 구현에서 새로운 것은 아무것도 없다는 것이다. 그럼에도 Lattner의 결론은 비관적이지 않다. 오히려 “소프트웨어의 종말이나 엔지니어의 종말을 이야기하지 않는다”고 못 박으며, 구현이 쉬워질수록 진정한 혁신이 들어설 공간이 더 커진다고 말한다. 구현 장벽이 낮아진다고 엔지니어의 중요성이 줄어드는 것이 아니라, 오히려 비전, 판단, 취향의 중요성이 더 커진다는 것이다. 그의 말을 빌리면, “코드를 쓰는 일은 목표였던 적이 없다. 목표는 의미 있는 소프트웨어를 만드는 것이다.”
이는 Andrej Karpathy가 이야기했던 ‘나인스(9s) 법칙’과도 연결된다. 처음 90%까지 도달하는 노력, 90%를 99%로 만드는 노력, 99%를 99.99%로 만드는 노력이 각각 같은 크기라는 이야기다. AI의 CCC가 90%, 어쩌면 99%까지는 해주는지 모르지만, 최고 전문가의 눈에 모자라는 0.99%는 어마어마한 간극으로 느껴진다. 그 간극이 바로 취향과 판단이 작동하는 공간이다.
AI와 과학의 최전선 — 물리학이 Centaur의 시대로
코딩이 이미 Centaur(인간과 AI의 협업)를 넘어선 단계라면, 과학은 이제 막 Centaur의 시대로 진입하고 있다는 것이 진행자의 관찰이다. Centaur란 1997년 Deep Blue와의 대국 이후 체스 세계에서 유행한 개념으로, 인간과 AI가 팀을 이루면 각자 단독으로 할 때보다 더 뛰어난 성과를 낸다는 아이디어에서 출발했다. 진행자는 코딩은 이미 AI에게 훨씬 더 많이 위임하는 단계로 나아가 있는 반면, 과학과 수학은 이제 막 그 협업의 문을 열고 있다는 흥미로운 대비를 제시한다.
진행자가 번역하며 꼼꼼히 읽었다는 사례는 OpenAI와 물리학자들의 협업 이야기다. OpenAI에 합류한 블랙홀 연구자의 스승 격인 세계적인 물리학자가 이야기의 중심인데, 1년 전만 해도 AI가 얼마나 도움이 될지 회의적이었던 이 인물이, 2025년에서 2026년으로 넘어오는 시점에 OpenAI 내부 모델과 몇 차례 주고받은 끝에 양자 장론(Quantum Field Theory)에서 이전까지 풀리지 않았던 문제를 해결하고 증명까지 해냈다는 것이다. 그것도 12시간 만에. 그 모델이 해당 분야 세계 최고 수준의 물리학자 두 명이 해내지 못했던 일을 해냈다는 점에서, 당시 연구자들이 크게 들떠 있었다는 전언도 함께 전해졌다.
여기서 중요한 디테일이 있다. 일반 공개된 GPT 모델로는 안 됐던 것이, OpenAI 내부의 스캐폴딩(Scaffolding) 또는 하네스(Harness)가 적용된 모델이 12시간 이상 연속적으로 사고한 끝에 공식을 증명해냈다는 것이다. 진행자가 표현한 대로, “GPT 모델이 아름답고 일반적인 공식을 제안했지만 증명에는 실패했고, 스캐폴딩이 적용된 내부 모델이 12시간을 넘게 사고한 끝에 증명과 논문화까지 이어졌다.” 이는 단순히 더 좋은 모델의 문제가 아니라, 어떤 구조 위에서 모델을 어떻게 작동시키느냐의 문제임을 시사한다.
진행자는 이 사례에서 또 다른 흥미로운 질문을 던진다. 그들이 모델에 입력한 프롬프트는 무엇이었을까? 세계 최고 수준의 물리학자가 그 질문을 던졌기에 가능했던 것일까, 아니면 같은 프롬프트라면 누구라도 같은 답을 얻을 수 있었을까? 이것이 바로 “어떤 어휘와 어떤 문장으로 모델에게 컨텍스트를 주느냐”의 문제이고, 그것이 결국 취향과 방향을 설정하는 인간 고유의 능력이라는 결론으로 이어진다.
인터폴레이션인가, 엑스트라폴레이션인가
이 대목에서 진행자는 초기 LLM 시대에 흔히 들었던 비판을 상기시킨다. 모델이 단순히 내삽(Interpolation)만 할 뿐, 새로운 것을 생성하지 못한다는 주장이 한때 지배적이었다. 그런데 지금 나오는 결과들은 외삽(Extrapolation)처럼 보인다. 과연 어느 쪽이 맞는 것일까?
진행자는 나름의 해석을 제시한다. 모델이 투영하고 있는 전체 진리의 공간을 100이라 할 때, 훈련 데이터는 그 공간을 매우 희소하게(Sparse) 커버하고 있다. 그 희소한 공간들 사이를 채우는 것이 모델이 하는 일이고, 이는 여전히 내삽이다. 다만 그 내삽의 범위가 인간의 인식 수준에서 보면 너무 멀리 떨어진 공간 사이의 보간이기 때문에, 인간에게는 외삽처럼 느껴진다는 것이다. 그리고 인간의 창조라고 부르는 것들도 결국 이미 존재했지만 발견되지 못했던 공간을 누군가가 찾아낸 것에 불과할 수 있다는 시각이다.
이 관점이 시사하는 바는 심오하다. 컴퓨테이션이 증가하고 모델의 일반성이 높아질수록, 그 희소한 공간들 사이의 틈새가 점점 채워지면서 “모든 문제가 가능해지는” 방향으로 나아갈 수 있다는 것이다. 모든 것이 결국 검색 문제(Search Problem)로 변환되고 있으며, 더 많은 전기와 컴퓨테이션을 투입해 가보지 않은 공간들을 추론 토큰(Inference Token)으로 탐색하는 시대가 됐다. 이것이 진행자가 조심스럽게 “모델이 결국 다 끝낼 가능성이 있다”는 전망을 내놓는 근거다.
하네스 엔지니어링의 부상
이 에피소드에서 가장 반복적으로 등장하는 개념이 바로 하네스(Harness) 혹은 **스캐폴딩(Scaffolding)**이다. 지난주 게스트로 출연했던 신정규 대표가 “Claude Code의 진짜 물건은 Claude Opus 4.6 모델이 아니라 Claude Code의 하네스인 것 같다”고 언급한 것처럼, 업계에서는 이제 단일 모델의 성능보다 그 모델을 어떻게 래핑하고 조율하느냐가 더 중요한 문제가 되어가고 있다.
하네스와 스캐폴딩은 거의 동의어로 쓰이는데, 모델이 장시간 연속적으로 작업하고 스스로의 출력을 검증하며 다음 단계를 계획할 수 있도록 돕는 구조적 틀을 의미한다. Grok의 경우 최상위 플랜 사용자에게 단일 모델이 아닌 에이전트 앙상블을 제공한다는 점도 이 흐름의 일환이다. 작년 중순만 해도 유튜브 댓글에 “하네스가 뭐예요?”라는 질문이 달렸지만, 이제는 공용 용어가 되었다는 관찰이 이 개념의 확산 속도를 잘 보여준다.
실용적인 측면에서, 진행자는 자신의 에이전트 코딩 방식이 변화하고 있음을 솔직하게 털어놓는다. 예전에는 목적에 맞게 끝을 내라고 루프를 걸어 자율적으로(Human-in-the-Loop 없이) 돌리는 방식을 많이 썼다면, 그 방식으로는 이미 알려진 것 이상이 나오지 않는다는 인식이 생겼다고 한다. 새로운 지평을 열기 위해서는 Human-in-the-Loop가 반드시 필요하고, 컨텍스트를 이해하면서 다른 방향으로 지속적으로 스티어링하는 프롬프트를 넣어줘야 한다는 것이다.
그래서 진행자가 지금 취하는 방식은 두 가지 모드의 결합이다. 높은 밀도의 어휘와 도메인 특화 개념을 활용한 tiki-taka(잦은 상호작용) 방식으로 무언가를 정교화하고, 방향이 잡히면 그것을 수행할 자율 실행 루프에 넘기는 것이다. 이 두 가지가 공존하면서 상승 효과를 낼 때 좋은 결과가 나온다. 물리학 논문 사례에서 묘사된 것처럼 — 모델과 몇 차례 깊이 있는 교환을 나눈 뒤, 스캐폴딩이 적용된 모델이 장시간 자율적으로 수행하는 구조 — 가 그 이상적인 형태에 가깝다.
Martin Fowler의 ThoughtWorks 블로그에도 하네스 엔지니어링에 관한 글이 올라오는 것을 보면서, Kent Beck 같은 Extreme Programming 세대의 대가들이 LLM을 적극적으로 활용하며 자신의 사상을 발전시키는 모습을 보면서, 진행자는 “현역의 나이대 스펙트럼이 넓어졌다”고 감탄한다. 30대부터 70대까지 모두 현역으로 활발히 활동하는 시대가 됐다는 것이다.
Andrej Karpathy의 micrograd와 창의적 코딩의 재발견
이 에피소드에서 진행자가 자신의 최근 탐색 활동을 공유하는 대목은 다소 개인적이지만, 이 시대에 대한 흥미로운 반응을 담고 있다. Andrej Karpathy가 2020년에 공개한 micrograd — 스칼라 기반의 자동 미분을 구현한 수십 줄짜리 코드 — 를 활용해, 그가 추후 공개한 200줄 안에 GPT를 구현한 프로젝트를 진행자가 직접 타이핑하며 따라가봤다는 것이다.
💡 [영상 참조] 진행자는 이 시점에서 micrograd 기반 GPT 구현 코드와 레이아웃 최적화, L-시스템 실험 결과물을 화면에 공유합니다. 상세 내용은 원본 영상을 확인하세요.
단순히 따라 하는 것에서 그치지 않고, 진행자는 자동 미분이라는 원리를 다른 도메인에 응용하는 실험을 했다. 레이아웃 최적화(특정 위치 관계를 미분 가능한 함수로 표현해 최적화), L-시스템(나무나 프랙탈 구조 알고리즘)에 포인트를 주면 그쪽으로 최적화되는 인터랙티브 구현, 계산 그래프 시각화, 의사결정 경계(Decision Boundary) 시각화 등을 ChatGPT, Claude와의 tiki-taka를 통해 탐색했다. 흥미로운 것은 진행자가 알고 있는 도메인 특화 어휘(예: 펜로즈 타일링, Inverse Kinematics)를 주입했을 때와 그러지 않았을 때, 각각 다른 종류의 인사이트를 얻었다는 점이다. 아는 영역에서도, 모르는 영역에서도 AI와의 대화는 배움을 주었다.
이 탐색의 더 깊은 의미는 진행자 스스로의 진단에 있다. 1~2년간 AI에게 시키기만 하고 코딩을 직접 하지 않았던 것이 최근 스트레스의 원인이었을 수 있다는 것이다. 코드를 들여다보고 이해하고 배우는 과정에서 얻는 즐거움을 잃어버리면서 스트레스를 받았는데, 다시 손으로 타이핑하고 일부는 외우고 응용해보는 과정에서 재미를 되찾았다고 한다. 결과물 생산성도 중요하지만, 인간인 이상 배움 자체에서 오는 즐거움을 무시할 수 없다는 것이다. 공동 진행자도 이에 공감하면서, 자율 실행 루프를 돌려 토큰 소비량을 확인하는 단계를 넘어, 목적성을 명확히 설정하고 모델과 tiki-taka 하면서 배우는 것들이 계속 늘어나는 것이 훨씬 재미있다고 덧붙였다.
딸깍의 시대, 우울의 정체
어느 스타트업 대표가 연재를 시작했다는 “AI가 딸깍할 때 우리는 왜 우울해졌을까”라는 블로그 시리즈가 이 에피소드의 감정적 핵심을 건드린다. ‘딸깍’이란 AI 도구 하나로 클릭 한 번에 복잡한 작업이 완료되는 시대를 상징적으로 표현한 말이다.
그 딸깍이 ‘내가 한 것’이 아니라 ‘AI가 한 것’이기 때문에 우울이 온다는 진단에 진행자는 공감하면서도 더 복잡한 구조를 본다. FOMO(Fear Of Missing Out, 놓치고 있다는 두려움)가 불안의 근원인 경우가 많고, AI 관련 콘텐츠가 그 불안을 부추기는 방향으로 구성되어 있다는 것이다. “지금 큰일 났으니까 따라가셔야 됩니다”라는 톤의 콘텐츠가 넘쳐나지만, 실제로 가치를 만들고 돈을 움직이는 회사는 모델을 만드는 회사와 하드웨어 회사뿐이고, 나머지는 다 우울하게 따라가는 구조라는 냉정한 분석이다.
그러면서도 진행자는 이 시대의 흐름을 부정하거나 저항하지 않는다. 소프트웨어의 양과 질이 폭발적으로 증가하는 것은 사실이지만, 좋은 것들이 많아질수록 그 중에서 ‘그레이트한 것’을 찾아 몰려가는 소비자들의 안목도 함께 가혹해진다는 것이다. 배경이 바뀌더라도 상대적 경쟁은 사라지지 않는다. 결국 “고객은 언제나 옳다(Customer is always right)“는 격언처럼, 고객이 돈을 내는 방향을 목적함수로 설정하면 그것을 따라가면 된다는 것이 진행자의 실용적 태도다.
MVK와 태도 — 모르는 채로 나아가기
이 에피소드의 철학적 핵심은 MVK(Minimum Viable Knowledge, 최소 유효 지식)라는 개념에 있다. 진행자가 2월 초 Uneven Future 행사에서 발표를 마무리하면서 던진 질문, “모르는 채로도 옳은 방향으로 나아가려면 최소한 무엇을 알아야 할까”가 이 에피소드 내내 배경처럼 흐른다.
그 질문에 대한 진행자의 잠정적 답은 이것이다. 모르는 채로 시작하되, 나아가는 과정에서 배우고 결정의 품질을 높이는 태도와 결합하면 된다는 것이다. 목적지를 알고 출발하는 것이 아니라, 출발하고 나서 무엇을 원하는지를 깨닫는 것도 가능하며, AI는 그 탐색 과정을 엄청난 속도로 가속해준다. 그래서 “시작이 반이다”라는 말이 AI 시대에 오히려 더 유효하다는 역설이 성립한다.
이 태도에 대한 회의적 시각도 있다. 이미 알고 있는 사람이 AI를 더 잘 활용한다는 것은 늘 그래왔던 이야기이며, AI가 그 격차를 좁혀주지 않는다면 MVK의 개념은 공허해진다는 비판이다. 진행자 자신도 이 물음에 확실한 답을 갖고 있지 않다. 다만 대화를 나누면서 계속 수렴하는 어휘들 — 태도, 취향, 의지 — 가 결국 같은 것을 가리키고 있다는 느낌을 받는다고 한다. AI도 물어보지 않는 자에게는 답을 주지 않는다. 그 질문까지 가져가는 것 자체가 이미 하나의 허들이고, 그 허들을 넘기로 결심하는 순간 배움은 가속된다.
한편 진행자는 Gilbert Strang의 선형대수(Linear Algebra) 교재를 올해 초부터 다시 읽기 시작했는데, 아직 1장에서 2장으로 넘어가지 못하고 있다는 에피소드도 공유했다. 같은 질문의 변주를 수십 번 AI에게 물어보고, 손으로 써보고, 인터랙티브 튜토리얼을 직접 만들어보면서 씨름하고 있다는 것이다. 이 과정에서 “내가 뭘 모르고 있는지를 점점 더 디테일하게 알게 되는 감각”이 생겨났다고 한다. 그리고 결국 이걸 덮어두고 갈지, 알 때까지 붙잡을지 — 그 질문 자체가 이미 탐구의 시작이다.
마무리 — 여행자의 시대
진행자는 이 에피소드를 이렇게 마무리한다. 원치 않아도 미지의 공간으로 떠밀려진 여행자가 된 것 같다고. 누구는 불안을 느끼고, 누구는 재미를 느끼고, 누구는 이 환경을 사랑하고, 누구는 싫어한다. 하지만 대변혁을 눈앞에서 직접 목격하고 있다는 것 자체는 놀라운 행운이기도 하다.
이 세상을 잘 살아가려면 중심이 어느 정도는 흔들려야 새로운 탐색이 가능하지만, 너무 흔들리면 나를 잃는다. 그 균형을 찾는 일은 쉽지 않다. 공동 진행자는 자신의 답을 배경과 같은 속도로 뛰면서 그 속에서 보이는 것들과 기회를 찾는 것이라고 말한다. 비즈니스 관점에서 보면 누군가의 위기는 반드시 다른 누군가의 기회이며, 하드웨어 컴퓨테이션 레이어부터 모델, 그리고 비즈니스까지 서로 다른 층위를 왔다 갔다 할 수 있는 사람에게 지금 이 시기는 전례 없는 기회의 공간이라는 것이다.
어마어마한 모델의 역량, 더욱 정교해지는 하네스 엔지니어링, 그리고 Human-in-the-Loop를 통한 방향 설정 — 이 세 축이 상호작용하는 시대를 살아가면서, 진행자가 내리는 결론은 놀랍도록 단순하다. 짜증이 재미로 가는 그 경계 어딘가를 탐색하는 것. 건강하게 추구할 수 있는 무언가에 집중하는 것. 아침에 일어나면 “오늘은 뭘 해볼까”라는 설렘이 남아 있는 것. 채널 구독자가 2만 명을 넘었다는 소식, 그리고 한 시간 반이 넘는 영상을 끝까지 시청하는 비율이 37%에 달한다는 사실은, 이 채널이 단순한 정보 전달이 아닌 생각의 동반자 역할을 하고 있다는 방증일 것이다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | EP 87. ‘딸깍’의 시대, 슬픔과 기쁨 사이 |
| 채널 | 노정석 |
| 녹화 일자 | 2026-02-21 |
| 리포트 작성 | 2026-02-25 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.