코그니션의 스타트업 창업자 스크ott 윌은 AI 코딩 에이전트가 인간을 대체하지 말아야 한다고 말한다

Cognition의 Devin은 자연어로 주어진 과제를 받아 코드베이스를 탐색하고, 계획을 세우고, 코드를 작성·실행·디버깅하며 PR까지 생성하는 자율 에이전트다. 핵심은 단순한 코드 자동완성을 넘어, 장기 실행(long-horizon) 작업을 수행하기 위한 에이전트 루프 구조에 있다. LLM이 추론·계획을 담당하고, 그 위에 샌드박스 실행 환경(셸, 브라우저, 코드 에디터), 작업 상태와 컨텍스트를 유지하는 메모리, 그리고 시행착오를 반복하며 스스로 결과를 검증하는 피드백 루프가 결합된다. Scott Wu가 "인간을 대체하도록 설계하지 않았다"고 말하는 기술적 배경에는, 현재의 에이전트가 명확히 정의된 반복 작업에는 강하지만 모호한 요구사항 해석, 시스템 전체를 관통하는 설계 판단, 트레이드오프 결정에서는 여전히 한계가 크다는 현실이 깔려 있다.

실무적으로 이 메시지가 갖는 의미는, AI 코딩 에이전트가 개발자를 "치환"하는 도구가 아니라 "위임(delegation)" 대상이라는 점이다. 즉 개발자의 역할이 직접 한 줄씩 타이핑하는 구현자에서, 작업을 잘게 쪼개 명세하고 에이전트의 산출물을 검토·통합하는 오케스트레이터로 이동한다. 마이그레이션, 보일러플레이트, 테스트 작성, 의존성 업그레이드, 반복적인 리팩터링처럼 범위가 명확한 작업은 에이전트에게 병렬로 맡기고, 아키텍처 결정과 리뷰·검증에 인간의 시간을 집중하는 분업 구조가 현실적인 활용법이다. 다만 에이전트가 생성한 코드는 그럴듯하지만 미묘하게 틀릴 수 있고, 보안·라이선스·성능상의 함정을 그대로 통과시킬 수 있어 무비판적 수용은 위험하다.

따라서 한국 개발자가 지금 취해야 할 행동은 두 가지다. 첫째, 에이전트에게 일을 잘 시키는 역량—명확한 작업 분해, 충분한 컨텍스트 제공, 검증 가능한 완료 기준 정의—을 의식적으로 훈련하는 것이다. 이는 곧 좋은 PR 리뷰어이자 테크리드의 역량과 겹친다. 둘째, AI가 대체하기 어려운 영역, 즉 도메인 이해, 시스템 설계, 코드 리뷰 안목, 그리고 에이전트 산출물의 정합성을 검증하는 능력에 투자하는 것이다. 결론적으로 단기적으로 일자리가 사라지는 시나리오보다, 에이전트를 다루지 못하는 개발자와 능숙하게 활용하는 개발자 간의 생산성 격차가 벌어지는 전환이 더 현실적이며, 지금은 그 도구를 실제 워크플로에 도입해 검증 체계와 함께 길들이기 시작할 시점이다.