🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

이 대담은 AI가 실행의 ‘중간’을 맡고 인간이 문제 설정과 최종 판단의 ‘처음과 끝’을 책임지는 ‘AI 샌드위치’ 모델로, 에이전트 시대에도 인간의 역할이 어디에 남는지를 설명한다.

📌 핵심 요약

• Kieran Klaassen은 compound engineering을 계획, 작업, 리뷰, 지식 축적의 흐름으로 설명하며, 좋은 계획이 있으면 에이전트가 실행 단계에서 꽤 안정적으로 작업을 수행한다고 말한다.
• 대담의 핵심 통찰은 인간이 모든 단계에 계속 개입하기보다, 문제를 넓게 탐색하고 올바른 방향을 잡는 시작 단계와 결과물을 감각적으로 검증하고 끌어올리는 마지막 단계에 집중해야 한다는 것이다.
• Dan Shipper는 이를 ‘AI 샌드위치’라고 부르며, 인간은 빵처럼 양끝을 맡고 AI는 그 사이의 실행과 반복 작업을 담당하는 모델이라고 정리한다.
• 이 모델은 코딩 에이전트뿐 아니라 카피라이팅, 전략, 디자인 같은 지식노동에도 적용될 수 있으며, 인간의 일은 더 많이 ‘관리’와 ‘판단’에 가까워진다고 논의된다.
• Dan은 에이전트가 주어진 문제 틀 안에서는 자동화를 잘하지만, 문제의 프레임 자체를 바꾸거나 더 큰 맥락에서 재정의하는 능력은 인간이 여전히 강하다고 주장한다.

🧩 주요 포인트

1. Kieran Klaassen은 compound engineering을 계획, 작업, 리뷰, 지식 축적의 흐름으로 설명하며, 좋은 계획이 있으면 에이전트가 실행 단계에서 꽤 안정적으로 작업을 수행한다고 말한다.
2. 대담의 핵심 통찰은 인간이 모든 단계에 계속 개입하기보다, 문제를 넓게 탐색하고 올바른 방향을 잡는 시작 단계와 결과물을 감각적으로 검증하고 끌어올리는 마지막 단계에 집중해야 한다는 것이다.
3. Dan Shipper는 이를 ‘AI 샌드위치’라고 부르며, 인간은 빵처럼 양끝을 맡고 AI는 그 사이의 실행과 반복 작업을 담당하는 모델이라고 정리한다.
4. 이 모델은 코딩 에이전트뿐 아니라 카피라이팅, 전략, 디자인 같은 지식노동에도 적용될 수 있으며, 인간의 일은 더 많이 ‘관리’와 ‘판단’에 가까워진다고 논의된다.
5. Dan은 에이전트가 주어진 문제 틀 안에서는 자동화를 잘하지만, 문제의 프레임 자체를 바꾸거나 더 큰 맥락에서 재정의하는 능력은 인간이 여전히 강하다고 주장한다.

🧠 상세 정리

1. 대담의 출발점: 인간과 AI의 역할을 샌드위치로 비유하다

대담은 Dan Shipper와 Kieran Klaassen이 AI 시대에 인간이 어떤 위치에 남는지 논의하는 장면에서 시작된다. Kieran은 무엇인가를 만들거나 출시할 때 그것이 ‘자기 것’이 되려면 모든 것을 완전히 자동화할 수 없다고 말한다. 그는 예술처럼 결과물이 자신에게서 나오거나 자신과 연결되어 있어야 한다고 본다. 여기서 Dan은 인간이 샌드위치의 빵이고 AI가 가운데에 들어가는 재료라는 비유를 붙인다. 이 비유는 이후 논의 전체를 관통하는 모델이 된다. 즉 AI는 실행을 담당할 수 있지만, 무엇을 만들지 정하고 그것이 정말 좋은지 판단하는 양끝에는 인간이 필요하다는 문제의식이다.

2. compound engineering: 계획, 작업, 리뷰, 축적의 흐름

Kieran은 compound engineering을 처음에는 엔지니어링 작업 방식으로 만들었지만, 이후 제품, 디자인, 지식노동에도 적용될 수 있는 철학으로 이해하게 되었다고 설명한다. 그가 Quora를 만들면서 고민한 질문은 AI를 사용해 어떻게 더 빠르고 더 나은 일을 할 수 있느냐였다. 초기 구조는 네 단계로 정리된다. 먼저 무엇을 만들고 해야 하는지 명확히 하는 계획 단계가 있고, 이어 에이전트가 실제 코드를 쓰거나 디자인 같은 작업을 수행하는 작업 단계가 온다. 그다음 리뷰를 통해 결과물이 좋은지 확인하고 개선하며, 마지막으로 반복될 가능성이 있는 배움을 저장소 안의 지식으로 다시 넣어 다음 계획, 작업, 리뷰에 참고하게 한다. 이 ‘compound’ 단계가 플러그인의 가장 강력한 부분으로 제시된다.

3. 작업 단계는 점점 ‘생각하지 않아도 되는’ 영역이 된다

Kieran은 compound engineering을 운영하면서 작업 단계가 어떤 의미에서는 ‘dumb’하다는 사실을 깨달았다고 말한다. 여기서 ‘dumb’은 나쁘다는 뜻이 아니라, 좋은 계획이 주어지면 에이전트가 그 계획을 따라 실행하는 일을 상당히 잘한다는 뜻이다. 그는 이것을 막연한 신뢰가 아니라 실제로 관찰한 경험에 근거한 판단으로 제시한다. LLM은 단계별 지시를 따르고, 깊은 작업을 하고, 장시간 또는 며칠 단위의 일을 수행하는 데 강해지고 있다. Dan도 별도의 작업 단계를 둔다는 것이 결국 모델을 실행해 일을 시키는 것에 가깝다고 정리한다. 그래서 질문은 자연스럽게 ‘작업이 잘 된다면 인간은 어디에서 실제로 일해야 하는가’로 이동한다.

4. 시작 단계: 인간은 문제를 넓게 탐색하고 방향을 잡는다

Kieran은 Trevin Chow의 기여를 언급하며, 계획보다 앞선 제품적 단계가 필요했다는 점을 설명한다. 여기에서 ideate와 brainstorm 단계가 추가된다. ideate는 다양한 관점을 가진 사람들이 넓게 아이디어를 펼치는 과정이고, brainstorm은 문제가 있지만 그것이 정확히 무엇인지, 어떻게 접근해야 하는지 아직 모를 때 문제 자체를 탐색하는 과정에 가깝다. 이 단계에서는 인간이 루프 안에 머물러 깊게 생각하고 많은 질문을 던지는 것이 중요하다고 Kieran은 말한다. LLM은 이때 인간을 대체하기보다 인간의 사고를 지원해야 한다. 하지만 좋은 브레인스토밍과 명확한 문제 정의가 끝나면, 이후 계획 작성과 실행은 인간이 계속 붙어 있지 않아도 잘 진행될 수 있다는 점이 핵심이다.

5. 루프에 남을 때와 넘겨줄 때를 구분하는 감각

Kieran은 사람이 항상 모든 단계에 끼어 있는 것이 좋은 접근은 아니라고 본다. 그는 spec-driven development 같은 방식이 사람을 계속 루프 안에 두는 전제를 가질 수 있지만, 실제로는 언제 개입하고 언제 넘겨야 하는지를 아는 것이 더 중요하다고 말한다. 이 구분이 있어야 인간은 정말로 더 깊게 생각해야 하는 순간에 에너지를 집중할 수 있다. 시작 단계에서는 인간이 문제를 파악하고 방향을 정해야 하지만, 그 뒤에는 명확한 계획을 바탕으로 에이전트에게 작업을 맡길 수 있다. 따라서 인간의 역할은 단순히 AI를 감시하는 것이 아니라, 사고가 필요한 구간과 자동화가 효과적인 구간을 나누는 것이다. 이 관점은 AI 협업을 더 생산적으로 만드는 운영 원리로 제시된다.

6. 마지막 단계: 테스트를 넘어선 인간의 감각과 폴리싱

Kieran은 인간이 필요한 또 하나의 중요한 순간을 결과물이 나온 뒤의 마지막 단계에서 찾는다. 자동화된 브라우저 테스트가 클릭을 수행하고 요구사항이 충족되었다고 말하더라도, 사람이 직접 보고 만져보며 ‘느낌’을 판단해야 할 일이 남아 있다. 그는 어떤 결과물이 동작은 하지만 어딘가 맞지 않거나, 더 다듬을 수 있거나, 디자인적으로 부족할 수 있다고 설명한다. 이때 인간은 단순 오류 검출자가 아니라 결과물을 끌어올리는 감각의 주체가 된다. Kieran은 Pomodoro 경험을 예로 들며, 일이 일찍 끝났더라도 남은 시간 동안 같은 작업을 더 파고들 때 아름다운 개선이 생길 수 있다고 말한다. 이런 마지막 폴리싱이 없으면 결과물은 서로 비슷한 ‘slop’이 될 위험이 있다고 본다.

7. AI 샌드위치 모델: 코딩을 넘어 지식노동 전체로 확장되는 구조

Dan은 이 논의를 ‘AI 샌드위치’라는 정신모델로 정리한다. 인간은 샌드위치의 빵처럼 시작과 끝을 맡고, AI는 가운데에서 실행과 반복 작업을 담당한다. 그는 이 모델이 코딩 에이전트와 일하는 방식에 특히 유용하지만, 동시에 카피라이팅, 전략, 디자인 같은 다른 지식노동에도 적용될 수 있다고 본다. Every 내부 경험상 소프트웨어 엔지니어가 더 이상 필요 없어지는 것이 아니라, 좋은 방식으로 일할 때 그 역할이 점점 관리와 판단에 가까워진다고 말한다. 즉 인간은 손으로 모든 구현을 직접 하는 사람이 아니라, 방향을 잡고 결과를 검토하며 품질을 높이는 사람으로 이동한다. 이 설명은 에이전트가 일자리를 모두 대체할 것이라는 불안에 대한 반론으로 제시된다.

8. 프레임을 바꾸는 능력: 인간이 여전히 강한 이유

Dan은 에이전트가 시작 단계까지 자동화하게 되면 인간에게 무엇이 남느냐는 반론을 직접 제기한다. 이에 대해 그는 주어진 문제의 ‘로컬 프레임’ 안에서는 많은 절차가 자동화될 수 있지만, 문제를 다른 층위에서 다시 보는 능력은 인간이 강하다고 설명한다. 예를 들어 무릎이 아프다는 문제를 단순히 진통제를 사는 문제로 보면 배달 같은 과정은 자동화할 수 있다. 그러나 더 큰 프레임으로 보면 IT band를 스트레칭해야 할 수도 있고, 매일 단단한 바닥에서 뛰는 습관을 바꿔야 할 수도 있다. 같은 문제라도 어떤 틀에서 보느냐에 따라 해법이 달라진다는 뜻이다. Dan은 인간의 일이 문제를 푸는 경계를 설정하고 프레임을 바꾸는 데 있으며, 에이전트가 스스로 이를 잘하기는 어렵다고 주장한다.

9. 에이전트가 잘 작동하는 환경을 만드는 인간의 경험과 취향

Kieran은 Dan의 프레임 전환 논의에 동의하며, 결국 중요한 것은 에이전트가 잘 작동할 수 있는 환경을 만드는 일이라고 말한다. 이를 위해서는 무엇을 시킬지 제대로 고르는 능력, 경험, 취향, 그리고 직접 클릭해 보며 좋고 나쁨을 말할 수 있는 인간이 필요하다. 그는 진통제를 계속 먹는 예시를 이어 받아, 어느 순간 친구가 근본 문제를 해결하라고 흔들어 깨우는 역할을 할 수 있다고 설명한다. 그 친구에 해당하는 것이 현재의 인간이라는 뜻이다. 동시에 Kieran은 ideation 단계도 더 자동화될 것이라고 인정한다. 예컨대 여러 페르소나나 많은 사람들의 사고와 행동을 시뮬레이션해 배움을 얻는 방향으로 갈 수 있으며, 앞단까지 자동화될 가능성도 열려 있다고 말한다.

🧾 핵심 주장 / 시사점

• AI 협업에서 중요한 역량은 모든 단계에 개입하는 성실함이 아니라, 인간의 판단이 필요한 구간과 자동화에 맡길 구간을 정확히 나누는 능력이다.
• 에이전트가 실행을 잘할수록 인간의 가치는 구현량보다 문제 설정, 프레임 전환, 취향 있는 최종 판단에서 더 뚜렷해진다.
• 좋은 결과물은 요구사항 충족만으로 끝나지 않으며, 사람이 마지막에 직접 느끼고 다듬는 과정이 있어야 평범한 자동 생성물과 구별된다.

✅ 액션 아이템

• AI를 투입하기 전에 문제 범위를 정하고 목표와 제약을 합의해 시작 단계에서 인간이 방향을 분명히 정한 뒤 최종 목표를 고정한다.
• 실행 단계는 계획 기반으로 AI가 맡기되 인간은 리뷰에서 감각적으로 결과를 검증해 다음 반복의 품질 기준을 축적한다.
• 코딩·카피라이팅·전략·디자인 같은 지식노동에도 같은 모델을 적용해 인간의 관리·판단 범위와 문제 재정의 책임을 사전에 구분한다.

❓ 열린 질문

• 어떤 조건에서 문제의 프레임 자체가 바뀌어야 한다고 판단되어 인간이 즉시 개입해 재정의해야 하는가?
• 시작 단계와 마지막 검증 단계의 경계를 어디까지 두어 AI 샌드위치에서 인간의 관리와 판단 책임을 분리할 것인가?
• 지식노동 분야별로 AI 반복 실행에서 생길 수 있는 오판을 줄이기 위해 어떤 기준으로 사전 동의 범위를 설정할 것인가?