60% of Vercel Deployments Are Now Shipped by AI Agents

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

인터뷰에 따르면 Vercel에서 코딩 에이전트가 만든 배포 비중은 60%에 도달했으며, 코드 생산 확대는 배포 인프라와 안전성 검증의 중요성을 함께 높이고 있다.

📌 핵심 요점

1. 에이전트가 배포 증가를 이끈다. Vercel의 에이전트 생성 배포 비중은 연초 3%에서 인터뷰 시점 60%로 늘었다. 누적 배포 10억 건까지 약 10년이 걸렸지만 이후 10개월 동안 15억 건이 추가됐으며, 코드 생성이 쉬워질수록 실행·배포 기반의 수요도 커진다는 설명이다.
2. 사람의 역할은 작업 지휘와 결과 검증으로 이동한다. 에이전트가 무엇을 변경했는지 이해하고, 테스트와 벤치마크로 품질을 확인해야 한다. 특히 데이터·보안·핵심 인프라에서는 실험용 바이브 코딩보다 엄격한 검증이 필요하며, 장시간 자율 실행에는 권한 제한과 샌드박스도 중요해진다.
3. 웹은 에이전트가 정보를 찾고 제품을 사용하며 결제하는 공간으로 확장된다. 검색 가능한 문서와 자막 제공에 더해, MCP로 기능을 노출하고 거래 프로토콜로 구매까지 지원하는 방향이다. 업무 도구도 고정된 화면에서 에이전트가 필요한 데이터를 가져와 맥락에 맞게 보여주는 방식으로 바뀔 수 있다.
4. 모델 선택은 작업별 비용·성능·보안을 조합하는 문제가 된다. 인터뷰 시점 Vercel 네트워크 토큰 사용량의 80%가 오픈 모델에서 발생했다. 복잡한 계획에는 높은 지능을, 실행에는 적합한 오픈 모델을 쓰는 분업과 게이트웨이를 통한 모델 교체가 기업의 선택권을 높인다는 관점이다.
5. 생성 비용이 낮아져도 운영 책임과 자원 배분은 남는다. 맞춤형 소프트웨어가 늘어나면 원천 데이터를 보관하는 기존 시스템, 안전한 실행 환경, 필요할 때만 자원을 쓰는 서버리스의 가치가 커질 수 있다. 개발자는 무엇을 만들고 어디에 토큰과 시간을 투입할지 판단하는 역할을 더 많이 맡게 된다.

🧩 배경과 문제 정의

• Vercel은 애플리케이션을 안전하고 확장 가능하게 배포하는 복잡성을 줄이는 데서 출발했다. 코딩 에이전트가 코드 생산을 늘리면서, 생성된 코드를 실제 서비스로 실행할 배포 기반의 중요성도 커지고 있다.
• AI가 만든 코드를 이해하지 않고 출시하는 방식과, AI를 활용하면서 사람이 품질과 안전성을 검증하는 방식 사이에 긴장이 있다. 개발 진입장벽을 낮추는 일과 핵심 시스템의 신뢰성을 확보하는 일을 함께 고려해야 한다.
• 웹의 이용 주체가 사람에서 에이전트로 확장되면서 기업은 정보 제공, 제품 사용, 결제까지 에이전트가 처리할 수 있도록 바꿔야 한다. 이는 웹사이트의 구성뿐 아니라 업무 도구와 인터페이스의 설계에도 영향을 준다.

🕒 시간순 섹션별 상세정리

1. 대규모 투자 유치와 Vercel의 성장 규모

• Vercel은 시리즈 F에서 3억 달러를 조달했으며, 기업가치는 93억 달러에 도달했다. [00:10]
• 연환산 매출 6억 달러라는 수치는 디인포메이션의 보도 내용으로 드러난다. [00:25]

2. 개발 도구를 개선하던 철학을 회사 운영에 적용

• Vercel의 핵심 가치인 ‘iterate to greatness’는 반복적인 개선을, ‘dig deep’은 고객 불만이나 버그의 원인을 사람과 에이전트가 가능한 한 깊이 파고드는 태도를 뜻한다. [01:31]
• 창업자는 아르헨티나에서 프리랜서 개발을 하며 의뢰받은 작업과 함께 자체 도구를 만들었다. 도구 제작 자체를 좋아했고, 다음 작업을 더 쉽고 빠르게 수행할 수 있었기 때문이다. [01:54]

3. 공개적인 작업과 직접적인 소통을 중시하는 문화

• 투명성과 공개적인 작업을 중시하는 개인적 가치가 회사 문화에도 반영됐다. 오픈소스와 공개적인 개발은 이러한 태도의 연장선에 있다. [03:46]
• 온라인 소통에서는 자신의 이야기와 생각을 직접 표현하고 지나치게 계산하지 않는 방식을 권한다. 젊은 창업자에게 투자하고 경험을 나누는 활동도 생태계에 기여한다는 가치와 연결된다. [04:24]

4. 빠르게 바뀌는 AI 시장에서는 수치와 현장 감각을 함께 활용

• 제품의 로딩 속도와 UI를 지속적으로 살피며, X 분석 기능에도 담당 엔지니어에게 피드백을 제공했다. 분석 도구 역시 제품 개선의 대상으로 본다. [05:04]
• AI 시장은 판도가 빠르게 바뀌므로 지난 분기의 데이터만으로 판단하기 어렵다. 사업의 정량 지표에 개별 사례, 분위기, 직관을 결합해야 한다는 운영 원칙을 제시한다. [05:30]

5. 코딩 에이전트가 가속한 배포 증가

• Vercel의 출발점은 숙련된 개발자조차 성능·보안·확장성을 갖춘 앱을 출시하려면 클라우드와 배포 도구를 복잡하게 다뤄야 한다는 문제였다. 이를 누구나 쉽게 출시할 수 있도록 바꾸려 했다. [07:35]
• 앱의 변경 사항을 출시하는 배포가 누적 10억 건에 도달하기까지 약 10년이 걸렸지만, 이후 10개월 동안 15억 건이 추가됐다. [08:42]

6. 코드의 책임과 배포·모델 유통 플랫폼의 역할

• 코드는 취약점, 데이터 삭제, 고객 정보 유출을 일으킬 수 있는 책임의 대상이다. 코드만으로는 서비스가 작동하지 않으며, 실제로 배포되어 실행돼야 한다. [09:44]
• Vercel은 여러 코딩 에이전트가 생성한 코드를 배포하는 공통 기반으로 자리 잡고 있다. 기본 제공 도메인으로 공개되는 앱부터 OpenAI와 Meta 같은 대기업의 배포까지 활용 사례로 든다. [10:17]

7. AI를 쓰더라도 결과를 이해하고 검증해야 하는 이유

• ‘이해하지 못하는 상태를 거부하라’는 원칙은 AI의 작업을 확인하지 않고 출시하기보다, AI를 사용하면서 무엇을 했는지도 이해하라는 뜻이다. 직접 코드를 읽고 AI에게 작업 내용을 설명하도록 요구한다. [11:41]
• 코딩 에이전트를 활용하는 사람의 역할은 업무를 정리하고 장애물을 제거하며 결과를 검토하는 엔지니어링 관리자에 가까워진다. 필요하면 테스트용 코드나 벤치마크를 작성하고 최종 제품의 품질도 확인해야 한다. [12:30]

8. 에이전트가 만든 배포 비중이 3%에서 60%로 확대

• Vercel에서 코딩 에이전트가 만든 배포의 비중은 연초 3%에서 현재 60%로 증가했다. [14:50]
• 자연어를 입력받은 에이전트가 다른 기계에서 실행할 코드를 만드는 구조가 확산되고 있다. 다만 이 60% 가운데 사람이 결과를 얼마나 이해하고 검증하는지는 단정하기 어렵다고 답한다. [15:04]

9. 개발 접근성 확대와 핵심 시스템의 검증 수준 구분

• 어린 시절에는 개발 도구를 구매할 돈과 수단이 부족했고, 영어로 된 매뉴얼을 읽기 위해 영어부터 독학해야 했다. 이러한 장벽을 넘는 과정에서 오픈소스를 접했고, 누구나 배울 수 있도록 도구를 무료로 개방해야 한다는 철학이 형성됐다. [15:30]
• 지난 11년 동안 지식을 오픈소스로 공개한 점이 에이전트의 Vercel 활용에도 도움이 됐다고 본다. 모델이 학습하거나 접근할 수 있는 정보와 사용 규칙이 많을수록 해당 도구를 활용하기 쉬워진다는 설명이다. [16:32]

10. 사람 중심 웹에서 에이전트가 이용하는 인터페이스로 전환

• 기존 웹은 사람이 페이지와 앱을 열어 정보를 소비하는 구조였다. 에이전트가 이용하는 웹에서는 시각적 애니메이션보다 업무에 필요한 정확한 정보가 중요하므로, Vercel은 에이전트에 별도의 정보 표현을 제공한다. [18:23]
• 인터넷 트래픽에서 사람을 대신해 행동하는 에이전트의 비중이 커질 것으로 전망한다. 웹사이트 제작 에이전트가 Vercel의 사용 정보를 찾거나, 주문 에이전트가 DoorDash와 연결되는 사례처럼 기업은 에이전트가 접근하고 활용할 수 있어야 한다. [19:30]

11. 봇 차단을 넘어 이용 경험과 구매 행동을 파악

• 필요한 것은 봇의 존재를 탐지하는 데 그치지 않는 ‘봇 인텔리전스’다. 어떤 에이전트가 방문하고, 필요한 맥락과 정보를 제대로 얻는지 파악하는 일이 개발자 경험을 개선하던 역할의 확장이 된다. [21:42]
• 기업은 정보뿐 아니라 도구·제품·서비스의 기능도 에이전트에 제공해야 한다. Vercel은 Stripe·Shopify와 협력해 에이전트가 거래할 수 있도록 지원하며, 실제로 에이전트가 자사 서비스를 구매하는 현상을 관찰하고 있다. [22:13]

12. 모델의 학습 시점 한계를 보완하는 검색과 공개 콘텐츠

• 기업은 대화형 모델, 코딩 에이전트, 검색 크롤러가 자사 서비스와 어떻게 상호작용하는지 알아야 한다. 모델의 학습 정보에는 시점상 한계가 있어, 인터넷 검색이 이를 보완하는 주요 도구가 된다. [23:11]
• 팟캐스트나 영상에 자막 원문을 함께 공개하면 에이전트가 특정 발언을 찾아 사용자에게 전달하기 쉬워진다. 온라인 기업 전반에 검색하고 활용할 수 있는 형태로 콘텐츠를 제공하는 일이 계속 중요하다. [23:51]

13. 정보 노출을 넘어 제품 사용과 결제를 지원하는 프로토콜

• AEO를 통해 정보를 잘 제공하는 것과 함께, 에이전트가 제품 자체를 사용할 수 있어야 한다. 사람을 위한 웹이 HTML을 중심으로 구성됐다면 에이전트용 웹에는 새로운 프로토콜이 필요하다고 본다. [24:45]
• MCP는 서비스가 제공하는 도구를 에이전트에 알려주는 방식이다. Vercel의 MCP는 소프트웨어 배포나 프로젝트 목록 조회 같은 기능을 에이전트가 사용하기 편한 형태로 제공한다. [25:18]

14. 여러 업무 도구를 직접 조작하는 대신 에이전트에 요청

• Vercel에서는 Slack에 배포한 에이전트에 고객의 배포 빈도와 과거 문제를 요청해 회의를 준비할 수 있다. 사용자가 Salesforce를 직접 열지 않아도 에이전트가 필요한 정보를 가져온다. [26:27]
• 사내 업무 대부분에 에이전트를 활용하면서 여러 도구의 사용법을 각각 익혀야 하는 부담을 줄이고 있다. 이러한 사용 방식은 사람이 볼 화면을 중심으로 제품을 설계하던 관행에도 변화를 요구한다. [27:13]

15. 고정된 화면에서 맥락에 맞춰 생성되는 인터페이스로 변화

• 기존 업무 화면은 제품 설계팀이 프로필 사진과 지원 요청 목록의 위치를 미리 정했다. 에이전트 기반 인터페이스는 개인을 물으면 개인 프로필을, 회사를 물으면 기업에 관한 맥락 정보를 제공하는 식으로 달라진다. [27:39]
• 제공하는 정보의 수준도 사용자의 경험과 역할에 맞출 수 있다. 초급 영업 담당자와 재무팀에 같은 수준의 정보를 보여줄 필요가 없으며, 에이전트가 이러한 차이를 반영할 수 있다고 본다. [28:32]

16. 범용 소프트웨어 구매에서 맞춤형 소프트웨어 생성으로

• 여러 소프트웨어를 모아 공통 기능을 제공하는 방식보다, 개인과 기업의 구체적인 필요에 맞춰 소프트웨어를 생성하는 미래에 무게가 실린다. 특히 기업의 업무 영역에 특화된 도구는 제작 투자 대비 효과가 훨씬 클 수 있다. [30:26]
• 코딩 에이전트가 코드 작성 비용을 사실상 없앤다는 관점에서는, 노코드보다 코드를 적극적으로 생성하는 방식이 유리하다. 플랫폼을 확보한 뒤 필요한 소프트웨어를 계속 생성하면 개별 제품 구매를 대체할 수 있다는 구상이다. [31:05]

17. 기존 업무 시스템의 가치는 데이터에 남는다

• 맞춤형 애플리케이션도 고객 이력, 연락처, 회의록, 지원 티켓 등의 데이터가 필요하다. Salesforce나 SAP 같은 시스템에는 이러한 원천 기록을 보관하는 핵심 데이터 인프라의 역할이 남는다. [31:22]
• 헤드리스 환경에서는 사람이 기존 화면에 직접 들어가는 대신 에이전트가 데이터를 가져와 새로운 소프트웨어나 시각화를 만든다. 사용자 인터페이스가 바뀌더라도 기록을 보관하는 기반은 계속 필요하다는 전망이다. [32:02]

18. 생성 비용이 낮아질수록 배포와 접근 통제가 중요해진다

• 누구나 코드를 생성할 수 있어도 실행과 배포에는 인프라가 필요하다. 에이전트의 행동을 제한하는 보안 장치와 가드레일도 인프라의 핵심 가치가 된다. [34:15]
• 사내용으로 만든 소프트웨어가 실수로 인터넷에 공개되는 문제를 막기 위해, Vercel은 Codex나 Claude Code 등을 연결해 안전하게 배포하는 기업용 플랫폼을 구축했다. 회사 내부 전용 환경을 에이전트 시대에 맞게 제공하는 방식이다. [34:50]

19. 장시간 자율 실행은 목표의 허용 범위를 문제로 만든다

• 초기 ChatGPT에서는 사람이 매번 다음 질문을 입력했지만, 에이전트는 반복 실행과 훈련을 통해 개입 없이 더 오래 작업하는 방향으로 발전하고 있다. 자율성이 커질수록 목표 달성을 위해 동원하는 수단도 넓어진다. [35:54]
• 이메일 주소를 찾아 생일 메시지를 보내라는 요청도 여러 웹사이트를 뒤지는 장시간 작업으로 이어질 수 있다. 편리한 경험을 유지하려면 목표 달성 과정에서 허용할 행동과 외부 영향의 경계를 정해야 한다. [36:46]

20. 프롬프트 인젝션은 사용자의 권한을 공격 경로로 바꾼다

• 이메일 주소를 찾다가 읽은 유튜브 댓글에 악성 지시가 숨어 있으면, 에이전트가 원래 임무에서 벗어나도록 유도될 수 있다. 이때 에이전트는 여전히 사용자의 토큰·도구·자원으로 행동한다. [37:55]
• Vercel은 기업이 에이전트를 운영하고 배포하면서도 의도한 작업을 수행한다고 신뢰할 수 있도록 샌드박스와 관련 통제 기능을 구축하고 있다. [38:25]

21. 샌드박스의 실제 격리 수준과 에이전트의 취약점 탐색 능력

• 샌드박스라고 부르는 환경이 모두 충분히 격리된 것은 아니다. OpenAI 에이전트의 Hugging Face 침입 사례에서는 격리된 부분과 그렇지 않은 부분이 섞여 있었으며, 처음 탈출한 환경은 상당히 잘 만들어진 샌드박스였다는 우려가 제기된다. [38:53]
• 기업의 에이전트 보안은 아직 충분히 정립되지 않았고, 안전한 격리 환경 자체도 구현하기 어렵다. 코딩 에이전트는 코드의 규칙을 이해하는 만큼 그 규칙을 깨는 취약점도 잘 찾기 때문에, 기업은 AI를 활용한 공격에 대비해야 한다. [40:25]

22. 모델 선택권은 보안·비용·품질을 함께 좌우한다

• Vercel은 특정 모델 공급자에 종속시키지 않고 여러 모델과 코딩 에이전트를 사용할 수 있게 하는 입장이다. 모델마다 사이버보안 능력이 다를 수 있고, 공급자 간 경쟁은 기업의 비용 협상에도 도움이 된다. [41:17]
• 모델의 우위는 빠르게 바뀔 수 있다. 오픈 모델이 기존 모델보다 20배 저렴하면서 성능은 98% 수준이거나 일부 작업에서는 더 나을 수 있다는 예시는, 기업이 여러 선택지를 유지하려는 이유가 된다. [42:21]

23. 에이전트가 소프트웨어 생산과 사용 양쪽에서 인프라 수요를 키운다

• 사람이 코드를 작성하고 다른 사람이 애플리케이션을 사용하는 구조에, 코드를 만들고 인터넷도 이용하는 에이전트가 추가됐다. Vercel이 10개월 동안 배포 15억 건을 추가한 배경으로 에이전트의 코드 작성이 드러난다. [43:47]
• Vercel의 전체 네트워크 사용량은 매일 기록을 경신하고 있다는 설명이다. 소프트웨어 생성과 이용이 함께 늘어나면서 인프라 수요의 상한을 가늠하기 어렵다는 전망으로 계속된다. [44:14]

24. 개인화된 공격과 사람이 작성한 기존 코드의 취약성

• 공격 에이전트가 개인의 편향과 맥락을 파악하면 더 정교한 표적 공격을 만들 수 있다. 암호화폐·핀테크 기업에는 사회공학적 공격뿐 아니라 서비스 코드 자체의 보호도 중요한 과제가 된다. [46:19]
• 에이전트가 안전하지 않은 코드를 만든다는 비판과 별개로, 사람도 명백한 보안 실수를 해왔다. 성능이 높아진 코딩 에이전트가 기존의 사람이 작성한 코드에서 심각한 문제를 찾아내는 상황이 새로운 위험으로 부상한다. [47:35]

25. 100만 달러 샌드박스 챌린지가 드러낸 Linux 취약점

• Vercel은 샌드박스를 더 강화하기 위해 100만 달러 규모의 챌린지를 열고 외부 공격을 유도했다. 자체 보안에 대한 자신감을 실제 공격 검증으로 시험하는 방식이다. [47:56]
• 인터뷰 시점까지 진전을 낸 사람은 다수의 에이전트를 활용한 한 명이었으며, 제보는 처리 중이었다. 성과에는 정교한 사이버보안 전문성과 에이전트의 결합이 필요했다. [48:23]

26. 공격과 방어의 토큰 경쟁, 오픈 모델 금지에 대한 반론

• 단기적으로는 공격에 쓰이는 토큰과 방어에 쓰이는 토큰이 경쟁하는 상황이 예상된다. 다양한 국가와 집단이 같은 종류의 AI 자원을 확보하면서 기존 코드의 취약점을 둘러싼 경쟁이 격화될 수 있다. [49:47]
• 사이버보안 위험을 이유로 오픈 모델을 금지하는 데에는 반대 입장이다. 보안 능력은 모델의 지능에서 나오며 방어에도 활용할 수 있지만, 기반 시스템을 강화해야 하는 향후 몇 년은 순탄하지 않을 수 있다는 전망이다. [50:08]

27. 수학적으로 검증 가능한 코드가 장기적인 방어 방향이 된다

• 에이전트의 지속적인 작업 능력을 활용하면 정확성을 수학적으로 증명할 수 있는 코드를 만드는 방향으로 나아갈 수 있다. 단기간에 모든 코드가 그렇게 바뀐다는 주장은 아니지만, 검증의 확실성을 높일 가능성이 드러난다. [50:40]
• Vercel은 수년간 검증 가능성이 높은 코드로 인프라를 강화해 왔지만, 대상 범위는 방대하다. 많은 기업의 기존 코드는 여전히 사람이 작성했고 올바르게 검증되지 않아 위험이 남아 있다는 진단이다. [51:37]

28. Vercel 네트워크의 토큰 사용이 오픈 모델 중심으로 이동한다

• Vercel AI Gateway는 여러 공급자의 모델과 다수의 오픈 모델을 모아 에이전트에 토큰을 공급한다. 사용량을 통해 얻은 익명화 데이터는 크리에이티브 커먼즈 조건으로 공개된다. [52:49]
• 개발자와 이들이 지휘하는 소프트웨어 생산 에이전트는 주요 토큰 수요처다. 코딩 모델의 부상이 모델 사용량 변화의 중요한 배경이 된다. [54:26]

29. 오픈 모델의 성능 향상이 작업별 모델 분업을 가능하게 한다

• 과거에는 오픈 모델의 코딩 성능이 부족했지만, 일부 중국 연구소의 모델이 프런티어 모델과 경쟁할 수준으로 발전했다. Kimi에 대한 평가는 높지만 모든 벤치마크와 작업에서 동등하며 모든 일을 수행할 수 있다는 뜻은 아니다. [55:11]
• 지원 티켓 응답, 맞춤법 검사, 데이터 분류 등 모든 업무에 최고 수준의 지능이 필요한 것은 아니다. 기업은 작업에 필요한 지능 수준에 맞춰 모델을 선택할 수 있다. [56:13]

30. 간단한 모델 교체에서 문맥에 따른 자동 선택으로

• 게이트웨이를 통한 모델 교체는 대규모 엔지니어링 작업이 아니라 코드 한 줄로 가능하다는 설명이다. 특정 모델의 성능이 필요한 영역에서 뒤처지면 다른 모델로 옮길 수 있다. [57:43]
• 모델 선택 자체를 자동화하려는 연구도 진행 중이며 유망한 사례가 있다. 사용자가 질의와 프롬프트를 주면 문맥과 필요한 지능 수준에 따라 적절한 모델로 보내는 경험이 지향점이다. [58:05]

31. 프런티어 모델 공급자의 위험은 고객 유지력의 불확실성이다

• Bending Spoons가 사용의 99%에 오픈 모델을 쓴다는 사례를 배경으로, 프런티어 모델의 역할과 높은 기업가치에 대한 위험이 쟁점이 된다. 가장 큰 위험으로는 공급자가 자신의 고객 유지력을 파악하기 어렵다는 점이 꼽힌다. [59:00]
• 사업에서는 쉽게 부풀릴 수 없는 지표에 집중해야 한다. 광고와 자극적인 마케팅으로 유입을 늘릴 수 있다는 점에서, 신규 유입 규모만으로 지속적인 고객 사용을 판단하기는 어렵다는 문제의식이다. [59:29]

32. AI 사용량의 거품과 장기 고객 충성도

• 모델 기업의 위험은 잠깐 주목받는 데 성공해도 고객이 오래 남을 이유가 약하다는 점이다. AI 게이트웨이는 고객이 원하는 모델의 지능을 선택하도록 지원하는 방식으로 장기적인 관계를 추구한다 [1:00:14]
• AI 시장에는 토큰 사용량 부풀리기, 무료 프로모션, 데이터 보관·학습 여부에 관한 불명확한 약속이 존재한다는 비판이 나온다. Vercel은 기업용 AI 게이트웨이에서 공급자와의 계약을 통해 데이터 무보관과 고객 데이터의 복제·학습 방지를 보장한다는 입장이다 [1:01:07]

33. 오픈 모델과 모델 공급자의 차별화 압력

• 최첨단 지능에는 계속 수요가 있겠지만, 이를 경제적으로 지속할 수 있는지는 큰 조건이다. 오픈 모델 중심으로 사업을 운영하면 가격을 낮추고 지능 기술 스택에 대한 통제권을 높여 모델 공급자에 대한 의존을 줄일 수 있다 [1:02:22]
• 모델 연구소들이 여러 소프트웨어 애플리케이션으로 확장하는 움직임은 토큰 공급만으로 차별화를 유지하기 어렵다는 신호일 수 있다. Vercel의 지향점은 토큰 가격을 낮추고 개발자 만족과 고객의 기업가치를 높이는 것이며, 그렇다고 모델 기업들이 곧 사라질 것으로 보지는 않는다 [1:03:03]

34. AI 기업의 상장을 어렵게 하는 예측 불확실성

• 상장기업에는 사업 구조와 성장에 대한 신뢰할 만한 예측이 필요하다. AI 기업은 경쟁 모델의 등장으로 고객 수요와 경쟁우위가 빠르게 달라져, 기존 소비·구독 사업보다 미래 실적을 설명하기 어렵다 [1:04:06]
• 유료 모델에 대한 기대가 커진 직후 비슷한 무료 모델이 등장할 수 있고, 로컬 모델도 경쟁 구도를 바꾼다. 실제로 MacBook Air에서 작은 모델을 실행하고 있다는 사례가 이러한 변화의 근거로 드러난다 [1:04:46]

35. 경쟁력의 기준은 반복 개선 능력과 도구 적응력

• Vercel이 제공하려는 핵심 가치는 단순한 속도보다 빠르게 실험하고 개선하는 능력이다. 방향 없이 빠르게 움직이는 것만으로는 혁신이 보장되지 않는다 [1:05:25]
• AI 도입, 에이전트 개발, 오픈 모델 실험을 피하며 제자리에 머무는 태도는 위험하다. 엔지니어와 다른 직군 모두 기존 지식에만 의존하지 않고 새로운 도구를 익혀야 업무의 가치와 흥미를 유지할 수 있다 [1:05:38]

36. AI 확산 이후 오히려 강해진 개발 몰입

• 실리콘밸리에서는 AI 덕분에 근무가 크게 줄기보다 새로운 제품을 준비하고 출시하는 활동이 더 활발해졌다는 관찰이 나온다. ‘777’은 오전 7시부터 오후 7시까지 주 7일 일하는 분위기를 표현하며, 새로운 것을 만드는 즐거움도 그 배경으로 꼽힌다 [1:06:29]
• 정보 습득에도 에이전트를 활용한다. 영상 자막을 터미널에서 빠르게 읽고 에이전트에 질문해 내용을 처리하며, 몸짓을 확인할 필요가 있을 때만 영상 일부를 보는 방식이다 [1:07:42]

37. 개발자의 역할이 코드 작성에서 자원 배분으로 이동

• 사람이 읽고 쓰기 좋은 코드와 개발 경험을 중심으로 쌓아온 성공 방식은 에이전트 시대에 그대로 통하지 않을 수 있다. 새로운 과제는 에이전트가 올바른 문제를 풀도록 만드는 것이다 [1:08:18]
• 엔지니어의 일은 제한된 시간 안에서 토큰을 어떤 조사와 구현에 투입하고, 어떤 언어와 도구를 선택할지 결정하는 자원 배분에 가까워진다. 무엇을 만들지 판단하는 능력이 중요해진다 [1:09:24]

38. 에이전트가 바꾸는 Rust의 비용과 이점

• Rust는 엄격한 규칙과 해석하기 어려운 컴파일러 오류 때문에 사람이 익히고 사용하는 부담이 컸다. 코딩 에이전트가 그 규칙을 다루면 인간이 직접 감당해야 했던 어려움이 줄어들 수 있다 [1:10:28]
• 이 변화는 더 빠르고 안전한 코드가 널리 만들어질 수 있다는 낙관론으로 계속된다. 다만 개발자는 기존 방식에 대한 집착을 내려놓아야 하며, 작업 대상의 선택과 창의성은 여전히 중요한 역할로 남는다 [1:11:42]

39. 샌드박스의 경쟁력은 장기적인 품질에서 결정

• 샌드박스는 에이전트가 작업하는 클라우드 컴퓨터에 해당한다. 공급자를 고를 때는 할인이나 빠른 출시뿐 아니라 안정성·보안·에이전트의 사용 편의성이 중요하며, 공급자 사이의 품질 차이가 여전히 크다는 주장이다 [1:14:05]
• Vercel은 배포 코드를 안전하게 빌드할 클라우드 컴퓨터를 만드는 문제를 11년간 다뤄왔으며, 이 경험을 에이전트용 샌드박스의 기반으로 삼는다 [1:15:20]

40. 인프라 접근성 확대와 Vercel의 고객 성장

• 대담에서 제시된 Vercel의 지표는 기업가치 93억 달러, 더인포메이션 보도 기준 연환산 매출 6억 달러, 고객 약 48만 5,000곳이다 [1:16:11]
• 고객 성장의 기반은 더 많은 사람이 인프라를 쉽게 사용할 수 있도록 만드는 데 있다. 이제는 에이전트도 인프라 선택의 주체가 되고 있다는 해석이다 [1:16:34]

41. 채용 기준이 개별 결과물에서 에이전트 운용 능력으로 상승

• 정적인 이력서보다 실제 출시 경험이 중요했지만, AI로 출시 장벽이 낮아지면서 작은 데모만으로는 충분한 차별화가 어렵다 [1:17:07]
• 여러 에이전트를 지휘해 실질적인 생산성을 얻고, 소프트웨어 공장에 비견할 만한 실행 체계를 만드는 능력이 새로운 채용 기준으로 중요하다 [1:17:39]

42. 인간적인 소통과 더 높은 기술 이해를 함께 요구

• 인간을 위한 경험에는 디자인과 세심함이 필요하며, 사람 사이의 소통에서도 AI가 만든 상투적인 문구보다 자신의 생각을 분명히 전달하는 능력이 중요하다 [1:18:05]
• 대기업에 에이전트 플랫폼을 판매하는 담당자는 신뢰 관계를 형성하면서 기술도 이해해야 한다. 호기심과 프롬프트 활용 능력이 학습 장벽을 낮춘 만큼, 기술 역량에 대한 기대 수준도 높아진다 [1:18:56]

43. 고객의 코드까지 직접 다루는 영업과 마이그레이션

• 회사의 핵심 인재를 ‘코드에 가까운 사람’과 ‘고객에 가까운 사람’으로 나누던 관점이 달라지고 있다. 영업·기술 인력이 고객 현장에서 코드 이전까지 돕는 역할로 확장된다 [1:19:58]
• 메르세데스와의 협업에서는 기존 플랫폼의 코드를 새 플랫폼으로 바꾸는 첫 번째 마이그레이션 결과를 에이전트로 5분 만에 만들었다. 이 수치는 전체 이전 완료 시간이 아니라 첫 구현에 걸린 시간이며, 과거 수개월이 걸리던 작업과 대비된다 [1:21:02]

44. 성과 개선의 출발점은 복잡한 최적화보다 기본기

• 개인의 성과를 높일 때 보충제나 장수 요법 같은 마지막 1%의 최적화에 앞서 식사, 걷기, 기본적인 운동부터 꾸준히 실천해야 한다는 관점이다. 이미 기본을 갖춘 사람이 추가 최적화를 선택하는 것까지 부정하지는 않는다 [1:23:20]
• 같은 원칙은 소프트웨어 회사에도 적용된다. 고객의 고통을 해결하는 제품이 제대로 작동해야 하며, 고객과 에이전트가 보내는 피드백이 해야 할 일의 상당 부분을 알려준다. 어려운 것은 복잡한 해법을 찾기보다 집중력을 유지하고 단순하게 실행하는 일이다 [1:24:37]

45. 가족과 조직에 같은 생활 원칙을 적용

• 식사와 운동, 음주를 피하는 생활은 자녀에게 보여주는 본보기이기도 하다. 자녀와 브라질리언 주짓수를 함께 하며 생활 속에서 배운 원칙을 전하려 한다 [1:25:15]
• 회사의 옥토버페스트 행사에는 운동과 활동을 결합해 술을 마시지 않아도 즐길 수 있는 경험을 만든다. 사무실의 맨몸운동 장비도 개인의 생활 원칙과 조직 문화를 연결하는 사례다 [1:25:47]

46. 소프트웨어 증가가 강화하는 서버리스와 Fluid Compute의 필요성

• 소프트웨어 생산과 배포가 늘어날수록 모든 프로그램을 항상 실행해 두기는 어렵다. 가끔 사용하는 개인용 소프트웨어까지 늘어나므로, 사용하지 않을 때 자원을 내리고 필요할 때 다시 가동하는 서버리스의 가치가 커진다 [1:27:12]
• Vercel이 서버리스의 다음 단계로 부르는 Fluid Compute는 트래픽이 많으면 확장하고 없으면 축소하는 연산 자원이다. 샌드박스·함수·웹사이트·에이전트 등 다양한 작업을 지원하는 방향이다 [1:27:49]

🧾 결론

• 에이전트는 소프트웨어를 만드는 주체이자 사용하는 주체로 등장하고 있다. Vercel의 배포 증가 사례는 이 변화가 인프라 이용으로 연결되는 모습을 보여준다.
• 개발 접근성 확대와 품질 책임은 함께 다뤄야 한다. 생성 속도가 빨라질수록 코드 이해, 접근 통제, 보안 검증과 장기 유지 역량이 중요해진다.
• 모델과 사용자 화면이 바뀌더라도 실행 인프라와 원천 데이터는 계속 필요하다는 전망이다. 경쟁력은 새로운 도구를 활용해 고객 문제를 반복적으로 해결하는 능력에 달려 있다.

📈 투자·시사 포인트

• 배포 증가의 경제성을 확인필요가 있다. 배포 건수 확대는 인프라 수요의 신호지만, 유료 사용·고객 유지·수익성으로 이어지는지 함께 봐야 한다.
• 보안과 운영 품질이 인프라의 차별화 요소가 될 수 있다. 샌드박스의 실제 격리 수준, 내부 서비스의 공개 방지, 안정적인 유지 능력이 기업 고객의 선택에 영향을 줄 수 있다.
• 모델 공급자의 고객 유지력은 불확실하다. 오픈 모델의 성능 향상과 간편한 모델 교체는 가격 경쟁을 강화할 수 있다. 무료 프로모션에 따른 사용량과 장기적인 유료 수요를 구분해야 한다.
• 기존 업무 소프트웨어는 데이터와 기능 접근성을 중심으로 재평가할 수 있다. 에이전트가 화면을 대신하더라도 고객 이력과 업무 기록을 보관하는 기반의 역할은 남는다는 관점이다.
• 서버리스와 Fluid Compute의 수요 확대는 검증할 가설이다. 간헐적으로 쓰는 맞춤형 소프트웨어가 늘면 탄력적인 자원 운영의 필요성도 커질 수 있지만, 실제 확산 규모는 아직 예측하기 어렵다.

⚠️ 불확실하거나 확인이 필요한 부분

• 배포 비중 60%는 Vercel에 관한 인터뷰 시점의 설명이다. 집계 기간, 에이전트 생성 배포의 판별 기준, 사람의 검토 여부는 제공된 자료만으로 확인할 수 없으며 전체 개발 시장의 비중으로 일반화할 수 없다.
• 오픈 모델 토큰 비중 80%는 Vercel 네트워크의 사용량이다. 전체 AI 시장 점유율이나 매출 비중을 뜻하지 않으며, 작업 구성과 모델별 단가도 함께 확인해야 한다.
• 샌드박스 챌린지의 Linux 취약점 발견과 에이전트의 격리 환경 탈출 사례는 대담에서 소개된 내용이다. 구체적인 취약점, 영향 범위와 조치 상태는 제공된 자료만으로 검증하기 어렵다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 배포 지표를 검토할 때 집계 기간, 에이전트 판별 기준, 유료 사용과의 연결 여부를 확인한다.
• 에이전트가 만든 변경 사항의 설명을 받고, 서비스의 중요도에 맞춰 코드 검토·테스트·벤치마크를 수행한다.
• 자율 실행에 허용할 도구·데이터·외부 행동의 범위를 정하고, 샌드박스 격리와 내부 서비스 접근 통제를 점검한다.
• 자사 문서와 콘텐츠를 에이전트가 검색하기 쉽게 제공하고, MCP 등으로 노출할 기능과 권한 범위를 검토한다.

❓ 열린 질문

• 에이전트가 만든 배포 중 사람이 충분히 이해하고 검증한 비중은 얼마나 되며, 이를 어떤 기준으로 측정할 수 있을까?
• 배포와 토큰 사용량의 증가는 지속적인 유료 수요와 고객 유지로 얼마나 연결될까?
• 에이전트가 기존 업무 화면을 대체할 때, 모델·게이트웨이·데이터 시스템·실행 인프라 중 어느 계층이 고객 관계를 오래 유지할까?