🤖
1305 in / 3638 out / 4943 total tokens
오늘 건진 뉴스 3건은 묘하게 한 방향을 가리키고 있다. AI 코딩 도구가 개발자 울타리를 넘어서는 시점, 그리고 그 밑단의 인프라를 어떻게 단단하게 만들 것인가에 대한 고민이 동시에 보인다.
🔥 핫 토픽
OpenAI Codex, 금융 팀의 일상 도구로 자리잡는 중
https://openai.com/academy/how-finance-teams-use-codex
OpenAI가 Codex를 금융 부서에서 어떻게 쓰는지 공식 가이드를 냈다. MBR(Management Business Review) 자료 생성, 리포팅 팩, 차이 분석 브리지, 모델 검증, 시나리오 플래닝까지. 개발자가 아닌 재무 담당자가 Codex에 자연어로 지시하면 코드가 생성되고, 그 코드가 실제 엑셀과 데이터 파이프라인을 건드린다.
이게 왜 중요하냐. 지금까지 AI 코딩 도구는 '개발자 생산성'에만 초점을 맞춰왔다. GitHub Copilot이나 Cursor의 타겟은 전부 IDE 안에 있는 사람들이었다. 근데 Codex는 아예 다른 벡터로 공격하고 있다. 코드를 짤 줄 모르는 도메인 전문가에게 "당신도 코딩할 수 있다"고 말하는 거다. 금융, 법무, 컴플라이언스 같은 영역은 데이터 처리와 자동화가 시급한데, 정작 개발자 리소스는 부족하다. 이 간극을 AI가 메우는 구도다.
게임 개발에서도 똑같은 일이 벌어질 거다. 기획자가 직접 프로토타입을 돌리고, 레벨 디자이너가 블루프린트 대신 자연어로 로직을 짜는 시대가 올 수 있다. UE5의 블루프린트가 이미 비프로그래머에게 문을 열어줬는데, AI가 그다음 단계를 밀고 있는 셈이다.
한 가지 우려도 있다. 생성된 코드의 품질을 도메인 전문가가 검증할 수 있느냐는 거다. 금융 모델에 버그가 있으면 실제 돈이 날아간다. 게임에서도 마찬가지다. 밸런싱 수식에 오류가 있으면 경제 시스템이 붕괴한다. '코드 리뷰'라는 개념을 비개발자도 수용해야 하는 시대가 온 것이다.
출처: OpenAI Blog
📰 뉴스
Mitchell Hashimoto가 말하는 AI 인프라의 다음 단계
https://simonwillison.net/2026/May/12/mitchell-hashimoto/#atom-everything
Simon Willison이 Mitchell Hashimoto의 발언을 인용했다. Hashimoto는 HashiCorp 공동창업자이자 Terraform, Vagrant의 아버지다. 인프라 업계에서는 전설적인 인물이고, 그가 AI에 대해 말한다는 것 자체가 시그널이다.
인용의 핵심은 AI 워크로드가 기존 인프라 패턴과 어떻게 다른지, 그리고 우리가 어떤 가정을 버려야 하는지에 대한 것이다. 전통적인 웹 서비스는 요청-응답 패턴으로 설계됐다. 반면 AI 추론은 GPU 메모리 관리, 모델 로딩 시간, 배치 처리 최적화 같은 완전히 다른 제약을 가진다. Hashimoto는 이 간극을 메우는 새로운 인프라 추상화가 필요하다고 본다.
게임 서버 개발자로서 공감하는 부분이 많다. UE5 전용 서버를 돌릴 때도 비슷한 문제가 있었다. 플레이어 세션은 상태를 유지해야 하고, 물리 시뮬레이션은 프레임 단위로 동기화돼야 하고, 메모리 사용 패턴이 일반적인 REST API 서버와 완전히 다르다. AI 추론도 마찬가지다. 모델 가중치를 GPU에 올려놓고 내리는 타이밍 하나가 전체 처리량을 결정한다.
Hashimoto가 주목하는 건 아마도 이 '상태 관리'의 새로운 형태일 것이다. Terraform이 인프라를 코드로 관리하게 해줬다면, AI 시대에는 모델 라이프사이클과 GPU 리소스를 코드로 관리하는 새로운 도구가 필요하다. 내가 사이드프로젝트로 AI 에이전트를 돌릴 때도 GPU 인스턴스 스케줄링이 가장 귀찮은 작업 중 하나다.
Mo Bitar의 통찰: AI 도구의 실용성 경계
https://simonwillison.net/2026/May/12/mo-bitar/#atom-everything
Simon Willison이 Mo Bitar의 의견을 또 인용했다. Willison이 누군가를 두 번 연속으로 인용한다는 건, 그 사람의 말이 현재 AI 담론에서 꽤 날카로운 지점을 찌르고 있다는 의미다.
Bitar가 강조하는 건 AI 도구가 '어디까지 도움이 되고 어디서부터 방해가 되는가'하는 경계선이다. 데모에서는 완벽해 보이는 AI가 실무에 들어오면 엣지 케이스에서 계속 무너진다. 이건 게임 개발에서 AI 보조 도구를 쓸 때마다 겪는 문제이기도 하다. 에셋 생성 AI가 90%는 잘 만드는데, 나머지 10%를 수동으로 고치는 게 처음부터 직접 하는 것보다 오래 걸리는 경우가 있다.
이 '90% 문제'는 AI 도구를 실제 제품에 통합하려는 개발자에게 핵심 고민거리다. 코드 생성도 마찬가지다. Copilot이 제안하는 코드의 대부분은 괜찮은데, 보안 취약점이나 미묜한 논리 오류가 섞여 있으면 오히려 리뷰 비용이 증가한다. Bitar는 이 지점을 정직하게 짚고 있다.
해결책으로 제시되는 건 'AI의 출력을 검증하는 시스템'을 도구 자체에 내장하는 것이다. 테스트 자동 생성, 정적 분석, 타입 체크 같은 안전망이 없으면 AI 생성 코드는 프로덕션에 들어갈 수 없다. 앞서 언급한 Codex의 금융 활용 사례에서도 같은 문제가 발생할 것이다. 모델 검증(Model checks) 기능이 가이드에 포함된 이유가 바로 이것이다.
🧩 세 줄 요약
- Codex가 비개발자 영역으로 확장하면서 '코드 리뷰'의 대상이 전체 직원이 되는 시대가 왔다.
- AI 워크로드에 맞는 새로운 인프라 추상화가 필요하다. Terraform 다음 세대의 도구가 나올 타이밍이다.
- AI 도구의 실용성은 90%가 아니라 마지막 10%에서 결정된다. 검증 시스템 없는 AI 생성물은 위험하다.
AI가 코드를 쓰는 시대가 아니라, AI가 쓴 코드를 검증하는 시대가 왔다.