이 글은 AI 검수에서 통과하지 못했습니다 (점수: 75/100)
⚠️ 비어있는 섹션이 있다 🚫 죽은 링크: https://openai.com/index/braintrust (403)
링크 오류, 품질 미달 등의 사유로 자동 분류된 글입니다.
🤖
1300 in / 2956 out / 4256 total tokens
오늘은 AI가 코드를 다루는 방식이 어떻게 진화하고 있는지 살펴볼 것이다. 코드 생성과 코드 이해, 두 축 모두에서 흥미로운 움직임이 있다.
🔥 핫 토픽
Braintrust, Codex로 고객 요구를 코드로 변환하는 방법
OpenAI가 Braintrust의 사례를 공개했다. 핵심은 GPT-5.5 기반 Codex를 실제 엔지니어링 워크플로우에 녹여냈다는 점이다. Braintrust는 AI 평가 플랫폼을 만드는 회사인데, 자기들 제품을 개발하면서도 Codex를 적극 활용하고 있다.
이게 왜 중요하냐면, "AI 코딩 도구 쓰면 생산성 올라간다"는 추상적 주장이 아니라 구체적 사용 사례라는 거다. Braintrust 엔지니어들은 실험을 돌리고, 코드를 빠르게 작성하는 데 Codex를 활용한다. 특히 주목할 점은 이들이 단순히 코드 자동완성 수준이 아니라, 실험 설계와 실행이라는 더 높은 추상화 레벨에서 AI를 사용하고 있다는 것이다.
개발자 관점에서 보면, 이건 UE5에서 블루프린트 매크로를 만들어서 재사용하는 것과 비슷하다. 반복적이고 기계적인 코드 작성을 AI에 맡기고, 개발자는 아키텍처와 실험 설계에 집중하는 패턴이다. 서버 아키텍처 설계할 때 보일러플레이트 코드를 템플릿으로 빼놓는 것과 같은 맥락이다.
기술적 배경을 설명하자면, Codex는 코드에 특화된 AI 모델이다. GPT-5.5 기반이라는 건 최신 언어모델의 추론 능력을 코드 생성에 결합했다는 의미다. 단순히 다음 토큰을 예측하는 게 아니라, 코드의 문맥과 의도를 이해하고 그에 맞는 코드를 생성한다.
출처: OpenAI Blog
⭐ 오픈소스
Drishti — AST 기반 멀티모달 RAG 시스템
Drishti(दृष्टि)는 코드와 문서를 이해하기 위한 RAG(Retrieval-Augmented Generation) 시스템이다. 이름이 산스크리트어로 "시선, 시력"이라는 뜻이라는데, 코드를 "본다"는 의미에서 잘 지은 이름이다.
핵심 기술은 Tree-sitter를 사용해 코드를 AST(Abstract Syntax Tree) 레벨에서 파싱한다는 점이다. 이게 왜 대단하냐면, 일반 텍스트처럼 코드를 자르는 게 아니라 코드의 구조를 이해하고 의미 단위로 청킹한다는 거다. 함수 단위, 클래스 단위로 코드를 나누니까 검색 품질이 확 올라간다.
이건 게임 개발에서 ECS(Entity Component System) 아키텍처랑 비슷한 철학이다. 데이터를 어떻게 구조화하고 배치하느냐가 성능을 결정하듯이, RAG에서도 청킹을 어떻게 하느냐가 검색 품질을 결정한다. AST 기반 청킹은 단순히 512 토큰 단위로 자르는 것보다 훨씬 의미 있는 단위로 코드를 분할한다.
게다가 PDF, 문서, 다이어그램까지 처리할 수 있다. 코드베이스와 기획 문서, 아키텍처 다이어그램을 함께 검색할 수 있다는 건 실제 개발 환경에서 엄청 유용하다. UE5 프로젝트만 해도 코드, 블루프린트, 기획 문서, 레벨 디자인 문서 등이 뒤섞여 있는데, 이걸 통합적으로 검색할 수 있다면 작업 효율이 크게 올라갈 것이다.
BM25와 Claude API를 사용한다는 점도 주목할 만하다. BM25는 전통적인 정보 검색 알고리즘이고, Claude는 최신 LLM이다. 이 둘을 결합해서 하이브리드 검색을 구현한 것이다. 벡터 검색만 쓰면 정밀도가 떨어질 수 있고, 키워드 검색만 쓰면 의미적 유사도를 놓친다. 둘을 섞는 건 검색 시스템에서 검증된 접근법이다.
출처: GitHub - Drishti
연결고리
두 뉴스를 연결해보면 한 가지 흐름이 보인다. AI가 코드를 "생성"하는 능력(Codex)과 코드를 "이해"하는 능력(Drishti)이 동시에 진화하고 있다. 생성과 이해는 동전의 양면이다. 코드를 제대로 이해해야 제대로 생성할 수 있고, 생성 능력이 좋으려면 이해 능력도 받쳐줘야 한다.
앞서 언급한 Braintrust의 사례에서도 결국 Codex가 코드를 잘 생성하려면 프로젝트의 코드베이스를 이해해야 한다. Drishti 같은 기술이 발전하면, 향후 Codex 같은 도구도 프로젝트 전체 코드베이스를 깊이 이해한 상태에서 코드를 생성할 수 있을 것이다.
게임 개발에 빗대자면, 지금은 AI가 개별 함수를 잘 쓰는 수준이지만, 곧 프로젝트 전체 아키텍처를 이해하고 그 맥락에서 코드를 작성하는 수준으로 발전할 것이다. 서버 아키텍처를 설계할 때 전체 시스템을 이해하는 시니어 개발자처럼 AI가 동작하는 날이 올 수 있다.
코드를 이해하는 AI, 코드를 생성하는 AI. 둘이 만나면 프로젝트 전체를 이해하고 코딩하는 시니어 개발자가 탄생한다.