YouTube 기술 브리핑

DHH가 밝히는 AI 에이전트 협업과 바이브 코딩, 소프트웨어 사업의 미래

37signals의 데이비드 하이네마이어 한슨(DHH)이 대담을 통해 AI 에이전트 도입에 따른 개발자 역할의 변화, 바이브 코딩과 엔지니어링의 경계, 다중 모델 교차 검증과 소프트웨어 사업의 진입 비용 하락을 설명했습니다.

기사 발행일 2026-10-18원출처: Decoded Genius원본 영상 보기 (00:45)

DHH가 밝히는 AI 에이전트 협업과 바이브 코딩, 소프트웨어 사업의 미래 — 출처: Decoded Genius 공식 YouTube 대표 썸네일 이미지 — 출처: Decoded Genius 공식 YouTube 대표 썸네일 이미지원본 출처 확인

대담 배경과 분석 개요

루비 온 레일스(Ruby on Rails)의 창시자이자 37signals 공동 소유자인 데이비드 하이네마이어 한슨(David Heinemeier Hansson, 이하 DHH)은 최근 팟캐스트 Decoded Genius(2026년 9월 30일 공개)와 Lex Fridman Podcast #501(2026년 8월 26일 공개) 대담을 통해 실제 상용 제품 개발에서 AI 에이전트를 도입하며 확인한 엔지니어링 경험과 소프트웨어 산업의 구조적 변화를 집중적으로 밝혔습니다.

DHH는 37signals에서 베이스캠프(Basecamp), 헤이(HEY), 피지(Fizzy), 오마키(Omarchy) 등의 제품과 시스템을 직접 설계·개발해 온 실무 엔지니어이자 경영자입니다. 그는 두 인터뷰에서 인공지능이 코드 작성 방식, 프로그래밍의 정의, 개발 조직의 규모, 그리고 소프트웨어 비즈니스의 경제학에 미치는 현실적 파급력을 구체적인 개인 작업 사례와 운영 수치를 들어 설명했습니다.

자동완성을 넘어선 하네스 기반 에이전트 협업

DHH는 과거 코드 편집기에서 실시간으로 추천을 띄우는 코드 자동완성(Autocomplete) 도구를 선호하지 않았다고 설명했습니다. 타이핑 중간에 불완전한 제안이 끼어들면 개발자의 생각 흐름을 끊는 방해 요소로 느껴졌기 때문입니다. 이에 따라 초기 피지 개발을 비롯한 많은 작업을 오랫동안 직접 손으로 작성하는 방식을 고수해 왔습니다.

그러나 최근 터미널 도구와 실행 환경을 직접 다루는 에이전트 하네스(Agent Harness)가 실용적인 수준에 이르면서 작업 방식에 뚜렷한 전환이 일어났다고 밝혔습니다. 작업 지시를 프롬프트 형태로 에이전트에게 맡기고, 에이전트가 코드를 작성하거나 명령을 실행한 결과를 몇 분 단위로 확인하여 방향을 수정하는 감독 기반 협업(Supervised Collaboration)이 가능해졌다는 설명입니다. 그는 다른 사람에게 작업을 위임할 때 발생하는 긴 대기 시간과 달리, 에이전트와의 짧은 피드백 순환은 개발자 개인의 작업 역량이 자연스럽게 확장되는 감각을 준다고 덧붙였습니다.

다만 이러한 변화가 모든 코드를 AI가 전적으로 작성한다거나 사람의 검토가 불필요해졌음을 뜻하지는 않는다고 강조했습니다. 새로운 작업의 착수는 프롬프트로 시작하더라도, 에이전트가 엉뚱한 코드를 내놓거나 한계에 부딪히면 개발자가 직접 코딩에 개입하고 구조를 바로잡아야 합니다. 결국 개발자의 무게중심이 단순 타이핑에서 문제를 정의하고, 제품 구조를 설계하며, 산출물의 품질을 엄격하게 검증하는 영역으로 이동하고 있다는 점이 그의 핵심 주장입니다.

바이브 코딩과 에이전트 엔지니어링의 본질적 차이

Lex Fridman Podcast 대담에서 DHH는 최근 유행하는 '바이브 코딩'(Vibe Coding)과 전문적인 '에이전트 엔지니어링'(Agentic Engineering) 사이의 경계를 명확히 그었습니다. 그는 바이브 코딩을 "에이전트에게 소프트웨어를 만들어 달라고 지시한 뒤, 내부 구현 코드를 전혀 들여다보지 않는 방식"으로 정의했습니다.

DHH는 이러한 무검증 방식이 2000년대 초반 자신이 이해하지 못하는 PHP 스크립트를 웹에서 내려받아 짜깁기하던 이른바 '스크립트 키디(Script kiddies)'의 행태와 본질적으로 유사하다고 지적했습니다. 반면 진정한 의미의 프로그래밍은 루프, 조건문, 변수, 데이터 흐름 등 언어의 기본 구성요소(Primitives)와 아키텍처 원리를 깊이 이해하고 통제하는 활동을 의미합니다.

그는 비개발자 출신 창업자나 경영진이 개발팀을 고용해 지시를 내리고 소프트웨어를 출시한다고 해서 그 경영진을 '프로그래머'라고 부르지 않듯, 에이전트가 짠 코드를 이해하거나 검증하지 않는 바이브 코더를 프로그래머라고 부를 수는 없다고 설명했습니다. 노련한 엔지니어가 에이전트를 도구로 삼아 구현 속도를 극대화하되 코드 품질과 구조적 무결성을 엄격하게 통제하는 에이전트 가속 개발(Agent-accelerated development)만이 지속 가능한 프로덕션을 보장한다는 것이 그의 판단입니다.

다중 프론티어 모델 간 교차 검증과 하네스 SOP

에이전트 산출물의 신뢰성을 확보하기 위해 DHH가 도입한 실제 운영 표준(SOP)은 서로 다른 프론티어 모델 간의 상호 교차 검토(Cross-model Review)입니다.

대담에서 DHH는 단일 모델이 아무리 뛰어나더라도 반드시 결함이나 할루시네이션(환각)을 일으킨다고 짚었습니다. 이에 따라 기획과 초기 구현을 프론티어 모델(예: Fable 또는 Opus 등)에 맡긴 뒤, 산출된 변경 사항을 전혀 다른 개발사의 모델(예: Codex xHigh)로 하여금 교차 검증하도록 파이프라인을 구성했습니다. 서로 다른 지적 편향을 지닌 모델들이 상호 간의 사각지대를 찾아내도록 유도하는 구조입니다.

나아가 로컬 머신에서 에이전트 하네스를 통해 검증을 통과한 코드를 GitHub 저장소에 푸시하면, 클라우드 환경의 GitHub Copilot 자동 코드 리뷰가 다시 한번 결함을 점검하는 다단계 방어 체계를 가동하고 있다고 밝혔습니다. 초기 Copilot이 부정확한 지적으로 작업 흐름을 방해했던 것과 달리, 최근의 에이전트 기반 검토는 실질적으로 치명적인 버그를 정확히 잡아내는 수준으로 고도화되었다는 것이 그의 실무적 관찰입니다.

에이전트 전용 언어와 스킬(Skills) 기반 생태계의 가능성

DHH는 AI 에이전트가 프로그래밍 언어의 선택 기준과 생태계 확장 방식을 완전히 바꾸어 놓을 수 있다고 역설했습니다.

대표적인 예로 시스템 프로그래밍 언어인 러스트(Rust)를 언급했습니다. DHH는 루비 온 레일스를 만든 언어적 미학의 관점에서 Rust를 "인간이 읽고 작성하기에는 혐오스러울 정도로 복잡하고 피로한 언어"라고 직설적으로 평가하면서도, "에이전트 엔지니어링을 위한 결과물 플랫폼으로서는 최고의 선택"이라는 역설적 공존을 인정했습니다. 에이전트가 코드를 대신 작성할 수 있다면, 엄격한 컴파일러 제약과 완벽한 메모리 안전성, 극한의 런타임 성능을 지닌 언어가 인간의 작성 피로도라는 단점을 상쇄하고 가장 이상적인 타깃 플랫폼이 될 수 있다는 논리입니다.

또한 자신이 주도한 오픈소스 리눅스 배포판 오마키(Omarchy)의 사례를 들며 생태계 확장의 열쇠로 에이전트 스킬(Agent Skills)을 꼽았습니다. Omarchy가 에이전트에게 운영체제 플러그인을 개발하고 UI를 확장하는 규칙을 규정한 전용 스킬 세트를 함께 제공하자, 플러그인 마켓플레이스를 연 지 단 3일 만에 커뮤니티에서 330개가 넘는 플러그인이 쏟아져 나오는 폭발적 참여가 일어났습니다. 도구 제작자가 에이전트를 위한 컨텍스트와 가이드를 정밀하게 제공할 때 누구나 자신만의 시스템을 자유롭게 개작(Malleable computing)할 수 있는 새로운 소프트웨어 생산 환경이 열린다는 방증입니다.

소프트웨어 사업의 진입 비용 하락과 경쟁의 양면성

개발 생산성의 급격한 향상은 소프트웨어 기반 사업의 창업 문턱을 낮추는 직접적인 계기가 됩니다. DHH는 과거 아이디어를 검증하고 첫 제품을 시장에 내놓기 위해 큰 규모의 개발팀과 대규모 초기 투자 유치가 필수적이었던 환경이 점차 달라지고 있다고 분석했습니다. 소수의 인원으로도 완성도 높은 프로토타입과 서비스를 빠르게 구축할 수 있게 되면서, 1인 창업자나 소규모 팀이 사업에 도전하기 쉬워졌다는 것입니다.

하지만 진입 비용 하락은 기회인 동시에 강력한 경쟁 압박을 동반하는 양면적 구조를 띱니다. 제품을 만드는 비용이 저렴해진다는 사실은 잠재적인 경쟁자 역시 동일한 속도와 적은 자본으로 시장에 진입할 수 있음을 의미합니다. 과거처럼 소프트웨어 자체를 만들었다는 사실만으로 높은 해자를 구축하거나, 전통적인 구독형 서비스(SaaS) 모델의 장기적인 기업 가치를 영구적으로 보장받기는 어려워질 수 있다는 것이 그의 관점입니다.

이러한 분석은 소프트웨어에 국한된 논의이며, 물리적 공장이나 재고 관리가 필수적인 제조·물류 사업에 자본이 불필요하다는 뜻은 아닙니다. 또한 기업 가치에 대한 전망 역시 시장 변화를 바라보는 개인의 주관적 평가일 뿐 확정된 미래 사실은 아닙니다. DHH는 도구가 평준화될수록 결국 고객이 겪는 실제 문제를 깊이 이해하고, 지속 가능한 제품 품질과 밀도 높은 고객 가치를 창출하는 역량이 사업의 성패를 가를 것이라고 설명했습니다.

생산성 향상과 고용 구조의 전환 비용

개발 비용 절감이 전체 고용 시장에 미칠 영향에 대해서는 기대와 현실적 우려가 공존합니다. DHH는 생산성 향상이 두 가지 경로로 작용할 수 있다고 설명했습니다. 동일한 소프트웨어를 더 적은 인원으로 개발하거나, 반대로 같은 인원이 훨씬 더 많고 다양한 소프트웨어 산출물을 만들어 내는 경로입니다. 개발 비용이 극적으로 낮아지면 지금까지 비용 문제로 시도되지 못했던 새로운 소프트웨어 수요가 생겨나면서 참여 기반이 넓어질 수 있다는 낙관적 가능성도 거론했습니다.

동시에 그는 이러한 기술 전환 과정에서 개인이 겪는 실직의 고통과 직무 전환 손실, 그리고 다수의 실무자가 변화의 속도를 따라가지 못할 경우 발생할 수 있는 사회적 불안을 명시적으로 인정했습니다. 산업 전체의 총생산이 성장한다고 해서 그 이익이 개별 노동자 모두에게 저절로 고르게 돌아가는 것은 아니기 때문입니다.

기술 발전의 속도가 빠르고 글로벌 경쟁이 실시간으로 맞물려 돌아가는 환경에서는 한 국가나 기업이 독자적으로 도입을 멈춘다고 해서 거대한 기술적 흐름을 되돌리기는 어렵다는 점도 짚었습니다. 따라서 변화 자체를 가로막기보다는 변화의 방향을 주시하고, 개인이 새로운 도구를 활용해 역량을 재정의하는 적응에 집중하는 편이 현실적이라는 견해를 내놓았습니다.

불확실한 장기 위험과 현실적 효용에 대한 접근

대담 중 진행자는 로만 얌폴스키 교수가 주장하는 초지능의 파국적 위험 시나리오를 언급하며 DHH의 시각을 물었습니다. 이에 대해 DHH는 극단적인 파국 예측은 아직 현실화되지 않은 먼 미래의 여러 단계를 연속적으로 외삽한 가정에 기반한다고 보았습니다. 그러나 이러한 시각이 AI의 잠재적 위험을 전혀 걱정하지 않아도 된다거나, 엔지니어가 시스템 안전을 가볍게 다뤄도 좋다는 뜻은 아니라고 분명하게 선을 그었습니다.

그는 기술의 미래 위험을 대할 때 자동차의 보급 과정에 빗대어 설명했습니다. 자동차는 인간에게 막대한 이동의 편의를 제공하지만 사고로 인한 위험을 항상 수반합니다. 사회는 사고 위험이 존재한다고 해서 자동차의 유용함 전체를 폐기하는 대신, 안전벨트와 브레이크를 장착하고 제한 속도를 설정하는 등 부작용을 줄이며 이익을 취하는 경로를 발전시켜 왔습니다. 마찬가지로 인공지능 역시 당장 현실에서 얻을 수 있는 명확한 이익을 활용하면서, 실증적으로 확인되는 문제들을 단계별로 통제해 나가는 접근이 합리적이라는 판단입니다.

이러한 일상적 비유는 AI가 원천적으로 안전하다는 수학적 실증이나 얌폴스키 교수가 제기한 초지능 통제 한계 논증에 대한 기술적 반박은 아닙니다. 미지의 장기적 위험에 대한 예측과 현재 기술이 제공하는 생산성 효용에 부여하는 가중치가 서로 다르며, 그에 따른 대응 철학에서도 관점의 차이가 존재함을 보여주는 설명입니다.

자체 인프라 운영을 통한 비용 통제의 경험

소프트웨어 개발과 사업 운영 전반에서 효율성을 확보하려는 DHH의 철학은 37signals의 인프라 아키텍처 개편 사례에서도 엿볼 수 있습니다. 37signals는 서비스 트래픽과 컴퓨팅 부하가 비교적 안정적으로 예측되는 서비스군을 대상으로, 상용 퍼블릭 클라우드에 지불하던 연간 지출을 분석한 뒤 자체 소유 하드웨어를 전문 데이터센터(코로케이션)에 입주시키는 방식으로 전환했습니다.

인터뷰에서 DHH는 기존에 연간 약 320만 달러에 달하던 인프라 비용을 전환 이후 약 80만 달러 수준으로 대폭 낮추었으며, 이 과정에서 내부 인프라 운영팀의 인원을 추가로 늘리지 않았다고 설명했습니다. 이는 감사 기관을 거친 공식 회계 수치가 아니라 대담 중 출연자가 자사의 경험을 설명하며 제시한 수치입니다. 또한 이러한 비용 절감은 인프라 자산 구조를 변경하여 얻은 결과일 뿐, AI 에이전트 도입으로 인해 발생한 절감 효과와는 인과관계가 없습니다.

DHH는 초기 스타트업이 즉각적으로 컴퓨팅 자원을 조달해야 하거나 트래픽 변동성이 극도로 심한 서비스에는 퍼블릭 클라우드가 여전히 뛰어난 선택지라는 점을 분명히 인정했습니다. 모든 기업이 무조건 클라우드를 떠나야 한다는 주장이 아니며, 비즈니스의 성장 단계와 지출 구조를 면밀히 계산하여 불필요한 고비용 구조를 걷어내는 것이 작은 팀의 독립성과 생존력을 지키는 핵심이라는 점을 보여주는 보조 사례입니다. 37signals 역시 과거 아마존의 제프 베이조스로부터 소수 지분 투자를 받은 이력이 존재하므로, 재정적 독립성이 외부 투자의 전면적 배제를 의미하는 것은 아닙니다.