클로드 코드 창립자가 실리콘밸리의 시쿼이어 캐피털 컨퍼런스에서 내린 7가지 주요 판단
정리: 아잉
클로드 코드(Claude Code) 공동 창립자 보리스 체르니(Boris Cherny)가 시쿼이어 캐피털(Sequoia Capital) 컨퍼런스에서 발표한 내용은 정보량이 매우 풍부하며, 많은 관점들을 나는 이번에 처음으로 전면적으로 접했다. 이 분은 정말 AI에 대한 이해가 깊다.
나는 이 자리에서 내가 정리한 요약을 공유하고자 한다.
01 코드는 더 이상 희소 자원이 아니다
대다수 주류 개발 시나리오에서는 사람이 직접 코드를 작성하는 일이 이미 비효율적인 방식으로 전환되고 있다.
과거에는 하나의 기능을 출시하기 위해 엔지니어가 먼저 구현 방안을 면밀히 고민한 후, 한 줄 한 줄 코드를 직접 입력해야 했다. 이 과정에서 엔지니어의 가장 큰 가치는 ‘코드를 잘 쓰는가’, ‘잘 쓰는가’, ‘빠르게 쓰는가’에 있었다.
하지만 지금의 작업 방식은 달라졌다.
동일한 기능을 개발할 때 엔지니어가 하는 일은 다음과 같다. 먼저 요구사항을 명확히 정의하고, 이를 여러 단위로 분해하여 에이전트(Agent)에게 위임하며, 검증 기준을 설정한 후, 에이전트가 생성한 결과가 올바른지 확인한다. 만약 부정확하다면 프롬프트를 조정해 다시 실행하도록 한다.
AI는 현재 대부분의 코딩 작업을 이미 처리할 수 있다. 물론 100% 완벽하진 않으며, 여전히 거대하고 복잡한 코드베이스, 마이너 언어 또는 특수 환경 등에서 오늘날의 모델 성능은 부족하다.
전반적으로 볼 때, 엔지니어의 가치는 ‘코드를 쓸 수 있는가’에서 ‘작업을 어떻게 분해할 수 있는가’, ‘목표를 얼마나 명확히 설명할 수 있는가’, ‘결과를 제대로 검증할 수 있는가’, ‘에이전트를 효과적으로 관리할 수 있는가’로 변화하고 있다.
이러한 변화는 산업혁명과 매우 유사하다.
산업혁명 이전에는 대장장이 한 사람이 철을 두드리고, 단조하고, 연마하고, 조립하는 모든 과정을 혼자서 수행했다. 솜씨 좋은 대장장이는 당연히 높은 가치를 지녔다.
그러나 이후 라인 생산 방식이 등장하면서 각 근로자는 단일 공정만 담당하게 되었고, 전체 생산량은 수공업 시대보다 수십 배에서 수백 배까지 증가했다.
이때 공장 내에서 진정으로 가치 있는 인재는 특정 공정을 가장 잘 수행하는 장인(工匠)이 아니라, 라인을 설계하고 관리하며 원활하게 운영할 수 있는 사람이었다.
근로자들이 사라진 것이 아니라, 그들의 역할이 바뀐 것이다.
소프트웨어 공학 역시 지금 이러한 전환기를 겪고 있다. 코드 자체는 더 이상 희소 자원이 아니다. 코드 작성이란 능력은 이제 PPT 사용법과 같은 기초 역량으로 전환되고 있다.
진정으로 희소한 역량은, 애매모호한 요구사항을 명확한 작업 단위로 분해할 수 있는가, 에이전트가 제시한 여러 해결책 중 최적의 것을 선택할 수 있는가, 그리고 여러 개의 AI를 조율해 하나의 목표를 달성할 수 있는가이다.
사실 이런 변화를 많은 베테랑 엔지니어들이 처음엔 받아들이기 어렵다. 직접 코드를 작성하는 행위 자체가 지난 수십 년간 이 분야를 사랑하게 만든 이유였기 때문이다.
이 일을 기계에게 맡긴다는 것은 단순한 업무 방식의 변화를 넘어서, 정체성의 재구성이라는 심층적 변화를 의미한다.
하지만 추세는 추세일 뿐이다.
02 구텐베르크 인쇄기처럼
코딩은 전문 기술에서 기본 역량으로 전환되고 있으며, 이는 15세기 유럽의 인쇄술 발명과 유사하다.
인쇄술이 등장하기 전, 유럽 전체 인구 중 약 10%만이 읽고 쓸 줄 알았다. 이들은 문맹인 귀족을 위해 독서와 서신 작성 업무를 전담했다.
그 후 인쇄술이 탄생했고, 50년 동안 유럽에서 출판된 책의 수는 그 이전 1,000년간 출판된 책의 총합을 넘었다. 책값도 약 100배 가량 하락했다. 이후 교육 체계와 경제 구조 등이 수백 년에 걸쳐 점진적으로 정비되면서, 전 세계의 문자 해독률은 오늘날 70% 수준에 이르렀다.
보리스는 AI가 소프트웨어에 미치는 영향을 ‘가속화된 인쇄술 혁명’이라고 평가한다. 소프트웨어는 수십 년 안에 완전히 민주화되어 누구나 자유롭게 다룰 수 있는 도구가 될 것이다.
결국 ‘소프트웨어를 만들 수 있다’는 것은 ‘문자 메시지를 보낼 수 있다’는 것만큼 자연스러운 능력이 될 것이다.
03 어떤 역량이 가장 중요한가?
AI가 코드 작성을 극도로 낮은 진입장벽으로 만들어버린 후, 사람을 구분짓는 진정한 차별점은 바로 ‘제품 감각(Product Sense)’과 ‘특정 분야에 대한 실질적 이해’이다.
예를 들어보자. 두 사람이 동시에 의사 대상 제품을 개발한다고 가정하자. 한 명은 코딩 속도가 빠른 엔지니어이고, 다른 한 명은 병원 정보관리팀에서 몇 년간 실무 경험을 쌓은 사람이다.
과거에는 엔지니어가 아이디어를 실제로 구현할 수 있기 때문에, 결과물 산출 확률이 더 높았다.
하지만 지금은 상황이 반대다. 누구나 아이디어를 구현할 수 있게 되었으므로, 실제 병원 현장의 업무 흐름을 정확히 아는 사람이 오히려 더 큰 가치를 지닌다. 그는 어떤 기능이 의사들이 실제로 사용할 것인지, 어떤 기능은 단지 이론적으로 타당해 보일 뿐인지 정확히 파악할 수 있기 때문이다.
즉, AI가 실행의 진입장벽을 없애버린 후, 판단력의 격차는 오히려 더 크게 드러나게 된다.
이 현상은 ‘제너럴리스트(generalist)’라는 용어의 의미를 직접 재정의한다.
과거에 우리가 말하는 제너럴리스트란, iOS, 웹, 백엔드 등 다양한 기술 스택을 모두 다룰 수 있는 엔지니어를 의미했다. 이 경우의 제너럴리스트는 본질적으로 공학 내부의 ‘풀스택(Full-Stack)’에 불과했다.
미래의 제너럴리스트는 ‘학제 간 풀스택’이다.
즉, 제품, 디자인, 엔지니어링을 동시에 아는 사람, 혹은 제품, 데이터 사이언스, 엔지니어링을 모두 아는 사람이 그것이다. 이런 조합은 과거에는 거의 불가능했다. 각 분야는 오랜 기간의 전문적 훈련을 필요로 했기 때문이다.
하지만 지금은 AI가 각 분야의 실행 진입장벽을 낮춰줌으로써, 한 사람이 여러 분야를 횡단하면서도 전문성의 깊이를 유지할 수 있게 되었다.
클로드 코드 팀이 바로 그런 사례다. 엔지니어링 매니저, PM, 디자이너, 데이터 사이언티스트, 재무 담당자, 사용자 연구원 등 모든 구성원이 코드를 작성한다.
디자이너는 자신이 설계한 인터랙션 프로토타입을 직접 실행해 팀에 시연할 수 있으므로, 더 이상 디자인 파일만 제공하고 엔지니어링 구현을 기다리는 방식을 쓰지 않는다.
재무 담당자는 스스로 분석 도구를 구축해 회사의 복잡한 재무 모델을 직접 실행할 수 있고, BI 팀의 대기열에 줄 서서 기다릴 필요가 없다. 사용자 연구원은 직접 데이터를 분석해, 과거에는 데이터 팀과의 협업을 기다려야 했던 업무를 이제 스스로 처리한다.
모든 구성원의 전문성 깊이는 여전히 유지된다. 다만 AI의 보조 아래, 코드 작성은 이제 모두가 공유하는 공통 언어가 되었다.
04 SaaS의 ‘보호막’이 무너지고 있다
지난 십여 년간 SaaS 산업에서는 거의 공리로 여겨졌던 몇 가지 합의가 있었다.
첫 번째는 ‘전환 비용(Switching Cost)’이다. 기업이 한 SaaS 시스템을 도입하면, 수년에서 수십 년에 걸쳐 데이터, 설정, 필드, 권한 관계 등이 점진적으로 축적된다.
다른 시스템으로 이전하려면, 이 모든 요소를 원본 그대로 이관하고 재설정하는 것만으로도 상당한 부담이 되어, 대부분의 기업은 이사를 포기한다.
두 번째는 ‘워크플로우 잠금(Workflow Lock-in)’이다. 직원들의 일상적 업무, 부서 간 협업, 결재 노드 등은 모두 해당 SaaS 시스템을 중심으로 형성된다.
시스템을 변경하는 것은 단순한 데이터 이전을 넘어, 기업이 수년간 형성해온 ‘근육 기억(Muscle Memory)’ 전체를 다시 구축하는 것을 의미한다.
이 두 가지 요소가 합쳐져, 과거 SaaS 산업에서 가장 강력한 ‘보호막’을 형성해왔다. 그러나 충분히 강력한 모델이 등장함에 따라, 이 논리가 변화하기 시작한다.
먼저 전환 비용 측면을 살펴보자. 과거에는 한 SaaS에서 다른 SaaS로 이전하려면, 필드 매핑과 데이터 구조 재현만으로도 엔지니어링 팀이 수개월간 야근을 해야 했다.
현재는 양쪽 시스템의 인터페이스와 데이터 구조를 모델에 직접 입력해, 모델이 스스로 매핑 관계를 파악하고 최적해를 향해 점진적으로 접근하게 할 수 있다. 수개월이 걸리던 작업이 며칠 만에 사용 가능한 버전으로 완성될 수도 있다.
워크플로우 잠금 측면은 더욱 흥미롭다. 과거에 워크플로우가 고객을 잡아두었던 이유는, 이 프로세스 자체가 복잡하고 은닉적이며 인간의 개입에 의존적이었기 때문이다.
직원들이 머릿속에 가지고 있는 ‘누가 누구에게 결재를 요청해야 하고, 언제 어느 단계에서 막히는가’에 대한 암묵적 합의는 쉽게 이전할 수 없었다.
하지만 오푸스 4.7(Opus 4.7)과 같은 모델은 복잡한 프로세스를 정확히 이해하고, 분해한 후 새 환경에 맞춰 재구성하는 데 특히 뛰어나다. 심지어 새로 구축된 버전이 기존보다 더 매끄럽게 작동할 수도 있다.
따라서 과거 데이터 축적과 프로세스 축적을 기반으로 구축된 보호막은 지금 점차 무너지고 있다.
SaaS 사업을 운영하는 사람들에게는 나쁜 소식일 수 있지만, SaaS를 사용하는 모든 고객과 차세대 SaaS를 준비 중인 팀에게는 진정한 기회 창(window of opportunity)이다.
05 창업가에게 가장 좋은 시대
향후 10년간 산업을 진정으로 혁신할 창업 기업은, 지난 10년보다 10배 많을 가능성이 높다.
그 이유는 그리 복잡하지 않다.
소규모 팀은 AI를 활용해 대기업과 동등하거나 더 나은 제품을 만들 수 있다. 반면, 대기업이 AI를 제대로 활용하려면 오히려 ‘부채(Negative Asset)’가 된다.
왜 그런가?
수십 년 역사의 기업은 이미 고유한 업무 프로세스, 역할 분담, 협업 습관, 교육 체계, KPI 평가 방식 등 일련의 체계를 구축해왔다. 과거에는 이것이 자산이자 장벽이었다.
하지만 AI를 진정으로 통합하려면, 모든 것을 다시 검토해야 한다. 업무 프로세스를 재구성해야 하고, 모든 직원을 재교육해야 하며, 한 단계씩 추진할 때마다 거대한 내부 저항에 부딪히고, N개의 부서와 N단계의 승인을 조율해야 한다.
반면, 3명으로 구성된 초기 스타트업은 첫날부터 AI를 기본 인프라로 삼는다. 그들에게는 해체해야 할 역사적 부담도 없고, 바꿔야 할 습관도 없으며, 설득해야 할 사람도 없다. 오늘 논의를 마치면 내일 데모를 만들고, 모레 바로 사용자에게 서비스를 제공할 수 있다.
이러한 속도 차이는 AI 이전에도 존재했다. 스타트업은 대기업에 비해 본래 속도 면에서 우위를 점해왔다. 하지만 AI는 이 격차를 수십 배 이상 확대시켰다.
왜일까?
AI가 강해질수록, 한 사람이 단위 시간 내에 발휘할 수 있는 레버리지가 커지기 때문이다. 진정으로 AI를 잘 활용하는 소규모 팀은 오늘날 한 사람의 산출량이 과거 10명 분에 해당하고, 내일은 30명 분에 해당할 수도 있다.
그러나 대기업의 조직적 무게는 가벼워지지 않았을 뿐 아니라, AI를 수용하려는 과정에서 오히려 더 무거워졌다. AI가 강해질수록, 소규모 팀의 가속도와 대기업의 저항력 사이의 ‘가위 차이(Scissors Gap)’는 더욱 커진다.
이것이 바로 보리스가 말한 ‘부채’다. 대기업이 돈도 없고, 인재도 없고, 의지도 없는 것이 아니라, 과거에 돈을 벌어왔던 ‘근육’이 오늘날 AI가 진정한 가치를 발휘하는 길을 가로막고 있다는 것이다.
06 MCP는 사라지지 않는다
MCP는 사라지지 않는다.
스킬(Skill)이 주목받기 시작한 후, 많은 이들이 MCP는 더 이상 필요하지 않다고 생각했다. 오픈클로(OpenClaw) 창립자 역시 유사한 입장을 취했다.
하지만 보리스는 그렇게 보지 않는다. 그는 MCP가 AI 시대의 소프트웨어 연결 계층이 될 것이라고 예측한다.
과거 인터넷 시대의 소프트웨어 연결 방식은 API였다.
하지만 API의 핵심 문제는, 그것이 엔지니어를 위해 설계되었다는 점이다. API를 사용하려면 먼저 문서를 찾아보고, 토큰을 신청하고, 코드를 작성하며, 필드를 매칭하고, 예외 상황을 처리해야 한다. 즉, API는 인간 개발자를 위한 인터페이스다.
MCP는 다르다. MCP는 모델이 직접 연결해 사용할 수 있도록 설계되었으며, 모델이 스스로 이해하고 호출할 수 있어, 중간에 프로그래머가 번역해주는 과정이 필요하지 않다.
그래서 보리스는 API를 ‘Human Developer Interface’라고 부르고, MCP를 ‘Model Interface Protocol’이라고 칭한다. 하나는 인간을 위한 인터페이스이고, 다른 하나는 모델을 위한 인터페이스다.
이는 과거와 매우 유사하다. 모바일 인터넷 시대에는 모든 서비스가 기본적으로 API화되어야 했고, AI 시대에는 모든 서비스가 기본적으로 MCP화되어야 한다.
07 컴퓨터 사용(Computer Use)은 여전히 중요하다
요즘 많은 이들이 컴퓨터 사용(Computer Use)을 논할 때, 이 방향은 실현 가능성이 낮다고 느낀다.
그 이유도 타당하다. 토큰 소비가 너무 크고, 실행 속도가 느리며, 안정성도 부족하다. 보기에는 단순한 기교 과시용 데모에 불과하며, 실용화까지는 아직 먼 길이 남아 있다.
하지만 보리스는 이 문제를 완전히 다른 시각에서 바라본다.
그가 진정으로 주목하는 것은, 컴퓨터 사용이 AI 실용화의 가장 큰 병목 현상—즉 현실 세계에는 API도 없고 MCP도 없는 시스템이 어마어마하게 많다는 문제—를 해결한다는 점이다.
특히 기업 내부 세계에서 그렇다.
실제 기업 현장에 들어가 보면, 핵심 시스템 대부분이 매우 오래됐다는 사실을 알 수 있다. ERP, OA, 재무 시스템, 내부 결재 시스템, 공급망 백오피스, 각종 맞춤형 시스템 등이 여기에 해당한다. 많은 경우 인터페이스가 개방되지 않았고, 문서도 없으며, 자동화 기능도 없다. 그럼에도 불구하고 수많은 직원들이 매일 수작업으로 이 시스템들을 운영하고 있다.
그렇다면 왜 바로 이 시스템들에 API를 제공하지 않는가?
그것이 불가능하기 때문이다. 이 시스템을 개발했던 공급업체는 이미 사라졌을 수 있고, IT 부서는 재구성할 동기와 예산이 부족하다.
비즈니스 부서는 더더욱 반년이나 1년을 기다릴 수 없다. 이러한 시스템들은 결코 ‘완벽한 API’가 나타나기를 기다리지 않을 것이다.
단기적으로, 주요 모델들은 계속해서 자신의 컴퓨터 사용 능력을 강화해 나갈 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
