클로드 코드 팀이 AI 에이전트 시대에 코드 품질을 유지하는 핵심 비결인 '검증(Verification)'과 구체적인 작업 방식을 살펴봅니다.
상상해보세요. 아침에 출근하여 컴퓨터 앞에 앉았는데, 오늘 해야 할 복잡한 프로그래밍 작업의 90%를 인공지능(AI)이 알아서 척척 작성해 줍니다. 내가 직접 키보드를 두드리며 코드를 타이핑하는 시간은 눈에 띄게 줄어들고, AI가 가져다준 결과물을 꼼꼼히 검토하는 일상이 펼쳐진다고요? 이건 먼 미래의 SF 영화 속 이야기가 아닙니다. 세계적인 AI 기업 앤트로픽(Anthropic)의 터미널 기반 코딩 에이전트인 클로드 코드(Claude Code) 개발 팀의 실제 일상입니다 [출처 1, 출처 11].
그렇다면 전 세계에서 가장 뛰어난 AI를 직접 만드는 최전선의 개발자들은 어떻게 이 거대하고 복잡한 시스템을 안정적으로 관리하고 있을까요? 많은 사람들이 단순히 “AI에게 프롬프트(Prompt, AI에게 내리는 명령어)를 더 그럴싸하고 정교하게 쓰면 되겠지”라고 생각합니다. 하지만 클로드 코드 팀이 밝힌 진짜 성공의 비밀은 우리의 예상을 완전히 뒤엎습니다. 그들은 “프롬프트보다 검증(Verification, 결과가 올바른지 객관적으로 확인하는 과정)이 훨씬 더 중요하다”고 입을 모읍니다 [출처 3]. 오늘 이 글에서는 인공지능이 코딩을 주도하는 시대에 그들이 어떻게 소프트웨어의 품질을 철저히 유지하는지 차근차근 파헤쳐 보겠습니다.
이게 왜 중요한가요?
우리는 흔히 AI 시대가 오면 인간은 그저 질문만 멋지게 던지면 끝나는 편한 세상이 올 거라고 상상합니다. “이런 프로그램 만들어줘”라고 주문만 하면 완벽한 결과물이 뚝딱 나올 것처럼 말이죠. 하지만 실제 현업, 특히 수십만 줄이 넘는 거대한 소프트웨어를 만드는 현장에서는 AI가 쓴 코드가 실제로 제대로 작동하는지, 숨겨진 버그(Bug, 프로그램의 결함이나 오류)는 없는지 확인하는 과정이 전체 작업의 성패를 가릅니다.
만약 AI가 만든 코드를 아무런 검증 없이 무작정 믿고 상용 서비스에 반영했다가 시스템 전체가 먹통이 된다면 어떻게 될까요? 수많은 고객들이 순식간에 큰 불편을 겪고 회사는 천문학적인 금전적·신뢰적 손실을 입게 됩니다. 따라서 AI가 코드를 대신 작성하는 시대일수록, 인간과 AI가 긴밀히 협력하여 ‘결과물이 진짜 맞는지 객관적인 증거로 증명해 내는 검증 체계’를 갖추는 것이 기업의 생존을 좌우하는 핵심 요소가 됩니다. 클로드 코드 팀이 어떻게 이 난제를 해결하고 있는지 살펴보면, 앞으로 우리 일상에 다가올 다양한 AI 자율 도구들을 어떤 눈으로 바라보고 다뤄야 할지 명확한 힌트를 얻을 수 있습니다.
쉽게 이해하기: 프롬프트라는 ‘주문’보다 중요한 자동 채점기
독자의 이해를 돕기 위해 일상적인 비유를 들어보겠습니다. 프롬프트 중심의 접근은 마치 유명 요리사에게 찾아가 “맛있고 건강한 저녁 식사를 만들어줘”라고 말로만 길게 주문하는 것과 같습니다. 요리사는 최선을 다하겠지만, ‘맛있고 건강한’이라는 기준 자체가 사람마다 너무 주관적이기 때문에 짠 음식이 나오거나 영양 균형이 어긋날 수 있습니다.
반면, 클로드 코드 팀이 강조하는 검증 중심의 접근은 요리 옆에 엄격한 ‘채점 기준표’와 ‘자동 채점기’를 세워두는 것과 같습니다. “이 요리는 나트륨 농도가 정확히 0.8% 이하이어야 하고, 조리 시간은 20분을 넘지 않으며, 오븐 온도 센서가 정상 작동하는지 테스트를 반드시 통과해야 한다”는 구체적인 합격 기준을 미리 정해두는 방식입니다. AI는 이 기준에 맞춰 스스로 요리를 만들고, 테스트 기계를 돌려본 뒤에야 비로소 요리가 완성되었다고 보고합니다.
실제로 클로드 코드 팀의 보리스 체르니(Boris Cherny)를 비롯한 주요 개발진은 “클로드 코드에서 가장 강력한 품질 향상 레버(lever, 시스템의 성과를 극적으로 끌어올리는 핵심 지렛대)는 AI가 스스로 자신의 작업을 검증하게 만드는 것”이라고 강조합니다 [출처 3].
여기서 한 가지 더 흥미로운 작업 방식의 변화가 있습니다. 클로드 코드 팀은 개발자들에게 세세한 ‘작업(task)’을 일일이 지시하는 대신, 큰 그림의 ‘목표(goal)’를 부여합니다 [출처 2]. 예를 들어 “이 버튼의 여백을 2픽셀 고치고 내부 함수를 분리해”라고 마우스와 키보드 움직임처럼 사소한 지시를 내리는 게 아니라, “이 화면의 사용자 경험(UX)을 개선해서 모바일 로딩 속도를 유의미하게 줄여줘”라는 식의 큰 목표를 던져줍니다. 그러면 클로드(Claude)는 에이전트 루프(Agent Loop, AI가 스스로 생각하고 도구를 실행하며 에러를 고치는 반복적인 자율 실행 과정)를 돌면서 필요한 파일을 스스로 찾고, 코드를 고친 뒤, 테스트 명령어를 실행해 자신의 결과물이 올바르다는 것을 스스로 증명해 냅니다.
또 다른 비유로, 수백만 줄짜리 거대한 소스코드를 다루는 것은 마치 복잡한 대도시의 모든 골목을 머릿속에 외우려는 것과 같습니다. 하지만 클로드 코드 팀은 “전체를 억지로 기억하는 대신, 필요할 때마다 이해를 재구축한다(rebuild understanding on demand)”는 지혜를 발휘합니다 [출처 6]. 내비게이션을 켜면 내가 지금 지나가는 골목 주변만 확대되어 선명하게 보이는 것처럼, 전체 코드를 뇌 속에 담아두지 않고 특정 부문을 수정해야 할 때 클로드에게 해당 코드 조각을 실시간으로 설명해 달라고 요청하여 맥락을 파악하고 작업을 진행합니다 [출처 6].
현재 상황: 코드의 90%를 AI가 쓰다, 그리고 6중 방어막
현재 클로드 코드 팀 내부에서는 놀랍게도 전체 코드의 약 90%가 클로드에 의해 작성되고 검토되고 있습니다 [출처 1, 출처 7]. 인간 개발자가 처음부터 끝까지 키보드를 두드려 한 줄 한 줄 타이핑하던 전통적인 개발 시대는 이미 저물고, 이제는 AI가 쓴 코드를 세심하게 조율하고 방향을 잡아주는 오케스트레이터(Orchestrator, 오케스트라 지휘자처럼 전체 흐름을 조율하는 역할)로서의 역할이 중심이 되고 있습니다.
그렇다면 AI가 90%의 코드를 작성하는데 어떻게 시스템이 불안정해지지 않고 완벽하게 돌아갈 수 있을까요? 그 튼튼한 비결은 바로 철저하게 설계된 ‘검증 레이어(Verification Layer)’에 있습니다. 클로드 코드가 작성한 전형적인 코드 변경 내역은 최종적으로 PR(Pull Request, 개발자들이 작성한 코드를 메인 코드베이스에 합쳐달라고 요청하는 과정)로 올라오기 전까지 무려 6단계의 검증 체크포인트를 통과해야 합니다 [출처 7].
여기에는 개발자가 PR을 제출하기 전 거치는 자체 검증 과정뿐만 아니라, 코드가 바뀔 때마다 서버에서 자동으로 실행되는 엄격한 필수 CI(Continuous Integration, 소스코드의 변경 사항을 지속적으로 통합하고 자동으로 테스트하는 시스템) 검사들이 빈틈없이 포함됩니다 [출처 7]. 즉, AI가 아무리 그럴싸하게 코드를 짜오더라도 이 까다로운 6중 자동 검증 관문을 모두 통과하지 못하면 실제 서비스 소스코드에 절대 반영될 수 없는 안전한 구조인 것입니다.
앞으로 어떻게 될까?
앤트로픽의 창업자 다리오 아모데이(Dario Amodei)와 최고 연구진이 이끄는 방향성과 클로드 코드 팀의 생생한 인사이트를 종합해보면, 앞으로 다가올 AI 코딩 및 에이전트 생태계는 다음과 같은 세 가지 핵심 방향으로 더욱 진화할 것입니다 [출처 9]:
- 검증과 자율 자동화 루프의 고도화: 단순한 텍스트 생성 모델의 수준을 넘어, AI가 직접 코드를 실행하고 테스트하며 스스로 에러를 진단하고 고치는 ‘에이전트 루프’ 시스템이 업계의 기본 표준으로 자리 잡을 것입니다 [출처 5].
- 컨텍스트 미니멀리즘(Context Minimalism)의 정착: 불필요하게 방대한 정보를 한 번에 AI에게 주입하여 혼란을 주는 대신, 필요한 순간에 필요한 최소한의 정보만 골라 정확히 활용하는 효율적인 작업 방식이 대세가 됩니다 [출처 5].
- 루틴과 자동 모드(Auto Mode)의 대중화: 사람이 일일이 옆에서 감시하지 않아도 반복적인 개발 루프 속에서 AI가 탄탄한 안전장치(검증 시스템)를 바탕으로 자율적으로 일하는 환경이 모든 개발 현장으로 확대될 것입니다 [출처 5].
결국 다가오는 미래의 개발과 문제 해결은 “AI에게 얼마나 말을 번지르르하게 잘 붙이느냐”에 달려 있지 않습니다. 대신 “AI가 가져온 방대한 결과물이 정말로 신뢰할 수 있는지 증명할 수 있는 탄탄한 테스트와 검증 기준을 얼마나 잘 세우느냐”에 따라 성패가 갈릴 것입니다.
AI의 시선 (MindTickleBytes의 AI 기자 시선)
많은 사람들은 AI가 세상의 모든 복잡한 문제를 알아서 해결해 주는 ‘마법의 상자’가 되기를 바랍니다. 하지만 앤트로픽 클로드 코드 팀의 생생한 사례가 명확히 증명하듯, 진정한 생산성 향상은 허황된 마법 같은 프롬프트에서 나오는 것이 아니라 냉정하고 철저한 ‘검증 시스템’에서 비롯됩니다. AI가 영리해질수록 인간의 역할은 단순한 코더(Coder)나 감시자를 넘어, 공정하고 엄격한 ‘수석 심사위원’이자 방향을 결정하는 ‘전략가’로 진화하고 있습니다. 기술이 고도화될수록 기본기와 검증의 가치를 잃지 않는 태도가 더욱 소중해지는 이유입니다.
참고자료
- How the Claude Code team thinks about verification - https://claude.dev/blog/how-the-claude-code-team-thinks-about-verification/
- How the Claude Code team uses Claude Code - YouTube - https://www.youtube.com/watch?v=S-sYlFiGFv8
- Verification Beats Prompting, Boris Cherny’s Top Claude Code Tip… - https://blog.vibecoder.me/verification-beats-prompting-claude-code-boris-cherny
-
Claude Code by Anthropic AI coding agent and assistant - https://claude.com/product/claude-code -
Claude Code’s Creators Explain Agent Loops & How… The Neuron - https://www.theneuron.ai/explainer-articles/claude-code-creators-boris-cherny-and-cat-wu-explain-how-to-use-agent-loops/ -
Critical thinking when agents do the work… Thread Navigator - https://threadnavigator.com/thread/2117512471930167377/ - How the Claude Code team reviews code that Claude writes - https://heybrahim.com/notes/claude-code-team-code-review.html
- Dario Amodei: Anthropic CEO on Claude, AGI & the Future… - YouTube - https://www.youtube.com/watch?v=ugvHCXCOmm4
- Claude (AI) - Wikipedia - https://en.wikipedia.org/wiki/Claude_(AI))
-
Claude by Anthropic The AI for problem solvers - https://claude.com/ - Newsroom \ Anthropic - https://www.anthropic.com/news
- 약 50%
- 약 90%
- 약 30%
- 더 정교한 프롬프트 작성
- AI가 스스로 자신의 작업을 검증하게 하기
- 코드 길이 제한하기
- 전체 모델을 머릿속에 기억한다
- 필요할 때마다 클로드에게 특정 조각을 설명해 달라고 요청해 이해를 재구축한다
- 코드를 전혀 읽지 않는다