7개 AI 코딩에 활용했을 때 비교 - 퍼플렉시티 번역
페이지 정보
작성자
JeromePark
작성일
2025.06.29 21:14
본문
언더스탠딩 AI에 코딩에 AI를 사용한 후기가 올라왔네요.
https://www.understandingai.org/p/what-i-learned-trying-seven-coding
퍼플렉시티 요약
## "What I learned trying seven coding agents" 요약
이 글은 최근 등장한 7가지 대표적인 코딩 에이전트(자동화 코딩 도구)를 직접 사용해본 경험을 바탕으로, 이 기술의 현재 수준과 한계, 그리고 앞으로 프로그래밍 직업에 미칠 영향에 대해 분석합니다[1].
**핵심 요약**
- **코딩 에이전트의 현주소**
현재의 코딩 에이전트들은 분명한 한계가 있지만, 이미 프로그래머의 생산성을 크게 높여줄 정도로 강력합니다. 앞으로 몇 년 안에 더욱 발전할 것으로 보입니다[1].
- **테스트 방식**
저자는 실제 데이터를 활용해 "Waymo 자율주행차 사고 데이터"와 "미국 도로교통안전청 사고 데이터" 두 개의 스프레드시트를 합치고, 이를 검색·정렬·탐색할 수 있는 웹사이트를 만드는 과제를 각 에이전트에게 맡겼습니다. 코딩 초보자처럼 고수준의 지시만 주고, 코드를 직접 수정하지 않고 에이전트에만 의존했습니다[1].
- **각 에이전트별 특징 및 결과**
- **Bolt.new**: 데이터가 너무 커서 바로 포기.
- **Replit**: 웹사이트를 만들겠다고 했지만, 실제로는 실행되지 않음.
- **Lovable**: 예쁜 웹사이트를 만들었으나 데이터 가져오기에 반복적으로 실패.
- **Windsurf**: 빠르게 기본 웹사이트를 만들었으나, 기능 추가(예: 필터링)에는 계속 실패.
- **OpenAI Codex**: 기능은 구현했으나, UI가 엉성하고 세부 조정이 어려움.
- **Cursor**: 초반에 환경 설정 등에서 삐걱거렸으나, 반복적인 시도 끝에 원하는 기능을 비교적 잘 구현.
- **Claude Code**: 거의 처음부터 끝까지 큰 문제 없이, 요청한 기능을 빠르고 정확하게 구현. 가장 우수한 성능[1].
- **실험에서 얻은 교훈**
- "비전문가용"으로 설계된 플랫폼(예: Bolt, Lovable, Replit)은 쉬운 과제에는 강하지만, 조금만 복잡해지면 쉽게 한계에 부딪힘.
- "전문가용" 플랫폼(예: Claude Code, Codex)은 사용법이 어렵지만, 훨씬 더 다양한 상황에 대처 가능.
- 거의 모든 에이전트가 반복적인 시행착오(버그 수정 요청 등)를 필요로 했으며, 일부 버그는 끝내 해결하지 못함. 프로그래밍 지식이 없는 사용자는 이런 상황에서 큰 어려움을 겪을 수 있음[1].
- **전문가의 활용법**
- 실제 소프트웨어 개발자는 에이전트에게 더 많은 맥락(가이드라인, 사용 도구, 우선순위 등)을 파일로 제공하고, 에이전트가 만든 계획을 검토·수정하는 방식으로 생산성을 극대화함.
- "무작정 시키는" 방식(vibe coding)보다는, 체계적이고 구체적인 지시와 맥락 제공이 중요[1].
- **미래 전망: 영어가 새로운 프로그래밍 언어**
- 앞으로는 "코드를 직접 작성"하는 대신, 영어(자연어)로 컴퓨터에 지시하는 시대가 될 것.
- 하지만 여전히 "무엇을 어떻게 만들지"를 명확하게 정의하고, 세밀하게 지시할 수 있는 프로그래밍적 사고와 전문성이 필요함. 즉, 코딩 에이전트가 프로그래머를 완전히 대체하기는 어렵고, 오히려 프로그래머의 역할이 더 고도화될 것[1].
**결론**
코딩 에이전트는 이미 실무에 큰 도움을 주고 있으며, 앞으로 더욱 발전할 전망입니다. 하지만 "누구나 쉽게" 쓸 수 있는 수준은 아직 아니며, 특히 복잡한 프로젝트에서는 여전히 프로그래머의 전문성과 체계적인 관리가 필수적입니다. 프로그래밍의 본질은 "컴퓨터에게 정확히 무엇을 시킬 것인가"를 정의하는 데 있으며, 이 역할은 당분간 인간에게 남아 있을 것입니다[1].
출처
[1] What I learned trying seven coding agents https://www.understandingai.org/p/what-i-learned-trying-seven-coding
[2] bookmarks/artificial_intelligence.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/artificial_intelligence.md
[3] bookmarks/deep_learning.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/deep_learning.md?plain=1
[4] GitHub - chanmuzi/NLP-Paper-News: The list of NLP paper and news I've checked. There might be short description of them (abstract) in Korean. https://github.com/chanmuzi/NLP-Paper-News
[5] bookmarks/nlp.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/nlp.md?plain=1
[6] AI 시대에 인간의 코딩 능력이 더 중요해지는 3가지 이유 https://www.youtube.com/watch?v=J1B5qOoG0K8
[7] [댓글 이벤트] 질문에 답해주는 줄 알았던 ????️ChatGPT, 추론도 한다고?????? 인공지능과 뇌???? Part.1ㅣ선을 넘는 과학자들 https://www.youtube.com/watch?v=WZnnbz2aDi8
[8] GitHub - boost-devs/ai-tech-interview: ???????????????? AI 엔지니어 기술 면접 스터디 (⭐️ 2k+) https://github.com/boost-devs/ai-tech-interview
[9] Learn about AI | 비영리 단체 code.org의 인공지능 시리즈 https://www.youtube.com/watch?v=3KGqiXBMDOM
https://www.understandingai.org/p/what-i-learned-trying-seven-coding
퍼플렉시티 요약
## "What I learned trying seven coding agents" 요약
이 글은 최근 등장한 7가지 대표적인 코딩 에이전트(자동화 코딩 도구)를 직접 사용해본 경험을 바탕으로, 이 기술의 현재 수준과 한계, 그리고 앞으로 프로그래밍 직업에 미칠 영향에 대해 분석합니다[1].
**핵심 요약**
- **코딩 에이전트의 현주소**
현재의 코딩 에이전트들은 분명한 한계가 있지만, 이미 프로그래머의 생산성을 크게 높여줄 정도로 강력합니다. 앞으로 몇 년 안에 더욱 발전할 것으로 보입니다[1].
- **테스트 방식**
저자는 실제 데이터를 활용해 "Waymo 자율주행차 사고 데이터"와 "미국 도로교통안전청 사고 데이터" 두 개의 스프레드시트를 합치고, 이를 검색·정렬·탐색할 수 있는 웹사이트를 만드는 과제를 각 에이전트에게 맡겼습니다. 코딩 초보자처럼 고수준의 지시만 주고, 코드를 직접 수정하지 않고 에이전트에만 의존했습니다[1].
- **각 에이전트별 특징 및 결과**
- **Bolt.new**: 데이터가 너무 커서 바로 포기.
- **Replit**: 웹사이트를 만들겠다고 했지만, 실제로는 실행되지 않음.
- **Lovable**: 예쁜 웹사이트를 만들었으나 데이터 가져오기에 반복적으로 실패.
- **Windsurf**: 빠르게 기본 웹사이트를 만들었으나, 기능 추가(예: 필터링)에는 계속 실패.
- **OpenAI Codex**: 기능은 구현했으나, UI가 엉성하고 세부 조정이 어려움.
- **Cursor**: 초반에 환경 설정 등에서 삐걱거렸으나, 반복적인 시도 끝에 원하는 기능을 비교적 잘 구현.
- **Claude Code**: 거의 처음부터 끝까지 큰 문제 없이, 요청한 기능을 빠르고 정확하게 구현. 가장 우수한 성능[1].
- **실험에서 얻은 교훈**
- "비전문가용"으로 설계된 플랫폼(예: Bolt, Lovable, Replit)은 쉬운 과제에는 강하지만, 조금만 복잡해지면 쉽게 한계에 부딪힘.
- "전문가용" 플랫폼(예: Claude Code, Codex)은 사용법이 어렵지만, 훨씬 더 다양한 상황에 대처 가능.
- 거의 모든 에이전트가 반복적인 시행착오(버그 수정 요청 등)를 필요로 했으며, 일부 버그는 끝내 해결하지 못함. 프로그래밍 지식이 없는 사용자는 이런 상황에서 큰 어려움을 겪을 수 있음[1].
- **전문가의 활용법**
- 실제 소프트웨어 개발자는 에이전트에게 더 많은 맥락(가이드라인, 사용 도구, 우선순위 등)을 파일로 제공하고, 에이전트가 만든 계획을 검토·수정하는 방식으로 생산성을 극대화함.
- "무작정 시키는" 방식(vibe coding)보다는, 체계적이고 구체적인 지시와 맥락 제공이 중요[1].
- **미래 전망: 영어가 새로운 프로그래밍 언어**
- 앞으로는 "코드를 직접 작성"하는 대신, 영어(자연어)로 컴퓨터에 지시하는 시대가 될 것.
- 하지만 여전히 "무엇을 어떻게 만들지"를 명확하게 정의하고, 세밀하게 지시할 수 있는 프로그래밍적 사고와 전문성이 필요함. 즉, 코딩 에이전트가 프로그래머를 완전히 대체하기는 어렵고, 오히려 프로그래머의 역할이 더 고도화될 것[1].
**결론**
코딩 에이전트는 이미 실무에 큰 도움을 주고 있으며, 앞으로 더욱 발전할 전망입니다. 하지만 "누구나 쉽게" 쓸 수 있는 수준은 아직 아니며, 특히 복잡한 프로젝트에서는 여전히 프로그래머의 전문성과 체계적인 관리가 필수적입니다. 프로그래밍의 본질은 "컴퓨터에게 정확히 무엇을 시킬 것인가"를 정의하는 데 있으며, 이 역할은 당분간 인간에게 남아 있을 것입니다[1].
출처
[1] What I learned trying seven coding agents https://www.understandingai.org/p/what-i-learned-trying-seven-coding
[2] bookmarks/artificial_intelligence.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/artificial_intelligence.md
[3] bookmarks/deep_learning.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/deep_learning.md?plain=1
[4] GitHub - chanmuzi/NLP-Paper-News: The list of NLP paper and news I've checked. There might be short description of them (abstract) in Korean. https://github.com/chanmuzi/NLP-Paper-News
[5] bookmarks/nlp.md at master · hyunjun/bookmarks https://github.com/hyunjun/bookmarks/blob/master/nlp.md?plain=1
[6] AI 시대에 인간의 코딩 능력이 더 중요해지는 3가지 이유 https://www.youtube.com/watch?v=J1B5qOoG0K8
[7] [댓글 이벤트] 질문에 답해주는 줄 알았던 ????️ChatGPT, 추론도 한다고?????? 인공지능과 뇌???? Part.1ㅣ선을 넘는 과학자들 https://www.youtube.com/watch?v=WZnnbz2aDi8
[8] GitHub - boost-devs/ai-tech-interview: ???????????????? AI 엔지니어 기술 면접 스터디 (⭐️ 2k+) https://github.com/boost-devs/ai-tech-interview
[9] Learn about AI | 비영리 단체 code.org의 인공지능 시리즈 https://www.youtube.com/watch?v=3KGqiXBMDOM
댓글 0