스테이크를 굽는 데는 거의 기술이 필요하지 않다

AI로 소프트웨어를 만드는 일은 뜨거운 팬에 고기를 올리는 것처럼 시작하기 쉽지만, 원하는 품질을 일관되게 재현하려면 전문적인 판단과 이해가 필요함 AI는 요구사항에 따라 작업을 빠르게 반복하는 스테이크 기계에 가까우며, 사용자가 실제로 원하는 결과까지 스스로 정의하지는 못함 요구사항·제약·예시·테스트·피드백을 제공해도 모델 역량과 컨텍스트 윈도, 주변 시스템의 품질이 결과를 제한함 프리미엄 AI 제품이나 개발 대행사, 코딩 도우미, 새 프레임워크에 비용을 지불해도 비슷한 실패를 겪을 수 있으며, 많은 사용자는 이상한 인터페이스와 버그가 있는 소프트웨어도 받아들임 AI는 반복 작업 자동화와 초안 작성에 유용하지만 품질 기준과 트레이드오프 판단을 대신하지 못하므로, 좋은 소프트웨어를 만들려면 구현 원리를 계속 배워야 함 AI는 전문 요리사가 아니라 반복 작업 기계임 에이전트, 하네스, 도구, 프롬프트, 피드백 루프와 복잡한 워크플로를 조합하면 AI로 소프트웨어를 끊임없이 만들 수 있음 목표는 제대로 작동하고 보기 좋으며 세련됐고, 상상한 모습 그대로 매번 동일하게 나오는 소프트웨어임 실제 결과는 때로 놀라울 만큼 좋지만, 다른 때에는 탄 스테이크를 미디엄 레어라고 자신 있게 내놓는 것처럼 기대와 크게 어긋남 프리미엄 AI 제품이나 개발 대행사, 다른 코딩 도우미, 전문적인 결과를 약속하는 새 프레임워크가 문제를 해결할 수도 있지만 그렇지 않은 경우도 많음 AI는 레시피를 따르고 온도를 확인하며 적절한 순간에 뒤집는 작업을 빠르게 대규모로 반복하는 스테이크 기계에 가까움 사용자의 머릿속 그림을 요구사항, 제약, 예시, 테스트, 피드백으로 변환해야 함 결과는 모델 자체의 역량과 컨텍스트 윈도, 모델을 감싼 시스템의 품질에 제한됨 30초마다 옆에서 결과를 교정해도 AI가 미슐랭 스타 셰프로 바뀌지는 않음 좋은 결과를 좌우하는 사용자의 판단 비싼 서비스를 선택하더라도 모든 업체가 같은 AI를 사용한다면 집에서 만든 것과 같은 실패한 결과를 받을 수 있음 대부분의 소프트웨어는 수용 가능한 수준이면 충분하므로, 사용자가 이상한 인터페이스와 불필요한 기능, 기묘한 버그, 누구도 이해하지 못하는 생성 코드로 이어 붙인 시스템까지 감수하기도 함 자신에게 중요한 제품을 직접 만들 때는 이런 품질 차이가 눈에 들어오며, 운에 의존하지 않으려면 구현 원리를 배워야 함 AI는 반복 작업을 자동화하고 출발점을 생성하며, 코드를 해설하고 ...