100x 에이전틱 엔지니어 — 병목은 모델에서 사람의 선호로 이동한다
systematicls의 X Article “What The New 100x Agentic Engineer Looks Like In The Era Of Fable & GPT 5.6”은 에이전틱 코딩의 생산성 격차가 어디서 생기는지 다룬 글이다. 핵심은 단순하다. 모델이 강해질수록 차이는 “AI가 코드를 잘 쓰는가"보다 사람이 원하는 결과와 trade-off를 얼마나 정확히 표현하는가에서 난다. TL;DR 핵심 정리 평준화는 일어나지 않는다: 에이전트가 코드를 대신 써도, 에이전트 뒤의 사람이 가진 맥락·판단·선호에 따라 결과 품질은 크게 갈린다. 새 병목은 선호 표현이다: 강한 모델은 구현 후보를 많이 만들 수 있지만, 어떤 후보가 우리 상황의 Pareto frontier에 가까운지는 사람이 알려줘야 한다. 선언형과 명령형을 구분해야 한다: 목표만 중요한 일은 선언형으로 맡기고, 실패 비용이 큰 핵심 경로는 명령형 제약으로 좁혀야 한다. 전략은 하네스에, 전술은 작업 지시문에: 조직 전체 원칙은 규칙·스킬·검증 루프로 저장하고, 프로젝트별 핵심 20%는 작업마다 분명히 적어야 한다. 1) 에이전트가 모두를 같은 수준으로 만들지는 않는다 초기에는 코딩 에이전트가 개발자 생산성을 평준화할 것이라는 기대가 있었다. 누구나 좋은 모델을 쓰면 비슷한 결과를 낼 수 있다는 생각이다. ...