Addy Osmani의 2026년 7월 글 **“Agentic Autonomy Levels”**는 AI 코딩 에이전트에게 일을 맡길 때 필요한 기준을 다룹니다. 핵심은 단순합니다. 에이전트가 더 많이 할 수 있다는 사실과, 실제로 더 많이 맡겨도 된다는 판단은 별개입니다.
원문: X article / Substack 공개본
1) 자율성은 한 줄짜리 등급이 아니다
기존에는 “AI-native 수준"을 하나의 사다리로 표현하는 방식이 많았습니다. 하지만 Addy는 이제 그 방식만으로는 부족하다고 말합니다.
이유는 두 가지입니다.
- Agency: 하나의 에이전트가 사람에게서 얼마나 멀리 떨어져 독립적으로 일하는가.
- Orchestration: 여러 에이전트를 얼마나 잘 나누고, 격리하고, 검증하고, 다시 합치는가.
예전에는 한 명의 에이전트를 얼마나 믿을 수 있는지가 핵심이었습니다. 이제는 여러 에이전트를 동시에 돌릴 수 있기 때문에, 개별 에이전트의 능력과 에이전트 무리를 운영하는 능력을 분리해서 봐야 합니다.
2) 세 시대와 여섯 단계
Addy는 0~5단계를 제시합니다. 숫자가 높을수록 좋은 것이 아니라, 그 작업이 감당할 수 있는 자율성의 상한을 뜻합니다.
Level 0: Assist
에이전트는 제안만 합니다. 자동완성, 인라인 수정 제안, 채팅에서 아이디어를 주고받는 수준입니다.
사람이 판단을 형성해야 하거나, 작은 실수도 비싼 영역에서는 이 단계가 맞습니다.
Level 1: Supervised action
에이전트가 편집이나 명령 실행을 대신하지만, 중요한 행동 전에는 사람에게 묻습니다.
대부분의 개발자가 기본으로 쓰는 방식입니다. 단점은 승인 피로입니다. 승인 요청이 많아질수록 사람은 실제 위험을 구분하지 못하고 기계적으로 허용하게 됩니다.
Level 2: Scoped task delegation
명확한 목표, 제약, 완료 조건이 있는 작업을 에이전트에게 맡깁니다.
사람은 곁에 있지만 매 순간 개입하지 않습니다. 이때부터 중요한 것은 에이전트의 말이 아니라 테스트, 타입 체크, 린트, 스크린샷, 재현 절차 같은 증거입니다.
Level 3: Goal-driven autonomy
에이전트가 목표를 달성할 때까지 계획하고, 실행하고, 테스트하고, 다시 시도합니다.
단, 목표는 측정 가능해야 합니다. “UX를 개선해줘” 같은 말은 위험합니다. “이 페이지의 time-to-interactive를 1초 아래로 낮춰줘"처럼 자동으로 확인 가능한 조건이 있어야 합니다.
Level 4: Parallel delegation
여러 에이전트가 병렬로 일합니다. 각 에이전트는 격리된 worktree나 별도 세션에서 자기 몫을 처리합니다.
여기서 가장 어려운 일은 코딩이 아니라 쪼개기입니다. 잘못 나누면 병렬 처리가 아니라 충돌, 중복 결정, 리뷰 폭증만 생깁니다.
Level 5: Managed-by-exception orchestration
매니저 에이전트가 트리거나 이슈 큐를 보고 작업을 배분하고, 진행 상황을 감시하고, 실패 시 재시도하거나 사람에게 올립니다.
사람은 모든 단계를 지휘하지 않고, 예외와 중요한 결정에만 개입합니다. 이 단계에서는 독립 검증이 필수입니다. 구현 에이전트와 리뷰 에이전트, 테스트 실행자, 보안 검사, 승인 게이트가 분리되어야 합니다.
3) 위험과 되돌리기가 상한을 정한다
Addy의 가장 중요한 메시지는 이것입니다.
자율성 수준은 작업 이름이 아니라 검증 체계가 정한다.
문서 자동화처럼 쉬워 보이는 작업도 기준 정보가 없고 검증이 약하면 높은 자율성을 주기 어렵습니다. 반대로 결제 엔진 리팩터링처럼 위험해 보이는 작업도 강한 테스트, 독립 리뷰, 빠른 롤백 경로가 있으면 더 높은 수준으로 운영할 수 있습니다.
따라서 질문은 “이 작업을 AI에게 맡길 수 있나?“가 아닙니다.
다음 세 가지를 먼저 물어야 합니다.
- 틀렸을 때 얼마나 빨리 알 수 있는가?
- 잘못된 변경을 얼마나 깨끗하게 되돌릴 수 있는가?
- 성공했다는 것을 무엇으로 증명할 수 있는가?
답이 “늦게 안다, 되돌리기 어렵다, 에이전트의 말만 믿는다"라면 높은 자율성이 아닙니다.
4) 에이전트 실행 전 계약이 필요하다
원문은 모든 에이전트 실행 전에 작은 계약이 있어야 한다고 말합니다.
- 목표: 활동이 아니라 달성할 결과.
- 범위: 어디에서 무엇을 해도 되는지.
- 비목표: 이번 작업에서 하지 않을 것.
- 도구와 권한: 어떤 명령, 파일, 외부 시스템에 접근할 수 있는지.
- 중단 조건: 언제 멈춰야 하는지.
- 증거: 테스트, 로그, 스크린샷, DB 레코드처럼 독립 확인 가능한 자료.
- 에스컬레이션: 어떤 상황에서 사람에게 올릴지.
- 예산: 시간, 토큰, 재시도 횟수, 병렬 에이전트 수의 한도.
이 계약이 없으면 에이전트는 열심히 움직일 수는 있지만, 사람이 나중에 판단할 수 있는 흔적을 남기지 못합니다.
5) 네 가지 실패 패턴
원문은 자율성 운영에서 흔한 안티패턴도 짚습니다.
Autonomy as status
높은 자율성 등급을 능력의 배지처럼 여기는 것입니다. 하지만 높은 단계는 자랑이 아니라 책임입니다. 검증이 받쳐주지 않으면 낮은 단계가 더 성숙한 선택입니다.
Permission laundering
승인 요청이 귀찮아져서 권한을 크게 열어주는 문제입니다. 해결책은 더 많은 믿음이 아니라, sandbox, allowlist, scoped writable root, hook, Auto-review 같은 좁은 경계입니다.
Review substitution
에이전트의 완료 보고를 리뷰처럼 받아들이는 문제입니다. 필요한 것은 말이 아니라 diff, 테스트 결과, 로그, 스크린샷, 리뷰 발견사항, 남은 리스크입니다.
Fleet cosplay
여러 에이전트를 돌리지만, 사람이 모든 의존성과 상태를 손으로 조율하는 상태입니다. 겉보기에는 병렬 운영이지만 실제로는 사람의 조율 비용만 커집니다.
6) 올라가는 방법
가장 안전한 방법은 한 번에 한 축만 올리는 것입니다.
처음에는 단일 에이전트에게 작은 작업을 맡기고, 통과 기준을 명확히 둡니다. 그다음 읽기 중심 탐색을 병렬화합니다. 이후 파일 소유권이 분리되는 작업을 worktree로 나눕니다. 마지막으로 반복 작업과 이슈 기반 오케스트레이션을 추가합니다.
핵심은 “더 믿기"가 아닙니다.
범위를 좁히고, 증거를 강화하고, 되돌리기를 싸게 만들고, 게이트를 단단하게 하는 것입니다.
결론 및 시사점
한 줄 결론: AI 에이전트에게 더 많은 자율성을 주려면, 먼저 더 강한 검증과 더 쉬운 롤백을 설계해야 한다.
Agentic Autonomy Levels의 실무 가치는 단계표 자체보다 사고방식에 있습니다. 높은 단계로 가는 것이 목표가 아니라, 작업의 위험과 되돌리기 가능성에 맞는 수준을 고르는 것이 목표입니다.
AI 코딩 도구가 강해질수록 사람의 역할은 모든 명령을 직접 내리는 쪽에서, 목표·경계·증거·예외 처리를 설계하는 쪽으로 이동합니다. 결국 성숙한 팀은 에이전트를 무작정 자동화하지 않습니다. 검증 가능한 만큼만 자동화합니다.