왜 이제 ‘루프’가 아니라 ‘그래프’를 설계해야 할까? — Tech Bridge

한 줄 요약

Anthropic의 Claude Code 총괄 Boris Cherny가 AMD CTO Mark Papermaster와의 인터뷰에서, 에이전틱 코딩이 사람이 정한 결정론적 워크플로우에서 모델이 스스로 오케스트레이션하는 다이나믹 워크플로우로 진화한 과정과, 신뢰·검증·ROI를 실제로 어떻게 다루는지 이야기한 내용.

영상 메타

  • URL: https://youtu.be/nfUKLULchXE
  • 채널: Tech Bridge
  • 길이: 39분 41초
  • 업로드: 2026-08-11
  • 조회수: 3957 / 좋아요 87
  • 시청일: 2026-08-14 KST (🪽 헤르메스가 자막 추출 후 요약)
  • 실제 발화자 = Boris Cherny(Anthropic, Claude Code 총괄). 진행자 = Mark Papermaster(AMD CTO). 채널은 이 대담을 한영자막으로 편집·게시한 것으로 보임.

픽업

  • Claude Code는 출시 후 첫 6개월간 잘 작동하지 않았고, 2025년 5월 Opus 4에 와서야 본궤도에 올랐다 — 그 이후 제품 성장이 기하급수적으로 바뀌었다.
  • 예전 “에이전틱 워크플로우”는 사람이 “1단계 하고, 아니면 2단계” 식으로 정해둔 결정론적 시스템이었지만, 모델이 똑똑해지면서 모델 자신이 워크플로우를 조율하는 코디네이터로 역할이 바뀌었다 — 목표와 도구만 주면 나머지는 모델이 알아서 오케스트레이션한다.
  • 회사들이 AI를 도입하는 자연스러운 단계는 엔지니어 1인당 에이전트 1개 → 10개(라운드로빈으로 여러 세션을 오가며 작업) → 100개(에이전트가 서브에이전트를 실행, Claude Code는 최대 5단계 중첩까지 지원) → 1000개(다이나믹 워크플로우로 클라우드에서 대규모 에이전트 팀을 오케스트레이션)로 진행된다. 대부분 회사는 아직 1~2단계이고 Anthropic 내부는 평균 3단계 정도다.
  • 다이나믹 워크플로우로 몇 달~몇 년 걸릴 대규모 코드베이스 마이그레이션(예: Stripe의 1만 줄 Scala→Java 마이그레이션이 며칠 만에 완료, Bun의 Zig→Rust 마이그레이션)을 끝낸 사례가 있다 — 모델에게 목표만 주고 divide-and-conquer 방식으로 알아서 해결하게 맡긴다.
  • ROI를 볼 때 대부분 회사가 비용(Investment)을 줄이는 데만 집중하는데, 진짜 중요한 건 리턴(Return)을 키우는 것이다 — 엔지니어들에게 실험할 자유를 주면 가장 뛰어난 아이디어는 시니어 엔지니어가 아니라 신입이나 예상 밖의 부서(마케팅 등)에서 나온다.
  • 신뢰·검증은 여러 층으로 쌓는다 — 모델 정렬(진실성, 아부하지 않고 push-back하기), 프롬프트 인젝션에 강한 훈련(런타임 분류기까지 결합하면 실패율이 거의 0). 사람이 매번 승인을 누르다 지쳐서 결국 다 “yes”만 누르게 되는 문제를 풀기 위해, 승인 판단 자체를 별도 분류기에 맡기는 “auto 모드”를 Anthropic 내부에서 쓰고 고객에게도 권장한다.
  • 6개월 뒤 전망으로, 에이전트가 더 오래(며칠~몇 주) 자율적으로 돌아가는 게 평범해지고, 올해 안에 Claude가 기능 단위가 아니라 제품 전체, 나아가 스타트업 전체를 만들기 시작할 수도 있다고 본다.

용어

  • 다이나믹 워크플로우 (Dynamic Workflows) [하니스 · 패턴]: Claude가 대규모 에이전트 팀을 클라우드에서 오케스트레이션해 대형 마이그레이션 같은 복잡한 작업을 나눠 처리하게 하는 방식.
  • 서브에이전트 (Sub-agent) [하니스 · 패턴]: 에이전트가 실행하는 하위 에이전트. Claude Code는 최대 5단계까지 중첩을 지원한다.
  • test-time compute [모델 · 구독]: 문제를 풀 때 모델이 실제로 소비하는 연산(토큰)량. 많이 쓸수록 결과가 좋아지도록 만드는 것이 제품 설계의 관건이다.
  • effort level [모델 · 구독]: 모델이 한 문제에 쓸 수 있는 최대 토큰량을 설정하는 값. 높을수록 더 깊이 사고한다.
  • auto 모드 (승인 자동화 classifier) [도구 통신 (MCP · CLI · API)]: 매 작업 승인을 사람이 일일이 누르는 대신, 별도 분류기가 안전 여부를 판단해 자동 승인하게 하는 런타임 안전장치.
  • anti-prompt injection 훈련 [빌링 · 운영]: 모델이 프롬프트 삽입 공격에 저항하도록 학습 단계에서 훈련시키는 것.
  • scaling laws [모델 · 구독]: 모델 크기·데이터·연산량이 늘수록 지능이 향상된다는 경험적 법칙. 최근엔 test-time compute도 이 함수에 포함된다.
  • Evals vs Vibes [워크플로우 · 문화]: 반복되는 워크플로우는 정량적 평가(Evals)로, 일회성 제품 경험 판단은 직관(Vibes)으로 나눠 쓰는 두 가지 판단 도구.