https://youtu.be/jbIQfoldLag?si=Sq8iYa9FjmrSmtKh
- - 1984년에 매킨토시가 개인 컴퓨팅을 대중에게 가져왔다면, 2024년에는 **개인 소프트웨어**가 있습니다. 실제로 **거대한 에이전트 군단을 지휘할 수 있게 될 것입니다**. 저는 미키 마우스와 판타지아를 떠올립니다. 마치 새로운 마법 같은 능력을 배우는 것처럼, 갑자기 모든 빗자루가 걷고 말하고 춤추며, 원하는 것을 언제든지 만들 수 있는 놀라운 만물상이 되는 것입니다. 15년 동안 아이디어가 있었지만 만들 도구가 없었던 사람이 15분 만에 그것을 만들 수 있었고, 그는 그 반응을 녹화했습니다. 저는 거의 눈물을 흘릴 뻔했습니다. 라이트콘 에피소드에 다시 오신 것을 환영합니다. 저는 게리고, 여기는 재러드 하그와 다이애나입니다. 저희는 몇 명의 사람들과 아이디어만으로 수천억 달러 가치의 회사들을 초기부터 지원했습니다. 그리고 오늘 저희는 그가 막 출시한 제품을 보여주기 위해 최고의 졸업생 중 한 명을 모셨습니다. 암자드, 레플릿 에이전트와 함께해주셔서 정말 감사합니다. 영광입니다. 초대해주셔서 감사합니다. 네, 저희는 이 제품을 막 출시했습니다. 얼리 액세스 상태로, 아직 베타 소프트웨어 수준입니다. 그러나 사람들은 매우 흥분했습니다. 일부 작동하지만 버그가 많습니다. 하지만 여기서 라이브 데모를 할 것입니다. 저는 아침 기분과 전날 한 일을 연관시킬 수 있는 개인 앱을 만들고 싶었습니다. 아침 기분을 기록하고 전날 커피를 마신 마지막 시간이나 술을 마셨는지, 운동을 했는지 등의 일을 기록하는 앱을 원합니다. 그것을 에이전트에게 보낼 것입니다. 이제 채팅 인터페이스가 있습니다. 에이전트가 메시지를 읽고 생각 중인 것을 볼 수 있습니다. 우리가 보고 있는 것은 다른 사용자와 채팅하는 방식과 같은가요, 아니면 특정하게 그렇습니다. 네, 비슷합니다. 레플릿에서의 멀티플레이어 경험과 매우 비슷합니다. 그래서 여기서 에이전트는 "데일리 기분을 기록하기 위한 계획을 만들었습니다. 앱은 당신의 기분, 커피, 알코올 섭취량, 운동을 보여줄 것입니다"라고 말하고 있습니다. 또한 시각화 기능과 같은 다른 기능들도 제안합니다. 좋아 보이네요. 알림은 모르겠습니다. 저는 기억할 것 같으니, 이 두 가지 단계로 진행하겠습니다. 정말 멋졌던 것은
- - 에이전트가 선택한 기술 스택이었습니다. 플라스크, 바닐라 JS, 포스트그레스와 같이 시작하기에 매우 빠르고 좋습니다. 이제 우리는 진행 상황 창이라고 부르는 것을 보고 있습니다. 진행 상황 창에서 AI가 현재 무엇을 하고 있는지 볼 수 있습니다. 패키지를 설치하고 있습니다. 코드를 많이 작성했고, 데이터베이스 연결까지 구축한 것 같습니다. 이제 패키지를 설치 중이며 곧 결과를 볼 수 있을 것입니다. 이것은 정말 멋진데, 왜냐하면 새로운 소프트웨어 엔지니어들에게 가장 귀찮은 부분 중 하나가 모든 패키지와 의존성을 얻고 올바른 것을 선택하는 것이기 때문입니다. 그런데 에이전트가 이걸 다 해줍니다. 그래서 여기에 저희의 Mood 앱이 있습니다. 저는 오늘 기분이 좋다고 입력할 수 있습니다. 어제 커피를 마셨지만 운동은 하지 않았습니다. 기분을 기록하고 기록으로 이동합니다. 프롬프트만으로 완전한 웹 앱을 구축했습니다. 추가 지시 없이요. 네, 그리고 백엔드가 있고 포스트그레스가 있으며, 바로 배포할 수 있습니다. 이것만으로도 매우 유용합니다. 평점과 기록이 있습니다. 그리고 에이전트가 제대로 했는지 묻습니다. 오, 실제로 테스트해달라고 요청하는군요. 네, 에이전트가 자체적으로 일부 테스트를 했습니다. 스크린샷을 찍어서 최소한 뭔가가 표시된다는 것을 알고 있지만, 누군가가 직접 들어가서 QA를 좀 해주기를 원합니다. 컴퓨터 비전을 사용해서 스크린샷을 보는 건가요? 네, 네, 이제 모든 모델이 멀티모달입니다. 그래서 매우 간단합니다. 백엔드에는 실제로 몇 가지 모델이 있습니다. 멀티 에이전트 시스템이기 때문에, 에이전트 유형에 따라 다른 모델이 더 잘 작동한다는 것을 알았습니다. 메인 코딩 모델은 클로드 소넷 3.5인데, 코딩에 있어서는 따라올 자가 없습니다. 최고입니다. 하지만 저희는 일부 경우에 GPT 4o를 사용합니다. 또한 사내 모델도 있습니다. 저희는 초고속 임베딩 모델인 바이너리 임베딩 모델과 검색 시스템 및 인덱싱을 자체적으로 구축했습니다. 이것이 작동하는 데 큰 부분은 검색 시스템입니다. 편집할 부분을 알아내는 것이 이 에이전트가 작동하는 데 가장 중요하기 때문입니다.
- - 당신은 RAG를 넘어서 한 단계 더 나아가고 있습니다. 왜냐하면 RAG는 이것에 한계가 있었고, 코드를 검색하고 편집할 올바른 위치를 찾는 새로운 방법을 찾아야 했기 때문입니다. 네, 사실 이것은 아직 일어나지 않았지만, 모든 에이전트 시스템에서 사람들이 RAG에서 벗어나 이와 같은 맞춤형 오케스트레이션을 구축하기 시작할 것이라고 생각합니다. 그래서 이것은 매우 주목할 만합니다. 당신이 알아낸 것은 정말 멋진 일입니다. 네, 코드베이스를 RAG에 던지는 것만으로는 작동하지 않을 것입니다. 실제로 에이전트들이 더 잘 작동하도록 여러 가지 다른 표현 방식을 가지고 있습니다. 맞습니다. 그리고 트렌드 기능도 지금 작동하고 있습니다. 좋네요. 그래프 몇 개가 있습니다. 항목이 많지 않으니 데이터를 생성하도록 요청할 수도 있습니다. 정말요? 데이터도 생성하게 할 수 있나요? 네. 이제 배포를 요청하고 있습니다. 끝났다고 합니다. 배포할 시간입니다. 그리고 여기에 활동 트렌드가 있습니다. 매일 무엇을 하고 있는지 보여줍니다. 아이디어만으로 전 세계 어디서든 액세스할 수 있는 배포된 웹 앱으로 바로 전환되었습니다. 정확합니다. 그리고 제가 정말 기대하는 것 중 하나는 개인 소프트웨어라는 아이디어입니다. 1984년에 매킨토시가 개인 컴퓨팅을 대중에게 가져왔다면, 2024년에는 개인 소프트웨어가 있습니다. 방금 이것을 경험했다고 생각합니다. 카르파티가 레플릿 에이전트에 대해 "AGI를 느낀 순간"이라고 트윗했습니다. 당신도 AGI를 느끼셨나요? 저는 확실히 느꼈습니다. 그리고 어젯밤에도 느꼈습니다. 어젯밤 몇 시간을 레플릿 에이전트를 사용해서 해커 뉴스 클론을 만들었습니다. 멋지네요. AGI를 정말로 느꼈던 순간이 몇 번 있었습니다. 첫 번째는 실제로 무엇을 만들고 어떻게 디자인해야 할지에 대해 정말 좋은 직관을 가지고 있었다는 것입니다. 우리가 방금 본 것처럼, 당신은 슬라이더 바를 이모티콘처럼 만들라는 아이디어를 주지 않았는데, 에이전트가 스스로 그렇게 떠올렸습니다. 그리고 두 번째는 제가 그것을 사용하면서 마치 개발 파트너가 있는 것 같은 느낌이 들었다는 것입니다. 에이전트는 제게 질문을 하고, 제가 어떤 것을 변경하도록 요청했습니다. 한 번은 에이전트가 막혀서 어떻게 해야 할지 몰랐는데, 저에게 어떻게 해야 할지 물었고, 제가 알려주자 "알겠습니다" 하고 계속 진행했습니다.
- - 정말 기분이 좋고, 때로는 도움을 주고 싶을 때도 있습니다. 그렇죠? 직접 디버깅하는 방법을 알거나 챗에게 무언가를 물어보고 돌아와서 더 많은 정보를 주면, 에이전트가 반응할 수 있을 것입니다. 개발자와 대화하는 것 같은 느낌입니다. 그로크처럼 다른 모드를 만드는 것도 좋습니다. 삐딱한 프로그래머 모드를 만들어서 아이디어가 나쁘다고 말하고 다른 것을 만들고 싶어 하게 할 수도 있습니다. 오, 그거 멋지겠네요. 예를 들어, 과잉 엔지니어 모드처럼 모든 것을 과잉 엔지니어링하는 것입니다. 그래서 이 토글을 추가했지만, X축에 연결되지 않은 것 같습니다. 네, 저는 모든 AI 프로그래머에 대해 흥미로운 점은 우리가 처음부터 끝까지 완벽하게 오류 없이 전체 앱을 만들 수 있는 초지능을 만든 것이 아니라는 점이라고 생각합니다. 실제 인간처럼 코딩합니다. 코드를 작성하고 "이게 맞다고 생각하는데, 확신은 없어. 일단 시도해봐야겠다"라고 한 다음 시도해보고 "오, 버그가 있네" 하는 것과 같습니다. 똑같습니다. 네, 네. 그리고 우리의 디자인 결정은 항상 "이것은 동료다"라는 것이었습니다. 이것을 닫고 코드로 가서 직접 코딩할 수 있습니다. 직접 고칠 수 있습니다. 다시 말하지만, 코딩 방법을 모른다면, 에이전트가 하는 일을 읽으면서 코딩을 조금 배우기를 바랍니다. 참고로 우리 세대는 에이전트가 아니라 MySpace 페이지를 편집하거나 Geocities를 만들면서 이런 작은 것들을 점진적으로 배우며 코딩을 배웠다고 생각합니다. 그리고 저는 우리가 점진적 학습이라는 규모를 잃어버렸다고 생각합니다. 이제 컴퓨터 과학 학위를 받거나 코딩 부트캠프에 가서 이것을 알아내야 합니다. 하지만 우리가 사람들이 사이드 프로젝트를 만들고 코드가 무엇인지 접할 수 있는 재미있는 것으로 만들었다면 완벽할 것이라고 생각합니다. 다시 말하지만, 제 생각에는 우리는 여전히 **완전히 자동화된 소프트웨어 엔지니어링 에이전트**와는 거리가 멀고, 사람들은 여전히 코딩을 배워야 합니다. 코딩을 훨씬 덜 해야 하지만
- - 코드를 읽고, 어떤 경우에는 디버깅해야 할 것입니다. 에이전트가 당신을 상당히 멀리까지 데려다줄 것이지만, 때로는 막힐 것이고 코드로 들어가서 해결해야 할 것입니다. 네, 저는 그게 정말 중요하다고 생각합니다. 저는 18, 19세의 신입생들을 많이 만나는데, 그들은 "코드는 스스로 작성될 텐데, 이 모든 것을 공부할 필요가 있나요?"라고 말합니다. 저는 "아니요, 전혀 그렇지 않습니다"라고 말합니다. 저는 실제로 코딩을 아는 것이 그 어느 때보다 더 큰 레버리지가 된다고 생각합니다. 그리고 그것은 훨씬 더 중요하며, 당신을 훨씬 더 강력하게 만들 것입니다. 모든 것을 속속들이 알 필요는 없습니다. 실제로 **이 거대한 에이전트 군단을 지휘할 수 있을 것입니다**. 미키 마우스와 판타지아를 떠올립니다. 새로운 마법 같은 능력을 배우는 것처럼, 갑자기 모든 빗자루가 걷고 말하고 춤추며, 원하는 것을 언제든지 만들 수 있는 놀라운 만물상이 되는 것입니다. 말 그대로 모든 컴퓨터에서, 모든 웹 브라우저에서요. 네, 저는 무어의 법칙 같은 것을 생각해내려고 노력합니다. 코딩 학습의 수익률이 6개월마다 두 배가 되는 것 같은 것입니다. 2020년에 코딩을 조금 배우는 것은 그다지 유용하지 않았습니다. 왜냐하면 당신은 막힐 것이고, 배포 방법을 모르고, 설정 방법을 몰랐을 것이기 때문입니다. 챗이 도움이 될 수 있기 때문에 2023년에는 코딩을 조금 배우는 것이 상당히 멀리까지 갈 수 있도록 해줄 것입니다. 그리고 2024년에는 이와 같은 에이전트와 커서와 같은 다른 멋진 도구들이 많기 때문에 코딩을 조금 배우는 것이 엄청난 레버리지가 됩니다. 약간의 코딩만으로도 당신을 매우 멀리까지 데려다줄 것입니다. 그리고 그것을 6개월 후로 연장하면 당신은 훨씬 더 많은 힘을 갖게 될 것입니다. 그래서 프로그래머들은 엄청난 힘의 증가 궤도에 있습니다. 이것 뒤의 기술에 대해 더 자세히 알려주시겠습니까? 정말 흥미롭네요. 핵심은 제가 이전에 설명했듯이 멀티 에이전트 시스템입니다.
- - 이 시스템은 핵심적으로 반응형(React) 루프를 가지고 있습니다. 리액트는 몇 년 전부터 있었던 에이전트의 사고 체인(Chain of Thought) 프롬프트 방식이며, 대부분의 에이전트가 그것을 기반으로 구축됩니다. 하지만 저희는 또한 **멀티 에이전트 시스템**입니다. 저희는 도구 호출(tool calling)을 사용하여 수많은 도구를 제공하며, 이 도구들은 사용자에게 노출되는 것과 동일한 도구들입니다. 참고로, 이러한 도구들을 어떻게 노출하고 에이전트가 그것들을 어떻게 보게 할지 매우 신중해야 합니다. 예를 들어, 저희의 편집 도구는 언어 서버로부터 오류를 반환합니다. 여기 파이썬 언어 서버와 같은 언어 서버가 있습니다. 인간이 코딩할 때 제가 어디에서든 실수를 하면 오류를 보여주는 것과 유사하게, 에이전트가 코딩할 때도 언어 서버로부터 피드백을 받습니다. 따라서 가능한 한 실제 사용자와 같은 방식으로 다루어야 합니다. 그리고 에이전트가 취하는 모든 행동에 대해 피드백을 받고, 그 피드백에 반응할 수 있습니다. 그래서 이러한 도구들은 패키지 관리, 편집, 배포, 모든 데이터베이스를 포함합니다. 그리고 에이전트가 완전히 궤도를 벗어나지 않도록 하는 많은 것들이 있습니다. 왜냐하면 에이전트가 궤도를 벗어나고 무한 루프에 빠지는 것은 매우 쉽기 때문입니다. 저희는 모두 그런 에이전트를 사용해 본 적이 있습니다. 이것도 가끔 그러지만, 저희는 **반성(reflection)을 수행하는 또 다른 루프**를 가지고 있습니다. 이 루프는 항상 "내가 올바른 일을 하고 있는가?"를 생각합니다. 저희는 많은 LangChain 도구를 사용합니다. LangGraph는 LangChain의 흥미로운 새로운 도구로, 에이전트 DAG를 매우 멋지게 구축할 수 있도록 해줍니다. 그리고 그들은 일부 로깅 메커니즘을 가지고 있으며, Lsmith라는 도구를 사용하여 트레이서를 볼 수 있습니다. DAG의 트레이서를 보는 것은 매우 매우 어렵고 힘든 일입니다. 따라서 이러한 것들을 디버깅하는 것은 매우 어려웠습니다. 왜냐하면 실제로 그래프를 시각화할 도구가 필요한데, 현재는 그런 도구가 많지 않기 때문입니다. 그래서 이 반성 도구, 반성 에이전트가 있습니다. 그리고 저희가 이전에 이야기했던 또 다른 것은 **검색(retrieval)이 매우 중요하다**는 것입니다. 이것은 일종의 신경 상징적(neuro-symbolic)이어야 합니다. RAG 스타일의 임베딩 검색을 할 수 있어야 하지만, 코드 내에서 함수와 심볼을 찾아볼 수 있어야 합니다. 이것이 제가
- - 더 나아가 추정하건대, 심지어 **정말 큰 컨텍스트 창을 가진 파운데이션 모델**의 세상이 오더라도, 여전히 이와 같은 조회를 수행하는 매우 전문화된 것들이 필요할 것이라고 생각하는 이유입니다. 왜냐하면 다른 컨텍스트에 적용되고, 함수를 알고, 코드가 컴파일되는 방식과 더 유사하게 그래프처럼 다루는 것이 중요하기 때문입니다. 큰 컨텍스트 창은 스스로 발에 총을 쏘는 것과 같습니다. 네, 왜냐하면 모델이 끝에 있는 것에 더 많이 편향되기 쉽기 때문입니다. 인간처럼요. 네, 정확합니다. 그래서 여전히 **컨텍스트 관리**를 해야 하고, 무엇을 넣을지, 기억(memory)을 어떻게 순위를 매길지 알아내야 합니다. 이 에이전트는 단계를 수행할 때마다 메모리 뱅크에 들어가고, 다음 단계로 넘어갈 때마다 올바른 기억을 선택하고 그것들을 컨텍스트에 어떻게 넣을지 알아내야 합니다. 예를 들어, 버그가 있거나 오류가 있었던 기억을 선택하면, 모델은 여전히 버그가 있다고 생각할 수 있습니다. 하지만 이미 그 버그를 해결했다면, 버그를 만들었던 기억이 버그를 고쳤다는 다른 기억으로 보강되거나 컨텍스트에서 완전히 제거되었는지 확인해야 합니다. 따라서 **메모리 관리**는 여기서 매우 중요합니다. 모든 메모리를 컨텍스트에 넣고 싶지 않을 것입니다. 올바른 작업에 대해 올바른 기억을 선택할 수 있어야 합니다. 저는 이것이 상황 인지와 그 모든 공상 과학적인 "AGI가 내일 우리를 죽일 것이다"라는 주장에 대한 정말 구체적인 반박이라고 생각합니다. 왜냐하면 그 모든 것은 더 큰 컨텍스트 창, 더 많은 매개변수, GPU를 때려붓기만 하면 작동할 것이라는 전제에 기반하고 있기 때문입니다. 그냥 확장하는 것만으로는 원하는 것을 얻을 수 없습니다. 이러한 에이전트들이 서로 협력하고, 중간 표현에 대해 실제로 영리하게 행동하며, 인간이 할 일을 모델링할 수 있도록 하는 데는 실제로 많은 유용성이 있습니다. 이것은 "네, 모든 것을 50배 확장한다고 해서
- - 그들이 생각하는 대로 작동하는 것은 아니다"라는 사례 연구와 같습니다. 네, 여러 면에서 그런 시스템을 구축하는 것은 겸손하게 만듭니다. AI와 AI의 발전에 대한 기대를 다른 방식으로 설정하게 합니다. 왜냐하면 시스템은 매우 취약하고, 여전히 지시를 따르는 데 능숙하지 않기 때문입니다. 사람들은 환각 문제에 대해 많이 이야기하지만, 저는 더 큰 문제는 그저 명령을 따르는 것이라고 생각합니다. 제대로 된 일을 하게 하는 것이 너무 어렵습니다. AGI에 이르는 길은 무엇이라고 생각하십니까? AGI에 대한 제 견해는 우리가 **기능적 AGI**라고 부를 수 있는 것에 도달할 수 있을 것이라는 것입니다. 그것은 경제적으로 유용한 모든 작업을 자동화하는 것입니다. 저는 그것이 상당히 가까이 있다고 생각합니다. 거의 무차별 대입 문제와 같습니다. 일종의 쓴 교훈(bitter lesson)이죠. 당신들처럼 많은 작업을 수행해야 한다고 생각하십니까? 즉, 프로그래밍을 위해 그룹 에이전트의 오케스트레이션을 신중하게 미세 조정하고, 고객 지원, 판매, 모든 회계 기능에 대해서도 그렇게 해야 한다고 생각하십니까? 네, 저는 그렇게 생각합니다. 그리고 결국에는 모든 것을 하나의 모델에 넣을 수도 있습니다. 기계 학습의 역사는 우리가 모델 주변에 이러한 시스템을 만들고 성장시키다가 결국 모델이 그 시스템들을 먹어치우는 것이었습니다. 그래서 바라건대, 우리가 했던 모든 것이 언젠가는 엔드 투 엔드 시스템, 즉 기계 학습 시스템이 될 수 있기를 바랍니다. 테슬라는 유명하게 이 모든 로직을 가지고 있었지만, 이제 V13 이후에는 엔드 투 엔드 훈련만 한다고 생각합니다. 그래서 언젠가는 거기에 도달할 것입니다. 하지만 저는 그것을 진정한 AGI라고 생각하지 않을 것입니다. 왜냐하면 분포 밖의 것을 던지면 그것을 처리할 수 없을 것이기 때문입니다. 진정한 AGI는 효율적인 학습이 필요할 것입니다. 어떤 정보도 없는 환경에 던져져도 환경을 검토하여 이해하고 그 환경을 탐색하는 데 필요한 기술을 배울 수 있어야 합니다. 그리고 LLM은 그렇지 않습니다. 아마도 그 구성 요소는 될 수 있지만, 효율적인 학습자는 전혀 아닙니다. 당신은 이것을 실제로 증명했습니다. LLM을 직관 기계라고 설명했기 때문에, 프로그래밍 작업에서 작동하게 하려면 프로그래밍과 계산 방식에 대한 많은 개념들, 예를 들어 튜링 완전성 등과 같은 기호적 표현을 가진 이 계층을 추가해야 합니다.
- - 네, 맞습니다. 그것들은 매우 명시적인 고전 컴퓨터 과학, 고전 AI입니다. 백트래킹(backtracking) 등도 합니다. 네, 그것은 일반화된 것이 아니라 특화된 것입니다. 물론 엄청나게 유용하게 특화된 것이죠. 네, 출시된 지 4일밖에 되지 않았지만, 이미 사람들이 정말 흥미롭고 인상적인 일들을 많이 해냈습니다. 사람들이 이 시스템으로 한 일 중에 가장 놀랍고 흥미로운 몇 가지를 말씀해주시겠습니까? 네, 제가 본 것 중에 가장 좋았던 것 중 하나는 15년 동안 아이디어가 있었지만 만들 도구가 없었던 어떤 사람이 15분 만에 그것을 만들 수 있었다는 것입니다. 그는 자신의 반응을 녹화했습니다. 그가 만든 것은 개인 앱이었는데, 자신의 기억을 지도에 기록하고 파일과 오디오 파일을 첨부할 수 있는 앱이었습니다. 예를 들어, "여기서 학교를 다녔다"와 같은 자신의 삶에 대한 기억에 사진 등을 추가하는 것입니다. 앱이 나타나서 그가 테스트했을 때, 그는 너무 놀라서 저는 거의 눈물을 흘릴 뻔했습니다. 사람들의 창의성을 해방시킬 수 있다는 것은 정말 보람 있는 일입니다. 그리고 저는 Apple 사진과의 통합을 원하거나, 그것을 사용해서 실제로 내보내기 도구를 만들고 싶습니다. 네, 그리고 다른 사용자 Meck는 스트라이프(Stripe) 쿠폰 도구를 만들었습니다. 그는 스트라이프에서 운영하는 강좌를 가지고 있는데, 사람들에게 쿠폰을 보낼 수 있기를 원했습니다. 그래서 5분에서 10분 만에 그것을 만들었습니다. 사실, 노코드(no-code)로는 그런 것을 만들 수 없었을 것이라고 생각합니다. 정말 힘들었을 것이고, 아마 두세 개의 노코드 도구를 사용했을 것입니다. 사람들은 프론트엔드에 버블(Bubble)을 사용하고 백엔드에 재피어(Zapier) 등을 사용합니다. 때로는 노코드 사용자들이 매우 똑똑하고 근면하다는 사실에 놀랍니다. 그들은 노코드를 사용하여 이러한 시스템을 만드는 방법을 알아냅니다. 하지만 코드를 생성하는 것이 훨씬 더 쉽습니다. 노코드 사용자들을 위한 코딩 도구입니다. 네, 네. 그래서 저희는 그 분야에서 많은 관심을 받고 있습니다. 이것은 실제로 노코드 도구들이 일반적으로 가지고 있는 도전 과제입니다. 그들은 노코드에서 시작하지만, 사람들이 이러한 도구로 만들고 싶은 것의 한계를 계속해서 넘어서려 한다는 것을 발견합니다. 그리고 노코드 도구의 좌절스러운 부분은 한계에 부딪히면 꼼짝없이 갇힌다는 것입니다. 해결할 수 없습니다. 그리고 멋진 점은 당신이 이전에 말했듯이, 노코드 사람들이 레플릿으로 전환하게 되면 처음에는 전혀 프로그래밍을 하지 않고 프롬프트만 사용하겠지만, 어느 시점에는 코드를 보게 될 것이고, 그것을 편집하는 것이 그렇게 어렵지 않다는 것을 깨닫게 될 것입니다. 그렇게 해서 그들은 점차 프로그래머가 되는 것입니다. 네, 흥미롭네요. 저는 간단한 채용 CRM을 만들기 위해 그것을 사용해 보았습니다. 이것은 실제로 에어테이블(Airtable)을 사용했을 법한 종류의 것입니다. 그리고 그것이 제안했을 때, "이 기능도 원하십니까?"라는 제안 중 하나가 바로 역할 기반 권한과 인증이었습니다. "오, 그거 꽤 정교한 프롬프트네요. 또는 처음부터 그런 제안을 하네요."라고 생각했습니다. 네, 그것은 한 달에 10,000달러짜리 엔터프라이즈 기능인데, 당신은 그냥 프롬프트만으로 작동시킬 수 있습니다. 정말 미친 일입니다. 이것은 낮은 진입 장벽, 높은 천장의 정의와 같습니다. 전 세계의 가장 큰 소프트웨어 회사들은 모두 그 아이디어를 강력하게 구현합니다. 제가 가장 좋아하는 것은 이 몇 자릿수 정도의 시간 차이로 무언가를 만드는 것입니다. 어떤 사람은 스타트업을 만드는 데 18개월을 보냈는데, 레플릿을 사용해서 같은 앱을 10분 만에 생성할 수 있었다고 말했습니다. 어떤 사람은 특정 앱을 만드는 데 1년을 보냈는데, 레플릿 에이전트로 1시간 만에 만들 수 있었다고 말했습니다. 하지만 네, 저는 이것이 수백만 달러의 인간 시간을 절약할 것이라고 생각합니다. 정말 대단한 시대에 살고 있습니다. 레플릿 에이전트를 기존 코딩 스택에 적용할 수 있나요? 아직은 안 됩니다. 알겠습니다. 그래서 다시 말하지만, 아직 매우 초기 단계입니다. 우리가 구축한 검색 시스템은 이것을 할 수 있도록 설계되었습니다. 어떤 코드베이스에도 던져서 코드베이스를 매우 빠르게 인덱싱하고 코드베이스에 대한 인텔리전스를 제공할 수 있어야 합니다. 이 시스템은 또한 파일 요약과 프로젝트 요약을 가지고 있습니다. 그래서 저희는 LLM을 사용하여 시스템을 인덱싱하면서 에이전트가 프로젝트가 무엇인지 이해할 수 있도록 이러한 작은 요약들을 만듭니다. 그래서 저희는 인프라를 가지고 있지만, 그것이 다음 단계입니다. 그리고 저희는 더 많은 자율성을 원하는 사람들을 위해 더 많은 자율성을 추가하고 싶습니다. 그래서 이 팀 버전에서는 백그라운드로 보낼 수 있기를 원합니다. 즉, 프롬프트를 주면 프로젝트를 포크하고 가능한 한 자율적으로 작업한 다음, 완료되면 풀 리퀘스트를 다시 보내거나 문제가 발생하면 문제와 함께 돌아오도록 하는 것입니다. 제가 하고 싶은 또 다른 것은 저희가 현상금 프로그램(bounties program)을 가지고 있다는 비전입니다. 현상금은 사람들이 만들고 싶은 것들이나 가지고 있는 문제들을 제출하면, 저희 커뮤니티의 사용자들, 즉 사람들이 특정 가격에 그것들을 해결하는 것을 돕습니다. 저는 에이전트가 완벽하지 않기 때문에, 어쩌면 에이전트가 인간을 소환할 수도 있다고 생각했습니다. 그래서 에이전트가 가지고 있는 또 다른 도구는 **현상금 사냥꾼(bounty hunter)을 소환하는 것**입니다. 그래서 에이전트가 시장에 가서 자신과 함께 작업하는 개발자에게 "제가 문제에 부딪혔는데, 여기에 돈을 좀 걸고 전문가를 구할 수 있을까요?"라고 물을 것입니다. 그래서 "네, 50달러 걸고 이 시장으로 갈게요"라고 말하고, "50달러에 이 문제가 있는데 와서 도와줄 수 있나요?"라고 하면, 인간 전문가가 다른 멀티플레이어로서 시스템에 들어와서 에이전트에게 프롬프트로 돕거나 직접 코드를 편집하여 돕는 것입니다. 정말 영리하네요. 인간이 이 더 큰 지능 오케스트레이션 시스템의 또 다른 에이전트가 되는 이 모든 아이디어가요. 네, 저는 릭라이더(Licklider)의 인간 기계 공생(human machine symbiosis)을 매우 좋아합니다. 그것은 항상 그래왔습니다. 저는 AGI 등에 대해 이야기하는 것을 좋아하지만, 컴퓨터는 근본적으로 우리의 확장으로서, 우리와 함께함으로써 더 낫다고 생각합니다. 경쟁자가 되는 것이 아니라요. 100% 동의합니다. 팀 인간! 티셔츠를 만들어야겠네요. 당신은 올해 초에 미니 체스 순간을 경험한 것 같습니다. 우리 모두는 이 데모에 놀랐고, 당신은 모든 소프트웨어가 배포되고 작성되는 방식을 오랫동안 재구성하기 위해 열심히 노력해 왔습니다. 이 순간에 도달하기 위해 무엇이 필요했나요? 구조조정과 조직 재편을 해야 했죠? 무슨 일이 있었나요? 네, 좋은 질문입니다. 저희는 과거에 여러 번 에이전트를 만들려고 시도했지만, 기술이 충분하지 않았습니다. 마침내 기술이 충분하다고 느꼈을 때, 저희 직원 중 한 명인 젠 리(Zen Lee)가 이 새로운 화신을 시작하여 데모를 만들었습니다. 그가 저에게 데모를 보여주었는데, 너무 간단했습니다. 에이전트가 몇 가지 도구를 호출하고 IDE에서 작업을 수행하는 것이었지만, 저는 마침내 거의 완성되었다는 것을 느낄 수 있었습니다. 거의 맛볼 수 있었습니다. 그리고 그 느낌은 "좋아, 이것에 큰 도전을 할 것이다"라는 것이었습니다. 그래서 에이전트 태스크 포스(Agent Task Force)라는 것을 만들었습니다. 태스크 포스에는 여러 다른 팀의 사람들이 모였습니다. IDE 팀이 태스크 포스에 있었고, 패키지 관리 등을 담당하는 DevX 팀이 있었고, UX와 디자인 구성 요소도 있었고, AI 팀도 있었습니다. AI 팀이 중심에 있었습니다. 그래서 카라 다이어그램과 거의 비슷하게 조직되었습니다. 커널 OS는 AI 팀이었고, 그들은 도구 팀이 만든 모든 도구에 연결되었습니다. 그리고 그 위에 제품 및 UX 팀이 진입점과 구조에 대해 작업했습니다. 이것도 매우 어려웠습니다. 디자인도 어려웠습니다. 그리고 저희는 매주 두 번의 회의를 가졌습니다. 월요일에는 워룸 회의를 가졌는데, 저희 AI 책임자인 마이클이 실행(run)을 하고 무엇이 고장 났는지, 무엇이 잘못되었는지 확인했습니다. 그들은 이번 주의 우선순위를 정했습니다. 그리고 금요일에는 에이전트 살롱을 가졌는데, 제가 실행을 하고 무엇이 작동하고 무엇이 고장 났는지 확인하고, 그들의 우선순위에 대해 물어봤습니다. 때로는 재조정하거나
- - 제품에서 일부를 변경하기도 했습니다. 우리는 매주 빠르게 큰 변화를 만들었습니다. 실행(doing a run)한다는 것이 무엇을 의미하나요? 에이전트 실행은 말 그대로 제품을 직접 사용해보고 어디서 고장 났는지 확인하고, 그것을 고치기 위한 우선순위가 무엇인지 알아내는 것입니다. 훌륭하네요. 각 팀이 자체 에이전트를 구축하기도 했나요? 일부는 그렇게 했습니다. 스크린샷 도구는 에이전트였는데, AI가 스크린샷을 보고 생각을 떠올린 다음, 그 생각을 메인 관리 에이전트에게 반환해야 했기 때문입니다. 그래서 IDE 팀이 스크린샷 에이전트를 작성했고, 패키지 관리 팀은 아마 기술 스택 설정 유형의 구성을 만들었을 것입니다. 정말 멋지네요. 네, 조직 구조는 정말 잘 작동했습니다. 놀랍도록 잘 작동했습니다. 왜냐하면 사용자가 중심이었을 때 우리가 일했던 방식과 비슷하다고 생각하기 때문입니다. 이제 사용자는 AI입니다. 에이전트의 다음 단계는 무엇입니까? 무엇을 추가하고 싶으신가요? 다음으로 크게 도약할 것이 무엇이라고 생각하십니까? **신뢰성**입니다. 지금 가장 중요한 것은 신뢰성입니다. 에이전트가 멈추거나 고장 나지 않도록 하는 것입니다. 그리고 다음으로 원하는 스택을 지원하도록 확장하는 것입니다. 지금은 사용자가 스택을 주더라도 에이전트가 "아, 파이썬으로 할게요"라고 거절합니다. 하지만 사용자가 정말 원한다면, 삐딱한 모드를 만들어서 리스프(Lisp)로만 작성하게 할 수도 있습니다. 이 모드 기능은 정말 만우절 농담 같네요. 폴리그램 과잉 엔지니어, 나쁜 UI, UI는 신경 안 쓰는, 말 그대로 정확하지만 매우 혼란스러운 것입니다. 상호작용은 어떻습니까? 릭라이더와 인간 컴퓨터 공생 이론에 대해 언급하셨는데, 텍스트가 전부일까요? 사람들이 AI 에이전트와 상호작용하고 싶어 할 다른 방식이 있다고 생각하십니까? UI에 그림을 그릴 수 있고, 그림을 통해 AI와 소통할 수 있어야 합니다. "이 버튼이 작동하지 않아"라거나 "이 파일을 여기로 옮겨줘", "이 파일이 손상됐어, 리팩토링해줘" 등과 같이 말할 수 있어야 합니다. 따라서 전체가 그림을 그릴 수 있는 캔버스라면, 에이전트와 훨씬 더 표현력 있게 소통할 수 있을 것입니다. 물론, 타이핑하는 대신 말하는 것도 가능합니다. 아이패드에서도 상상해보세요. 저희는 아이패드 앱을 가지고 있습니다. 정말 재미있고 창의적이 될 수 있을 것입니다. 피그마(Figma)에서 하는 것과 같은 완전한 UI 목업을 손으로 스케치해서 만들게 할 수 있는 것과 같습니다. 마치 실제 엔지니어링 제품 팀을 운영하는 것처럼 느껴질 것입니다. 맞습니다. 그리고 우리는 더 간단한 에이전트 도구들을 추가할 것입니다. 지금은 에이전트가 모든 것을 주도적으로 작성합니다. 하지만 많은 사람들이 더 많은 주도권을 원합니다. 더 숙련된 사용자들을 위해서요. 그래서 우리는 **단일 단계 또는 단일 액션 에이전트**를 만들고 싶습니다. 예를 들어, "이 기능을 추가하고 싶은데, 어떻게 할 건지 보여줘. 드라이 런을 해줘서 모든 차이점과 설치할 패키지를 보여줄게. 그리고 네가 수락하거나 거절할 수 있게 해줘." 그렇게 하면 더 숙련된 사용자들이 자신이 작성하는 코드에 대해 더 많은 통제권을 가질 수 있을 것입니다. 암자드, 와주셔서 정말 감사합니다. 이렇게 심오한 방식으로 미래를 보여주셔서 감사합니다. 제가 이 모든 것을 직접 하고 싶다면 어떻게 해야 할까요? 우선, 아직 베타 소프트웨어라는 것을 말씀드리고 싶습니다. 용감하시고 테스트하고 피드백을 주시려면, 레플릿에 가서 코어 플랜에 가입해주세요. 이것은 비싸서 무료로 제공할 수 없습니다. 그리고 홈페이지에서 "오늘 무엇을 만들고 싶으신가요?"라는 모듈을 보실 수 있을 것입니다. 그것을 통해 에이전트와 작업할 수 있습니다. 마음에 아이디어를 가지고 몇 문장만 작성해주세요. 너무 복잡하게 만들거나 너무 기술적으로 만들지 마세요. 에이전트와 작업하는 방법을 아주 빨리 익힐 수 있을 것입니다. 매우 직관적일 것입니다. 그리고 당신이 만들고 있는 것을 저희에게 공유해주세요. 저희는 기꺼이 다시 공유하거나 리트윗할 것입니다. 에이전트로 사람들이 만들고 있는 모든 것을요. 대단하네요. 이제 AGI를 먹여 살릴 시간입니다. 다음 주에 뵙겠습니다.
- - -
- 감사합니다.
## 2024년, 개인용 소프트웨어 시대의 도래: Replit Agent를 통해 보는 AI 에이전트의 혁신
1984년 매킨토시가 개인용 컴퓨터를 대중에게 보급했던 것처럼, 2024년에는 **Replit Agent**와 같은 AI 에이전트가 **개인용 소프트웨어** 시대를 열고 있습니다. 한 관계자는 마치 미키 마우스가 판타지아에서 마법의 능력을 배우고 모든 빗자루가 걷고 말하며 춤을 추는 것처럼, 거대한 에이전트 군단을 지휘하여 원하는 모든 것을 언제든지 만들 수 있는 놀라운 능력을 갖게 될 것이라고 언급했습니다 (이는 비디오의 초반부와 그 뒤 이어진 설명에서 강조된 내용입니다). 심지어 15년 동안 아이디어를 가지고 있었지만 구현할 도구가 없었던 사람이 Replit Agent를 사용하여 단 15분 만에 앱을 만들고 감격스러워하는 반응을 기록하기도 했습니다. 현재 Replit Agent는 아직 얼리 액세스 단계의 베타 소프트웨어이며 버그가 많지만, 이미 많은 사람들을 열광시키고 있습니다.
### 아이디어를 현실로: Mood Tracking App 데모
Replit Agent의 강력한 기능은 라이브 데모를 통해 명확히 드러났습니다. 개발자는 아침 기분과 전날 활동(커피 섭취 여부, 음주 여부, 운동 여부)을 기록할 수 있는 개인용 앱을 만들어 달라고 에이전트에게 요청했습니다 (이는 비디오의 첫 번째 부분에서 데모를 시작하며 설명되었습니다).
에이전트는 다음과 같은 과정을 거쳐 앱을 생성했습니다:
* **계획 수립 및 기능 제안**: 에이전트는 사용자의 요청을 이해하고, 기분, 커피, 알코올 섭취, 운동 기록 기능을 포함하는 앱 계획을 제시했습니다. 또한 시각화 및 알림 기능과 같은 추가 기능도 제안했습니다 (비디오의 첫 번째 부분).
* **기술 스택 자동 선택**: 에이전트는 Flask, Vanilla JS, PostgreSQL와 같이 빠르게 시작할 수 있는 최적의 기술 스택을 직접 선택했습니다. 이는 신규 소프트웨어 엔지니어들이 가장 어려워하는 패키지 및 종속성 설정, 적절한 스택 선택 과정을 AI가 대신 해주는 것이라고 비디오의 중간 부분에서 설명되었습니다 (출처 2).
* **코드 작성 및 배포**: "진행 창(progress pane)"을 통해 AI가 패키지를 설치하고 데이터베이스 연결을 포함한 많은 코드를 작성하는 과정이 시각적으로 표시되었습니다. 놀랍게도, 에이전트는 프롬프트 한 줄만으로 완전한 웹 앱을 구축했으며, 백엔드에 PostgreSQL까지 포함되어 즉시 배포 가능했습니다 (출처 2).
* **자체 테스트 및 사용자 QA 요청**: 앱이 완성된 후, 에이전트는 자체적으로 테스트를 수행하고 스크린샷을 찍어 화면에 표시되는 것을 확인했습니다. 심지어 사용자에게 직접 QA(품질 보증)를 요청하여 실제 사용을 통해 검증해달라고 요청하는 모습도 보였습니다. 이는 AI가 컴퓨터 비전을 사용하여 스크린샷을 분석하고 멀티모달 모델을 활용한다는 점에서 가능했습니다 (비디오의 중반부, 출처 2).
* **데이터 생성 및 추세 분석**: 앱은 기분과 활동 기록뿐만 아니라, 활동 추세 그래프도 생성할 수 있었습니다. 심지어 에이전트에게 데이터 생성을 요청할 수도 있었습니다. 이렇게 아이디어만으로 세상에 배포될 수 있는 웹 앱이 탄생하는 과정은 참가자들에게 큰 놀라움을 주었습니다 (비디오의 중반부, 출처 3).
### "AGI 순간"과 에이전트의 인간적인 면모
Replit Agent는 많은 이들에게 **"AGI(범용 인공지능) 순간"**을 느끼게 했습니다. 카르파티(Karpathy) 같은 전문가도 Replit Agent에 대해 AGI를 느꼈다고 트윗했습니다. 한 참가자는 Replit Agent를 사용하여 Hacker News 클론을 만들 때 두 가지 순간에 AGI를 느꼈다고 설명했습니다 (출처 3):
* **직관적인 디자인 능력**: 예를 들어, 기분 기록을 위한 슬라이더 바를 이모지 형태로 만들자는 아이디어를 사용자가 직접 지시하지 않았음에도 에이전트가 스스로 제안하는 것을 보고 놀랐다고 합니다 (출처 3).
* **개발 파트너 같은 상호작용**: 에이전트가 마치 동료 개발자처럼 질문을 던지고, 막히면 사용자에게 도움을 요청하고, 사용자가 정보를 주면 "알겠습니다"라며 작업을 계속하는 모습에서 진정한 협업을 느꼈다고 합니다 (출처 3, 4).
이는 Replit Agent가 완벽하게 앱을 만들 수 있는 초지능이 아니라, 마치 인간 개발자처럼 코드를 작성하고, "이게 맞을 거야, 한번 시도해볼까"라고 생각하며 코드를 짜고, 버그를 발견하면 수정하는 과정을 거친다는 점에서 더욱 인상 깊었습니다. Replit의 디자인 철학은 에이전트를 **"동료 작업자(coworker)"**로 대하는 것입니다. 따라서 사용자는 언제든지 에이전트가 만든 코드를 직접 수정하거나, ChatGPT와 같은 다른 도구의 도움을 받아 에이전트에게 추가 정보를 제공할 수 있습니다 (출처 4).
흥미롭게도, Replit의 개발진은 사용자들이 에이전트의 작동 방식을 지켜보며 코딩을 배울 수 있기를 희망합니다. 이는 마치 우리가 Myspace 페이지나 Geocities 사이트를 만들면서 코딩을 조금씩 배웠던 것과 유사하게, 재미있는 프로젝트를 만들면서 자연스럽게 코드에 노출되고 점진적으로 학습할 수 있는 환경을 제공하려는 비전입니다 (비디오의 중간 부분, 출처 4).
### AI 시대, 코딩 능력의 중요성 증대
일부 젊은 개발자들은 AI가 모든 코드를 작성할 것이기 때문에 코딩을 배울 필요가 없다고 생각할 수 있지만, 이는 오해입니다. 사실, **코딩을 아는 것이 그 어느 때보다 더 강력한 지렛대 역할을 하게 될 것**이라고 전문가들은 강조합니다 (출처 5). 에이전트가 코드를 대신 작성해주더라도, 사용자는 여전히 코드를 읽고 에이전트가 막혔을 때 디버깅하는 능력이 필요합니다. AI 에이전트는 작업을 "상당히 멀리" 진행시켜 줄 수 있지만, 결국 막히는 순간에는 인간의 개입이 필요합니다 (비디오의 중간 부분, 출처 5).
코딩 학습의 가치는 마치 무어의 법칙처럼 6개월마다 두 배로 증가하고 있습니다. 2020년에는 코딩을 조금 아는 것이 크게 유용하지 않았고, 배포나 구성 문제로 인해 막히는 경우가 많았습니다. 2023년에는 ChatGPT의 도움으로 어느 정도 진척을 이룰 수 있었습니다. 그러나 2024년, Replit Agent와 같은 강력한 에이전트 도구와 Cursor와 같은 협업 도구의 등장으로 **조금만 코딩을 알아도 엄청난 레버리지를 얻게 됩니다**. 개발자들은 전례 없는 힘의 궤적 위에 놓여 있으며, 이제는 거대한 에이전트 군단을 지휘하여 원하는 모든 것을 구축할 수 있게 될 것입니다 (출처 5).
### Replit Agent의 기술적 심장: 멀티 에이전트 시스템과 혁신적인 검색 시스템
Replit Agent의 핵심에는 **멀티 에이전트 시스템**이 있습니다. 이는 지난 몇 년간 사용되어 온 "React(반응) 루프"와 같은 에이전트 체인 오브 스루(Chain of Thought) 프롬프팅을 기반으로 하지만, 여러 에이전트가 협력하는 구조를 가지고 있습니다 (출처 6).
* **도구 활용(Tool Calling)**: 에이전트는 수많은 도구를 사용하며, 이 도구들은 사용자에게도 노출됩니다. 예를 들어, 코드 편집 도구는 언어 서버(Python 언어 서버 등)로부터 오류 피드백을 받아 에이전트가 이에 반응하여 코드를 수정할 수 있게 합니다. 이는 마치 인간 개발자가 코딩 중 오류 메시지를 보고 수정하는 것과 유사합니다. 패키지 관리, 편집, 배포, 데이터베이스 관리 등 모든 것이 도구로 구현되어 있습니다 (출처 6).
* **반성 에이전트(Reflection Agent)**: 에이전트가 잘못된 길로 빠지거나 무한 루프에 갇히는 것을 방지하기 위해, "내가 제대로 하고 있는가?"를 끊임없이 생각하는 별도의 "반성 에이전트" 루프가 존재합니다. 이는 LangChain의 LangGraph와 같은 도구와 Lsmith와 같은 로깅 메커니즘을 사용하여 구현되었으며, 이러한 에이전트 시스템을 디버깅하는 것이 매우 어렵다고 언급되었습니다 (출처 6).
* **혁신적인 검색 시스템(Retrieval System)**: Replit Agent의 가장 중요한 기술적 차별점 중 하나는 바로 **고급 검색 시스템**입니다. 기존의 RAG(Retrieval Augmented Generation) 방식은 대규모 코드베이스에서는 한계에 부딪혔습니다. Replit은 RAG를 넘어 **"커스텀 오케스트레이션"**을 통해 코드 내에서 올바른 편집 지점을 찾고 검색하는 새로운 방식을 개발했습니다 (출처 3). 이는 단순히 코드베이스를 RAG에 던지는 것만으로는 작동하지 않으며, 에이전트가 더 나은 작업을 수행할 수 있도록 **다양한 코드 표현 방식**을 사용합니다 (출처 3).
* 이 시스템은 **신경-심볼릭(neuro-symbolic) 접근 방식**을 따릅니다. 즉, RAG 스타일의 임베딩 검색과 함께 코드 내의 함수 및 심볼을 직접 찾아볼 수 있는 능력을 결합합니다 (출처 6).
* 아무리 컨텍스트 창이 큰 모델(예: 수백만 토큰의 Gemini)이 나온다고 해도, 모델은 컨텍스트의 끝 부분에 편향되는 경향이 있기 때문에 여전히 전문화된 검색과 **정교한 메모리 관리**가 필요합니다. 에이전트는 매 단계마다 메모리 뱅크에 기록하고, 다음 단계에서는 올바른 메모리를 선택하여 컨텍스트에 넣어야 합니다. 예를 들어, 버그가 있었던 메모리가 이미 수정되었음에도 불구하고 계속해서 버그가 있다고 생각하는 것을 방지하기 위해, 해당 메모리를 수정된 메모리로 보강하거나 컨텍스트에서 완전히 제거해야 합니다 (출처 7).
* 이러한 접근 방식은 단순히 GPU를 추가하거나 매개변수를 늘리는 것만으로 AGI에 도달할 수 있다는 주장에 대한 강력한 반론으로 제시되었습니다. 시스템은 여전히 매우 취약하며, 지시를 따르는 데 어려움을 겪는 경우가 많습니다. '환각(hallucination)' 문제보다 '단순히 명령을 따르는 것'이 더 큰 문제라고 개발진은 지적했습니다 (출처 8).
### AGI의 길: 기능적 AGI와 진정한 AGI
AI의 미래와 AGI의 가능성에 대해 Replit 개발진은 다음과 같은 견해를 밝혔습니다:
* **기능적 AGI(Functional AGI)**: 모든 "경제적으로 유용한 작업"을 자동화하는 수준의 AGI는 "상당히 달성 가능한" 목표라고 보았습니다. 이는 프로그래밍뿐만 아니라 고객 지원, 판매, 회계 등 모든 기능에 대해 에이전트 그룹을 신중하게 미세 조정하여 오케스트레이션하는 작업을 의미합니다 (출처 8). 궁극적으로는 이러한 모든 시스템을 하나의 모델이 통합하게 될 수도 있다고 예측했습니다 (출처 8).
* **진정한 AGI(True AGI)**: 이는 "효율적인 학습"을 필요로 하며, 아무런 정보가 없는 환경에서 스스로 환경을 이해하고 해당 환경을 탐색하는 데 필요한 기술을 습득할 수 있는 능력을 의미합니다. 현재의 대규모 언어 모델(LLM)은 "직관 기계"에 가깝고 효율적인 학습자가 아니기 때문에, 진정한 AGI는 아직 멀었다고 판단하고 있습니다 (출처 8). 프로그래밍 작업에는 트릭과 백트래킹(backtracking)과 같은 명시적인 고전 컴퓨터 과학 개념과 심볼릭 표현이 필요하며, 이는 범용적인 능력이 아닌 매우 전문화된 능력이라고 설명되었습니다 (출처 9).
### Replit Agent가 가져온 놀라운 변화와 활용 사례
Replit Agent는 출시 4일 만에 이미 놀라운 결과들을 만들어냈습니다.
* **창의성 발현**: 15년 동안 마음속에만 담아두었던 아이디어를 구현할 도구가 없었던 사람이 Replit Agent를 통해 단 15분 만에 자신의 인생의 기억을 지도에 표시하고 파일과 오디오를 첨부할 수 있는 개인용 앱을 만들었습니다. 앱이 완성되었을 때 그의 놀라움과 감격스러운 반응은 개발진에게 큰 보람을 주었습니다 (비디오 초반부, 출처 9).
* **사업 도구 구축**: 한 사용자는 Stripe 쿠폰 도구를 단 5~10분 만에 만들었습니다. 이는 노코드 도구로는 매우 어려웠을 작업이며, 종종 여러 노코드 도구를 조합해야 했을 것이라고 언급되었습니다 (출처 9).
* **노코드 사용자를 위한 코딩 도구**: Replit Agent는 "노코드 사용자를 위한 코딩 도구"라고 불립니다. 노코드 도구는 종종 사용자가 원하는 복잡한 기능을 구현할 때 한계에 부딪혀 막히는 경우가 많습니다. 하지만 Replit Agent는 코드를 생성해주기 때문에, 노코드 사용자들이 처음에는 프롬프트만 입력하다가도 점차 생성된 코드를 보며 직접 편집하고 **점진적으로 프로그래머가 될 수 있는 다리 역할**을 할 수 있습니다 (출처 9, 10).
* **시간 및 비용 절감**: 어떤 사용자는 18개월이 걸릴 것으로 예상했던 스타트업 아이디어를 Replit Agent로 10분 만에 구현했으며, 다른 사용자는 1년이 걸린 앱을 1시간 만에 만들었다고 언급했습니다. 이는 수백만 달러의 인건비를 절약하는 효과를 가져올 것이라고 예측되었습니다 (출처 10).
### Replit의 조직 변화와 AI 에이전트 개발 과정
Replit은 지난해 대규모 투자를 유치한 후 회사를 확장하고 임원을 고용하며 관리 구조를 구축하는 등 '성장'을 시도했습니다. 하지만 이러한 변화는 오히려 "실질적인 업무가 아닌 흉내 내기(laring)"처럼 느껴져 회사 분위기를 매우 비참하게 만들었다고 회고했습니다. 결국 Replit은 조직을 축소하고 평평하게 만들면서 다시 생산성을 높였습니다. 현재는 3-4가지 핵심 사항에 집중하며 개발진이 모든 과정에 직접 관여하고 있습니다 (출처 12).
AI 에이전트 개발은 과거에도 여러 차례 시도되었지만 기술이 미성숙하여 실패했습니다. 그러다 한 직원이 만든 간단한 데모에서 가능성을 엿보고, 회사는 **"에이전트 태스크 포스(Agent Task Force)"**를 구성하여 이 프로젝트에 모든 역량을 집중하기로 결정했습니다 (출처 14).
* **다기능 팀 구성**: 태스크 포스에는 IDE 팀, 패키지 관리 등 개발자 경험(DevX) 팀, UX 및 디자인 팀, 그리고 AI 팀이 참여했습니다. AI 팀이 중심이 되어 다른 팀들이 도구를 개발하고, 제품 및 UX 팀이 사용자 경험을 설계하는 구조였습니다 (출처 14).
* **신속한 반복과 피드백**: 매주 두 번의 회의를 가졌습니다. 월요일에는 "워 룸(war room)" 회의를 통해 에이전트 실행을 시도하고 문제점을 파악하며 주간 우선순위를 정했습니다. 금요일에는 "에이전트 살롱(Agent Salon)"에서 진행 상황을 점검하고 우선순위를 재조정하는 등 급진적인 변화를 빠르게 적용했습니다. 여기서 "에이전트 실행을 시도한다(doing a run)"는 것은 실제로 제품을 사용하며 어디서 문제가 발생하는지 파악하고 해결책의 우선순위를 정하는 것을 의미합니다 (출처 14, 15).
* **AI를 중심에 둔 조직 구조**: 일부 팀은 스크린샷 에이전트(IDE 팀)나 기술 스택 설정 에이전트(패키지 관리 팀)와 같이 자체적인 에이전트를 구축하기도 했습니다. 이처럼 AI를 사용자의 중심에 두는 조직 구조는 매우 효과적이었다고 평가되었습니다 (출처 15).
### Replit Agent의 다음 단계와 미래 비전
Replit Agent의 미래는 더욱 기대됩니다. 다음 핵심 과제는 다음과 같습니다:
* **안정성(Reliability) 향상**: 현재 가장 중요한 목표는 에이전트가 멈추거나 오류를 일으키지 않고 안정적으로 작동하도록 만드는 것입니다 (출처 15).
* **모든 스택 지원**: 현재는 사용자가 특정 기술 스택을 요청해도 에이전트가 파이썬 등으로 고집하는 경우가 있지만, 앞으로는 사용자의 요구에 따라 어떤 기술 스택이든 지원할 수 있도록 확장할 예정입니다 (출처 15).
* **새로운 상호작용 방식**: 텍스트 기반 프롬프트를 넘어 더욱 직관적인 상호작용 방식이 도입될 것입니다.
* **UI 내 그림 그리기**: 사용자가 UI에 직접 그림을 그리면서(예: 이 버튼을 여기로 옮겨달라, 이 파일을 리팩토링해달라) AI 에이전트와 소통하는 방식이 구상 중입니다 (출처 16).
* **음성 및 그림 결합**: 키보드 입력 대신 말하고 그리면서 소통하는 방식은 특히 iPad 앱과 결합될 때 매우 창의적인 경험을 제공할 것입니다. 마치 피그마(Figma)에서 UI 목업을 손으로 스케치하듯 AI에게 지시할 수 있게 됩니다 (출처 16).
* **단일 단계/단일 액션 에이전트**: 고급 사용자들을 위해 에이전트가 모든 것을 주도하는 방식 대신, 특정 기능 추가 요청 시 에이전트가 먼저 "이렇게 할 것입니다", "이러한 차이점이 발생할 것입니다", "이러한 패키지를 설치할 것입니다"와 같이 작업 내용을 미리 보여주고 사용자가 이를 수락하거나 거부할 수 있도록 하여 더 많은 제어권을 부여할 예정입니다 (출처 16).
이러한 비전은 리클라이더(Licklider)의 "인간-기계 공생" 이론과 일치합니다. 컴퓨터는 인간의 확장으로서 우리와 함께할 때 가장 뛰어나며, 경쟁자가 아니라 협력자로서의 역할을 해야 한다는 철학이 담겨 있습니다 (출처 11).
### Replit Agent 시작하기
Replit Agent는 현재 "겨우 베타 소프트웨어" 단계입니다 (출처 16). 용감하게 테스트하고 피드백을 제공하고자 한다면, Replit 웹사이트에 접속하여 코어 플랜에 가입할 수 있습니다. 이는 에이전트 실행 비용이 높기 때문에 무료로 제공될 수 없다고 설명되었습니다. 홈페이지의 "오늘 무엇을 만들고 싶으신가요?" 모듈을 통해 에이전트와 작업을 시작할 수 있습니다. 아이디어를 마음에 두고 두세 문장으로 간결하게 요청하면 되며, 너무 복잡하거나 기술적이지 않은 것이 좋습니다. 에이전트와의 작업 방식은 매우 직관적이어서 빠르게 익숙해질 수 있을 것입니다 (출처 16).
Replit Agent는 아이디어를 현실로 바꾸는 과정을 혁신하며, 소프트웨어 개발의 미래를 재편하고 있습니다.