에이전틱 엔지니어링이란 무엇인가요?

인공 지능(AI)과 AI 에이전트가 빠르게 발전하면서 생성형 AI를 활용한 소프트웨어 개발은 이제 표준 소프트웨어 개발 워크플로의 기본적인 일부가 되었습니다. Stack Overflow의 2025년 개발자 설문조사에 따르면 응답자의 84%가 개발 과정에서 AI 지원 프로그래밍을 사용하고 있거나 사용할 계획이라고 답했습니다.¹

그러나 같은 조사에서 AI 툴의 정확성을 신뢰하는 개발자보다 신뢰하지 않는 개발자가 더 많았으며, 결과를 신뢰한다고 답한 비율은 33%인 반면 46%는 회의적인 입장을 보였습니다.

AI가 생성한 결과를 '매우 신뢰한다'고 답한 비율은 3%에 불과했습니다. 특히 경력이 많은 개발자는 AI를 더욱 경계하는 경향을 보였으며, '매우 신뢰한다'는 응답은 가장 낮은 2.6%였고 '전혀 신뢰하지 않는다'는 응답은 가장 높은 20%를 기록했습니다.¹ 이러한 경향은 특히 책임이 큰 역할일수록 사람의 감독이 여전히 필수적이라는 인식이 널리 퍼져 있음을 보여 줍니다.

실제로 개발자는 숙련된 검토자의 지도가 있을 경우 시간이 많이 걸리지만 비교적 위험도가 낮은 작업에 AI를 활용합니다. 여기에는 코드 리팩터링, 보일러플레이트 코드 및 테스트 생성, 간단한 코드 검토 수행, 문서 초안 작성, API 스캐폴딩 등 위험도가 낮은 작업이 포함됩니다.

정리하면, vibe coding은 대규모 언어 모델(LLM) 또는 에이전틱 시스템을 사용하여 몇 개의 자연어 프롬프트만으로 자동화와 프로토타이핑을 빠르게 수행할 수 있도록 합니다.

'vibe coding'의 'vibe'는 즉흥적이고 자유로운 느낌을 담고 있습니다. 이러한 표현은 AI 지원 프로그래밍의 초기 탐색 단계에는 적합했지만, AI 코딩 에이전트에 대한 개발자들의 현재 회의적인 인식과는 맞지 않습니다.

소프트웨어 엔지니어링에 LLM을 활용하는 데 필요한 전문성이 부족하면 vibe coding은 'AI slop'이라 불리는, 실용성이 없거나 기존 코드를 망가뜨리는 코드를 생성할 수 있습니다. 이러한 잘못된 코드는 엔지니어링 팀의 기술 부채를 늘리는 경우가 많으며, 팀은 코드를 이해하고 디버깅하며 리팩터링하는 데 많은 시간을 들이게 됩니다.

한편 Karpathy는 X에서 '에이전틱 엔지니어링(agentic engineering)'을 다음과 같이 설명했습니다.

• 'Agentic': 에이전트 오케스트레이션이 코드를 작성하고, 사람 개발자가 결과물을 감독하고 검증합니다. 에이전트 또는 멀티 에이전트 시스템이 하위 작업을 반복 수행하는 동안에도 human-in-the-loop를 유지합니다.
• 'Engineering': 코드 품질을 저해하지 않으면서 의미 있는 코드를 생성하려면 에이전틱 워크플로를 활용할 수 있는 일정 수준 이상의 전문성이 필요합니다. 이러한 역량은 학습과 경험을 통해 발전시킬 수 있습니다.

에이전틱 엔지니어링은 결정론적 로직에서 벗어나 확률적 판단이라는 보다 복잡한 영역으로 전환할 수 있도록 합니다. 따라서 조직의 사고방식과 엔지니어링 팀의 운영 방식에도 근본적인 변화가 필요합니다.

이러한 변화는 에이전틱 워크플로를 언제 어떻게 사용할지 명확하게 정의하는 거버넌스 프레임워크를 수립하고, 품질 관리에서 사람의 감독이 핵심 역할을 유지하도록 하는 것에서 시작됩니다. 엔지니어링 팀은 프롬프트 작성뿐만 아니라 시스템 설계에 대해서도 교육을 받아야 합니다. 자율 에이전트를 오케스트레이션하고, 결과를 검증하며, 반복적인 검토 루프를 기존 CI/CD 파이프라인에 통합하는 방법을 익히는 것이 중요합니다.

잘 설계된 에이전틱 시스템은 작업을 더 작은 모듈로 분할하여 에이전트가 기술 부채를 늘리지 않으면서 기존 코드베이스에 자연스럽게 통합되는 독립적인 구성 요소를 실시간으로 생성할 수 있도록 합니다. 또한 많은 조직이 RAG 기반 아키텍처를 도입하여 에이전트가 실제 문서, 사양 및 코드 리포지터리를 기반으로 응답을 생성하도록 함으로써 할루시네이션을 줄이고 정확성을 높이고 있습니다.

또한 조직은 코드 검토 요구 사항, 테스트 기준 및 가드레일 구성 등을 포함하여 에이전트를 안전하게 활용하기 위한 표준 패턴을 담은 내부 플레이북을 마련할 수 있습니다. 다양한 사용 사례에 성공적으로 배포된 에이전틱 AI 시스템의 사례를 엔지니어에게 제공하면 좋은 출발점이 될 수 있습니다.

마지막으로, 리더십은 책임감을 유지하면서도 실험을 장려하는 문화를 조성해야 합니다. 에이전틱 시스템은 소프트웨어 엔지니어링 전문성을 대체하는 것이 아니라 개발을 가속화하는 역할을 해야 합니다. 이를 통해 조직은 신뢰와 코드 품질을 저해하지 않으면서 생산성을 높이고 개발자의 역량을 강화하는 방식으로 에이전틱 엔지니어링을 도입할 수 있습니다.

AI 지원 소프트웨어 개발 분야가 계속 발전함에 따라 이를 설명하는 용어도 계속 변화할 것입니다. '에이전틱 엔지니어링'은 오늘날 개발자와 자율 시스템의 협업 방식을 보다 성숙하고 정확하게 설명하는 개념이지만, AI 에이전트의 역량이 향상됨에 따라 이를 뒷받침하는 실무 방식도 계속 발전할 것입니다. 앞으로 에이전틱 시스템은 점점 더 복잡한 작업을 수행하게 될 것으로 예상됩니다.

동시에 개발자의 역할도 단순히 코드를 작성하는 데서 벗어나 이러한 AI 시스템을 설계하고, 감독하며, 그 동작을 만들어 가는 방향으로 발전할 것입니다. AI 엔지니어, 풀스택 개발자, 데이터 과학자 또는 이제 막 코딩을 시작한 사람이든, 사람의 감독, 시스템 설계 역량, 그리고 높은 수준의 판단력을 바탕으로 한 의사 결정이라는 핵심 원칙은 앞으로도 변함없이 중요할 것입니다.

어디서부터 시작해야 할지 막막하다면 작은 것부터 시작해 보세요. 오픈 소스든 엔터프라이즈급이든 하나의 에이전틱 워크플로를 선택해 팀과 함께 테스트해 보며 어떤 가능성이 있는지 확인해 보세요.