에이전틱 엔지니어링이란 무엇인가요?

에이전틱 엔지니어링은 에이전틱 프로그래밍을 코드베이스 전체를 처음부터 끝까지 구축하는 주체가 아니라 개발을 지원하는 툴로 활용하는 데 중점을 둡니다. 이 용어는 2025년 OpenAI 공동 창립자 Andrej Karpathy가 만든 “바이브 코딩”이라는 용어에서 출발했습니다. 바이브 코딩은 코드를 직접 작성하지 않고 AI 툴에 프롬프트를 입력해 자유롭게 코드를 생성하는 방식을 말합니다.

하지만 2026년에 접어들면서 소프트웨어 업계에는 전문적인 개발 방식을 더 잘 반영하는 용어가 필요해졌습니다. 이에 Karpathy는 “에이전틱 엔지니어링(agentic engineering)”이라는 새로운 용어를 만들었습니다. 이 글에서는 에이전틱 엔지니어링이 무엇이며 바이브 코딩과 어떻게 다른지 살펴봅니다.

인공 지능(AI)과 AI 에이전트가 빠르게 발전하면서 생성형 AI를 활용한 소프트웨어 개발은 이제 표준 소프트웨어 개발 워크플로의 기본 요소가 되었습니다. Stack Overflow의 2025 Developer Survey에 따르면 응답자의 84%가 개발 과정에서 AI 지원 프로그래밍을 사용하거나 사용할 계획인 것으로 나타났습니다.

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 대규모 언어 모델(LLM)을 활용하는 전문성이 부족하면 바이브 코딩으로 이른바 “AI 슬롭(AI slop)”이 생겨날 수 있습니다. AI 슬롭은 쓸모가 없거나 기존 코드를 망가뜨리는 코드를 말합니다. 이처럼 손상된 코드는 엔지니어링팀의 기술 부채를 늘리는 경우가 많습니다. 팀은 코드를 이해하고 디버깅하며 리팩터링하는 데 많은 시간을 들이게 됩니다.

한편 Karpathy는 X에서 “에이전틱 엔지니어링”을 다음과 같이 다른 방식으로 설명합니다.

• '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 엔지니어링이 소프트웨어 엔지니어의 역할을 어떻게 바꾸는지 궁금하신가요? Agentic Engineering vs. Software Engineering: Beyond Vibe Coding 영상을 시청하고 에이전틱 엔지니어링이 기존 소프트웨어 개발과 어떻게 다른지, 개발자가 AI 에이전트와 어떻게 함께 일할 수 있는지 알아보세요.

에이전틱 엔지니어링은 인간의 엔지니어링 전문성과 특정 소프트웨어 개발 작업을 수행할 수 있는 AI 에이전트를 결합하는 방식으로 작동합니다. 개발자는 하나의 프롬프트로 AI 시스템에 애플리케이션 전체를 생성하도록 요청하는 대신 목표를 정의하고 복잡한 작업을 관리 가능한 단위로 나눕니다. 그리고 에이전트에 필요한 컨텍스트와 툴을 제공하고 결과물을 검토하고 검증합니다.

일반적인 에이전틱 엔지니어링 워크플로는 다음 단계로 구성됩니다.

1. 목표와 요구 사항을 정의합니다. 개발자는 소프트웨어나 기능이 달성해야 할 목표와 함께 기술 요구 사항, 제약 조건, 품질 기준을 정합니다.

2. 작업을 세분화합니다. 복잡한 개발 작업을 AI 에이전트가 실행할 수 있도록 명확하게 정의된 작은 작업으로 나눕니다. 코드 작성, 문서 업데이트, 테스트 생성, 버그 식별 등이 그 예입니다.

3. AI 에이전트에 작업을 할당합니다. 개발자는 특정 작업에 맞는 에이전트를 선택하거나 구성합니다. 그리고 에이전트가 효과적으로 작업하는 데 필요한 관련 코드, 문서, 개발 툴 및 기타 컨텍스트에 액세스할 수 있도록 합니다.

4. 에이전트를 오케스트레이션하고 안내합니다. 개발자는 지침을 제공하고 작업 간 종속성을 설정합니다. 또한 에이전트가 독립적으로 작업해야 할 시점과 아웃풋에 인간의 개입이 필요한 시점을 판단합니다.

5. 아웃풋을 검토하고 검증합니다. 인간 엔지니어는 에이전트가 생성한 코드와 기타 아웃풋의 정확성, 보안, 성능, 유지 관리성, 요구 사항 부합 여부를 평가합니다. 자동화된 테스트와 기타 평가 툴로 이 과정을 지원할 수 있습니다.

6. 반복하고 개선합니다. 에이전트는 테스트 결과, 개발자 피드백 또는 변경된 요구 사항을 바탕으로 작업을 수정할 수 있습니다. 개발자는 아웃풋이 요구 기준을 충족할 때까지 계속해서 프로세스를 이끕니다.

7. 승인된 변경 사항을 통합합니다. 작업 검토와 검증이 끝나면 개발자는 완성된 코드를 더 광범위한 소프트웨어 개발 워크플로와 프로덕션 코드베이스에 통합합니다.

핵심적인 차이는 실행의 상당 부분을 AI 에이전트가 맡는다는 점입니다. 작업 방향 설정, 높은 수준의 기술 결정, 최종 결과물의 품질 보장은 여전히 인간 엔지니어의 몫입니다. 덕분에 조직은 전문 소프트웨어 개발에 필요한 엔지니어링 판단력과 감독 체계를 유지하면서 코드 생성 이상의 영역에서 AI를 활용할 수 있습니다.

에이전틱 엔지니어링을 도입하려면 조직은 적절한 거버넌스를 수립하고 개발자가 AI 에이전트와 협업할 수 있는 역량을 갖추도록 해야 합니다. 에이전틱 워크플로를 뒷받침할 기술 인프라도 구축해야 합니다. 에이전트에 조직 관련 컨텍스트를 제공하고 개발 작업을 관리 가능한 단위로 나누며 인간의 감독 및 검증을 위한 명확한 프로세스를 수립하는 일이 여기에 포함됩니다.

조직은 다음과 같은 여러 단계를 통해 도입을 지원할 수 있습니다.

이러한 방안을 함께 실천하면 조직은 AI 코딩 툴을 실험하는 단계를 넘어 보다 체계적인 에이전틱 엔지니어링으로 나아갈 수 있습니다. 여기서 AI 에이전트는 인간의 적절한 감독 아래 점점 더 복잡한 개발 작업을 맡게 됩니다.

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

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.