AI 코딩 번아웃 — '에이전트가 아니라 주의력이 병목'이라는 WorkOS의 진단

핵심 메시지

• AI 에이전트는 클라우드에서 무한히 확장되지만, 사람의 주의력은 부하를 받으면 저하되는 진짜 병목이라는 것이 발표의 핵심이다.
• Slack·Linear 접근과 자가 검증을 부여한 Claude Code가 버그를 스스로 고치고 확인까지 끝낸 사례처럼, 에이전트에 충분한 맥락과 검증 기준을 주면 완결된 루프를 돌릴 수 있다.
• 신호 레이어, 음성 우선 입력, 원격 제어, 자기 개선 시스템이라는 네 가지 방식으로 개발자가 집중과 휴식의 균형을 잡을 수 있다.
• 아무 생각 없이 도구를 쓰면 기본 경로는 '터보 번아웃'이지만, 의도적으로 자신을 보존하면 잡일은 에이전트에 맡기고 품질과 리뷰에 집중할 수 있다.

쉽게 이해하기

WorkOS의 응용 AI 팀에서 일하는 잭 프로서는 AI 에이전트로 그 어느 때보다 많은 일을 해내면서도 오전 11시면 완전히 지치는 경험을 공유했다. 가장 힘든 부분은 맥락 전환(context switching) 비용으로, 도구가 강력해질수록 오히려 더 심해졌다고 말한다.

구체적 사례로, 그는 문장 표기를 잘못 처리하던 Slack 블로그 봇의 버그를 고칠 때 Claude Code에 Slack 읽기·쓰기 권한과 기존 Linear 접근을 함께 주고 '직접 고친 뒤 네 작업을 스스로 검증하고 끝낼 때까지 멈추지 말라'고 지시했다. 에이전트는 수정 내용을 Slack 채널에 넣어 봇을 실행시키고 결과까지 확인한 뒤 버그 해결을 선언했고, 그는 이미 완결된 루프로 돌아올 수 있었다.

이 경험은 놀라우면서도 두려웠다. 천장이 없다는 것을 깨달았기 때문이다. 도구는 '핵폭탄급'이 됐지만 우리의 신경계는 여전히 고대 그대로다. 에이전트는 검증 기준과 도구만 주면 무한히 확장되고 클라우드 API로도 제공되지만, 사람의 주의력은 부하를 받으면 저하되는 단단한 제약으로 남는다. 사이먼 윌리슨도 병렬 에이전트 네 개를 돌리면 오전 11시면 소진된다며 각자 자신의 한계를 찾아야 한다고 말했다고 소개한다.

그는 균형을 위한 네 가지 층을 제시한다. 첫째 '신호 레이어'는 Claude가 Slack을 루프로 읽어 멘션·DM·우선순위 요청을 파악하고 Linear와 대조해 중복을 걸러 줌으로써, 사람이 직접 Slack을 뒤지다 산만해지지 않게 해 준다. 둘째 '음성 우선' 흐름으로, 1년 반째 음성 코딩을 하며 분당 184단어 속도로 여러 작업을 병렬로 진행한다. 셋째 '원격 제어'는 Claude Code 세션을 데스크톱에서 띄워 두고 휴대폰으로 접속해, 산책 중에도 PR을 리뷰하고 지시를 보낼 수 있게 한다. 이는 책상을 떠나야 떠오르는 통찰을 일을 멈추지 않고도 활용하게 해 준다.

넷째는 시스템이 스스로 나아지게 만드는 것이다. Claude Code의 대화 기록이 로컬 JSONL 파일로 저장된다는 점을 활용해, 주기적으로 에이전트가 자신과의 대화를 되짚어 시간이 많이 든 지점과 빠진 스킬을 찾고 다음 주에 루프를 더 조이게 한다. 검증은 lint·빌드·단위 테스트 같은 기본 게이트부터, 브라우저로 직접 클릭해 확인하는 단계, 다른 에이전트가 헌법(constitution)에 맞는지 점검하는 단계까지 층층이 둔다. 그는 아무 생각 없이 쓰면 기본값은 더 빠른 번아웃이지만, 의도적으로 접근하면 잡일은 에이전트에 맡기고 품질과 리뷰에 집중하며 책상 앞 시간을 줄일 수 있다고 마무리한다.

주요 인사이트

• 에이전트의 처리량이 아니라 사람의 주의력이 새로운 병목이며, 생산성 향상이 곧바로 더 빠른 번아웃으로 이어질 수 있다.
• 에이전트에 충분한 맥락과 명확한 검증 기준, 스스로 검증할 도구를 주면 사람이 끼어들 필요 없는 '완결된 루프'를 만들 수 있다.
• 음성 입력과 원격 제어는 책상에 묶인 시간을 줄여, 집중 모드와 산책 같은 확산 모드의 통찰을 모두 작업에 연결한다.
• Claude Code의 로컬 대화 로그를 주기적으로 분석하면 반복된 마찰 지점에서 빠진 스킬을 찾아 작업 하네스 자체를 점점 똑똑하게 만들 수 있다.
• 경력 초반이라면 'AI에게 이미 할 줄 아는 일만 시키라'는 조언처럼, 직접 손으로 익힌 기반 위에서 도구를 써야 모델의 잘못된 제안을 걸러낼 수 있다.

자주 묻는 질문

관련 AI 소식