AI 코딩 에이전트에게 주는 규칙 파일 가운데 가장 널리 퍼진 것은 아마 65줄짜리 CLAUDE.md 하나일 것입니다. 안드레이 카파시(Andrej Karpathy)가 2026년 1월 X에 올린 LLM 코딩의 함정에 대한 관찰을, 다음 날 개발자 포레스트 챙(Forrest Chang)이 네 가지 원칙으로 정리해 공개한 파일입니다. 이 글은 그 4원칙을 요약하는 대신, 제가 직접 운영하는 프로젝트의 CLAUDE.md 7개를 펼쳐 놓고 각 원칙이 실제로 어떤 규칙이 되었는지, 그리고 어디가 비어 있는지를 대조한 기록입니다.
AI가 그림을 그리고, 음악을 만들고, 심지어 복잡한 코딩까지 대신해 주는 2026년 현재, 창작자들은 어떤 마음으로 모니터 앞에 앉아 있어야 할까요? 단순히 "세상이 변했다"는 감상에 젖어 있기에는 기술의 발전 속도가 너무나 빠릅니다. 우리는 이제 AI를 단순한 도구로 볼 것인지, 아니면 인류의 지능이 응집된 새로운 생태계로 받아들일 것인지 결정해야 하는 기로에 서 있습니다. 이번 메모에서는 김대식 교수의 통찰을 빌려, 창작의 본질이 어떻게 '압축'되고 있으며 우리가 지켜야 할 마지막 보루가 무엇인지 실용적인 관점에서 짚어보려 합니다.
AI의 본질은 단순히 '똑똑한 기계'가 아닙니다. 인류가 지난 5,000년 동안 문자로 남긴 모든 기록과 지식을 학습한 '집단 지성'의 결정체라고 보는 것이 정확합니다. 과거에는 거대한 서사를 담은 영상을 만들기 위해 수천억 원의 자본과 수백 명의 인력이 필요했습니다. 하지만 이제는 AI를 통해 그 과정이 극도로 압축되고 있습니다. 이는 창작의 문턱이 낮아지는 것을 넘어, 개인의 상상력이 자본의 논리를 압도할 수 있는 시대가 열렸음을 의미합니다.
2026년 4월, 안드레이 카파시(Andrej Karpathy)가 "LLM Wiki"라는 짧은 문서를 공개했습니다. 사람이 원본 자료를 모으면 LLM이 마크다운 위키를 쓰고 고치며 키워 간다는 아이디어입니다. 같은 달 18일에 이 문서를 Claude Code에게 건네고 개인 위키를 시작했습니다. 그 위키가 지금의 wiki.wonslab.dev입니다. 이 글은 패턴을 소개하는 글이 아니라, 반년 동안 실제로 굴려 보며 원안에 무엇을 더해야 했는지에 대한 기록입니다.
여러분은 하루 업무 중 몇 시간이나 '진짜 가치 있는' 고민에 투자하고 계신가요? 단순히 손이 바쁘고 메신저 알람이 울려대는 상태를 생산성이 높다고 착각하고 있지는 않은지 자문해 볼 시점입니다. 기술의 발전 속도가 상상을 초월하면서, 이제는 얼마나 열심히 일하느냐보다 어떤 구조 위에서 일하느냐가 생존을 결정짓는 핵심 변수가 되었습니다. 오늘은 에이전틱 AI(Agentic AI)가 가져온 파괴적 혁신과 그 안에서 1인당 매출 수십억 원을 기록하는 기업들의 공식을 메모해 보려 합니다.
최근 공개된 AI 네이티브 기업들의 1인당 매출 지표는 기존 산업계의 상식을 완전히 뒤엎고 있습니다. 벤처 데이터 분석 기업 딜룸(Dealroom)이 2025년에 집계한 자료를 보면, 코딩 보조 도구인 커서(Cursor)의 1인당 매출은 약 330만 달러(대략 45억 원)로 가장 높고, 이미지 생성 AI로 유명한 미드저니(Midjourney)가 약 200만 달러(대략 27억 원), OpenAI가 약 150만 달러(대략 20억 원) 수준으로 뒤를 잇습니다. 이는 일반적인 한국 대기업이나 IT 강소기업이 1인당 매출 2~3억 원을 기록해도 우수하다는 평가를 받는 것과 비교하면 수십 배의 격차입니다.
사람으로 꾸린 팀에서는 설계를 검토하는 사람과 코드를 짜는 사람이 다르기 때문에 리뷰가 의미를 가집니다. AI 에이전트 하나에게 "설계하고, 구현하고, 검토까지 해 줘"라고 맡기면 이 분리가 사라집니다. 자기가 짠 코드를 자기가 검토하면 통과시키기 쉽습니다. 이 글은 에이전트를 팀원처럼 쓰기 위해 판단하는 역할과 구현하는 역할을 나누고, 그 경계를 도구 권한으로 고정한 방법을 정리합니다. 블로그 운영 저장소와 운동 기록 앱 저장소에 실제로 적용한 규칙, 그리고 같은 구조를 실습으로 돌려 잰 결과를 함께 담았습니다.
클로드 코드(Claude Code)에게 일을 맡기다 보면 같은 장면을 반복해서 보게 됩니다. 규칙을 분명히 적어 줬는데 어느 날 그 규칙을 어기고, "다 됐습니다"라고 보고했는데 열어 보면 절반만 되어 있습니다. 처음에는 프롬프트를 더 길고 단호하게 고쳤습니다. 효과는 오래가지 않았습니다. 이 글은 그 다음 단계, 즉 부탁을 구조로 바꾸는 일을 블로그 자동화와 개인 위키를 운영하며 실제로 해 본 기록입니다.
운전대를 완전히 놓는 대가로 여러분은 얼마를 지불할 용의가 있으신가요? 현재 테슬라의 FSD(Full Self-Driving) 가격을 두고 누군가는 혁신이라 부르고, 누군가는 지나친 거품이라 비판합니다. 하지만 2026년 현재, 우리가 목격하고 있는 기술의 궤적은 전혀 다른 방향을 가리키고 있어요. 단순히 가격이 내려가는 수준을 넘어, 자율주행이라는 기능 자체가 '공기'처럼 무료가 될 것이라는 파격적인 전망이 나오고 있습니다. 오늘은 이 논의의 본질을 파헤치고, 인류가 마주할 실존적 질문들을 메모로 정리해 보았습니다.
2023년 봄부터 이어온 러닝 루틴을 마치고 돌아온 아침이었습니다. 벌써 3년 차에 접어드니 이제는 몸 상태에 따라 페이스를 조절하는 법을 조금은 알 것 같습니다. 그런데 자동차 시장에서 최근 반복되는 흐름 하나가 그야말로 '페이스 위반' 급입니다. 안녕하세요, 원스입니다. 😊
"AI가 코드를 다 짜면 개발자는 무엇을 하나요?" 이 질문에 일반론 대신 기록으로 답해 보려 합니다. 올해 혼자서 서비스 세 개를 Claude Code와 함께 만들고 운영했습니다. 그 사이 제 손이 가장 적게 간 곳은 코드였고, 가장 많이 간 곳은 문서와 검사와 판정이었습니다. 이 글은 그 이동을 세 저장소에 남은 파일과 날짜로 따라가 봅니다.
안녕하세요, IT 개발자이자 스마트한 모빌리티 라이프를 지향하는 원스입니다. 😊 평소 시스템 아키텍처를 설계하고 최적화하는 일을 업으로 삼다 보니, 자동차를 볼 때도 단순한 이동 수단이 아닌 '바퀴 달린 고성능 컴퓨터'로 접근하게 됩니다. 특히 테슬라는 소프트웨어 정의 차량(SDV)의 정점에 있는 브랜드라 늘 흥미로운 분석 대상이죠. 이번에 테슬라가 한국 시장에 전략적으로 내놓은 '모델 Y L'은 단순한 연식 변경 이상의 의미를 지니고 있습니다. 6,499만 원이라는 공격적인 가격표와 함께 공개된 이 차량이 과연 국내 전기차 시장의 기존 데이터들을 어떻게 갈아치울지, 공개된 팩트들을 기반으로 심층적으로 분석해 보겠습니다.
이번 모델 Y L에서 가장 먼저 눈에 띄는 변화는 외관의 한국 사양에 새로 추가된 실버 계열 색상(영상에서는 '코스믹 실버'로 소개) 도입과 성능 수치의 미세한 조정입니다. 영상 속 분석에 따르면, 이 컬러는 기존 중국 시장의 스타라이트 골드에서 채도를 낮추고 금색 기운을 빼서 한국 소비자들이 선호하는 고급스러운 은색으로 로컬라이징된 결과물이라고 합니다. 이는 테슬라가 한국 시장의 미적 기준을 데이터화하여 제품에 반영하고 있다는 신호로 읽힙니다. 성능 면에서도 흥미로운 지점이 발견되는데, 바로 가속 성능(0-100km/h) 수치입니다. 중국 사양에서는 4.5초로 표기되었던 것과 달리 국내 인증 자료에는 5초로 명시되었습니다.
이러한 0.5초의 차이는 하드웨어의 물리적 결함이라기보다는 국내 주행 환경에 맞춘 소프트웨어 리미트나 인증 기준에 따른 보수적인 수치 고지로 판단됩니다. 개발자적 시각에서 볼 때, 가속 패치의 최적화 값은 언제든 무선 업데이트(OTA)를 통해 조정될 수 있는 변수이기에 실질적인 퍼포먼스 저하로 보기는 어렵습니다. 여전히 5초대라는 기록은 패밀리 SUV 카테고리 내에서는 압도적인 데이터값이며, 경쟁 모델인 국산 전기 SUV들과 비교했을 때 소프트웨어 응답 속도와 맞물려 실제 체감 성능은 훨씬 더 민첩할 것으로 예상됩니다. 이는 물리적 스펙보다 제어 알고리즘의 우위가 주는 사용자 경험의 차이라고 볼 수 있습니다.