Lenny Rachitsky(@lennysan)의 스레드

@embirico (OpenAI Codex 제품 책임자)에게서 얻은 가장 큰 교훈은 다음과 같습니다. 1. OpenAI의 초기 Codex 제품은 "너무 미래지향적"이었습니다. 클라우드에서 비동기적으로 실행되었기 때문에 고급 사용자에게는 좋았지만 초보자에게는 어려웠습니다. 하지만 엔지니어들이 이미 작업하고 있는 환경, 즉 자신의 컴퓨터 내 코드 편집기에서 사용할 수 있도록 기능을 확장하면서 성장이 폭발적으로 증가했습니다. Codex 사용량은 지난 6개월 동안 20배 증가했습니다. 2. OpenAI는 Codex의 도움을 받아 단 몇 주 만에 엔지니어 두세 명으로 앱스토어 1위를 차지한 Sora 안드로이드 앱을 개발했습니다. Sora 앱은 개발 초기 단계부터 직원 테스트까지 18일 만에 완료되었고, 10일 후 정식 출시되었습니다. Codex는 기존 iOS 앱을 분석하고, 작업 계획을 수립하며, 두 플랫폼을 동시에 비교 분석하여 기능을 구현하는 데 도움을 주었습니다. 3. Codex를 최대한 활용하는 핵심은 가장 쉬운 문제가 아닌 가장 어려운 문제를 입력하는 것입니다. 이 도구들은 간단한 문제가 아닌 까다로운 버그와 복잡한 작업을 해결하도록 설계되었습니다. 평소에 몇 시간씩 걸릴 만한 문제부터 시작해 보세요. 4. 코딩은 인공지능이 모든 작업을 수행하는 보편적인 방식이 될 수 있습니다. 인터페이스를 클릭하거나 별도의 통합 기능을 구축하는 것보다 인공지능은 즉석에서 작은 프로그램을 작성할 때 최고의 성능을 발휘합니다. 이는 단순히 특수 프로그래밍 도구가 아니라 모든 인공지능 비서에 코딩 능력이 내장되어야 함을 시사합니다. 5. OpenAI의 디자이너들은 이제 직접 코드를 작성하고 배포합니다. 디자인 팀은 AI의 도움을 받아 구축된 완벽하게 작동하는 프로토타입을 유지 관리합니다. 아이디어가 떠오르면 직접 코드를 작성하고 테스트하며, 종종 직접 제품 출시까지 진행합니다. 엔지니어는 코드베이스가 특히 복잡할 때만 개입합니다. 6. 인공지능 모델의 발전이 내일부터 멈춘다고 해도, 그 잠재력을 최대한 활용하기 위한 제품 개발에는 여전히 수년이 걸릴 것입니다. 기술은 우리가 최적으로 활용할 수 있는 능력보다 앞서 있습니다. 7. AI 생산성을 저해하는 가장 큰 병목 현상은 AI 자체가 아니라 인간의 타이핑 속도입니다. 생산성을 제한하는 요소는 프롬프트에 입력하는 속도와 AI가 생성한 결과물을 검토하는 속도입니다. AI가 자체 출력물을 더욱 신뢰할 수 있게 검증하고 필요한 도움을 사전에 제공할 수 있게 되기 전까지는 이러한 도구들이 가져올 수 있는 생산성 향상을 온전히 누릴 수 없을 것입니다. 8. 코드를 작성하는 것보다 AI가 작성한 코드를 검토하는 것이 더 재미있어지고 있습니다. 엔지니어들은 코드를 만드는 창의적인 흐름을 좋아합니다. 하지만 이제는 AI가 생성한 코드를 읽는 데 더 많은 시간을 할애하고 있습니다. 다음 과제는 이러한 코드 검토 과정을 더 빠르고 만족스럽게 만드는 것입니다. 9. 새로운 AI 모델은 이제 단일 작업을 24시간에서 60시간 이상 연속으로 수행할 수 있습니다. "압축(compaction)"이라는 기술을 통해 AI는 메모리가 부족해지기 전에 학습한 내용을 요약한 다음 새 세션에서 작업을 계속할 수 있습니다. 이는 이전에는 불가능했던 하룻밤 또는 며칠 동안의 자율 작업을 가능하게 합니다. 10. 오늘날 회사를 설립한다면, 특정 고객에 대한 깊이 있는 이해가 제품 개발 능력보다 훨씬 중요합니다. 제품 개발은 점점 쉬워지고 있습니다. 이제 진정한 경쟁력은 무엇을, 그리고 누구를 위해 개발해야 하는지를 아는 데 있습니다.