OpenClaw 의 창시자 피터 슈타인버거(Peter Steinberger) 의 단일 댓글이 250 만 뷰를 넘겼습니다.
"코딩 AI 에 프롬프트를 입력하지 마세요. 대신 AI 에 프롬프트를 입력하는 '루프'를 설계하세요." 이것이 그가 의미한 바입니다.
또한 피터는 "걱정 마세요. 3 개월 후면 루프 엔지니어링이 올 것입니다"라고 답했습니다.
절반은 농담입니다. 하지만 방향성은 상당히 정확합니다.
저는 YourBright 라는 회사에서 일하며, AI 를 비즈니스 운영에 통합하고 있습니다. 제가 매일 보는 것은 바로 이것입니다: AI 가 스스로 시도하고 수정하는 시스템을 구축할 수 있는 사람들이 AI 에게 단순히 요청만 잘하는 사람들보다 훨씬 빠르게 성장하고 있다는 점입니다.
AI 활용의 진화 4 단계
너무 깊이 생각하기 전에 이미지를 하나 공유하고 싶습니다. 영어권에서는 AI 활용의 진화가 일반적으로 다음과 같이 정리됩니다.
- Prompt Engineering: 단일 명령을 잘 작성하는 것 (2023–2024 년의 스타)
- Context Engineering: AI 에 보여주는 정보를 구성하는 것
- Harness Engineering: AI 주변의 도구, 가드레일, 환경을 구축하는 것
- Loop Engineering: AI 가 발견, 실행, 검증, 수정을 반복적으로 순환하는 시스템을 설계하는 것 (현재)
대략적으로 말하면, '좋은 문장 쓰기'에서 '좋은 시스템 구축'으로 초점이 단계적으로 외부로 이동했습니다.
루프 엔지니어링은 이러한 변화의 최전선에 있습니다.
루프 엔지니어링의 구성 요소 — 6 가지
용어는 새롭지만 내용은 구체적입니다. Google 의 Addy Osmani 가 효과적인 루프의 구성 요소를 깔끔하게 정리했습니다. 이는 현장에서의 제 경험과 거의 완벽하게 일치합니다.
- Automations: 주기적으로 루프를 실행하는 트리거 (예: "매일 아침 CI 실패 확인")
- Worktrees: 여러 AI 가 충돌 없이 병렬로 작업할 수 있도록 작업 공간 분리
- Sub-agents: 생성자와 검토자의 역할 분리. AI 가 자신의 답변을 너무 관대하게 평가하지 않도록 함.
- Skills: 프로젝트별 지식을 SKILL.md 와 같은 외부 파일에 작성하여 재사용
- Memory: AI 는 대화를 잊음. 따라서 진행 상황을 Markdown 또는 Linear 에 외부적으로 유지해야 함.
- /goal: Claude Code 또는 Codex 에서 "완료 조건"을 선언하면 AI 가 조건이 충족될 때까지 계속 턴을 수행
간단히 말해, 인간이 수동으로 제공하던 '다음에 무엇을 할지' 지침을 시스템 자체로 옮기는 것을 의미합니다.
인간이 AI 에 프롬프트를 입력하지 않습니다. '시스템이 AI 에 프롬프트를 입력합니다.' 이러한 주종 관계의 역전이 루프 엔지니어링의 진정한 본질이라고 생각합니다.
지금은 루프를 실행하여 AI 에 작업을 위임하고 있습니다.
제 사례 하나를 소개합니다.
YourBright 가 운영하는 미디어 사이트 '외국인 인재를 위한 미카타'에서 기사 목록 페이지가 무거웠습니다. 그래서 Claude Code 의 /loop 에 반복 측정 및 개선을 위한 루프를 전달하고 대부분 무인으로 실행했습니다.
5 시간 동안 9 개의 개선 사항이 자동으로 구현되었습니다. 기사 목록의 전송량이 2,723KB 에서 101KB 로 90% 이상 감소했습니다. LCP 도 6.4 초에서 1.8 초로 개선되었습니다. 한 라운드에서 단일 이미지가 957KB PNG 에서 11KB AVIF 로 바뀌었습니다.
AI 가 모든 것을 처리했습니다. 제가 한 일은 분기점에서 결정을 내리는 것뿐이었습니다: 프로덕션 URL 수정, 이미지 변환 계층 추가 결정, 방향 선택 등이었습니다.
흥미로운 점은 9 개 개선 사항 중 하나가 실패였다는 것입니다. AI 가 구현한 수정이 실제로 다른 지표를 악화시켰습니다. AI 스스로 이를 '악화'로 판단하고 변경을 되돌린 후 실패에 대한 메모를 남겼습니다.
PR 수는 무려 20 개였습니다. 루프 횟수는 23 회였습니다. 평가 기준이 올바르다면 AI 는 인간의 개입 없이 계속 실행됩니다.
이것이 루프 엔지니어링의 실체라고 생각합니다. AI 가 실행합니다. 실패도 포함하여 실행합니다. 인간은 중단할 위치와 신뢰할 기준을 결정합니다.
왜 지금이며, 왜 3 개월인가?
'3 개월'은 물론 도발적입니다. 모든 사람이 3 개월 안에 대체되지는 않을 것입니다.
그러나 수치는 이러한 방향을 뒷받침합니다. Anthropic 은 2026 년 5 월 기준으로 Claude 가 프로덕션에 병합된 코드의 80% 이상을 작성하고 있다고 발표했습니다. Claude Code 가 2025 년 2 월에 출시되었을 때는 몇 퍼센트에 불과했으므로, 불과 1 년 만에 이 지점에 도달한 것입니다. 엔지니어당 병합되는 코드 양도 2024 년보다 8 배 더 많다고 합니다.
여기서 일어나는 일은 '인간이 작성하는 양이 줄었다'는 이야기가 아닙니다. 인간의 작업이 '작성'에서 '루프 설계 및 최종 판단'으로 전환되고 있다는 이야기입니다.
같은 작업을 보더라도 사고방식이 바뀝니다. 한 번에 요청하는 사람은 '올바르게 얻기 위해 어떻게 요청할까'를 생각합니다. 루프를 구축하는 사람은 '완료를 확인하기 위해 무엇을 찾을지, 놓쳤을 때 어디로 돌아갈지, 위험한 작업을 중단할 위치는 어디인지'를 생각합니다.
이 차이는 불과 3 개월 만에 가시화될 것입니다. 제 생각입니다.
편리함의 이면 — 이해할 수 없는 코드와 사고 포기
좋은 소식만 있는 것은 아닙니다. 루프에는 문제가 있습니다.
하나는 비용입니다. 루프가 너무 많이 실행되면 토큰 비용이 급증합니다. 따라서 중단 조건과 한도를 처음에 결정해야 합니다.
또 다른 하나는 코드 이해에 관한 것으로, 최근 논쟁의 주제입니다. AI 가 작성하고, AI 가 수정하고, 테스트를 통과했습니다. 작동합니다. 하지만 아무도 내용을 이해하지 못합니다. 인간이 모든 코드를 확인하는 것은 꿈 같은 이야기가 될 것입니다.
또한 실행형 AI 는 이메일을 보내고, 셸 명령을 실행하고, 브라우저를 사용할 수 있습니다. 편리한 만큼 그 범위가 넓을수록 사고 발생 가능성도 커집니다.
루프 엔지니어링은 AI 를 신뢰하기 위한 기술이 아닙니다. AI 가 실수한다는 전제 하에, 실패하더라도 돌아올 수 있는 경로를 만드는 기술입니다.
결론
프롬프트를 입력하는 엔지니어가 내일 갑자기 불필요해지지는 않을 것입니다.
하지만 가치의 중심은 분명히 이동하고 있습니다. 미래에 강한 사람은 AI 에게 잘 요청하는 사람이 아니라, AI 가 시도하고, 실패하고, 수정하고, 인간이 최종 판단을 내릴 수 있는 루프를 만드는 사람입니다.
단 한 줄의 프롬프트를 입력하는 데 만족하는 한, 당신은 조금씩 뒤처질 것입니다. 오늘부터 AI 가 계속 움직이는 환경을 구축합시다.
AI 활용 커뮤니티를 만들고 있습니다!
비즈니스에서 AI 를 활용하는 방법을 연구하기 위해 "AI Business Labs"라는 Discord 커뮤니티를 열었습니다. 누구나 AI 에 대해 질문하거나 상담할 수 있습니다. 커뮤니티 회원들과 협력하면서 학습을 깊이 있게 하고 싶습니다. 함께해 주세요.
