홈
AI AI
속보
심층
이벤트
Pro
더보기
자금 조달 정보
특집
온체인 생태계
용어
팟캐스트
데이터
OPRR
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
XRP
$2.25
2.07%
DOGE
$0.325
2.23%
USDC
$0.999
3.05%
Partnered With:

전 세계가 이야기하는 Loop Engineering, 도대체 무엇을 바꾼 걸까?

이 글을 읽으려면 10 분
AI 프로그래밍의 다음 단계는 코드를 작성하는 것이 아니라, 루프를 설계하는 것입니다.
TL;DR
· 2026년 6월, 여러 AI 코딩 실무자들이 거의 동시에 Loop Engineering을 제안했으며, Stripe는 Minions를 활용해 매주 1300개 이상의 AI 생성 PR을 병합하고 있습니다.
· 이 방법은 더 이상 인간이 단계별로 프롬프트를 입력하는 데 의존하지 않고, 시스템이 자동으로 작업을 발견, 전달, 검증, 상태 저장 후 다음 라운드로 넘어가도록 합니다.
· 신뢰성은 여전히 독립 평가자, 엄격한 게이트 및 수동 검토에 달려 있으며, 검증 부채와 이해력 저하가 오히려 위험을 증폭시킬 수 있습니다.


최근 한 Anthropic 엔지니어가 「에이전트 시스템의 루프 엔지니어링」에 관한 11페이지 분량의 자료를 공개하며, Loop Engineering을 Prompt Engineering, Context Engineering, Harness Engineering 다음에 위치시키고 AI 코딩의 다음 단계로 가는 핵심 방법론으로 제시했습니다.


이 자료가 주목받은 이유는 2026년 6월 AI 코딩 논의의 전환점을 정확히 짚었기 때문입니다. Addy Osmani, Boris Cherny, Peter Steinberger는 거의 같은 주에 AI 코딩의 새로운 단계를 Loop Engineering이라고 명명했으며, Stripe의 Minions 파이프라인은 이미 유사한 방식으로 매주 1300개 이상의 AI 생성 Pull Request를 병합하고 있습니다.


이 숫자가 중요한 이유는 AI가 단순히 몇 줄의 코드를 더 작성했기 때문이 아니라, 소프트웨어 개발의 중심이 '인간이 모델에게 무엇을 작성할지 지시하는 것'에서 '인간이 스스로 대기, 작업 수령, 코드 작성, 결과 확인, 상태 저장 및 계속 실행하는 시스템을 설계하는 것'으로 이동하고 있기 때문입니다.


지난 1년간 AI 코딩 도구의 서사는 주로 모델 성능에 초점이 맞춰져 있었습니다: 코드 완성의 정확도 향상, 컨텍스트 윈도우 확장, 에이전트가 한 번에 더 복잡한 작업을 완료할 수 있는 능력 등이 그것입니다. 그러나 Loop Engineering은 다른 문제를 다룹니다: 코드 생성 자체가 점점 저렴해질 때, 엔지니어가 실제로 설계해야 하는 것은 지속 가능하게 작동하는 루프입니다. 기계는 계속해서 후보 솔루션을 생산할 수 있으며, 인간은 어떤 결과를 신뢰할지, 어떤 것을 반드시 차단할지, 어떤 장기 비용이 숨겨져 있는지 결정해야 합니다.



최근 Anthropic의 한 엔지니어가 '에이전트 시스템의 루프 엔지니어링'에 관한 11페이지 분량의 자료를 공개했습니다. 이 자료는 루프 엔지니어링을 프롬프트 엔지니어링, 컨텍스트 엔지니어링, 하네스 엔지니어링 다음에 배치하며, AI 프로그래밍이 다음 단계로 나아가는 핵심 방법으로 제시합니다. 이 글은 바로 이 자료를 시작점으로 삼아, Boris Cherny, Addy Osmani 등의 공개 논의와 Stripe Minions가 매주 1300개 이상의 AI 생성 PR을 병합한 사례를 결합하여 루프 엔지니어링이 정확히 무엇인지, 왜 갑자기 업계 전반에서 논의되는지, 그리고 그것이 실제로 바꾸는 것이 코드 작성이 아닌 소프트웨어 개발에서의 검증, 스케줄링, 판단임을 설명합니다.


AI 프로그래밍, '일회성 프롬프트'에서 '지속적 루프'로


루프 엔지니어링은 프롬프트 엔지니어링, 컨텍스트 엔지니어링, 하네스 엔지니어링 다음에 위치하며, AI 엔지니어링 스택의 네 번째 계층으로 간주됩니다.


프롬프트 엔지니어링은 '어떻게 질문할 것인가'를 해결하고, 컨텍스트 엔지니어링은 '모델에 무엇을 보여줄 것인가'를 해결하며, 하네스 엔지니어링은 '단일 모델 실행을 도구, 테스트, 워크플로우에 어떻게 연결할 것인가'를 해결합니다. 루프 엔지니어링은 한 걸음 더 나아가 시스템이 단일 작업만 수행하는 것이 아니라, 고정된 시간이나 트리거 조건에서 재시작하여 이전 결과를 다음 라운드의 입력으로 사용할 수 있도록 합니다.


완전한 루프는 일반적으로 다섯 가지 동작을 포함합니다.


첫 번째 단계는 작업 발견입니다. 예를 들어 CI 실패 스캔, 이슈 오픈, 코드 커밋 또는 대기 중인 작업을 확인합니다. 두 번째 단계는 작업 인계로, 작업을 모델이 처리할 수 있는 컨텍스트로 정리합니다. 세 번째 단계는 독립적 검증으로, 모델이 생성한 코드가 실제로 실행되는지, 테스트를 통과하는지, 부작용을 유발하는지 확인합니다. 네 번째 단계는 결과 영속화로, 상태, 판단, 미완료 항목을 파일이나 시스템에 기록합니다. 다섯 번째 단계는 스케줄링 루프로, 다음 라운드가 적절한 시간에 계속 실행되도록 합니다.


여기서 가장 중요한 것은 '생성'이 아니라 '검증'입니다. 루프가 단순히 모델이 코드를 작성하게 하고, 동일한 모델이 자신의 결과를 칭찬하게 하는 것이라면, '고개 끄덕임 루프'가 되기 쉽습니다. 즉, 매 라운드가 진전하는 것처럼 보이지만 실제로는 오류를 더 완벽하게 포장하는 것에 불과합니다.


Osmani의 아침 트리아지(triage) 루틴은 개인적인 예시입니다. 시스템은 매일 자동으로 전날의 CI 실패 테스트, 오픈 이슈, 최근 커밋을 읽어 상태 파일을 생성하고, 처리할 수 없는 항목은 수동 인박스로 보냅니다. 이 시스템의 가치는 엔지니어의 모든 결정을 대신하는 것이 아니라, 엔지니어가 깨어나기 전에 1차 선별을 완료하여 진정한 판단이 필요한 부분에 집중할 수 있도록 돕는 데 있습니다.


Stripe의 1300개 PR: 신뢰성은 모델이 아닌 제약에서 비롯된다


Stripe의 Minions 파이프라인은 이번 논의에서 가장 강력한 기업 사례입니다. 매주 1300개 이상의 AI 생성 Pull Request가 병합되며, 코드 자체는 사람이 한 줄씩 작성하지 않습니다.


하지만 이것이 Stripe가 프로덕션 시스템을 대규모 언어 모델(LLM)에 자유롭게 맡겼다는 의미는 아닙니다. 오히려 Minions의 핵심은 고도로 통제된 프로세스에 있습니다. 결정론적 오케스트레이터가 먼저 컨텍스트를 조립하고, Jira, 코드 검색, 내부 도구에서 작업 정보를 추출합니다. LLM은 코드를 생성하는 역할을 담당하며, 이후 하드코딩된 린터(linter), 커밋 게이트, 최종 수동 검토를 거쳐 병합 여부가 결정됩니다.


다시 말해, 신뢰성은 '모델이 갑자기 충분히 똑똑해져서'가 아니라, 일련의 제약에서 비롯됩니다. 모델은 후보 변경 사항을 제안하고, 시스템은 모델이 접근할 수 있는 범위와 통과해야 하는 검사를 제한하며, 인간은 최종적으로 메인 브랜치에 반영할지 여부를 판단합니다.



이것이 바로 Loop Engineering과 일반적인 AI 프로그래밍 스크립트의 차이점입니다. 일반적인 스크립트는 주로 '모델이 작업을 완료하도록 하는 것'에 초점을 맞춥니다. 반면 루프 시스템은 작업이 어디서 오는지, 실패 시 어떻게 처리할지, 상태를 어떻게 유지할지, 예산을 어떻게 통제할지, 누가 오류가 프로덕션 환경에 들어가는 것을 막을지 등을 고려해야 합니다.


이러한 제약이 없다면, 주간 1300개의 PR은 효율성 향상이 아니라 기술 부채 생성기가 될 수 있습니다.


생성기와 평가기는 분리되어야 한다


Loop Engineering의 핵심 설계 중 하나는 생성기와 평가기를 분리하는 것입니다.


생성기는 코드를 작성하고, 파일을 수정하며, 후보 결과를 제출하는 역할을 합니다. 평가기는 오류를 찾아내는 역할을 하며, 기본적으로 코드에 문제가 있다고 가정하는 것이 좋습니다. 둘은 동일한 '낙관적 에이전트'가 수행해서는 안 됩니다. 모델은 자기 평가 시, 특히 작업 설명이 모호하거나 테스트 커버리지가 부족하거나 컨텍스트가 불완전할 때 자신의 출력을 긍정적으로 평가하는 경향이 있기 때문입니다.


독립적인 평가기는 더 단순하고, 더 의심스럽고, 튜닝하기도 더 쉽습니다. 창의적으로 문제를 해결할 필요 없이, 페이지가 열리는지, 테스트가 통과하는지, 경계 조건이 깨지지 않는지, 코드가 정해진 규칙을 따르는지 확인하기만 하면 됩니다. 일부 사례에서는 평가기가 코드를 읽고 판단하는 대신 브라우저 자동화 도구를 통해 실제로 페이지를 클릭하여 확인하기도 합니다.


이것이 바로 '검증'이 5단계 순환 과정에서 가장 어려운 이유를 설명합니다. 코드 생성은 점점 저렴해지고 있지만, 코드가 실제로 올바르다는 것을 증명하는 것은 여전히 비용이 많이 듭니다. 특히 대규모 코드베이스에서는 오류가 즉시 드러나지 않을 수 있고, 테스트가 실제 비즈니스 경로를 완전히 커버하지 못할 수도 있습니다. 순환이 빨라질수록 검증되지 않은 가정도 더 빠르게 축적됩니다.


숨은 비용은 서로를 강화한다


Loop Engineering의 위험은 코드를 잘못 작성할 가능성에 있는 것이 아니라, 팀이 자신이 이미 이해를 잃었다는 사실을 깨닫기 어렵게 만든다는 점에 있습니다.


첫 번째 비용은 검증 부채입니다. 테스트로 커버되지 않은 오류는 순환 과정에서 계속 축적되다가, 특정 병합이나 배포 시점에 한꺼번에 폭발합니다. 두 번째는 이해력 저하입니다. 코드베이스는 계속 팽창하지만, 엔지니어가 핵심 설계 선택을 직접 경험하지 못해 정신적 지도가 구버전에 머물러 있습니다. 세 번째는 인지적 항복입니다. 인간이 기계의 출력을 기본적으로 수용하고, 형식적인 승인만 하기 시작합니다. 네 번째는 토큰 소모 폭발입니다. 재시도, 서브 에이전트, 긴 컨텍스트, 다중 검증이 청구서를 급격히 증가시킵니다.


이 네 가지 비용은 서로를 먹여 살립니다. 테스트 부족은 검증 부채를 낳고, 검증 부채가 증가하면 엔지니어는 더 깊이 이해하려 하지 않으며, 이해도가 떨어지면 수동 검토가 고무 도장이 되고, 고무 도장식 검토는 더 많은 자동 재시도와 더 높은 비용을 초래합니다.



따라서 동일한 순환 구성 요소라도, 엔지니어에 따라 완전히 반대되는 결과를 낳을 수 있습니다. 판단력이 뛰어나고 경계가 명확한 사람은 순환을 활용해 시스템에 대한 이해를 확장하고, 기계를 지칠 줄 모르는 실행 계층으로 사용할 수 있습니다. 반면, 판단력이 약하거나 자동화에 지나치게 의존하는 사람은 몇 달 후 자신의 시스템에 대한 '문지기'가 되어, 승인 또는 거절만 할 뿐 시스템이 왜 그렇게 작동하는지 설명하지 못할 수도 있습니다.


코드가 저렴해진 후, 비싸진 것은 판단이다


Loop Engineering은 장기적인 추세를 더 명확한 위치로 밀어냅니다. 코드, 계획, PR, 작업 분해는 거의 무료에 가까워지고 있지만, '무엇이 진정으로 올바른가'는 저렴해지지 않았습니다.


기업 입장에서 이는 AI 프로그래밍의 투자 초점이 더 강력한 모델 구매에서 더 안정적인 프로세스 설계로 이동해야 함을 의미합니다. 작업 경계, 컨텍스트 조립, 독립 평가, 상태 지속성, 예산 상한, 수동 검토 지점, 그리고 이상 징후 발생 시 순환을 중단하는 방법 등이 포함됩니다. 모델 성능은 여전히 중요하지만, 이는 시스템의 일부일 뿐입니다.


엔지니어의 역할도 변화하고 있습니다. 과거의 핵심 노동은 코드를 작성하는 것이었지만, 이제는 점점 더 많은 노동이 기계가 생성한 후보 답변을 검토하는 것으로 바뀌고 있습니다. 요구 사항에 부합하는지, 아키텍처를 손상시키지 않는지, 단지 그럴듯해 보이는 것인지, 미래의 유지 관리자에게 복잡성을 떠넘기지 않는지 등을 확인하는 것입니다.


이는 프로그래머가 대체되었다는 의미는 아니다. 오히려 Loop Engineering은 판단력 증폭 장치와 같다. 한 명의 엔지니어가 과거에는 소규모 팀이 해야 했던 변경량을 만들어낼 수 있게 해주는 동시에, 게으름, 맹목적 신뢰, 검증 부족 습관을 생산 사고로 증폭시킬 수도 있다.


진정한 분기점은 인간이 여전히 충분히 강력한 판단력과 거부권을 보유하고 있느냐에 달려 있다. AI는 계속해서 PR을 제출할 수 있지만, 병합할 수 있는지, 배포해야 하는지, 장기적으로 시스템을 망가뜨리지 않을지는 여전히 인간의 몫이다.



BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹:https://t.me/theblockbeats

Telegram 토론 그룹:https://t.me/BlockBeats_App

Twitter 공식 계정:https://twitter.com/BlockBeatsAsia

举报 오류 신고/제보
문고 선택
새 문고 추가
취소
완료
새 문고 추가
자신만 보기
공개
저장
오류 신고/제보
제출