알파고10년 기획 시리즈는 그 사이 10년의 곡선을 다섯 편에 걸쳐 정리한 글이다. 1편의 풀 베팅 시작에서 5편의 다음 10년 숙제까지, 한국 개발자가 통과한 10년의 양 끝과 그 사이의 변곡점을 시간순으로 추적했다.

시리즈 한눈에 보기

곡선의 양 끝과 그 사이

곡선의 한쪽 끝은 정부가 첨단학과 정원을 1,829명까지 늘리고 부트캠프에 4,000명이 몰리던 시기다. 다른 쪽 끝은 한국 사용자가 받게 될 청구서가 매월 카드 명세서로 도착하는 시기다. 두 끝 사이에 팬데믹 시기 네카라쿠배의 폭주, 메타버스의 마지막 정점, ChatGPT 출시, vibe coding 14개월의 후폭풍이 들어 있다. 시리즈는 이 사이를 시간순으로 따라가면서, 각 변곡점에서 한국 SW 시장과 한국 개발자가 받아 든 신호가 무엇이었는지를 정리한다.

1편 — 알파고가 쏘아 올린 4년 (2016~2019)

2016년 3월 알파고와 이세돌의 다섯 경기에서 시작해 2019년 첨단학과 정책이 본격화되기까지의 4년을 다룬다. 한국 정부는 4차산업혁명위원회를 출범시켰고, 첨단학과 정원이 1,829명까지 확대됐으며, 부트캠프에는 4,000명이 몰렸다. 세계경제포럼(WEF) 2016 보고서는 단순 노동이 먼저 대체될 것이라고 예측했지만, 그 예측은 10년 뒤 정반대 방향으로 뒤집힌다. 한국이 풀 베팅했던 자리의 시작점을 정리한 편이다.

2편 — 팬데믹이 만든 변곡점 (2020~2025)

2020년 팬데믹의 시작에서 2025년 메타버스의 마지막 정점까지를 다룬다. 쿠팡 매출 13조 원과 90% 성장, 네카라쿠배 채용 인플레이션의 절정, 페이스북의 메타 사명 변경과 메타버스 4대 테마의 정점이 2020~2021년에 압축됐다. 글로벌 회계법인 PwC는 2025년 메타버스 시장 4,764억 달러를 전망했지만, 메타 리얼리티랩스는 누적 100조 원이 넘는 손실로 마감했다. 한국에서도 KT 메타라운지, SK텔레콤 이프랜드, 카카오 컬러버스가 2024~2025년에 걸쳐 차례로 종료·파산했다. 한 거대 기업이 패러다임 약속을 던졌다가 회수하는 패턴의 첫 번째 사례를 정리했다.

3편 — vibe coding 14개월의 후폭풍 (2025~2026)

2025년 2월 vibe coding이 이름을 얻은 트윗에서 시작해 2026년 한국에서 신입 개발자의 책상이 사라지기까지의 14개월을 다룬다. 한국 신입 개발자 9,000명 감소, 한 중견 SW 기업의 창립 25년 만 첫 신입 0명, 크래프톤의 신규 채용 중단과 매년 300억 원 규모의 AI 툴 예산. 코딩만 잘하면 취직 걱정 없다는 약속이 4~5년 만에 정반대 풍경으로 바뀐 시기다. 사다리의 첫 칸이 흔들리기 시작한 자리를 정리한 편이다.

4편 — 익숙해진 다음에 가격이 올라간다 (2026년 봄)

2026년 4월부터 5월까지, 앤트로픽의 다섯 가지 회수 신호와 한국 사용자가 받게 될 청구서를 시간순으로 추적했다. 외부 AI 에이전트 도구 오픈클로(OpenClaw) 차단, 토크나이저 변경, Pro 요금제 클로드 코드 제거 시도, Agent SDK 분리, 스페이스X 콜로서스 데이터센터 매달 1조 8,700억 원 임대 계약. 한국 사용자의 명목 100달러는 환율과 부가세를 거쳐 카드에 17만 원으로 찍힌다. 의존이 형성된 다음 가격이 올라가는 패턴의 한 단면을 정리했다.

5편 — 변화에 뒤쳐지지도, 종속되지도 않는 법 (다음 10년)

시리즈의 마무리 편으로, 한국 개발자가 다음 10년을 통과하는 두 줄짜리 자세를 정리한다. 온라인 채용 플랫폼 원티드랩 153개 기업 조사에서 2026년 신입 채용 비중은 12.4%였다. 사다리의 첫 칸이 사라지면 5~10년 뒤 허리도 비어버린다. 닷컴 버블 붕괴와의 결정적 차이, 시니어가 마주한 두 갈래, 신입이 사다리 첫 칸을 어디서 찾을지를 짚었다. 변화에 뒤쳐지지 않는 것과 종속되지 않는 것은 같은 명제의 두 표현이라는 결론으로 시리즈를 마쳤다.

시리즈가 던지는 질문

이 시리즈가 남기는 두 줄짜리 질문은 단순하다. 한국 개발자는 흐름의 속도를 어떻게 따라잡으면서도 한 도구에만 종속되지 않을 수 있는가. 그 균형을 찾는 자리가 다음 10년의 출발점이라는 게 5편이 멈춘 자리다.

읽는 순서

시간순으로 1편부터 5편까지 차례로 읽으면 곡선의 전체 모양이 가장 또렷이 보인다. 다만 현재 흐름이 가장 궁금하다면 4편의 청구서 시계열부터, 다음 10년의 자세가 궁금하다면 5편 마지막 단락부터 진입해도 무방하다. 시리즈는 시간순으로 결속돼 있지만, 각 편이 독립적인 분석 기사로도 읽힐 수 있게 구성됐다.

본 콘텐츠는 검색 및 뉴스, 보고서 등 공개된 다양한 정보를 바탕으로 작성한 전문가적 견해이며, 실제 비즈니스 의사결정이나 실행 시에는 반드시 해당 분야 전문가의 자문을 구하시기 바랍니다.

게시물 [알파고10년 기획] 시리즈 안내 — 알파고가 쏘아올린 10년, 한국 개발자의 미래는?이 Value Chain of Life에 처음 등장했습니다.

같은 주, 같은 도시, 정반대 카드

5월 5일과 6일(현지시간) 샌프란시스코에서 OpenAI가 ‘GPT-5.5 파티’, Anthropic이 ‘Code with Claude’ 컨퍼런스를 24시간 차이로 열었다. 행사 톤도 달랐지만 더 중요한 건 양사가 던진 카드가 정확히 반대 방향이었다는 점이다.

OpenAI 카드는 단순했다. 파티 신청자 8000명 전원에게 코덱스(Codex) 사용량을 한 달간 10배로 풀었다. 행사에 못 온 신청자도 모두 포함이다. 한 달간 8000명에게 풀 성능 환경을 풀어준다는 건 OpenAI에 추론 인프라 여유가 있다는 신호이자, GPT-5.5 기반 코딩 환경을 사용자 일상에 정착시키려는 의도다.

Anthropic 카드는 새 모델이 아니었다. 자가 개선 기능 ‘드리밍(Dreaming)’, 자동 채점 시스템 ‘아웃컴(Outcomes)’, 멀티 에이전트 오케스트레이션을 발표했다. 메시지는 “쓸수록 똑똑해진다”. 법률 AI 회사 Harvey는 드리밍 적용 후 작업 완료율이 6배 늘었다고 했다. 새 사용자를 끌어오는 카드가 아니라 기존 사용자를 더 깊이 들이는 카드다.

왜 정반대인가 — 점유율 역전이 만든 입장 차이

Counterpoint Research 자료에 따르면 2026년 1분기 글로벌 LLM 매출 점유율에서 Anthropic이 31.4%로 OpenAI(29%)를 처음 앞섰다. 사용자 규모는 정반대다. Anthropic 월 1억 3400만 명, OpenAI 약 9억 명. 그런데 Anthropic의 사용자당 월평균 매출이 $16.20, OpenAI는 $2.20이다. 7배 이상 차이다.

한 명에게 더 많이 받아 점유율을 잡은 구조다. 이게 5월 첫째 주 두 카드를 설명한다. OpenAI는 빠진 점유율을 회복하려면 기존 사용자에게 더 많이 쓰게 하는 게 가장 빠르다. Anthropic은 매출이 80배 늘면서 컴퓨팅이 못 따라가는 상태다.

“원래 10배 성장을 예상하고 계획했지만, 1분기 매출과 사용량은 연 환산 기준으로 80배 증가했다. 정말 미친 수준이다.”

— Dario Amodei, Anthropic CEO. 2026.5.6 ‘Code with Claude’ 컨퍼런스. CNBC 보도.

데이터센터는 부지·전력·장비·냉각이 묶여 수개월에서 수년이 걸린다. 신규 사용자를 더 늘리는 것보다 기존 사용자가 빠져나가지 않게 잡는 쪽이 이 단계 Anthropic의 합리적 선택이다.

풀린 한도와 풀리지 않은 한도

Code with Claude 같은 날 5월 6일, Anthropic은 SpaceX 콜로서스(Colossus) 1 데이터센터 전체 임대를 발표했다. 22만 개 이상 NVIDIA GPU, 300MW 이상 신규 컴퓨팅 용량을 한 달 안에 확보한다. 연간 약 50억 달러 규모다.

같은 날 사용자 한도 일부가 풀렸다. Claude Code의 5시간 사용 한도가 Pro·Max·Team·Enterprise 모든 등급에서 두 배로, Pro·Max의 피크 시간대 제한은 폐지, Opus API 분당 호출 한도도 대폭 상향됐다.

그런데 지난 글에서 다룬 주간 한도는 그대로 남았다. Opus 4.6으로 다운그레이드를 막은 구조도 그대로다. 5/6 발표는 한도가 가격 정책이 아니라 물리적 컴퓨팅 부족 때문이라는 걸 사실상 인정한 셈인데, 그래도 모든 한도를 풀지는 않았다.

Anthropic이 쥐고 있는 카드는 두 종류다. 컴퓨팅이 들어오면 풀어줄 수 있는 한도(5시간)와, IPO 숫자를 위해 당분간 풀지 않을 한도(주간·다운그레이드 봉쇄).

한국 개발자 입장에서 본 5월 첫째 주

Claude Code Max를 쓰는 한국 개발자라면 이번 주 변화의 의미는 비교적 명확하다. 5시간 한도가 두 배로 늘어 단발성 작업은 숨통이 트였지만, 주간 한도와 4.6 다운그레이드 봉쇄는 그대로다. 토큰 팽창과 xhigh 기본값으로 같은 작업이 더 빠르게 한도를 깎는 구조도 변하지 않았다.

OpenAI가 코덱스를 한 달간 10배 풀어준 건 ChatGPT Plus($20) 구독자에게 GPT-5.5 기반 코딩 환경을 정착시키려는 신호다. 본격적인 라우팅 — Anthropic은 정밀 편집·멀티 파일 아키텍처에, OpenAI는 광범위 리팩토링·자율 실행에 — 을 시도해볼 시점이다. 차주부터 Codex 본격 테스트에 들어간다.

다음 한 달 안에 또 어떻게 바뀔지

4월 26일 정리한 분류표가 2주 만에 새 칸을 추가해야 했다. 사용량 풍족함 대 사용량 심화, 5시간 한도는 풀고 주간은 안 풀고, 31.4% 대 29%. 변수가 일주일 단위로 갱신된다.

사용자 숙제는 어느 모델이 더 좋은가가 아니다. 어느 회사가 어떤 단계에 있고, 그 단계가 가격·한도·기능에 어떻게 반영되는지 — 그 흐름을 매주 따라가는 것이다. 다음 글에서 Codex 테스트 결과를 정리할 생각이다. 그땐 또 어떤 그림 위에 쓰게 될지 모르겠다.

참고자료

• AI타임스, 「오픈AI ‘GPT-5.5 파티’ 신청자 8000명에 ‘코덱스’ 사용량 10배 제공…앤트로픽도 맞불」, 2026.5.6
• AI타임스, 「”자고 깨면 더 똑똑해져”…앤트로픽, AI 자기 개선 기능 ‘드리밍’ 공개」, 2026.5.7
• AI타임스, 「아모데이 “앤트로픽 1분기 매출 80배 성장…컴퓨팅 부족으로 어려움”」, 2026.5.7
• The Register, “Anthropic tops OpenAI in LLM revenue stakes” (Counterpoint Research Q1 2026 데이터 인용), 2026.4.30
• Anthropic 공식 블로그, “Anthropic and SpaceX agree to compute partnership” (Colossus 1 임대 발표), 2026.5.6

면책 사항

본 글은 정보 제공 목적이며, 개별 의사결정은 해당 분야 전문가의 의견을 참고하시길 권합니다.

게시물 2주 만에 낡은 정보가 될만큼 빠른 변화들 — GPT-5.5 파티와 Code with Claude가 다시 그린 코딩 AI 지형도이 Value Chain of Life에 처음 등장했습니다.

2026년 4월의 마지막 두 주는 코딩 AI 역사상 가장 경쟁이 뜨거웠던 한 주로 기록될 것 같다. 4월 16일 Anthropic이 Claude Opus 4.7을 출시하고, 정확히 7일 뒤인 23일에 OpenAI가 GPT-5.5(코드명 ‘Spud’)로 답했다. 두 모델 모두 회사의 플래그십 코딩 모델이고, 둘 다 1M 토큰 컨텍스트를 지원한다.

그런데 이 일주일 사이 더 흥미로운 일이 일어났다. 벤치마크 비교가 아니라 개발자 커뮤니티의 분열이었다.

Opus 4.7 출시 24시간 안에 일어난 일

4월 16일 Opus 4.7이 풀린 직후 Reddit과 Hacker News에 비판이 쏟아졌다. “이전 버전보다 명백히 나쁘다”, “복잡한 작업에서 사고 기능이 작동하지 않는다”, “심각한 회귀(regression)다.” 어떤 개발자는 출시 몇 분 만에 Opus 4.6으로 되돌렸다. 한 일본 사용자는 짧게 한 줄을 올렸다. “평판이 너무 나빠서 즉시 4.6으로 돌렸다.”

가장 무거운 보고는 AMD의 한 시니어 엔지니어에게서 나왔다. 그는 6,852개의 Claude Code 세션을 분석한 후 상세한 버그 리포트를 제출하면서 “복잡한 엔지니어링 작업을 신뢰할 수 없다”고 결론 내렸다.

그러자 Anthropic의 Claude Code 리드 엔지니어 Boris Cherny가 직접 답했다. 936개의 좋아요를 받은 그의 게시물은 짧고 분명했다. “Opus 4.7은 의미 있는 한 단계 발전이다. 최대한 활용하려면 워크플로우를 조정하는 시간을 가져야 한다.”

사실 그것은 회귀가 아니었다

커뮤니티가 시간을 두고 분석한 결과, Opus 4.7은 약해진 것이 아니라 사용 방식의 전제 자체가 바뀐 모델이었다. 변화의 핵심은 다섯 가지다.

첫째, 새 토크나이저가 같은 입력에 대해 1.0~1.35배 더 많은 토큰을 사용한다. 일부 측정에서는 1.16~1.51배까지 나왔다. 즉 같은 작업의 비용이 최대 35% 이상 늘 수 있다.

둘째, Adaptive thinking이 기본값으로 꺼져있다. 4.6에서 자동으로 켜져있던 사고 모드를 4.7에서는 명시적으로 요청해야 한다. 모델 ID만 바꾸고 다른 설정을 그대로 둔 사용자는 자기도 모르는 사이 더 강력한 모델의 추론 기능을 끈 채 사용하고 있었다.

셋째, 사고 과정 표시가 ‘omitted’ 기본값으로 바뀌었다. 4.6에서는 사용자에게 사고 토큰이 스트리밍으로 보여 진행 상황이 가시화됐는데, 4.7에서는 빈 화면 후 결과만 떨어진다. “느려졌다”는 불만의 약 90%가 이 한 가지 변경에서 비롯됐다는 분석이 있다.

넷째, temperature·top_p·top_k 같은 샘플링 파라미터가 제거됐다. 기존 코드가 그대로 호출하면 400 에러를 받는다.

다섯째, 모델이 프롬프트를 더 literal하게 해석한다. 4.6은 모호한 프롬프트도 알아서 채워주었지만, 4.7은 명시된 대로만 한다.

요약하면 모델이 약해진 것이 아니라, 같은 입력에 대해 더 많은 비용을 내고, 더 정확한 프롬프트를 쓰며, 더 명확한 효과 레벨을 지정해야 하는 모델이 됐다는 의미다. 워크플로우를 바꾸지 않은 사용자에게는 회귀처럼 느껴지고, 워크플로우를 조정한 사용자에게는 의미 있는 업그레이드인 것이다.

OpenAI GPT-5.5의 정반대 카드

일주일 후 출시된 GPT-5.5는 정반대 철학을 보여준다. GPT-4.5 이후 처음 완전 재학습된 베이스 모델이고, OpenAI 자체 평가 기준으로 동일 작업에서 GPT-5.4 대비 약 40% 적은 토큰을 사용한다. 외부 비교에서는 Claude Opus 4.7 대비 약 72% 적은 출력 토큰이라는 측정도 나왔다. 토큰 효율이 압도적이다.

OpenAI의 권장 사용 방식도 다르다. low/medium/high/xhigh 효과 레벨 중 medium을 기본 권장한다. 사용자가 효과 레벨로 고민하지 않아도 되고, Codex에 통합되어 ChatGPT Plus($20) 구독자도 별도 구독 없이 사용할 수 있다. 이미 Codex의 주간 200만 사용자가 자동으로 GPT-5.5로 옮겨갔다.

실리콘밸리 PM이자 ChatPRD CEO인 Claire Vo의 후기가 회자됐다. “Claude Code와 GPT-5.4가 모두 포기한 Bluetooth pixel 디스플레이 역공학 작업을 GPT-5.5가 해냈다. 100만 출력 토큰당 180달러를 지불할 가치가 있다.”

그런데 GPT-5.5는 환각률 1위라는 데이터가 있다

독립 벤치마킹 기관 Artificial Analysis가 출시 당일 오후에 공개한 평가가 흥미롭다. AA-Omniscience 벤치마크에서 GPT-5.5는 정확도 57%로 모든 플래그십 모델 중 1위를 기록했다. 그런데 동시에 환각률 86%로 같은 벤치마크에서 최악의 점수를 받았다.

비교 수치는 이렇다.

• GPT-5.5: 정확도 57% (1위), 환각률 86% (최악)
• Claude Opus 4.7: 환각률 36%
• Gemini 3.1 Pro: 환각률 50%

Artificial Analysis의 평가는 직설적이다. “GPT-5.5는 답을 알 때는 더 정확하지만, 모를 때는 더 적극적으로 confabulate(꾸며내기)한다.” 14점 정확도 향상은 “더 많이 알아서”가 아니라 “더 자신 있게 commit해서” 얻은 것이라는 분석이다. 같은 평가에서 GPT-5.5 Pro는 BullshitBench(논리적으로 말이 안 되는 질문에 반박하는 능력) 점수가 35%로 표준 GPT-5.5의 45%보다 오히려 낮았다. 더 비싼 모델이 의심하는 능력은 더 약한 셈이다.

실무 영향은 명확하다. 한 분석가는 이렇게 짚었다. “코드 작성 시 환각된 라이브러리 이름이 86% 환각률이 가장 자주 사용자를 무너뜨리는 방식이다.” 존재하지 않는 패키지명, 사라진 API, 옛 버전의 함수 시그니처를 자신 있게 생성하기 때문이다.

벤치마크 너머 실제 워크플로우

두 모델의 워크플로우 차이를 정리하면 이렇게 된다.

Claude Code는 슈퍼바이저 페어 프로그래머에 가깝다. 질문을 던지고, 트레이드오프를 설명하고, 단계를 안내한다. 1M 컨텍스트와 SWE-bench Verified 87.6%로 대규모 코드베이스의 아키텍처 추론에 강하다. 다만 Opus 4.7로 올라가면서 더 명확한 프롬프트와 효과 레벨 지정을 요구한다.

Codex는 자율 클라우드 실행자에 가깝다. 병렬 샌드박스로 여러 작업을 동시 실행하고, GitHub 통합이 일등급이며, 감사 로그가 풍부하다. Terminal-Bench 2.0 82.7%로 명령줄 워크플로우와 DevOps 자동화에 강하다. 다만 외부 API를 호출하는 코드에서는 환각된 라이브러리·함수명을 잡아내는 검증 단계를 추가하지 않으면 위험하다.

Builder.io 사용자 평가에서는 GPT-5 Codex가 Sonnet 대비 40% 높은 만족도를 받았는데, 같은 사용자 그룹에서 블라인드 코드 리뷰를 했더니 결과가 뒤집혔다. Claude의 코드가 67%의 비율로 더 깨끗하고 관용적이라는 평가를 받은 것이다. 한 댓글이 이 분열을 정확히 요약했다. “Claude는 정밀한 편집을, Codex는 광범위한 리팩토링을 한다.”

그래서 시니어 개발자들은 둘 다 사용한다. Claude로 계획·아키텍처·리뷰를 하고, Codex로 병렬 실행과 반복 작업을 처리하는 식이다.

한국 개발자 환경에 던진 의미

한국 개발자 커뮤니티 입장에서 두 모델 출시는 몇 가지 실용적 함의를 남긴다.

먼저 Claude Pro($20) 사용자라면 Opus 4.7의 새 토크나이저로 한국어 코드 주석·문서의 토큰 비용 영향을 따로 측정할 가치가 있다. 한국어가 영어보다 토큰 수가 많이 잡히는 언어라 35% 증가 영향이 더 클 수 있다. 또한 4.7을 모델 ID만 바꿔서 사용 중이라면 효과 레벨을 xhigh로 명시하지 않는 한 4.6보다 약하게 작동할 가능성이 있다.

ChatGPT Plus($20) 사용자라면 GPT-5.5가 이미 Codex를 통해 자동 사용 가능하다. 별도 구독이 필요하지 않아 비용 부담은 적은 편이다. 다만 외부 API 호출이나 사실 검증이 중요한 코드에는 86% 환각률 데이터를 염두에 두고 검증 단계를 추가하는 것이 안전해 보인다.

Cursor·VS Code 같은 IDE 통합 환경에서는 두 모델 모두 이미 사용 가능하다. 가벼운 코드 리팩토링에는 Codex, 멀티 파일 아키텍처 변경에는 Claude로 라우팅하는 패턴이 시니어 개발자들 사이에서 정착하고 있다.

두 회사가 던진 정반대 숙제

두 모델은 같은 코딩 영역을 두고 정반대 철학으로 경쟁한다.

Anthropic은 사용자에게 워크플로우 조정을 요구한다. 더 명확한 프롬프트, 명시적 효과 레벨, 새로운 task budget 설정. 그 대가로 환각률 36%의 신뢰성과 멀티 파일 일관성을 약속한다.

OpenAI는 사용자에게 검증 단계 추가를 요구한다. 토큰 효율과 자율 실행 강점을 활용하되, 환각된 라이브러리 이름과 사실 오류를 잡는 fact-check 패스를 추가하라. 그 대가로 자율 에이전트가 처리하는 작업 범위가 확장된다.

“어느 모델이 더 좋은가”가 아니라 “내 작업이 어느 트레이드오프와 맞는가”가 진짜 질문이 됐다. 환각이 비싼 작업(법률·의료·외부 API 코드)에는 Claude, 토큰 효율이 비싼 작업(장기 실행 에이전트·터미널 자동화)에는 GPT-5.5라는 라우팅이 합리적으로 보인다.

한 가지 덧붙이면, 앞선 글에서 다룬 미토스 봉인 결정도 같은 시기에 일어났다. Anthropic이 강력한 모델을 폐쇄형 그룹에만 풀어둔 그 일주일이, 코딩 모델 영역에서는 4.7의 워크플로우 요구로 나타난 것일 수도 있다. 같은 회사의 다른 두 결정이 같은 철학에서 나온 셈이다.

한국 개발자가 두 모델을 한 달간 실제로 써본 후기는 별도 글에서 다뤄볼 생각이다.

게시물 Anthropic은 워크플로우를, OpenAI는 검증을 요구한다 — Claude 4.7과 GPT-5.5가 개발자에게 던진 숙제이 Value Chain of Life에 처음 등장했습니다.

전통 방식 vs 생성형 AI 방식 — 어디서 차이가 나는가

실제 차이가 가장 크게 나는 영역은 코드 분석과 테스트 생성 단계입니다.

항목	전통 방식	생성형 AI 방식	주요 효과
코드 분석	수주 단위의 수동 리버스 엔지니어링	의존성 그래프·데이터 흐름도 자동 생성	분석 시간 대폭 단축
리팩토링	개발자 1인이 수동 검토·수정	IDE 내 실시간 제안 + 사람이 검토·승인	처리량 증가
테스트 생성	수동 작성, 커버리지 낮음	단위·통합 테스트 자동 생성	커버리지 상승, 회귀 버그 감소
문서화	리팩토링 후 별도 작업, 자주 누락됨	코드 변경과 동시에 문서 자동 생성	문서 최신성 유지

위 효과는 코드 품질·언어·도메인에 따라 편차가 크며, 같은 도구라도 프로젝트 특성에 따라 결과가 달라집니다. 도입 전에 작은 모듈로 PoC를 진행해 자사 환경의 실제 효과를 측정하는 것이 권장됩니다.

게시물 생성형 AI로 레거시 코드 유지보수 혁신하기이 Value Chain of Life에 처음 등장했습니다.