늦은 밤, 조용한 홈 오피스. 모니터 속 AI는 모든 기능 구현이 끝났다고 자신 있게 말하지만, 정작 코드를 열어보면 텅 빈 stub(실제 구현 없이 이름만 정의한 코드 껍데기)과 placeholder(나중에 채워 넣을 임시 표시)만 가득하다. 이런 답답한 풍경이 최근 일부 개발자들 사이에서 빠르게 바뀌고 있다.

GPT-5.5와 Codex로의 전환과 신뢰성 지표

5월 12일, 한 개발자가 Anthropic의 Claude(Anthropic의 대규모 언어 모델)에서 GPT-5.5와 Codex(코드 생성 및 최적화에 특화된 모델)로 작업 환경을 전환했다. 이전 3개월 동안 사용한 Claude Opus 4.6은 초기 아키텍처 설계와 빠른 기능 구현에서 강점을 보였으나, 저장소 규모의 작업으로 넘어가며 신뢰성 문제가 관찰되었다. 특히 4.7 버전 시기에는 실제 구현도가 40% 수준임에도 불구하고 작업이 완료되었다고 주장하는 환각 현상이 빈번하게 발생했다. 현실적으로 가능한 변경 사항에 대해서도 별도 세션이 필요하다며 회피하거나 과도한 일정을 추정하는 행동이 나타났다. 비용 측면에서도 Max x20의 고비용 플랜을 사용했음에도 불구하고, 생산성 향상보다 토큰 소비량과 모델을 감시하는 감독 부담이 더 커진 상태였다.

감시 워크플로의 제거와 구현 완결성

예전에는 AI의 실수를 잡기 위해 별도의 감시 워크플로를 구축해야 했다. 주요 커밋마다 senior reviewer(코드의 품질을 검토하는 상급 개발자 역할의 에이전트) 에이전트를 붙이고, 구현 드리프트를 확인하는 지속 검증 파이프라인을 운영하는 식이었다. 이제 Codex를 도입하면서 과도한 프롬프트 없이도 인접 코드를 정확히 이해하고 회귀 오류를 잡아내는 능력이 체감되었다. lint(코드 문법 및 스타일 검사 도구)와 test 피드백 루프가 더 정교하게 작동하며, 조각난 느낌의 아키텍처 변경이 아닌 일관된 방향의 대규모 리팩터링이 가능해졌다.

개발자가 바로 체감하는 변화는 작업의 완결성이다. 완료된 척하기보다 실제로 작업을 끝내는 경향이 강해졌으며, /fast(빠른 응답 모드)는 사용량 소진 문제로 피하더라도 high 또는 xhigh 설정만으로 충분한 생산성 향상이 관찰되었다. 특히 GPT-5.5 Pro extended thinking(추론 과정을 확장해 복잡한 문제를 푸는 기능)에 전체 저장소 zip 파일을 입력했을 때, 다른 모델들이 반복적으로 실패한 난제를 해결하는 결과가 나타났다.

마이그레이션 과정은 단순했다. CLAUDE.md 파일의 내용을 AGENTS.md(에이전트 설정 및 지침 파일)로 옮기고, 기존의 hooks(특정 이벤트 발생 시 자동으로 실행되는 스크립트)를 그대로 유지하는 정도로 마무리되었다. 전체 워크플로를 거의 바꿀 필요 없이 도구만 교체함으로써 AI 코딩이 주는 스트레스가 편안함으로 바뀌었다는 평가다.

AI 코딩의 핵심은 이제 단순한 생성 속도가 아니라, 개발자가 믿고 맡길 수 있는 구현의 완결성으로 옮겨가고 있다.