발표에서 확인된 핵심 사실

ChatGPT로 코드를 빠르게 생성하지만, 정작 생성된 코드를 읽고 유지보수하며 프로젝트 맥락을 파악하는 데 더 많은 시간을 쓰는 개발자가 늘고 있다. LLM은 확률적 자동화 도구이기에 결과물의 불확실성이 크며, 이는 코드 검토라는 새로운 형태의 노동으로 이어진다. 이에 대한 해결책으로 코드 작성 필요성 자체를 줄이는 추상화 도구인 ReTangled(리탱글드)가 개발 중이다.

ReTangled는 Rust로 구현된 Entangled 호환 양방향 tangler(문서와 코드를 상호 연결하는 도구) 구조를 가진다. 문서에서 코드를 추출하고 이를 양방향으로 동기화하며, 결정론적 NLP(자연어 처리) 파싱으로 코드의 정확성을 확보한다. 이는 LLM의 확률적 생성에 의존하는 대신 문서 기반 설계로 시스템 안정성을 높이는 방식이다. 초보자부터 전문가까지 접근 가능한 시각적·자연어 프로그래밍 환경을 구축해 소프트웨어 유지보수 비용을 낮추는 것이 핵심 목표다.

프로그래밍 진입 장벽을 낮추려는 시도는 이전에도 존재했다. 문학적 프로그래밍과 NLP 질의를 결합한 IDE였던 Eve(이브)는 수익화에 실패하며 종료됐으나, 선언형 언어 Inform(인폼)은 자연어 기반 개념이 실제 소프트웨어 설계에 적용될 수 있다는 가능성을 증명했다. ReTangled는 이러한 선행 시도들의 개념을 확장해 기존 툴체인과의 통합을 통해 실무 적용 가능성을 높인다.

기술이 실제로 작동하는 방식

LLM은 개발자와 비개발자 모두에게 빠르게 확산됐으나 환경 파괴성, 도난 코드 기반의 생성, 일관성 없는 결과물, 의존성 유발이라는 실질적인 문제를 안고 있다. 단순한 자동화 계층을 추가하는 것만으로는 이러한 한계를 극복하기 어렵기에, 인간이 생각하는 방식에 가까운 새로운 추상화 계층을 도입해 코드가 필요한 범위 자체를 줄이는 접근이 필요하다.

이를 위해 코드를 먼저 쓰고 나중에 문서를 덧붙이는 관행을 뒤집어, 프로그램의 작동 방식을 사람에게 먼저 설명한 뒤 컴퓨터에게 알리는 '문학적 프로그래밍' 방식을 적용한다. 사용자가 문서를 수정하면 코드가 바뀌고, 반대로 코드를 수정하면 문서에 반영되는 양방향 편집 전파를 통해 설계도 중심의 개발 환경을 구현한다. 이러한 문서 기반 설계로 전환하면 생성된 코드의 맥락을 읽고 유지보수하는 데 드는 물리적인 시간을 줄일 수 있다.

확률적 LLM과 대비되는 결정론적 코드 생성 방식

LLM은 프롬프트를 확률적으로 해석하고 사용자의 의도를 예측하여 결과를 생성하므로 동작이 불확실하다. 반면 결정론적 방식은 NLP를 통해 문법에서 의미를 파싱하고 이를 중간 표현으로 변환하여 신뢰성 있는 코드를 생성한다. 입력값이 같으면 매번 예측 가능하고 견고한 프로그램을 만드는 것이 핵심이며, 이를 통해 프롬프트를 일관되게 코드로 변환하는 정형화된 추상화 계층을 제공한다.

텍스트 기반 인터페이스의 제약을 넘어서는 GUI 기반 시각 프로그래밍은 코드를 유일한 선택지가 아닌 여러 표현 수단 중 하나로 전환한다. 시각적 환경은 텍스트보다 복잡한 개념을 다루기에 용이하며 프로그래밍 접근성을 높이는 효과가 있다. 다만, 시각 중심 설계가 시각장애인 배제로 이어지는 부작용을 막기 위해 강력한 스크린리더 통합과 대체 표현 설계를 필수적으로 도입하여 모든 사용자가 이용 가능한 환경을 구축한다.

ChatGPT로 코드를 빠르게 짜내지만 정작 생성된 코드를 읽고 유지보수하며 맥락을 파악하는 데 더 많은 시간을 쓰는 모순이 반복된다. LLM은 확률적 자동화 도구일 뿐이며, 근본적인 해결책은 코드 작성 필요성 자체를 줄이는 추상화에 있다.

문서에서 코드를 추출해 양방향으로 동기화하는 탱글러 구조와 결정론적 NLP 파싱은 생성 AI의 불확실성을 제거한다. 이제는 LLM이 짠 코드를 검수하는 대신 문서 기반 설계로 전환해 소프트웨어 유지보수 비용을 낮추는 판단 기준을 세워야 한다. 코드의 양이 아니라 설계의 견고함이 생산성을 결정한다.