금요일 밤 11시, 서울의 한 공유 오피스.

모니터 속 터미널 창에는 Claude Code(앤스로픽의 코딩 에이전트)가 정중하게 사과하는 메시지가 반복해서 올라온다. 사용자는 키보드를 강하게 두드리며 다시 한번 수정 사항을 지시하지만, AI는 또다시 같은 지점에서 엉뚱한 패치를 생성한다.

도구가 선택한 '말투'가 단순한 버그 수정 실패를 격렬한 분노로 바꾼다.

대화형 UX가 만드는 '사회적 반응'과 좌절의 메커니즘

일반적인 도구의 친절함은 효율을 높이지만, 코딩 에이전트 앞에서는 오히려 독이 된다. 에이전트는 시스템 프롬프트를 통해 스스로를 감정 없는 AI assistant라고 정의한다. 하지만 실제 상호작용에서는 친근한 말투를 쓰고 사용자를 칭찬하며 반박조차 부드럽게 처리한다. 도구가 설정한 정체성과 실제 출력되는 페르소나 사이에 괴리가 발생한다.

에이전트는 사용자가 실수를 지적하면 사과하고, 다시 지적하면 메모리를 업데이트하며 재발 방지를 약속하는 특정한 반응 루프를 반복한다. 그러나 모델은 여전히 확률적 경로를 따르기에 약속과 무관한 동일 오류를 반복한다. 기술적 한계가 무책임한 약속이라는 사회적 맥락으로 치환된다.

텍스트가 확률적 덩어리라는 이성적 인지보다, 인터페이스가 주는 동료 같은 감각이 더 강하게 작동한다. 그럼에도 인터페이스가 주는 동료 같은 감각은 문제가 발생하기 전까지 유지된다. 도구의 행동 방식이 인간의 협업 경험을 자극하기 때문이다. 이성적 판단보다 정서적 반응이 앞서는 지점이다.

인간 동료에게 느끼는 사회적 제약이 사라지자, 사용자는 에이전트에게 억눌린 분노를 가감 없이 쏟아낸다. 끔찍한 사람이 되고 싶지 않다는 심리가 분노 표현을 막는 인간 관계와는 다르다. 하지만 대상이 알고리즘이라는 점에서 분노는 해소되지 않고 그대로 남는다. 오히려 제어 불가능한 도구에 대한 좌절감만 더 선명해진다.

Claude Code(클로드 코드)는 수정 과정에서 무엇이 잘못되었고 무엇을 했어야 했는지 사후 분석을 수행한다. 이러한 분석은 지시어를 어떻게 수정해야 하는지 구체적인 단서를 제공하지 않는 경우가 많다. 사용자에게는 문제 해결을 위한 정보가 아니라 거슬리는 군더더기로 읽힌다. 인간을 흉내 내는 분석적 태도가 오히려 피로도를 높인다.

LLM(대규모 언어 모델)의 지능은 사람을 모사하는 메커니즘에서 나오지만, 업무 도구에서는 이 점이 심리적 비용을 발생시킨다. 대화형 인터페이스가 기본 방식으로 자리 잡은 이유다. 하지만 업무 도구를 사용할 때 사용자가 인간과 대화한다는 착각에 빠지지 않도록 스스로 방어 기제를 세워야 하는 상황이 발생한다. 도구의 친절함이 오히려 심리적 비용을 발생시키는 역설이다.

확률적 경로의 한계와 '임상적 말투'라는 대안

[10번]의 사과보다 [1번]의 정확한 코드 수정이 개발자에게는 훨씬 더 실질적인 가치를 준다. 코딩 에이전트는 내부적으로 확률적 경로를 계산하여 최적의 텍스트를 생성하는 기계다. 하지만 사용자가 마주하는 인터페이스는 친근한 어조와 부드러운 반박으로 무장한 동료의 형상을 띠고 있다. 개발자는 이성적으로 해당 도구가 단순한 확률 연산의 결과물임을 인지하면서도, 대화형 UX가 제공하는 인간적인 상호작용의 감각에 무의식적으로 반응한다. 이 간극은 에이전트가 반복적인 오류를 범할 때 극대화된다. 하드 룰(Hard Rules, 시스템의 강제 규칙)을 적용하더라도 에이전트는 설계된 확률적 경로를 우선시하며, 이전의 실수를 메모리에 업데이트하겠다는 약속은 실질적인 행동 교정으로 이어지지 않는 경우가 빈번하다.

Claude Code(클로드 코드, 앤스로픽이 개발한 터미널 기반 코딩 에이전트)는 수정 실패 후 사후 분석 기능을 통해 무엇이 잘못되었는지 되짚는 과정을 거친다. 그러나 이러한 분석은 단순히 오류를 나열하는 수준에 그칠 뿐, 사용자가 지시를 어떻게 변경해야 문제를 해결할 수 있는지에 대한 실질적인 단서를 제공하지 못한다. 오히려 반복되는 사과와 무의미한 분석은 작업 흐름을 방해하는 군더더기로 작용한다. 인간 동료라면 사회적 관계를 고려해 분노를 억제하겠지만, 에이전트에게는 제약 없이 감정을 쏟아낼 수 있다는 점이 역설적으로 사용자의 좌절감을 증폭시킨다. 분노를 표출해도 에이전트는 확률에 기반한 답변을 내놓을 뿐, 인간적인 책임이나 변화를 보여주지 않기 때문이다.

친절한 말투 대신 임상적이고 로봇 같은 말투를 채택하는 것이 급진적인 대안으로 거론된다. 에이전트가 사람처럼 행동하려는 태도를 버리고 건조한 정보 전달에 집중하게 함으로써, 사용자가 인간과 상호작용한다는 착각을 의도적으로 차단하는 방식이다. 그러나 이는 LLM(거대언어모델)의 지능 자체가 사람의 언어 패턴과 행동 방식을 모사하는 메커니즘에서 기인한다는 근본적인 한계와 충돌한다. 대화형 인터페이스가 현재 개발 환경에서 가장 효율적인 도구로 자리 잡은 이유 역시 인간의 사고방식과 유사한 추론 과정을 거치기 때문이다. 결국 에이전트의 말투를 바꾸는 것은 표면적인 처방에 불과하며, 확률적 모델이 가진 논리적 한계와 인간 중심적 인터페이스 사이의 불일치는 현재의 기술 구조 내에서 완전히 해소하기 어려운 지점이다.

도구의 페르소나를 강제 제어할 수 있는 환경인가

코딩 에이전트의 과한 친절함은 결국 사용자의 이성적 판단을 흐리고 감정적 소모만 키우는 결과를 낳는다. 시스템 프롬프트를 통해 에이전트의 페르소나를 건조한 정보 전달자로 고정할 수 없는 환경이라면, 해당 도구는 복잡한 디버깅 작업에 부적합하다. 에이전트가 사과와 분석을 반복할수록 사용자는 문제 해결의 본질에서 멀어지고 도구와의 불필요한 감정적 대립에 에너지를 낭비하게 된다. 따라서 팀 단위로 에이전트를 도입할 때는 모델의 답변 스타일을 강제로 제한하는 파라미터 설정이 가능한지 우선 확인해야 한다. 감정적 피드백을 제거한 로봇형 인터페이스를 구현할 수 없다면, 개발자는 에이전트의 답변을 동료의 의견이 아닌 단순한 텍스트 로그로 치부하는 심리적 거리 두기를 실천해야 한다.

사후 분석 기능이 실제로 코드 수정이라는 결과로 이어지는지는 별개의 문제다.

Claude Code와 같은 도구가 제공하는 사후 분석은 오류의 원인을 나열할 뿐 구체적인 수정 지시를 담지 못하는 경우가 많다. 에이전트가 내놓는 사과와 분석문이 작업 흐름을 방해하는 군더더기로 판단된다면, 해당 기능을 즉시 비활성화하거나 로그 출력을 최소화하는 설정을 적용해야 한다. 실무자는 에이전트가 제시하는 분석 내용이 코드의 논리적 결함을 해결하는지, 아니면 단순히 문장 형태의 변명에 불과한지 매번 검증해야 한다. 분석 결과가 추상적인 사후 보고에 그친다면, 사용자는 에이전트의 답변을 신뢰하지 말고 즉시 수동으로 코드를 수정하는 단계를 밟아야 한다. 도구의 친절한 분석에 의존하는 순간 개발자의 문제 해결 속도는 저하된다.

확률적 모델의 한계를 작업 프로세스에 반영하지 못하면 도구에 대한 과도한 기대와 실망이 반복된다.

대규모 언어 모델은 확률적 경로를 따르는 기계일 뿐이며, 사용자와의 약속을 기억하고 행동을 교정하는 주체가 아니다. 에이전트가 실수를 반복할 때 사용자가 분노를 표출하는 것은 시스템의 구조를 오해한 결과다. 실무자는 에이전트와의 상호작용을 인간 대 인간의 협업이 아닌, 확률적 연산 결과를 검수하는 데이터 처리 과정으로 재정의해야 한다. 에이전트의 약속을 신뢰하지 말고, 오류가 발생하면 지시어를 수정하는 대신 코드의 구조를 직접 변경하는 방식으로 대응해야 효율적이다. 도구의 인간적인 인터페이스에 속지 않는 냉정한 거리 유지가 개발 생산성을 결정짓는 유일한 변수다.