AI 시대, 살아남는 소프트웨어의 조건 – 소프트웨어 서바이벌 3.0 정리

이 글은 Steve Yegge의 「소프트웨어 서바이벌 3.0 – 무엇을 만들어야 살아남는가」를 바탕으로, AI가 소프트웨어를 대량으로 작성하는 시대에 어떤 소프트웨어가 살아남고, 어떤 소프트웨어가 도태되는지를 구조적으로 정리한 글입니다.
AI 발전의 예측, SaaS 생태계에 가해지는 압력, 그리고 ‘토큰 비용’이라는 새로운 선택 압력 아래에서 소프트웨어의 생존을 설명하는 모델과 여섯 가지 핵심 레버를 중심으로 내용을 풀어갑니다.
단순한 미래 전망이 아니라, 지금 무엇을 만들어야 의미가 있는지에 대한 실질적인 기준을 제공하는 것이 이 글의 목적입니다.

반응형

---

AI 시대 소프트웨어에 대한 예측 배경

AI 기반 소프트웨어의 미래는 갑작스럽게 등장한 담론이 아닙니다.
2023년 코드 자동 완성에서 시작해, 2024년 대화형 인터페이스, 2025년 초 에이전트, 2026년 초 오케스트레이션으로 이어지는 흐름은 지수적 발전 곡선을 그대로 외삽한 결과입니다.

이러한 관점은 다음과 같은 전제 위에 서 있습니다.

• AI 연구자들의 중장기 예측은 약 40년간 높은 정확도를 보여왔음
• Dario Amodei, Andrej Karpathy 등 핵심 인물들이 그려온 방향이 일관됨
• Gas Town 프로젝트는 이 외삽이 실제로 작동함을 보여준 사례

즉, “AI가 곧 소프트웨어를 쓴다”는 가정은 과장이 아니라, 이미 검증된 추세의 연장선에 있습니다.

---

위협받는 소프트웨어 생태계

AI가 발전하면서 가장 먼저 타격을 받은 것은 지식 중개형 소프트웨어입니다.

• Stack Overflow, Chegg 같은 Q&A·학습 플랫폼
• Tier-1 고객 지원 소프트웨어
• 로우코드·노코드 도구
• 콘텐츠 생성 도구와 각종 생산성 SaaS

특히 최근에는 비즈니스 부서가 직접 **바이브 코딩(vibe coding)**으로 자체 SaaS를 만드는 사례가 늘고 있습니다.
구매 대비 구축 비용 구조가 무너지고 있기 때문입니다.

불과 3년 전 GPT-3.5가 단일 함수 작성도 어려웠던 것과 달리, 이제는 작지만 실제 가치가 있는 SaaS를 AI로 직접 생성하는 것이 가능해졌습니다.
이 변화는 거의 모든 소프트웨어 영역이 잠재적 위협 아래 있음을 의미합니다.

---

선택 압력 모델: 왜 ‘토큰 절약’이 핵심인가

AI가 소프트웨어를 작성하는 데는 추론이 필요하고, 추론에는 토큰이 필요합니다.
토큰은 에너지를 소모하고, 에너지는 곧 비용입니다.

이 글에서는 다음을 동일한 자원 제약으로 봅니다.

• 토큰
• 에너지
• 돈

이 자원이 항상 제한되어 있다는 점에서, 인지 비용을 줄여주는 소프트웨어만이 살아남는다는 단순한 규칙이 성립합니다.
이는 생물학적 진화에서의 선택 압력과 구조적으로 동일합니다.

---

생존 비율(Survival Ratio) 공식

소프트웨어의 생존 가능성은 다음 비율로 설명됩니다.

Survival(T) ∝ (Savings × Usage × H) / (Awareness_cost + Friction_cost)

각 요소의 의미는 다음과 같습니다.

• Savings: 도구를 사용함으로써 절약되는 인지 비용
• Usage: 반복 사용 가능성과 적용 범위
• H (Human Coefficient): 인간이 만든 것에 부여되는 가치
• Awareness_cost: 도구의 존재를 알고 기억하는 데 드는 비용
• Friction_cost: 실제 사용 중 발생하는 오류와 재시도 비용

생존을 위한 최소 비율은 1이며, 경쟁이 있는 환경에서는 훨씬 더 높은 수치가 요구됩니다.

---

레버 1: 통찰 압축(Insight Compression)

가장 강력한 생존 요인은 다시 발견하기에 지나치게 비싼 지식을 압축해 둔 소프트웨어입니다.

대표적인 예가 Git입니다.

• 커밋 DAG
• ref, index, reflog 구조

이 구조들은 수십 년간의 시행착오가 응축된 결과물입니다.
AI가 이를 처음부터 재구현하려면 동일한 지적 역사를 다시 밟아야 하며, 이는 경제적으로 전혀 합리적이지 않습니다.

데이터베이스, 컴파일러, 운영체제, Kubernetes, Temporal 같은 시스템도 같은 원리로 설명됩니다.
강한 소프트웨어의 공통점은 다시 만들 생각 자체가 터무니없게 느껴진다는 점입니다.

---

레버 2: 기판 효율성(Substrate Efficiency)

어떤 계산을 어디에서 수행하느냐도 생존에 결정적입니다.

• grep은 단순하지만 CPU 기반 처리로 막대한 인지 비용을 절약
• 텍스트 패턴 매칭에서 CPU는 GPU 기반 LLM을 압도
• LLM의 계산은 본질적으로 비효율적인 기판 위에서 수행됨

계산기, 파서, ImageMagick, Unix CLI 도구들은
좋은 알고리즘과 저렴한 기판을 활용해 토큰과 에너지를 절약합니다.

---

레버 3: 광범위한 유용성(Broad Utility)

사용 범위가 넓을수록 생존 가능성은 커집니다.

• 사용 빈도가 높을수록 인지도 비용이 분산됨
• 개별 사용 시 요구되는 토큰 절약 임계값이 낮아짐

Temporal, PostgreSQL, Dolt 같은 도구는
통찰 압축, 기판 효율성, 광범위한 유용성을 동시에 만족시키는 사례입니다.

특히 코드 검색 엔진은 LLM이 기존보다 10~100배 많은 코드를 생성하면서
“너무 커서 grep으로는 안 되는 영역”이라는 새로운 범용 틈새를 형성하고 있습니다.

---

레버 4: 홍보(Publicity)

아무리 토큰을 절약해도, 선택되지 않으면 의미가 없습니다.

인지도 비용을 해결하는 방법은 다음과 같습니다.

• 커뮤니티를 통한 자연스러운 확산
• 에이전트용 문서화와 광고
• 프론티어 AI 랩과 협력해 훈련 데이터에 도구 포함

이 과정에서 에이전트용 SEO라는 새로운 개념도 등장하고 있습니다.

---

레버 5: 마찰 최소화(Minimizing Friction)

에이전트는 항상 급합니다.
조금이라도 막히면 즉시 우회합니다.

• 문서가 복잡하면 사용하지 않음
• 예측 불가능하면 익숙한 도구로 후퇴

Desire Paths 설계는 이를 해결하는 접근법입니다.
Beads 사례처럼, 에이전트가 실제로 시도하는 방식을 관찰하고
환각을 실제 기능으로 구현해 나가는 방식이 효과적입니다.

Agent UX는 아직 대부분의 도구에서 간과되고 있지만,
향후 결정적인 경쟁 요소가 될 가능성이 큽니다.

---

레버 6: 인간 계수(Human Coefficient)

효율성과 무관하게, 인간이 개입했다는 사실 자체로 가치가 생기는 소프트웨어도 존재합니다.

• 인간 큐레이션
• 사회적 증거
• 창의성
• 승인과 신뢰

인간이 만든 플레이리스트, 인간 교사, 인간이 있는 게임 환경은
에너지 효율이 더 높은 AI 대안을 이기는 경우가 많습니다.

AI가 강해질수록, 역설적으로 인간 계수가 높은 영역의 경쟁은 더 치열해질 것입니다.

---

728x90

AI 시대에 살아남는 소프트웨어는 다음 질문에 명확히 답해야 합니다.

• 이것을 다시 만드는 시도가 터무니없게 느껴지는가
• 토큰, 에너지, 인지 비용을 실질적으로 절약하는가
• 발견하기 쉽고, 사용하기 쉬운가
• 인간의 개입이 직접적인 가치를 만드는가

희망적인 점은, 작성되어야 할 소프트웨어의 양은 여전히 무한하다는 사실입니다.
문제는 무엇을 만들 것인가가 아니라, 어떤 선택 압력 아래에서 설계할 것인가입니다.

통찰 밀도가 높고, 에이전트 친화적이며, 인간 계수를 고려한 소프트웨어.
이것이 소프트웨어 서바이벌 3.0이 제시하는 가장 현실적인 생존 전략입니다.

300x250

https://steve-yegge.medium.com/software-survival-3-0-97a2a6255f7b

Software Survival 3.0