AI 세계가 '루프' 시대로 진입하고 있다

지난 금요일 Meta의 @Scale 컨퍼런스에서 청중 중 한 명이 Claude Code의 창시자인 Boris Cherny에게 AI 루프가 다음 하이프 사이클인지, 아니면 실제 기술인지 물었다. 그의 답변은 즉각적이었다: 실제 기술이며, 수작업 코딩에서 에이전트 AI로의 전환만큼 중요하다는 것이었다. 이 대화는 전 세계 개발자들이 조용히 실험해온 무언가에 이름을 붙였고, AI 시스템이 실제로 무엇을 할 수 있는지에 대해 우리가 어떻게 생각해야 하는지를 재정의했다. AI 세계가 '루프' 시대로 진입하고 있으며, 아시아에서 개발하는 개발자들에게 이 변화는 살펴볼 가치가 있는 특정한 의미를 가지고 있다.

무엇이 일어났는가

Anthropic의 Claude Code 담당자인 Boris Cherny는 Meta의 @Scale 컨퍼런스에 출연하여 "루프"가 AI 시스템이 작동하는 방식의 다음 주요 아키텍처 전환을 나타낸다고 주장했다. 그가 설명한 진행 과정은 직접 인용할 가치가 있다: "2년 전에는 소스 코드를 수작업으로 작성했다. 에이전트가 코드를 작성하도록 전환하기 시작했다. 이제 에이전트가 다른 에이전트에 프롬프트를 보내고, 그 에이전트가 코드를 작성하는 시점으로 전환하고 있다." 그는 에이전트 AI에서 루핑 AI로의 도약이 수작업 코딩에서 에이전트로의 도약만큼 중요하다고 주장했다.

루프가 실제로 어떻게 작동하는가? Cherny는 자신의 설정을 이 강연에서 설명했다: 한 에이전트는 코드 아키텍처를 개선할 방법을 지속적으로 스캔하고, 다른 에이전트는 통합할 수 있는 중복된 추상화를 찾는다. 둘 다 인간 기여자처럼 풀 리퀘스트를 제출한다. 코드베이스가 항상 변하고 있기 때문에 어느 에이전트도 실행을 멈추지 않는다. 끝이 없다 — 단지 지속적인 백그라운드 개선일 뿐이다.

이것이 완전히 새로운 영역은 아니다. 재귀 루프는 컴퓨터 과학의 시작부터 필수 요소였다 — 조건이 충족될 때까지 자신을 호출하는 함수들. 여기서 다른 점은 정지 조건이 결정론적이지 않다는 것이다. 하드코딩된 규칙이 아니라 서브 에이전트가 루프가 충분히 작동했을 때를 결정한다. 이 비결정론성이 이것을 진정으로 새로운 것처럼 느끼게 한다.

개발자 커뮤니티에서 이미 유통 중인 인기 있는 구현 중 하나는 Ralph Loop이다 — 천재적으로 Ralph Wiggum의 이름을 따서 명명되었다 — 이것은 모델이 지금까지 달성한 모든 것을 요약하고 목표가 달성되었는지 묻는 방식으로 작동한다. 이것은 AI 모델이 장시간 실행될 때 표류하는 것을 방지하는 간단하지만 효과적인 방법이며, 본질적으로 작업이 완료될 때까지 모델을 행동과 자기 평가 사이에서 바운싱한다.

또한 더 많은 테스트 타임 컴퓨팅을 위한 더 광범위한 추진과의 연결이 있다 — 모델이 단순히 매개변수를 확장하는 것이 아니라 더 많은 시간을 추론하는 데 소비함으로써 더 나은 출력을 생성할 수 있다는 개념. 루프는 이 프레임워크에 깔끔하게 맞다: 하나의 큰 추론 패스 대신, 시간에 따른 지속적이고 반복적인 개선을 얻는다.

아시아에 중요한 이유

아시아의 개발자 생태계는 항상 채택에 있어 빠르게 움직였지만, 여기의 구조적 조건들은 루핑 패러다임을 특히 관련성 있게 만든다. 동남아시아, 인도, 동아시아의 엔지니어링 인재는 빠르게 성장하고 있지만, 시니어 엔지니어링 시간은 구축해야 할 소프트웨어의 규모에 비해 비싸고 부족하다. 코드베이스를 지속적으로 리팩토링하고, 중복된 추상화를 포착하며, 요청받지 않고도 PR을 제출하는 백그라운드 에이전트 — 이것은 생산성 승수가 아니라 작은 팀이 유지할 수 있는 것의 구조적 변화다.

자카르타나 호찌민시의 5명 규모 스타트업이 핀테크 제품을 출시하는 경우를 생각해보자. 그들은 팀이 검토할 수 있는 것보다 빠르게 성장하는 코드베이스를 다루고 있다. 기술 부채는 누군가가 부주의해서가 아니라 단순히 시간이 부족하기 때문에 축적된다. Cherny가 설명한 종류의 지속적인 리팩토링 에이전트가 백그라운드에서 실행되면 — 정확히 그 제약을 해결한다. 엔지니어를 대체하지 않는다; 엔지니어들이 항상 미루는 작업 범주를 처리한다.

또한 아시아에 특히 중요한 언어 차원이 있다. AI 에이전트 생태계의 많은 도구와 문서는 영어 우선이다. 루프는 본질적으로 더 추상적이다 — 코드 수준에서 작동하며, 여기서 언어 장벽은 덜 중요하다. TypeScript나 Python 아키텍처를 개선하는 에이전트는 자신의 작업을 수행하기 위해 바하사 인도네시아나 만다린을 이해할 필요가 없다. 이것은 루핑 에이전트를 미묘한 자연어 이해에 의존하는 많은 다른 AI 기능보다 아시아 개발 팀에 더 즉시 접근 가능하게 만든다.

아시아 기술 현장은 또한 특히 엔터프라이즈 자동화에서 다중 에이전트 아키텍처를 실험하는 데 있어 대부분보다 더 빨랐다. MonstarX와 같은 플랫폼에서 구축하는 회사들은 이미 단일 모델 추론이 아니라 서로 조율하는 에이전트 관점에서 생각하고 있다. 루프 개념은 그 정신 모델에 자연스럽게 맞다 — 이미 에이전트 워크플로우로 작업하는 팀에게는 개념적 도약이 덜하다.

물론 위험은 충분한 감시 없이 실행되는 루프가 개선만큼 쉽게 오류를 복합할 수 있다는 것이다. 좋은 추상화가 무엇인지에 대해 잘못된 에이전트는 계속해서 잘못되고, 규모에서, 영원히. 그 거버넌스 문제는 실제이며, 아시아 팀은 이 패턴을 채택할 때 의도적으로 생각해야 할 것이다.

개발자에게 의미하는 바

오늘 AI로 구축하고 있다면, 루프는 시스템이 무엇을 하고 있는지에 대한 정신 모델을 변경한다. 더 이상 프롬프트를 보내고 응답을 기다리지 않는다. 지속적인 프로세스를 구성하고 있다 — 목표가 있고, 결정을 내리며, 진행 중인 기반에서 출력을 생성한다. 이것은 쿼리를 실행하는 것보다 계약자를 고용하는 것에 더 가깝다.

실제로, 구축 방식에 대해 이것이 의미하는 바는 다음과 같다:

• 에이전트의 범위를 좁게 설정하라. Cherny의 에이전트들은 각각 좁고 잘 정의된 권한을 가지고 있다 — 하나는 아키텍처 개선을 찾고, 다른 하나는 중복된 추상화를 찾는다. 그들은 모든 것을 하지 않는다. 범위가 좁을수록 루프가 손상을 일으키는 영역으로 표류할 가능성이 낮다.
• 루프에 평가를 구축하라. Ralph Loop는 모델이 자신의 진행 상황을 확인하도록 강제하기 때문에 작동한다. 실행하는 모든 루프는 평가 단계가 내장되어 있어야 한다 — 서브 에이전트, 테스트 스위트, 또는 특정 복잡도 이상의 PR에 대한 인간 검토 게이트이든 상관없이.
• 루프 출력을 기여자 PR처럼 취급하라. Cherny의 에이전트들은 풀 리퀘스트를 제출한다. 이것이 올바른 추상화다. 자동 병합하지 말라. 루프 출력을 주니어 개발자의 작업을 검토하는 것처럼 검토하라 — 컴파일되는지 여부가 아니라 변경이 올바른지에 주의를 기울여서.
• 읽기 전용 루프로 시작하라. 에이전트가 쓰고 제출하도록 하기 전에, 관찰 모드에서 실행하라. 실제로 변경하지 않고 변경할 것을 플래그하도록 하라. 이것은 쓰기 액세스를 넘기기 전에 그 판단이 신뢰할 수 있는지에 대한 감각을 준다.
• 시간에 따른 표류를 모니터링하라. 며칠 또는 몇 주 동안 실행되는 루프는 복합되는 작은 오류를 축적할 수 있다. 루프가 현재 무엇을 하고 있는지뿐만 아니라 루프가 무엇을 했는지 감사할 수 있게 해주는 로깅을 설정하라.

이를 위한 도구는 여전히 성숙 중이다. 오늘날 대부분의 개발자는 루프를 수동으로 연결하고 있다 — 오케스트레이션 프레임워크, 커스텀 평가 스크립트, 그리고 많은 프롬프트 엔지니어링을 사용하여. 하지만 원시 요소는 점점 더 명확해지고 있으며, 적절한 상태 관리를 통해 지속적인 에이전트 실행을 지원하는 플랫폼은 이 패턴이 확산됨에 따라 훨씬 더 가치 있게 될 것이다.

MonstarX를 사용하는 팀의 경우