계획 모드는 죽었다

AI 코딩 도구의 계획 모드가 맡아 온 두 역할 중 에이전트에 정밀한 지시를 전달하는 역할은 모델 성능 향상으로 빠르게 불필요해지고 있음. 사람이 무엇을 만드는지 이해하도록 돕는 역할은 더 중요해졌지만, 계획 모드는 이에 적합한 방식이 아님 구현 전에 생각을 정리하는 과정이 유용하다고 해서 이를 방대한 계획 문서로 보존하는 것까지 유용한 것은 아님 모델이 저장소를 탐색하고 합리적인 가정을 세우는 능력이 좋아질수록 사람이 직접 결정해야 할 사항은 줄어듦. 반면 긴 AI 생성 명세는 정보를 늘려도 이해를 높이지 못했음 계획과 구현은 교차하며 진행되는 과정임. 계획을 검토하고 승인해야 구현으로 넘어가는 선형 흐름보다, 이해하고 실행한 뒤 결과를 살펴 접근법을 조정하는 반복 흐름이 이에 더 잘 맞음 여러 에이전트가 시스템을 바꾸는 동안 사람이 일관된 멘탈 모델을 유지하는 문제는 여전히 미해결 상태임. 에이전트는 사람의 주의가 가장 큰 효과를 낼 최소한의 지점과 판단에 필요한 맥락을 드러내야 함 Nuanced가 해결하려던 이해의 문제 Nuanced는 AI가 코드 생성 속도와 양을 크게 늘렸지만, 이를 뒷받침할 인터페이스는 따라오지 못한다는 문제에서 출발한 데스크톱 코딩 앱임 중심 질문은 기계가 사람이 검토할 수 있는 속도보다 빠르게 소프트웨어를 바꿀 때, 사람이 어떻게 시스템에 대한 일관된 멘탈 모델을 유지할 수 있느냐는 것임 모델이 몇 분 만에 수천 줄의 코드를 만들면, 무엇을 왜 만드는지 충분히 생각하기도 전에 유지보수 부담을 떠안게 됨 잘못된 가정이 일찍 코드로 굳어져 동작을 추론하고 문제를 디버깅하기 어려워짐 코드 생성의 즉각적인 보상은 제품이 필요한 이유와 제품/디자인/인프라 결정을 엄밀히 평가하는 일을 가릴 수 있음 아키텍처를 충분히 지정하지 않으면 에이전트가 빈틈을 채우며, 그 과정에서 정한 추상화 경계가 나중에 문제를 일으킬 수 있음 의도한 동작과 설계에 대한 오해가 채팅에 드러나지 않은 채 여러 파일로 퍼져 쉽게 눈에 띄지 않음 Conductor와 Codex처럼 여러 에이전트를 병렬로 실행하는 앱에서는 작업에 깊이 집중하고 결과의 정확성을 검증하기가 더 어려웠음 필요한 것은 코드 줄과 파일을 일일이 읽는 방식으로 돌아가는 것이 아니라, 사용자 프롬프트 → 에이전트 결정 → 코드 → 제품 동작의 연결을 이해할 수 있는 추적 경로였음 자연어로 아이디어를 다루는 효율성을 유지하면서도 시스템 이해를 포기하지 않...