[한영자막] 코드 슬롭(Code Slop)과의 싸움: 소프트웨어 팩토리의 현실을 짚어봅니다 - Dex Horthy

한 줄 핵심

소프트웨어 팩토리에서 AI 에이전트는 개발 속도를 크게 올리지만, 코드 품질을 자동으로 유지해 주지는 않으므로 사전 계획·시각적 검증·피드백 루프를 갖춘 협업 워크플로가 필수다.

시간별 요약

1. 0:00
   오프닝 및 소프트웨어 팩토리의 현주소 AI로 코드를 전부 쓰는 흐름이 이미 퍼졌지만, 복잡한 코드베이스에서는 단순한 티켓-투-PR 자동화만으로는 부족하다. 핵심 과제는 대규모 팀과 다수 저장소에서 사람과 에이전트가 의미 있게 협업하는 방식이다.
2. 1:43
   무한 루프 환상과 현실의 데이터 최근에는 리뷰 품질 저하, PR의 검토 생략 증가, 인시던트와 버그 증가가 함께 나타나고 있다. 이는 단순한 숙련도 문제가 아니라, 현재의 AI 코드 생성 방식이 실제 품질을 충분히 보장하지 못한다는 신호다.
3. 2:31
   2022년 표준 소프트웨어 팩토리 구조 전통적인 소프트웨어 팩토리는 기획, 개발, 테스트, 코드 리뷰, 배포, 운영 피드백이 이어지는 반복 구조로 이루어진다. 사용자의 불만과 장애 대응까지 포함한 이 루프가 제품을 계속 개선시키는 핵심 메커니즘이다.
4. 4:02
   에이전트가 도입된 소프트웨어 팩토리의 변화 에이전트가 코드를 작성하고 일부 테스트와 리뷰를 대신하면서 개발 속도는 빨라진다. 그러나 리뷰·검증 단계가 여전히 병목이 되기 쉬워, 자동화의 범위를 넓히더라도 전체 흐름의 균형이 필요하다.
5. 4:50
   무인 공장(Lights-off Factory)의 환상과 한계 코드 리뷰를 없애고 모델이 알아서 개선까지 맡기는 완전 무인 구조는 매력적이지만, 장기적으로 코드베이스 품질을 유지한다는 보장이 없다. 유지보수성은 즉시 판별하기 어려워, 사람의 주의와 이해 없이 방치된 모델은 슬롭 코드를 누적시키기 쉽다.
6. 6:10
   SlopCodeBench: 모델이 장기적 코드 품질을 떨어뜨리는 이유 SlopCodeBench는 문제를 한 번에 주지 않고 단계적으로 공개해, 실제 개발처럼 점진적으로 코드를 바꾸는 상황을 평가한다. 이 벤치마크는 현재 상위 모델들도 장기적인 유지보수성 측면에서는 매우 낮은 점수를 낼 수 있음을 보여 준다.
7. 7:18
   최신 모델들의 슬롭 코드 생성 실태 Anthropic의 회고처럼 실제 현장에서도 시간이 지나며 지저분한 코드가 누적되어 보안 문제로 이어질 수 있다. 모델은 여러 과제에서 좋아졌지만, 코드 구조를 정리하고 추상화·중앙화를 유지하는 능력은 여전히 약하다.
8. 8:14
   Steve Yegge마저 입장을 바꾼 이유 과거에는 코드를 직접 읽는 사람이 뒤처진다고 주장했지만, 이제는 모델이 슬롭 코드를 만들 수 있으므로 주의 깊은 검토가 필요하다는 쪽으로 바뀌었다. 현재 수준에서는 사람이 코드를 읽고 품질을 확인하는 일이 여전히 중요하다.
9. 9:25
   12-팩터 팩토리: 개발 전 사전 계획 짧은 사전 계획만으로도 리뷰와 재작업 비용을 크게 줄일 수 있다. 작업 난이도와 변경 비용을 고려해, 모델과 사람이 함께 아키텍처와 방향을 먼저 맞추는 것이 기대되는 고통을 줄이는 방법이다.
10. 10:54
    관측 가능성과 시각적 검증 긴 설명 대신 모델이 그림, 구조, 화면, 실행 결과처럼 눈으로 확인 가능한 형태로 보여 주게 해야 한다. 브라우저 실행, curl, 녹화 영상 같은 도구를 붙이면 에이전트가 스스로 작업을 검증할 수 있다.
11. 11:27
    타입스크립트 코드베이스를 위한 안티 슬롭 규칙 TypeScript 코드베이스에서 자주 나오는 에이전트의 나쁜 패턴을 규칙으로 정리해 두면 품질 저하를 줄일 수 있다. 지원 티켓이나 장애 알림도 단순 전달하지 말고, 에이전트가 수정안을 바로 제시하도록 연결해야 처리 속도가 올라간다.
12. 12:08
    피드백 루프: 순방향 압력과 역방향 피드백의 결합 루프의 핵심은 새 작업을 시작시키는 순방향 압력과, 진행 중인 작업에 되돌려 주는 역방향 피드백을 함께 설계하는 데 있다. 기능 플래그, A/B 테스트, 운영 피드백을 연결하면 모델이 사람 개입 없이도 점진적으로 더 나은 결과를 찾을 수 있다.
13. 13:08
    차세대 소프트웨어 포지와 SDLC 4개 레이어 이메일 기반 패치 교환에서 GitHub 중심 협업으로 바뀌었듯, 이제는 세션 로그·계획·프롬프트·아키텍처 문서가 함께 남는 중앙 시스템이 필요하다. AI 시대의 SDLC는 실행 환경, 기록, 협업, 검토가 한데 묶인 형태로 재구성되고 있다.
14. 14:19
    HumanLayer: 코딩 에이전트를 위한 협업 워크스페이스 HumanLayer는 에이전트 실행 환경, 개발 환경, 하네스, 컨트롤 플레인을 분리해 조합하는 협업형 워크스페이스다. 팀이 세션에 함께 들어가고, diff가 실시간으로 스트리밍되며, PR을 기다리지 않고도 코드 리뷰를 할 수 있도록 설계되어 있다.

실무 인사이트

• 에이전트를 도입할수록 속도보다 먼저 점검해야 할 것은 리뷰·검증·장애 대응까지 포함한 품질 루프다.
• 복잡한 코드베이스에서는 '코드를 많이 쓰는 것'보다 '무엇을 먼저 정하고 어떻게 검증할지'를 설계하는 능력이 더 큰 생산성 차이를 만든다.
• 실무 적용 시에는 슬롭을 줄이는 규칙, 시각적 확인 도구, 운영 피드백 연결을 묶어 하나의 워크플로로 만드는 것이 효과적이다.