AIE CODE: Google DeepMind, Anthropic, SpaceXSI, TypeSafe, Lovable, Ramp, etc (System One theme)

한 줄 핵심

이 영상은 AI 코드 서밋의 여러 기조연설을 통해, 더 빠른 추론·더 적은 하네스·더 강한 검증·더 높은 자율성을 바탕으로 코딩 에이전트와 소프트웨어 팩토리를 어떻게 안전하게 확장할지 보여준다.

시간별 요약

1. 2:56
   행사의 시작과 올해의 흐름 AI Engineer Code Summit 2026의 개막과 함께, 올해는 코딩 에이전트의 진화 속도가 매우 빨라졌고 주제도 단순한 자동화에서 더 높은 수준의 시스템적 사고로 이동했다.
2. 11:02
   10배 빨라진 추론이 여는 가능성 Gimlet Labs의 관점에서 추론 속도는 이미 충분하지 않으며, 더 빠른 토큰 생성은 사람의 컨텍스트 전환 한계를 넘어서는 새로운 제품 경험과 온라인 에이전트를 가능하게 한다.
3. 17:01
   토큰 공장의 파레토 최적화 속도와 처리량은 서로 트레이드오프가 있으므로, 작업에 맞는 가속기를 분리해 쓰는 이기종 추론이 더 빠른 토큰과 더 많은 토큰을 동시에 얻는 핵심 전략으로 제시된다.
4. 23:00
   보안도 초저지연이어야 한다 보안 에이전트도 느리면 비동기 감시로 머무르기 때문에, 취약점이나 악성 입력을 실시간으로 차단하려면 온라인 대응이 가능한 초고속 추론이 필요하다.
5. 29:14
   Anthropic의 장시간 코드 세션과 현실의 마찰 Claude Code가 더 길고 자율적인 세션으로 진화하면서 인간은 점점 검토자·감시자로 이동하지만, 실제 현장에서는 노트북과 발표 환경 같은 운영 문제가 여전히 작업 흐름을 좌우한다.
6. 40:09
   Cloudflare가 Neolab이 된 이유 Cloudflare는 CDN과 엣지 인프라, Workers, 저장소, 대형 모델을 하나로 묶어 에이전트 클라우드를 만들기 위해 모델 자체를 만드는 Neolab으로 진화했다.
7. 48:00
   System One 모델과 결정의 분리 Jev 같은 System One 모델은 긴 추론을 대체하는 빠른 의사결정층으로 자리 잡으며, LLM이 맡을 일을 줄이고 더 저렴하고 빠른 에이전트 워크플로를 가능하게 한다.
8. 54:01
   작은 모델로 큰 일을 나누는 실행 방식 툴 선택, 정보 추출, 로그 요약 같은 전처리를 System One 모델에 맡기고, 최종 판단만 LLM에 넘기면 토큰과 지연을 크게 줄이면서도 품질은 유지할 수 있다.
9. 1:01:02
   슬롭을 금으로 바꾸는 코드베이스 설계 Grockbot 사례는 에이전트 생산성을 높이려면 프롬프트보다 코드베이스 자체를 정리하고, 금지 규칙·린트·검증으로 좋은 패턴이 복제되게 만들어야 함을 보여준다.
10. 1:11:01
    검증이 리뷰를 대체하는 시대 런타임 검증, formal verification, property-based testing이 강화되면서 인간 리뷰는 점점 산출물 자체보다 검증 증거를 보는 방향으로 이동하고 있다.
11. 1:30:40
    KV 캐시를 보안 신호로 쓰는 방법 KV 캐시는 단순한 성능 최적화 대상이 아니라, 프롬프트 인젝션이나 이상 행위를 잡아내는 실시간 보안 신호의 원천이 될 수 있다.
12. 1:38:01
    하네스가 제품이 되는 하비의 경험 Harvey의 Spectre는 에이전트가 코드를 쓰는 것보다 그 뒤에서 작업을 조율·검증·병합하는 하네스가 실제 제품 경쟁력을 만든다는 점을 보여준다.
13. 1:51:00
    명세의 모호함을 사전에 제거하기 코딩 에이전트에 들어가는 명세는 모호함·충돌·빈칸이 없어야 하며, SMT와 솔버를 활용해 사람에게 넘기기 전에 사양의 모순을 찾아야 한다.
14. 1:59:01
    AI 온콜 팀메이트와 운영의 자동화 Meta의 AI 온콜 팀메이트는 알림 분류, 조사, 대응, 메모리 축적을 하나의 팀 단위 루프로 묶어, 야간 장애 대응을 사람 중심에서 팀-에이전트 협업으로 바꾼다.
15. 2:21:16
    하네스를 최소화하는 코드 모드 모델이 좋아질수록 세분화된 툴보다 Bash 하나로 충분해지고, 시스템 프롬프트와 툴 오버헤드를 줄일수록 같은 작업을 더 적은 토큰과 더 적은 턴으로 끝낼 수 있다.
16. 2:46:35
    브랜치 가능한 인프라와 에이전트 워크로드 Databricks는 데이터 플랫폼, 메모리, 파일시스템, 샌드박스까지 브랜치 가능하게 만들어 에이전트가 실제 현실의 복사본에서 안전하게 병렬 탐색하도록 한다.
17. 3:10:06
    안전한 소프트웨어 팩토리의 네 개 루프 PR 검증, 배포 후 검증, 유지보수, 지식 축적의 네 루프를 촘촘하게 설계해야 소프트웨어 팩토리가 속도만 빠른 구조가 아니라 신뢰 가능한 구조가 된다.
18. 3:43:00
    자율성은 한 단계씩 올려야 한다 Factory는 신호를 표준화하고 사람 중심의 통제 아래에서 자율성을 점진적으로 높여야 하며, 자동화는 처음부터 모든 일을 맡기는 것이 아니라 체크포인트를 쌓는 방식이어야 한다.
19. 3:59:46
    자기 개선 루프가 열어보는 미래 코딩 에이전트와 하네스 자체를 평가하고 고치는 자기 개선 루프가 가능해지면서, 성능·비용·지연을 포함한 전체 스택이 지속적으로 자동 최적화되는 방향이 보인다.
20. 4:26:02
    되돌릴 수 있어야 진짜 자동화다 에이전트는 작업을 성공시키는 것만큼이나 실패를 되돌리는 능력이 중요하며, 외부 효과와 런타임 상태까지 복구할 수 있는 undo 메커니즘이 있어야 안전한 자동화가 된다.

실무 인사이트

• 코딩 에이전트의 경쟁력은 모델 성능만이 아니라 하네스, 툴 구성, 검증 루프, 복구 능력까지 포함한 전체 시스템 설계에서 결정된다.
• 실무에서는 먼저 명세·코드베이스·검증을 단단하게 만들고, 그 위에 점진적으로 자율성을 올리는 방식이 가장 안전하고 확장 가능하다.
• 속도가 빨라질수록 병목은 추론에서 툴 호출·검증·배포·복구로 이동하므로, 최적화 대상도 모델 외부로 계속 넓혀야 한다.