A: 프로그래밍 언어는 뇌의 신경망과 기존 코드베이스라는 두 가지 측면에서 강력한 고착 효과(lock-in)를 가집니다. 사람들은 새로운 언어를 배우는 것을 꺼리고, 기존의 방대한 코드를 유지해야 합니다. 하지만 AI 프로그래밍이 발전하면서, 기존 코드베이스의 무게를 줄여주고, 마치 새 코드베이스에서 작업하는 것처럼 가볍고 수월하게 만들어 줄 수 있을 것이라는 희망이 있습니다.
Q: 프로그래밍의 아이디어가 인간 조직을 '프로그래밍'하는 데, 즉 여러 사람이 함께 소프트웨어를 만드는 데 도움이 될 수 있을까요?
A: API와 데이터 모델을 정말 진지하게 다루는 것이 중요합니다. 만약 스트라이프를 처음부터 다시 만든다면, API와 데이터 모델 설계에 훨씬 더 많은 시간을 투자할 것입니다. 콘웨이의 법칙(Conway's law)처럼, 이 둘은 조직의 구조와 소통 방식을 형성할 뿐만 아니라, 비즈니스 전략과 결과에도 지대한 영향을 미칩니다.
예를 들어, iOS 앱 생태계가 안드로이드보다 더 활기찼던 이유 중 상당 부분은 초기에 더 나은 프레임워크와 추상화(API)를 제공했기 때문입니다. 잘 설계된 API는 수십 년간 지속될 수 있으며, 이는 스트라이프가 15년 전의 설계를 여전히 사용하고 있는 이유이기도 합니다.
Q: 스트라이프의 '빅뱅' 순간에 내려진, 현재까지 영향을 미치는 중요한 초기 기술 결정은 무엇이었나요?
A: 초기에 MongoDB와 루비(Ruby)를 선택한 것이 그렇습니다. SQL의 관계형 모델보다 객체 기반 데이터 스토어가 애플리케이션의 도메인과 더 잘 맞는다고 생각했습니다. 이 결정 덕분에 우리는 이 기술들을 안정적으로 운영하기 위해 엄청난 양의 인프라를 직접 구축해야 했지만, 결과적으로 작년에 99.99986%라는 업계 최고 수준의 API 가용성을 달성할 수 있었습니다. 루비의 경우, 성능이 중요한 일부 핵심 서비스는 자바(Java)로 재작성하여 현재는 두 언어를 함께 사용하고 있습니다.
Q: 스트라이프를 다시 쓰는 '스트라이프 2' 프로젝트에서 얻은 교훈은 무엇인가요?
A: 아직 진행 중이라 "판단하기엔 너무 이르다"고 말하고 싶지만, 몇 가지 교훈이 있습니다.
통합할 수 있는 모든 것을 통합하라. (예: 고객, 하위 계정, 수취인 등 분리된 개념들을 하나의 엔티티로 통합)
N:M 관계를 지원하라. 지금은 불필요해 보여도, 미래에는 반드시 N:M 관계가 필요해지는 순간이 온다.
단일 책임자를 두어라. API 전체를 이해하고 책임지는 단 한 사람이 필요하다.
고객 피드백과 실제 통합 코드 작성을 통해 검증하라. 이론적으로 완벽해 보이는 API도 실제 사용 시에는 비효율적이거나 불편할 수 있다.
Q: 패트릭 콜리슨 개인은 AI를 어떻게 사용하시나요?
A: 주로 사실적이거나 경험적인 질문에 대한 답을 얻기 위해 LLM 채팅 도구를 많이 사용합니다. 글쓰기에는 그다지 사용하지 않는데, 모델이 생성하는 글이 너무 일반적(generic)이고 제 개인적인 스타일과 맞지 않기 때문입니다. 코드를 작성할 때는 커서(Cursor)를 통해 LLM을 활용합니다.
Q: AI 시대에 '진보 연구(Progress Studies)'는 여전히 필요한가요?
A: 오히려 그 필요성이 더 커졌다고 생각합니다. AI가 모든 문제를 마법처럼 해결해 줄 것이라는 낙관론과 달리, 우리는 이 기술을 '어떻게' 사용할지에 대한 중요한 판단을 내려야 합니다. 과거에는 미래가 어느 정도 예측 가능한 궤도 위에 있었지만, 지금은 지정학적 변화, 가치의 충돌, 그리고 AI와 같은 기술 발전으로 인해 미래의 '가능성 창(window of contemplatable futures)'이 극도로 넓어졌습니다. 따라서 우리가 어떤 진보를 추구할지에 대한 질문이 더욱 중요해졌습니다.
Q: AI가 경제 생산성 지표에 나타나고 있나요?
A: 아직 명확한 증거는 보이지 않습니다. 최근 한 논문은 LLM 사용과 생산성 향상 사이에 유의미한 관계를 발견하지 못했다고 주장했습니다. 지난 2년간 미국의 GDP 성장은 예상보다 좋았지만, 전 세계적으로 가속화된 성장세는 보이지 않습니다. 기술이 경제 전반에 확산되는 데는 상당한 시간과 복잡성이 수반되는 것 같습니다. 앤트로픽(Anthropic)의 공동 창업자 잭 클락도 AI가 GDP 성장률을 연간 0.5% 포인트 정도 높일 것으로 예측했는데, 이는 상당한 수치지만 '기하급수적 도약'과는 거리가 있습니다.
Q: 인간의 생물학을 프로그래밍하는 것은 언제쯤 가능할까요?
A: 우리는 지금까지 암, 자가면역질환, 신경퇴행성 질환 같은 복합 질환(complex disease)을 한 번도 정복하지 못했습니다. 이는 질병의 복잡성을 이해하기 위한 실험적, 인식론적 기술이 부족했기 때문일 수 있습니다.
하지만 최근 10년간 생물학 분야에서 읽기(시퀀싱 기술), 생각하기(딥러닝), 쓰기(유전자 편집 기술)라는 세 가지 혁신적인 기술이 등장했습니다. 이 세 가지를 결합하면 개별 세포 수준에서 새로운 종류의 '튜링 루프(Turing loop)'를 만들어, 복합 질환의 역학을 체계적으로 이해하고 해결할 수 있을 것이라는 희망을 품고 있습니다.
Q: AI로 인해 프로그래밍이 자동화되면, 누가 예상치 못한 수혜자가 될까요?
A: 확신 있는 답은 없지만, 다양한 이론이 있습니다. 제한된 부동산 같은 실물 자산, 유명인의 음악 카탈로그 같은 지위재(positional goods), 또는 AI 시스템의 핵심 원료(구리 등)가 가치를 얻을 수 있습니다. 하지만 지난 몇 년간의 예측이 얼마나 빗나갔는지를 보면, 미래는 기술의 구체적인 발전 경로에 따라 매우 유동적일 것입니다.
Q: 커서(Cursor)가 스트라이프를 위해 무엇을 더 만들어주길 바라나요?
A: 세 가지를 제안하고 싶습니다.
런타임 특성 통합: 코드에 대한 실시간 성능 정보를 IDE에서 바로 볼 수 있으면 좋겠습니다.
리팩토링 및 미화: AI가 코드베이스를 자동으로 정리하고 개선하여 미래의 변경 비용을 줄여주길 바랍니다.
장인정신과 아름다움: 단순히 더 많은 코드가 아니라, '최고의 소프트웨어'를 만드는 데 도움이 되는 방향으로 발전했으면 좋겠습니다.
https://youtu.be/motX94ztOzo?si=2gJ7kM7grh7R9-xb